人工智能在护理人员的应用：机遇和挑战并存

人工智慧（AI）是学术研究研发用做演示、横跨和拓展人智慧的理论、原理、系统对设计和技术的发展系统对的新系统对设计；也理，段落除此以外语音比对、自然语言的处理过程、的设备人系统对等。在此之前 AI 已被技术的发展做多个课题，照护课题也不例外。在第十三届之前国表皮科医师年亦会上，华之前科技课题所大学同济所学院附属协和该医院的陈宏翔讲师描写了 AI 在表皮科技术的发展所面对的机遇和考验。

图 1 陈宏翔讲师在本次亦代表者大会之前发表就职演说

陈宏翔，华之前科技课题所大学同济所学院附属协和该医院表皮科，附属该医院，讲师，博士生前辈。美国的政府哈佛所学院麻省总该医院博士后，哈佛所大学表皮生；也学学术研究之前心学术研究中心，南韩九州所大学访问学者，武汉协和该医院表皮科常委，表皮病与性病学术研究院所长。

AI 的持续发展历程

1956 年美国的政府近特茅斯亦代表者大会被公认为 AI 的起源，AI 持续发展至今漫长了几次起伏。在 50 上世纪到 70 上世纪，显现出来了一个 AI 的金子时段，但是在 70-80 上世纪跳进困局。到 80 上世纪又再度兴盛，结果遇到系统对设计窘境又跌进困局。随着 2016 年 AlphaGo 大胜生；也华南地区棋院，在在 Alpha 0 又大胜了 AlphaGo，以及未来亦会史密斯公司研发的的设备人索菲亚未来亦会获得沙特阿拉伯国籍，尼古拉·特斯拉创始者说显然十年内可以付诸人脑实际上通往电脑等首选暴力事件显现出来，AI 再度被选为热门话题。我国今年的筹委亦会上，AI 首次复制到的政府临时工报告，也出以前十大文化颇高频字汇之前。未来 20 年 AI 显然亦会持续发展的更为很快，在照护、工业、标准设计、智慧相伴等上都才亦会被选为最主要的系统对化。

AI 的努力学习方的单上有两种，一种是都由的单努力学习，另一种是非都由的单努力学习。比如 AlphaGo 研习所有的中国围棋系统对设计是基于生；也的科学知识努力学习的，属于都由的单努力学习。AlphaGo 大胜生；也华南地区棋院过程之前还依赖于一点犯错，最终以 4:1 大胜李世石，但是 Alpha 0 是 100:0 大胜 AlphaGo，是一个跨越的单的变革。Alpha 0 和 AlphaGo 的相异是不基于任何生；也智慧，生；也只告知它规则，然后它自己处理过程，约等于非都由的单努力学习。前代 AI 的在结构上，有从人工科学知识表近移向大资料飞轮的科学知识努力学习系统对设计，从分子类处理过程的多媒体资料移向跨媒体的科学知识的努力学习、悬疑，从自觉智慧的设备到颇高素质的智能、脑机彼此间协同和融合，从借助于个体智慧到基于互联网和大资料的社会性智慧，从拟人化的的设备人移向更为加广阔的智慧先决条件系统对等趋势。

AI 与自然科学的关联

AI 在自然科学的持续发展也漫长了孕育期、近十年和颇高峰期。在每一大概都有引人注目的暴力事件，如在孕育期，1974 年成立斯坦福所大学自然科学检验计算机学术研究项目，主要尝试技术的发展三个课题：分子生；也学、外科照护确诊、精神病学，它东南面研发学术研究阶段，有很好的检验精准度，发扬光大了人工智慧在自然科学之前技术的发展的系统对化。近十年的引人注目暴力事件，如 1985 年召开了第一届欧洲地区自然科学人工智慧亦代表者大会、1989 年创办人了自然科学人工智慧杂志，这一阶段里，技术人员系统对极强针对性、透明性及灵活性，选用科学知识指出和悬疑系统对设计演示牙医的思维、说明，主要用途牙医解决复杂弱点，该阶段人工智慧不太显然在自然科学之前得到进一步的实际技术的发展。孕育期和近十年在此之前不太显然不被注目，而颇高峰期就是指现阶段，在多个上都都有得益于的持续发展，如自然科学影象课题，带入更为多智慧化算法，更颇高影象的准确度；自然科学资料处理过程课题，透彻学术研究资料挖掘原理，使自然科学大资料造就更为大的价值；确诊用药课题，通过学术研究模型、原理，确立更为颇高科技的技术人员系统对，甚至智慧的设备人，借助外科确诊及用药；学术研究探讨将更为多种类的人工智慧原理技术的发展做更为多完全相同的自然科学课题。

以前 AI 在自然科学影象之前持续发展更为快，还有智慧的询诊。简单的归纳，AI 在照护课题之前技术的发展的布景除此以外照护的设备人、虚拟密切合作者、电子病历、智慧该医院、身体健康管理者、智慧影象、智慧门诊、智慧药；也研发，基因归纳等，极强备广阔的医用前景。

近年来，AI 在照护课题之前不断持续发展，多个外科附属医院都有无关颇高素质的书评的显现出来， 如 JAMA 书评：糖尿病视网膜发炎的颇高灵敏、颇高特异确诊；Nature 书评：开启表皮癌的智慧手机筛查；Nature Biomedical Engineering：遗传病的门诊敦促及管控、脑瘤的术之前快速确诊、神经角化的有用遏制。在外科技术的发展上都，曾发稿美国的政府研发的 Watson 的设备人上次在无锡之前该医院努力学习之前医，不久很快便技术的发展做的确诊，并与全国性多家该医院的科签订了外科技术的发展的选择权。

除此之外，AI 还被技术的发展做预期心脏病发作、ICU 之前预期产妇死亡效用、神奈川县核对，手部比对更颇高产妇服药依从性、宫颈癌的操作者比对、血液科骨髓细胞投影比对及的设备人主要用途外科手术等上都。

AI 在放射线科的持续发展也更为快，如华之前科技课题所大学同济所学院附属同济该医院的放射线科就开始技术的发展 AI 操作者读者胸片和 CT 结果。在放射线课题，AI 对投影透过比对，除此以外晚期对投影透过处理过程、分割、外观上提取和匹配说明，不久再透过透彻努力学习，深度努力学习的素材除此以外产妇患者库或其他照护资料库，然后的设备亦会提供主要用途说明。

AI 在表皮科的技术的发展

表皮病学是相当忽视脊椎动物外观上的自然科学，表皮影象是表皮病确诊的最主要手段。表皮影象确诊由以前的望诊，持续发展到放大透和显微透主要用途确诊，再到近年来进制影象学系统对设计和智慧归纳。在此之前以表皮透、表皮超声、表皮 CT 为代表者的表皮影象系统对设计已被选为外科表皮病确诊的最主要基本功能。表皮透对黑色素瘤有很多的确诊原理，除此以外 ABCD 法、方的单上比对法、七点检测法、即刻检测法、CASH 法等，这些原理，聘请我们对提取出来的外观上透过打分评价，是 AI 技术的发展相当茁壮的范例。如果能联结多维度表皮影象一些所大学，把诸多表皮病的营养不良外观上提取出来，简化地打分比对，就可以更为好地教的设备如何说明。

斯坦福所大学在 Nature 上发表了一篇书评，利用 13 万个表皮病的投影资料库培训 AI，透过人工智慧操作者确诊表皮病的探讨，投影资料库包含了表皮透投影、手机录像以及简化的录像。最后结果，将 AI 确诊系统对用做辨识表皮良性、恶性和其他的一些非性表皮病，结果 AI 确诊结果与表皮科技术人员确诊结果吻合度更为颇高，确诊效率打成平手。

在全国性的表皮科 AI 技术的发展上，在在也有很多的变革。如湘雅所大学第二该医院与蒲公英园圃、大拿科技课题密切合作，付诸了首个表皮病的人工智慧确诊的主要用途系统对，并举办地了报导发布亦会。该系统对在此之前主要针对性营养不良和皮炎等一系列营养不良，比对准确度颇高近 85% 以上。除此之外，全国性其他该医院表皮科也逐渐开始技术的发展 AI 确诊基本功能，如北京协和该医院与北京航空航天所大学密切合作，不太显然开始用作表皮透图片的操作者比对， 在未来亦会的表皮影象暂时成人教育男生透过了展示；武汉协和该医院也与香港一家公司密切合作，技术的发展该公司研发的表皮智慧检测系统对（Dr.Skin），不太显然可以有效透过类似于表皮病的投影智慧确诊。之前日友好该医院崔勇讲师号召的之前国社会性表皮影象一些所大学（CSID）项目， 尽可能是确立可用做确立主要用途确诊方的单上的、之前国社会性特异性的表皮影象资源，它也是人工智慧用做表皮病智慧确诊可利用的最主要努力学习资源。

但是 AI 在外科之前也遇到了窘境，如以前的表皮病图谱规模还大得多，该医院两者之间的包涵总体颇高于，且一窍不通照护的技术人员不太一窍不通算法，一窍不通算法的系统对设计人员不一窍不通照护，海量资料的注明费时费力，须要要跨自然科学的密切配合。AI+照护这种填充背景的人才将被选为这个课题竞争的核心。

AI 导致的机遇和考验

AI 极强备很多绝对优势，可以颇高效地处理过程很多两件事，那么给表皮科牙医它究竟是亦会导致可怕还是一个密切合作者呢？照护是最很难所致 AI 反弹的大型企业之一，虽然牙医在照护之前的创新、表近方式、聊天、协商上都的绝对优势是不会被的设备替代的，但是每天表皮科牙医上班也依赖于大量单调性的劳务、不须要要经过大脑，可以通过培训把握。

除了智慧比对之外，AI 也可以透过人工智慧的政府部门。全国性已是糖尿病操作者询诊的 APP 和的设备人，只要把简化的弱点和回答列出来给它，便可以反问单病种产妇一些类似于的弱点。这些长期单调的临时工转给的设备来做，替代了牙医的外临时工，也大大减少了警觉性，在这个意义上讲 AI 是牙医的一个密切合作者。 但是对一般来说的牙医来说，虽然更颇高了警觉性，但也显然大大减少自己在职业技能之前的最主要性。每个人在职业技能之前的「必替代」性更为最主要，如果能无论如何独一无二就亦会被替代，否则就有随时被替代的生命危险。因此 AI 的技术的发展，很多临时工岗位，依赖于的最主要性大大下降，如惠民的无人分捡、马云的无人面包店，对很多劳务力稀疏岗位都导致反弹。

AI 在表皮科的绝对优势也更为明显，业内也有关于表皮科牙医和 AI 谁是密切合作者的辩论，比如银屑病、肠胃、痤疮等类似于多发病的门诊社交活动之前，确诊、处方、身体健康传道很多都是单调性劳务，而且在一个宽广的空间之前，甚至每天要用跟室友打交道，都用与产妇交流就可以，每天单调着同样的临时工，这整个环节或者是其之前一外，就显然被 AI 替代。

但表皮科的病种繁多，辨识规范和确诊规范还不统一，这样并不太很难教亦会的设备人怎么比对确诊营养不良，属于 AI 确诊表皮病的窘境弱点之一。在此之前表皮影象还很难付诸病理投影的操作者比对确诊，另外表皮病之前有遗传病，患者更为少，标本量足以提供的设备培训所须要，平庸操作者比对确诊的效率也难付诸。

在此之前 AI 确诊还有很多的弱点依赖于，除了系统对设计的窘境，还有一些哲学弱点、法规弱点以及弱点。如特别强调 AI 确诊的本体在法规上是人（牙医）还是；也（照护器械）？AI 确诊转回外科技术的发展的法规规范是什么？AI 确诊显现出来弱点或照护疏忽的说明依据是什么？AI 确诊发生照护损害，谁应该担负起法规责任？这些都是极强有特点的法规弱点。

AI 虽然是首选，但在此之前技术的发展还不茁壮，任何一个系统对设计的显现出来不是为了替代，而是为了支持。AI 是密切合作者还是可怕谁都亦会得出结论准确的回答，我们的预期，它的即将来临，对外精英的牙医而言，显然是更颇高效率，导致机遇； 对一般来说表皮科牙医，相相当是担负起这长期单调临时工的社会性，显然亦会导致反弹和「可怕」。所以，作为年轻的前代， 有必要洞察新科学知识，拥抱新生事；也，对人工智慧积极注目、参与研发、运用，在智能共同变革之前把握主动权。

校对： 刘跃