医生的误诊率有多高，你知道吗？根据2017年的《临床误诊误治》杂志发布的研报，全球求医的病患，大约只有10%幸运找到了病因，并且得到了恰如其分的治疗。
那么我们可以推测，约有90%的患者并没有得到完全正确的治疗，就在这个情况下，全球又开始推动人工智能医生代替或辅助人类医生看病。这件事儿到底靠不靠谱？我们以后看病到底会有什么变化？
还记得你上次去大医院看病吗？预约一个专家号是否困难？是否买过黄牛号？是否因为一个病床哀求医生？
为什么会发生这样的问题？你考虑过吗？如果生活在大城市，也许医疗资源相对比较宽松，如果重病的事情发生在农村家庭会怎么样？
大批的病患被家属带去了北京、上海、广州等大医院排队，因为越是大城市的大医院，医疗资源和医疗服务水平远远领先平均水平。
但也有一些普通患者也因为内心焦虑去挂了专家号，浪费了一个优质医疗资源。这可能导致重病患者为了一个专家号要排队几小时甚至几天，或者高价买黄牛票。
与大医院冗长的排队问题不同，一些中小型医院、和社区医院卫生站却门可罗雀，这是为什么？因为我国的医疗资源分配不太平均。
大城市和小城市差距甚大，城市和农村差距更大；2020年，我国医疗卫生机构总诊疗人次达77.4亿人次，但是乡镇卫生院和社区卫生服务中心（站）门诊量只有18.5亿人次。
基层卫生所和社区医院为何承担不起小病的问诊量，这到底是啥原因？
AI医生看病靠不靠谱？你了解过乡镇卫生所和社区医院的真相吗？有的内饰破烂不堪，有的缺乏硬件。部分乡镇医生习惯了不管啥病，先来挂个吊瓶打打抗生素。
部分医生对患者滥用抗生素，曾一度加剧了医患矛盾，也让很多人借机在网络上肆意污蔑医务人员；因为恶意抹黑，也让很多医生背负了不少的精神负担，导致医患关系更加恶劣。
据相关数据显示，2010年一年全国医闹事件就高达17243起，从2006年到2016年期间，法院受理的医疗纠纷案件数量整整多了一倍，医护等相关职业也一度成为了高危职业。
但是大家都忽视了一个数据；2020年末，我国从事医药卫生行业的人数达到1347.5万人，但是医师只有408.6万人，而护士也只有470.9万人。
2020年，每千人口医师仅2.90人、护士3.34人；而全科医生更是少得可怜，每万人口只有2.90人，这意味着我国医护人口缺口十分巨大。
相较之下德国2013年的就已经是1000个居民有4.3名医生，而且德国的社区医生都是读了12年的博士生，都拥有丰富的全科经验积累。
但是我国执业医师有40%左右只有大专、中专学历，甚至部分还是高中的教育水平。因为医师的匮乏，所以我国乡村医生和卫生员也参与了问诊工作。这也是导致我国误诊率较高的一个因素。而且在社区医院或者乡镇卫生所，从事全科问诊的医生工资并不高，最好的社区医院本科比例也不过50%。
这也造成了我国大病、小病都爱去医院。但也直接和间接造成了部分优质医疗资源被小病浪费，同时重病患者得到不很好的护理和医治，供需关系严重紧张，也成了我国医患关系的主要矛盾。
面对此类问题，很快就有人想出了妙招。尤其是随着AI技术的发展，有人想到了能否用AI机器人代替人类问诊。“AI医疗”的概念一夜上了热搜，被炒得火热，大规模的资本涌入。因为大家都知道医患的供需问题不仅仅是中国一家的问题。
美国等发达国家也面临医疗供需不足的问题，加上医疗资源的特殊性，人们对于医疗的需求随着经济发展越来越高，让全世界都面临医疗资源供需的矛盾。
面对这种现状，我国也很难在短期内批量培养出足够优秀的医生；医生无法批量生产，但是但是人工智能机器却不难；而且AI可以在在智能诊断病症、识别CT影像判断病症、对患者生理监控、以及对生物医药的筛选和研发都有着不错的前景。
加上AI是用计算机模拟人类思考方式，同时具备强大的学习能力，并且可以及时反馈患者的同时，降低医疗费用，可以很好的弥补我国医疗资源不足的现状。
所以近几年，大批的企业争相涌入“AI医疗”。但是AI医疗的技术门槛并不低，它必须以互联网为中心，而且需要搭建大量的基础设施和数据回收中心。通过大数据让AI进行深度学习，才能应用于医疗行业中。
除此之外AI 医疗带来的伦理问题也不得不重视。如果AI设备发生发生故障，导致误诊促使患者死亡，由谁来负责。现有的 AI 医疗器械能用来学习的数据少的可怜，如果要应用庞大的数据，患者的隐私该如何保障？AI依靠深度学习的数据不够时，是要拿患者当“小白鼠”测试吗？
这些问题也是阻碍 AI 医疗发展的重要原因。但我们也不能忽视AI医疗的潜在价值。目前大部分公司都是将AI技术与大数据结合，利用庞大的数据进行分析诊断，可以有效的缓解现有医疗资源短缺问题。并且AI在技术对于分析医疗医学影像诊断、和慢性病的监护和管理，以及传染性疾病的排查等方向确实有不少的优势。
尤其是在AI医疗在影像诊断方面非常给力。例如对于CT诊断分析，因为CT做胸肺监测会产生数百张切片图像，这也导致影像科医生要很耐心地解读图像，以此来判断患者的实际状况；所以每张影像解读所需时间平均也要10分钟左右，在疫情期间，如果上百名病患的CT同时出现，这些图像加起来能少说也有数十万张，医生的工作压力可想而知。
那么用AI医疗进行分析，可以有效缓解医生的工作压力。例如AI辅助诊断系统，短期内就能完成分析并给出结论。在医生的帮助和指点下，AI系统的训练库会持续更新。目前已经有AI对CT的分析准确率达到95%左右。
随着AI医疗的出现，我们也许再也不用大医院排队等床位，等不到顶级专家的号，也能享受到相对靠谱的医疗救助；AI协助人类开发药物，一些高价药物的价格也许会大幅下降，因此也会促使整个社会的医疗成本出现下降。
比如在哈佛大学的教学医院贝丝·以色列女执事医疗中心，已经开始使用AI诊断血液,通过血液物质分析患者的疾病或者潜在疾病。 相关实验人员让AI深度学习了25000张血样的图像的数据，让AI学会了如何在血液如何搜索大肠杆菌和葡萄球菌等有害杂菌。
医生可以直接使用AI增强型显微镜的自动发现功能，直接识别有害细菌，效率和速度远远超过人工扫描，并且AI有害细菌的识别准确率可达95%以上，更快的速度和效率意味着患者的生存概率会大幅提高。
同时AI也被使用在癌症筛查和诊断，以及提供网络的智能症状问询与诊断。尤其是后者可以利用人工智能交互系统，倾听患者的症状描述，包括病症的起因、严重程度、实际感受等，加上相关的辅助设备然后作出诊断，并为患者提供相关护理。
这样的技术一旦应用，患者拍摄一些症状的照片或者一些语言描述，AI就能判断相关病症，加上AI持续的学习能力，医疗水平也会持续提高。相关技术普及以后，一方面可以提高社区医院和乡镇医疗所的平均医疗水平，同时也能减少普通患者对于大医院的依赖。将大部分资源提供给重症病患，减少相关医疗负担；同时也一定程度缓解了我国全科医生不足的现状。
医疗供需的另外一个矛盾就是看病贵，倒不如说是药物贵。《我不是药神》里面的格列卫，专门用于治疗慢性白血病，生产成本其实不高，但是药物的开发成本却高的离谱。
相关数据显示，一种药物从开发到临床试验的平均花费为26亿美元，但是这26亿美元高达90%的概率会打水漂，只有大约10％的药物通过实验投放市场。美剧经常出现一家医药公司开发的药物副作用极大，但是资本会通过游说和赞助议员，让他们给美国药物管理局施压，甚至为了应对监测，不惜采用篡改药物数据等违法手段获取药物许可证。
从这也能看得出药物的开发成本确实太高，但是AI的出现可能会改变这个变局。目前很多高新生物制药公司正在使用AI提高药物研发的效率、准确性。
就在2007年，一块名为Adam（亚当）的AI机器人用来协助研究酵母功能。AI机器人通过数据库数十亿个数据信息，精确推测出酵母中19个基因的功能。
除此之外一家名为XtalPi的公司开发出智能药物研发ID4 的平台，其技术是把AI、云计算和量子物理学等多种综合学科组合在一起。这项技术可用于预测药物中的小分子，判断药物的化学和药物特性，来提高实验效率与成功率。
类似的技术在中国也被使用。比如在2020年年初，中国科学院利用人工智能对药物进行虚拟筛选和酶学测试，发现了一批已经面世可以应对新型肺炎的药物。
目前在AI医疗赛道的玩家比较多，熟知的巨头有谷歌、阿里等企业，也有不少的新玩家。都在AI医疗领域发力，资本的加入会更快的推广AI医疗的普及和发展。
但是我们都需要清楚一件事儿，患病的本质是因为心理带来的负面情绪在身体的集中表现。众多中国人因为繁重的工作缺乏运动。众多的孩子因为繁重的作业，普遍近视，身体素质较差。
每年因为军训猝死的孩子数量不在少数。我们患病的核心原因是因为繁重的生活压力和不适当的生活方式。因为人类身体的更适应的捕猎和户外运动。
所以我们公共卫生和社会福利更应该重视心理咨询以及提供更多的运动场所，让我们未来生活的环境更加多元，减少大多数患病的概率，这也才能解决人类的医疗不足的现状。
