助力医生减负,未来电脑技术诊断更精准

　　国外媒体报道，在不久的将来，医疗电子行业将会发生大变革。新的电脑技术将不仅有助于医生得出更具个性化的、更精准的诊断结果，而且还能够减少医疗成本、改善患者护理服务以及减少医生的工作量。

　　误诊率高的"医疗实践"

　　今天的医疗卫生实际上是"医疗实践"，而不是"医疗科学"。

　　就以发烧为例。150年来，医生通常会开一些布洛芬之类的退烧药来帮助缓解发烧症状。但是，在2005年，美国福罗里达州迈阿密大学的研究人员对82名重症特别护理病人进行了研究。他们随机选择一些病人，要么在其体温超过101.3°F令其服用退烧药（"标准治疗"），要么仅在其体温达到104°F时才允许其服用退烧药。结果，七名接受"标准治疗"的病人死亡，而在体温更高时才接受治疗的病人中仅有1人死亡。这个实验到此就结束了，因为这个医疗团队认为，再让任何病人接受标准治疗都是不道德的。

　　助力医生减负,未来电脑技术诊断更精准

　　因此，像退烧这样基本的医疗方法仅属于"医学实践"，而且在100多年未受到任何挑战。在这种情况下，我们不禁会问：还有其他什么医疗问题可能依靠传统经验而不是科学来解决呢？

　　今天的诊断往往根据病人过往的病史和现在的病症（但是病人往往说不清楚自己的身体到底哪里不舒服）而做出。他们往往通过广告和医生的经验来了解自己的病情;而这些医生往往只是从医学院一些过时的课程上学了点皮毛而已。很多时候，如果你就同一个问题咨询三个医生的意见，你可能会得到三种不同的诊断结果和三种不用的治疗方案。

　　最后的结果就是，病人接受了质量更低劣、价格更昂贵的医疗服务。美国约翰霍普金斯大学的一项研究发现，在美国，每年有40500名病人因为误诊死在重症监护病房里，超过了因乳腺癌死亡的人数。然而，另一项调查却发现，"体制因素"，例如糟糕的处理方法、医疗团队和医患交流，与65%的误诊案例有关。而"认知因素"与75%的误诊案例有关，其中最常见的认知因素是"早闭"（坚持最初的诊断结果，而忽视合理的可替代方案）。这些诊断错误还导致医疗费用增长，平均每次误诊会导致成本增加30万美元。

　　医疗过程更应该是以数据为基础进行的推断，而不是不断地试错。随着数据和研究案例越来越多，不采用相应的技术很难满足现代医疗服务的要求。下一代医疗服务将利用更复杂的生理机能模型和更多的传感器数据来给出个性化的诊断结果。成千上万个数据点、更多的病史资料以及案例研究将有助于得出更精准的诊断结果。不断改善的对话管理系统，将帮助医生从患者那里获得的病情信息更准确和全面。在这里，数据科学是关键。最后，它将会减少成本、减少医生工作量以及改善患者护理服务。

　　取代80%的医生所做的工作？

　　医生所做的很多工作（检查、测试、诊断、开药、行为校正，等等），均能够通过传感器、消极和积极的数据收集以及分析做得更好。但是，医生不应该只是做些测量工作。他们应该了解所有这些数据，并结合最新的医疗发现和患者的病史综合考虑这些数据，并找出患者的真正病因。电脑能够处理所有这些诊断和治疗工作，甚至能够比一般医生做得更好（因为它能够综合考虑更多的选择，从而可以少犯错误）。大多数医生不可能读完和理解最新的5000份有关心脏病方面的研究论文。而且，大多数一般医生的医疗知识往往来自于他们曾就读的医学院，早已过时;而且由于认识局限，他们不可能记住人类可能患上的1万多种疾病。

　　电脑比哈佛大学最优秀的医学博士更擅长于组织和回忆复杂信息。它们还比一般的医生更擅长于综合考虑患者的病症、病史、行为和环境因素等。何况，50%的医学博士还处于一般水平之下！而且，电脑的出错率相对来说也低得多。难道我们不该为了自己的健康而充分利用电脑吗？

　　技术弥补了人类的弱点，放大了我们的优点——医学博士和培训相对较少的医疗专业人士将能够做更多事情。最终，电脑将能够取代医生所做的80%的工作，并大大提升他们的能力。Lifecom公司的临床试验表明，借助于诊断知识引擎，医疗助手不必通过实验、扫描或检测就能使其诊断结果的准确率达到91%。该公司所做的另一项临床研究表明，75%的病例都能够筛选出来交给注册护士，剩下的少数病例则可让医生来处理。MassGen公司的一项调查发现，在25%的案例中，最终得到"病危诊断"的患者的病历上，其实早在医生最终做出这样的诊断之前就已有了"足以及早发现问题的信息"——换而言之，如果人们利用临床决策支持系统来分析这些数据，那么他们就可以避免耽搁患者的治疗。