從2016年開始的醫療人工智能，至今方興未艾。目前國際、國內研發團隊開發出來的AI，要么是通過已有的醫學影像結果來學醫學知識，要么就是通過醫學生化指標來學習、充實自己。而由廣州市婦女兒童醫療中心主任夏慧敏教授領銜，加州大學圣迭戈分校張康教授等專家參與的廣州研發團隊，通過摸索，讓醫學人工智能既能讀懂中文病歷，還能較高精度地為兒童常見的55種疾病進行診斷。

　　AI能讀懂病歷，是醫療人工智能研發方面一次質的飛躍，其功能要比單純醫學影像等數據解讀和單病種診療復雜得多。因為要想讀懂病歷，首先得準確掌握相關醫學知識，通過病歷學習，使之具備堅實的醫學理論基礎。

　　更重要的是，能夠讀懂病歷，意味著必須掌握診療邏輯思維方式，懂得診療過程的前后因果關系，能夠通過條件推出或排除結論。

　　就應用范圍而言，這類產品能夠成為醫生的得力助手，幫助醫生進行快速分診，把醫生從繁瑣的基礎工作當中解放出來，可以幫助醫生診斷復雜或罕見疾病，使診療少走彎路。此外，醫生還可以使用AI生成的診斷，來幫助拓寬鑒別診斷，使思路和視野變得更加開闊。

　　其實，這類產品既可成為醫生的助手，但更應該成為醫生的“對手”，因為醫生并不特別缺乏助手，卻十分缺乏“對手”，或者不如說，將這類產品當作醫生的“對手”，其作用反而要比當作助手大得多。醫生缺乏實力相當的監督者“對手”，是一個更加普遍和緊迫的問題。

　　醫療專業性極強，爭議性也很大，導致醫療監督存在很大的難度，過度診療等行為很容易借技術之名隱藏其間，其結果是，不合理的費用增長難以遏制，掩蔽性強的醫療欺詐與套保行為很難被發現，就連醫?；饘徍藛T，很多時候都對此束手無策。

　　包括醫?；饘徍嗽趦鹊尼t療監督十分缺乏人手，要想在浩繁的診療項目當中發現不合理醫療，無異于大海撈針。利用人工智能來化解這道難題，是極具發展潛力的一種辦法，醫療方面的人工智能審核軟件，如智能處方審核系統等被陸續開發出來，可以發現相互沖突的處方等問題，但涵蓋面更廣、智能化程度更高的產品，卻一直缺乏。

　　這款AI剛好具備這樣的功能，它能讀懂病歷，就有能力發現其中隱藏的問題，能識別出可能存在的邏輯謬誤，發現一些不夠嚴謹的地方。

　　或許當前這款產品還不具備強大的監督功能，但只要遵循這個思路發展，就能開發出更高端的智能產品，可以快速識別病歷當中的可疑之處，并將之提交人工審核。到那時，隱藏在病歷中的不合理診療就很容易被識別出來，這既可更好地保護患者利益，又有利于維護醫?；鸢踩?。（羅志華）