随着一天天的学习，周若瑜在放射影像方面的知识越来越丰富。她也发现了越来越多以往诊断报告中出现的错误，虽然大错很少，小错却不断，有的报告甚至错得非常离谱。

她查询了中华医学会相关数据资料发现，中国临床医疗每年的误诊人数约为5700万人，总误诊率为27.8%，器官异位误诊率为60%，恶性肿瘤平均误诊率为40%，这意味着每两个病例中就将近有一个可能是错的。

多么触目惊心的数据。

这不全是放射影像医生的过错。因为每天各个医院都有大量的胸片、CT和超声检查，这些医生忙于阅片、分析和写报告，因为过于疲劳或者经验不足出错就变得难免。

据统计，在美国，医疗影像数据的年增长率为63%，而放射科医生数量的年增长率仅为2%；而在中国，医疗影像数据和放射科医师的增长数据分别为30%和4.1%，似乎比美国好些。

但美国可是有很多医院相当一部分医疗影像的诊断工作是包给其他国家的医生来操作，比如包给印度等国家，而且还有人工智能参与辅助进行诊断。

比如美国哈佛医学院已经开展了人工智能辅助诊断系统，据说临床试验显示它能把乳腺癌的误诊率从4%降低到0.5%。

而中国医院的医生是不可能享受便利的外包服务的，而且影像科医生在医院的地位与收入又不高，日常繁重的工作加上疲劳的工作状态，就很容易导致漏诊、错诊的现象。

周若瑜感觉自己应该做些什么。

想来想去，好像目前唯一可利用的方法就是人工智能了。它在图像处理和分析方面有着巨大的优势。

它能通过图像识别和深度学习，从海量医疗影像诊断数据中挖掘规律，学习和模仿医生的诊断技术，从而实现疾病筛查、病理分析、病灶勾画等功能。

这就是医疗方面的大数据管理了。

实际上医疗信息的收集工作一直在进行中，比如，很多人会认为越老的医生水平越高，包括放射医师。因为他们见过的患者多，经验丰富。但实际上，有证据显示，刚毕业的放射科医生整体的诊断水平比老放射科医生高。

因为这些年轻的放射科医生们对教科书上出现的各种疾病，包括一些一年见不到一两例的罕见病，甚至只出现过在教科书上的疾病，还记忆犹新，而老医生可能早就忘在脑后了。

这教科书上的资料无疑就是来源于大数据。

而人工智能能汇聚更强大的数据资料，为全面的影像分析和处理提供了可能。

其实国内医院的人工智能也早已开展起来，目前就有五十多家“医学影像+人工智能”相关公司在公开运作。就连腾讯也于2017年发布了“腾讯觅影”，已初步应用于食管癌、肺癌、乳腺癌、宫颈癌的早期筛查，糖尿病视网膜病变筛查以及乳腺癌淋巴切片等影像识别。

本站域名已经更换为m.adouyinxs.com 。请牢记。