人工智能在医疗领域的应用将影响临床工作流程、医生培训和医学教育模式。埃森哲咨询公司最近的一份报告预测AI健康市场将增长到估计十亿$ 6.6 2021和化合物年增长率的40％（CAGR）。这代表从$ 600百万在2014年市场规模显著上升。
必须强调的是，AI仍然是在医疗保健空间测试和应用的早期阶段。但是，那越来越多的用例是明显的，自然的提示AI将如何影响医疗保健空间医师的角色问题。有人认为AI能最终取代医生，但有限的研究可以帮助医疗保健业务的专业人士浏览这些权利要求和其潜在的影响。
在这篇文章中，我们将探讨在医院环境中AI的新作用，医生的风险被替换，并提供从医疗专业人员和AI专家视角研究。
背景
管理病人数据是医疗保健交付过程的核心组成部分，而机器学习和自然语言处理则是越来越多的探索在医疗数据管理功能。电子病历（EMR）或电子健康记录（EHR）的发展已经到了需要贡献了更强大的数据管理方法。
在2009年，卫生信息技术对经济和临床健康（HITECH）法案颁布“促进采取和有效使用卫生信息技术的。”其结果是，医疗保健行业经历了从基于纸张的基于计算机的病人病历的显着变化。
主要目标有意义的使用包括提高医疗服务的效率和更好的临床结果。据内四大类定义：
- 提高质量、安全、效率，减少健康差异
- 搞患者及家属
- 提高护理协调，人口和公共健康
- 维护病人健康信息的隐私和安全
例如，2009至2015年美国非联邦急性护理医院的利用基本的EHR系统的比例从提高12.2％至83.8％的。这些医院的96％已经实施了合格的电子健康档案系统会议的某些标准（如数据隐私措施），如所定义的美国中心的医疗保险和医疗补助服务。
随着2018年1月，共$ 24.8十亿在医疗保险和$ 12.6比永医疗电子病历激励计划支付已分发给参加EHR激励项目。
然而，国家实施电子病历的快速进步还推出到外地一些新的挑战。从一个国家的结果研究的研究人员在梅奥诊所进行了6375名医生发现，医生使用”电子健康档案（84.5％）是不太可能随着时间花在文书工作的量来满足。”
虽然有许多因素可能直接或间接地促进“医生职业倦怠“管理越来越多的文书和临床数据(如电子病历)似乎是一个主要因素。预期的到2030年10万点的医生短缺据美国医学学院协会(AAMC)报道，在美国，医疗保健提供者和医疗机构面临着另一个层面的压力，以跟上不断增长的病人人数。
医师在AI时代中的作用
优点
著名作家，斯坦福医师，教授，阿夫拉姆·弗斯，MD是专业人士谁不认为AI作为对医务工作者，而是作为综合人类临床医生和智能自动化的专业知识的机会的威胁之中。
韦尔盖塞博士最近表示，他在共同撰写的观点舆论一片发表在《美国医学会杂志》上。在这篇文章中，他和斯坦福大学的同事强调，人工智能在处理文书工作方面可能特别有用。
“电脑和医生这两种文化必须协同工作。例如，临床医生倾向于乐观的预测，往往高估了预期寿命的5倍，而从大量数据训练出的预测模型做得更好;使用这些校准良好的结果概率估计，医生就可以为风险最高的患者提供适当的服务。
人工智能自动到办公功能（如维修EMR），现在采取了这么多的临床医生的时间也是值得欢迎的能力和帮助“。
- 亚伯拉罕·韦尔盖塞，MD等人，JAMA（一月2018）。
作者认为，数据质量，必须执行时，AI为“坏数据”可能会导致不准确的临床数据的级联，把病人慎用优先。
事实上，它已被认为已经拥有有效的数据收集策略的医疗保健系统可能更适合于实现AI驱动的数据管理系统。在一个与Emerj谈话的首席客户官桑吉塔查克拉博蒂(Sangeeta Chakraborty)Ayasdi，说明这个观点:
资料来源：LinkedIn
“该行业将不得不[医院]往那个方向，因为他们注重质量......所以这是不可避免的。其中有些是领先，他们有电子病历的地方，他们可以在所有已经发生给患者的临床和运营方面的东西访问数据的曲线。
他们有一个系统，他们可以建立它，他们愿意看到这个，并与他们的医生交谈，并说，这绝不是取代任何人。我们只是来增加医生的。这些都是供他们参考的数据，确保他们有信心，因为我们确保我们提供的一切都是透明的。然后他们会说‘我对这个很感兴趣，因为这是新的学习方法’。”
- 桑吉塔Chakraborty的，采访Emerj（2017）
另一个重要的考虑是，被收集到由AI平台被处理的数据的类型，如在的情况下结构化与非结构化数据。结构化数据一般是指通常被发送至电子病历信息，诸如有一个通用的代码，并且可以通过SNOMED CT（医学临床术语的系统化命名）中引用的疾病。例如，“I型糖尿病，无并发症（障碍）”将被编码为SNOMED CT代码313435000。
相反，非结构化数据包括医生记录他们自己的方式叙述，并不一定遵循特定的方法。从这些例子，为什么非结构化数据训练机器学习算法将是相当具有挑战性它变得更加明显，结构化数据会更有效。
阿夫拉姆·弗斯，MD及其同事也讨论了使用自动化的自然语言处理病历的未来潜力，以及AI的降低医生的文书工作的能力，如何改善与病人和医疗团队的其他成员所花费的质量和时间。
因此，这里示出的透视与AI伙伴之一和更换医生的一个也没有。但是，肯定会成为推背和关注，从医疗服务提供者，它也必须仔细考虑。
这可能会影响到适应性的因素可能包括科学文献上的AI应用的临床价值有限的量和缺乏标准的临床培训模式包含AI的。
挑战
在与Emerj采访,
资料来源：LinkedIn
（在生命科学空间的投资公司），帮助阐明了进入医疗空间时，AI公司导航的挑战。Gullans的专长包括哈佛医学院和布里格姆妇女医院先进的生命科学技术和前教师岗位近二十年。
“......有一些应用，现在在那里的医生不喜欢特定类型的或者一些帮助实际上对每个相关的人都有很大的好处。
I think what you’re going to see is very specific populations within a particular setting, such as calling a stroke in the ER as bleeding or non-bleeding, where there’s a life and death decision that’s very binary…but other applications will take a little more time, and obviously the AI is needed most where the decision-making is hardest, so there’s going to be reluctance to adopt it.”
- 史蒂夫Gullans博士专访Emerj
Saurabh Jha博士，放射学副教授医院
资料来源：宾夕法尼亚大学
宾夕法尼亚大学(University of Pennsylvania)提供了一个关于人工智能对医生专业影响的观点。他认为人工智能取代了放射学家目前的工作，这是“数学上的必然”。然而，Jha也认为实施的时间表并不容易确定。
“有组织的放射劳动力计划是棘手的。这AI会做的工作放射科医师今天做的是一个数学确定性。问题是什么时候。如果是6个月内，放射科医生可能今天也落在他们的剑。一个合理的时间表是什么，10年和40年，但接近10岁之间。
一开始，人工智能可能会增加放射科医生的工作，因为它会吐出假阳性结果来躲避假阴性结果。我咨询R.尼克布莱恩博士，名誉教授，在宾夕法尼亚大学，谁认为放射科医生将裁决正常。对历史的讽刺弯曲的弧线......过去属于敏感性;未来是特异性。人们已经厌倦了被告知，他们有“可能出现的疾病。”他们想知道，如果他们是正常的。”
- - - - - -SAURABH杰哈，MD，将计算机更换放射科医生？（2016）
虽然Jha设想在他的专业中大量使用人工智能，这可能会减少工作岗位的数量，但他仍然认为仍需要人类放射科医生来解释数据和提供护理。
柯蒂斯朗洛茨博士，放射学和医学的斯坦福大学机器学习和深入学习放射学应用的教授和研究员认为，人工智能将成为专业的要求。事实上，朗洛茨曾表示即“谁使用AI放射科医生将取代放射科医生谁不知道。”
展望未来
教育医疗队伍对AI的潜在价值是至关重要的。事实上，研究人员建议，这样的教育应该早医疗schoo开始湖
在2016年，马尼塔斯大学公布它与IBM沃森合作，它的医疗认知导师纳入医疗学校课程。训练有素的大型数据集，包括“科学文献，从患者电子病历和医生马尼塔斯经验（最佳实践）去标识信息”的目的是个性化的学习经验，提高教学效率。
从理论上讲，接收指令集真实世界的数据学生们将有更多的准备来导航数据的复杂性和将有机器学习的应用更强的理解。
同样的，人类诊断项目（人力DX）7500名医生和500个医疗机构之间的一个开放源码的协作，是一个全球性的项目，要求机器学习来提高患者的诊断和提高临床疗效。合作伙伴和数据提供者包括美国医学协会（AMA），哈佛医学院和麻省理工学院（MIT）。
教学情景基础上，通过人力DX收集的数据的集合每天都分发到用户在一个名为全球晨报（GMR）格式。据医学院校协会（AAMC）美国内科住院医生培训的大约40％目前收到GMR。
作为医生的演进的AI，在时代中的作用医疗服务的人性化仍将发挥关键作用。可能有利于文书工作已经去优先级化仪式可能再度出现对团队合作和共同决策等关键技能有了新的认识。
一般来说，人工智能应用程序的健壮程度取决于它们所训练的数据。此外，这些系统提出的建议的解释需要最终决策人员的专业知识。
结论 - 自动化：风险或奖励？
它似乎有审议关于AI的医疗保健行业的影响的几个重要因素，如果它最终可能导致更换医生。
我们的目的是总结这些见解下面提供临床医生和卫生保健管理人员对准备影响行业的主要因素的在一览观点：
风险
- 人工智能能够处理大量数据，而且处理速度比人类临床医生更快
- AI是能够实现精度更高的水平，并且不经受疲劳或倦怠
- AI能够影响员工的能力，由于其能力，处理大容量的任务，非常适合自动化
奖励
- AI可以提高医生的生产力;培训了大量数据的预测模型能够更准确地预测患者的治疗效果
- AI可以减少医生的文书工作从而改善与病人和医疗团队的其他成员所花费的质量和时间
- 人工智能缺乏人类的敏感性;临床应用仍然需要人类在解释数据和建议方面的专业知识
标题图片来源：Adobe公司股票
