近年来，人工智能在医疗上的应用范围不断扩大，特别是随着神经网络算法的引入，机器的学习能力正呈几何级攀升。近日，在上海健康医学院举行的2018年中国服务机器人发展论坛暨服务机器人产业对接峰会上，上海长征医院教授刘士远在题为《医学影像AI的现状和未来》的报告中介绍说，今天的人工智能医疗机器已经可以通过MRI影像判断病人是否吸烟，准确率可以超过90%。

        刘士远解释说，在“推想科技吸烟者脑部MRI的研究”中，科学家用机器和医生分别去判断MRI影像中病人是否吸烟，医生几乎无法判断，而机器却可以判断出来。人类认知能够总结特征往往是局部的，但机器总结的特征可以是弥散分布的。吸烟对人脑的影响往往分散在不同的脑区和层面，很难通过几个细小的特征总结出来。医生在判断此类问题时就会遇到困难，但机器可以像素为单位去总结特征。

        而这样的能力依赖于人工智能深度学习领域使用的核心技术——深度神经网络算法。刘士远解释说，这种算法受到大脑神经元连接的启发，模拟人脑的神经和视觉系统，如同视觉机制一样可以对信息层层抽象。随着经验的增加，机器的表现会越来越好。

医疗领域最易开展人工智能应用的是图像分析领域。由于扫描设备的不断升级，每个病人都会有超过300张的图像，临床诊断中70%病例需要依靠影像诊断，医生工作压力越来越重。而今天，深度神经网络算法已经开始进入到了图像分析领域。

        据刘士远介绍，有美国科学家对机器算法进行了成功的实验。他们用1.13万张来自美国与印度医院的视网膜眼底照片来训练Google Inception V3卷积神经网络机器，其敏感性和特异度都超过了90%，这一数据超过了人类。用12万张皮肤影像训练Google Inception V3卷积神经网络机器对皮肤病进行分类，与皮肤科医生的诊断进行比较的结果是：对于首患皮肤病的患者，机器的正确率高于皮肤科医生的诊断。另外，实验结果显示，关于识别肺炎、肺扩张、气胸等异常情况，Google Inception V3卷积神经网络机器的评判都优于医生。在一次肺结节诊断对比中，医生所需时间长达3小时，而Google Inception V3卷积神经网络机器只需短短的4分钟。未来这些医疗机器如果应用到医学诊断中去，将大幅减少漏诊的概率。

        值得期待的是，AI还对疾病有预测能力。刘志远说，不久前，有科学家通过让机器学习29万份电子病历，预测10年内心脏病发生的可能性，神经网络算法模型的准确率最高。因此，未来从电子病历大数据出发的疾病预测应用是有可能的。