來源：“小青蛙影像”：https://mp.weixin.qq.com/s/zFnyD1Kh1s5fGV-sYMBDsg人工智能（AI）輔助診斷已不是傳說大約從2015年開始，人工智能（AI）輔助影像診斷的話題就開始在行業(yè)和大眾中掀起，于2017年達到高潮，隨著部分AI產品在臨床的應用，因硬件技術和算法方面的原因，其實用性和準確性均遭受到嚴峻的挑戰(zhàn)，2018年，AI輔助診斷暫時進入一個平臺期，但是，這并不意味著做為放射科醫(yī)生的我們從此沒有了競爭對手，相反，我們認為當AI輔助影像診斷下一個高潮來臨的時候，對部分放射科醫(yī)生而言，是一次絕殺。放射科醫(yī)生的困惑從進醫(yī)學院開始，醫(yī)學影像學就是一個很尷尬的專業(yè)，明明把內外婦兒、解剖生理病理微生物都學完了，最后還不是臨床醫(yī)生，不過執(zhí)業(yè)醫(yī)師資格考試卻和臨床醫(yī)生同等待遇。而人工智能醫(yī)學革命首當其沖的，也是放射、病理等邊緣學科。一名話：還沒趕上時代的潮流，就被時代拋棄了。我們未來的路如何走？？？面對AI的挑戰(zhàn)，站在臨床醫(yī)療的邊緣，走向未來的路只有兩條，要么堅持走下去，要么改行，但是醫(yī)學這門專業(yè)是如此的專一和苛刻，讓我們基本沒有掌握其它技能的時間和機會，改行這個詞，沉重而奢侈。對大多數的我們，必須要堅持下去，必須要走在AI的前面，走在AI更高的層次，這樣我們才能擁有更光明的未來，讓AI成為我們工具，而不是競爭對手。所以，面向未來，我們需要對自己的未來做一次戰(zhàn)略規(guī)劃，以下只是個人愚見，歡迎大家指正刪補：1、知彼知己，百戰(zhàn)不殆AI在醫(yī)療上的應用，其實就是在神經網絡深度學習的基礎上，利用大量的數據來對比計算，按概率輸出診斷結果，現在只處于識圖、提供一些數據的初級階段，而更深層次的應用（如像放射科醫(yī)生一樣對影像表現的思考分析、和患者的溝通等等），還有很長的路要走，所以，我們仍有時間準備。2、摒棄象機器一樣的思考方式這是最重要的，我們做影像診斷，千萬不要照搬課本，不要有“如果有XX征象，那么，不是XX病，就可能是XX病”的這種邏輯思維，因為個人原因，我請教過人工智能算法相關的軟件工程師，他們的AI程序編寫語言中使用最多的邏輯語言就是“if……else if……else if…..else…….”,通俗翻譯過來就是：“如果是這個征象（可能是XX?。蛉绻橇硪粋€征象1（可能是XX?。蛉绻橇硪粋€征象2（可能是XX?。駝t（可能是XX病）”。對影像征象的分析過程，需要有主次的順序，有動態(tài)回顧，有患者臨床數據的參考，有患者個人生活特點的印象，運用我們所學的知識，理性、但又不失靈活的判斷，這才是我們相對于計算機的優(yōu)勢。3、不斷學習新的知識是鐵律醫(yī)學科技知識更新迅速，疾病診斷標準也在發(fā)生變化，AI在不斷的吸收全世界最新的醫(yī)學知識，如果我們不了解新的知識，談何與AI競爭？4、多與臨床一線做學術上的互動目前AI診斷所欠缺的正是臨床數據，缺乏影像表現與臨床數據的綜合分析，是AI不能達到滿意效果的重要原因之一。我們放射科醫(yī)生與臨床一線學術互動過程中，也會學到相當的臨床知識、積累豐富的臨床診治經驗，臨床、病理不斷的驗證影像征象，影像學表現也能推導出相關的臨床表現。影像診斷技術水平的提高就是這樣一步一步過來的。5、嘗試接受新的事物和新的工作方式隨著互聯(lián)網技術、圖像分析技術的日益發(fā)展和國家醫(yī)療改革政策的不斷推進，在醫(yī)學影像工作中，一些新的事物和新的工作方式正在產生，如：遠程影像診斷、遠程綜合會診、醫(yī)生多點執(zhí)業(yè)等等，這些都是我們提升自我價值機會，也是AI很難涉足的角落。6、創(chuàng)業(yè)，開避自己的第二戰(zhàn)場這個不多說，大家心里清楚，大多數放射科醫(yī)生收入低，工作累，壓力大，風險高，養(yǎng)活自已可能沒有問題，但還有妻兒老小，就崩潰了。能有機會開避第二戰(zhàn)場的，不要猶豫，我許多大學的同學、現在的同事中已有好幾個利用工作之余出去合資開醫(yī)院、投放醫(yī)療設備的了，對他們來說，用多個籃子放雞蛋，AI能算威脅嗎？ 總之，我們用“一顆紅星，兩手準備”來面對未來，是沒有錯的，而抱著“AI離我們遠著呢”的態(tài)度來工作，可能就有點危險了。 寫到最后想到一首與本文無關的詩，作為結束語吧：北風卷地白草折，胡天八月即飛雪。忽如一夜春風來，千樹萬樹梨花開。