主页（http://www.cnwulian.net）：人工智能即将冲击与改变现有的医疗方式
非所有的医疗人员都乐意接受人工智能医疗时代的来临
就意见而言，大多接受人工智能医疗的医师都认为，采用人工智能医疗，可以达到再确认功能而预防人为疏忽，并且可以提供诊断的辅助、预防误诊，以及缩短确诊的时间，甚至可以透过人工智能医疗的力量来补强自己不熟练领域的技术和知识。
JOIN的架构是为了在数个医疗关系者之间可以快速且有效的进行沟通、资料分析，并且让包括手术室、急救室等数个医疗关系者能够同时获得，例如X光摄影、计算机断层扫描或核磁共振摄影、医学摄影、心电图等各项身体检测结果和数据。
透过人工智能技术的力量，可以达到一瞬间完成检验
图二 ： 伴随辨识技术提升，医学领域也将出现大模的医疗变革（A）
图五 ： 人工智能透过机械式的方式来有规律地进行自我学习。
相信可以预见在不久的未来，医学领域也将出现相当具规模的医疗变革（图一、图二、图三）。对于疾病的诊断方面，以目前较简单的方面来说，已经能够透过类似建议协助的人工智能来进行，例如，可以经由在具有医疗性质人工智能的设备中输入问诊和检查结果，来获得类似诊断的建议内容。
虽然将人工智能导入医疗系统，透过政府的推动、各业者的技术整合，看起来已经是必然的趋势，但是对于现今的医疗体系以及医疗人员来说，还是必须面对无法避免的适应期。
图八 ： 使否会采用人工智能协助医疗行为的医师比例
为了达到在医疗领域更高度应用人工智能能力，高度完整且安全数据库的整建绝对有其必要性，在这方面，日本政府开始整合和建立了，包括电子病历卡、健康检查数据、医疗、照护的收据凭证数据等一元化系统数据库，来做为跨入次时代健康管理系统架构下，提供更好医疗质量的第一步（图四）。
被称为PeOPLe的人工智能医疗管理系统，已经开始整合与保存日本各医疗机关里每一位患者的医疗诊断纪录，并且授予每个患者识别编号（医疗ID），除了方便保存与管理医疗数据之外，并且也将患者在不同医疗单位就医的数据予以统一保存管理，在未来就诊时，医疗人员可以从数据库中读取患者过去完整的就诊数据与各种检查报告。
和人类一样，医疗领域的人工智能也是需要经过一定程度的学习，才能够产生对于事物判断的能力，应用了学习而来的技术，可以从拍摄的医疗影像中发现病变结果，再加上患者的症状、基因组体数据后，进而可以分析出初步的诊断结果。
这个急救架构是透过人工智能来进行问诊与生命特征感测，再将所获得的信息予以分析，并且进行检伤分级（Triage）。基于这个分析结果，在医疗单位接受急救患者时，就够预先制定急救计划，以及选定运送患者对象。
从1960年代初，学术界陆续展开对于人工智能的研究，一直到目前的机器学习、深度学习等观念，所带来的第三波人工智能浪潮。
日本透过政策计划推动人工智能在医疗领域的应用
在传统上，急救医疗的本质上就是医疗团队和时间在竞赛。而急救医疗在导入科技之后，就又多了智能手机APP和人工智能的协助。
根据调查，大概有85.2%的日本现行医师相信，在未来100年内，将会实现透过人工智能来进行医疗辅助。只有不到15%的医师认为即使再过100年，人工智能仍无法取代人类进行医疗行为。而对于采用人工智能产品来做为医疗辅助方面，仍旧有将近19%的医师是相当排斥，甚至完全不考虑导入人工智能医疗产品（图七、图八）。
图四： 日本政府正进行规划的患者信息数据数据库概念图
日本东京慈惠会医科大学，在先端医疗情报技术研究讲座担任准教授的脑神经外科高尾洋之医师，从2016年11月开始，就担负着主导利用手机APP和人工智能协助急救医疗这个计划的任务，2017年度正式开始临床应用实验，预计在2018年正式导入急救现场使用。
医疗人员方面，在未来也将统一在PeOPLe中记录每一个患者的诊疗信息，同时也可以作为患者在进行回诊时，透过人工智能技术的能力，在进行检查、诊断、治疗的同时，也可以向医疗人员提出医疗支持、建议和各种警示提醒。然而信息化之后，除了可以节省无谓及浪费的检查之外，并且能够将医疗资源进行优化的分配，并且透过匿名化的医疗数据，提供给各学术单位进行各项更为先进的医疗研究。厚生劳动省医药生活卫生局长武田俊彦表示，在未来的健康管理系统方面，在这样的构想下，医疗、照护等数据将都会被网络化，并且作为大数据的一部分，除了减轻医疗人员的负担之外，更可以透过大数据数据库，在人工智能技术协助之下，来对各地域进行下一代的医疗发展规划，让各地域的患者能够得到较为完善的医疗服务。
有些医师认为，人工机械因为无法担负责任，所以绝对不可以进行确诊的这项工作，最多只能提供医师进行确诊时的参考数据。因为就诊断上，无论是慢性患者，或者是需要进行急救的对象，在医疗行为进行时，存在太多的变化，仍旧需要依赖医师的经验不可，这一方面，人工智能是绝对无法做到的。因此，让机器人测量一下生命特征的数据就好，其他方面，还是需要交给有经验的医师，并且需要重视医师多年以来的医疗经验和能力值。
在以前，必须汇集各种所获得的医疗信息，以人工输入的方式，提供具有初步人工智能的计算机或仪器来进行比对分析。不过，伴随着计算机的计算能力有着飞跃性的发展，得以进行更为复杂繁重的程序计算，这样的变化，已经可以从「如果是A的话，那就会演化到B」的单纯对应关系，进步到「在A的情况下，如果出B的话，可能会演化成C」的多层判断和分析，让人工智能技术进步到可以自行「深度学习」的阶段，进而不再需要依赖人工来进行初步或比较过后的数据输入工作，凭借人工智能的深度学习能力，不断的反复进行运算，来达到数据自动辨识，快速增加高度判断的能力。
在2015年时，高尾洋之医师就已经在日本东京慈惠会医科大学，有着超过3000部具有这项功能的iPHONE导入经验，并且将医疗讯息予以信息化。在2016年正式展开这项计划时，除了医院本体之外，更加入了Allm这家公司来共同开发智能手机的APP，并且整合融入了人工智能技术，称之为JOIN。
更进一步的，高尾洋之医师不仅仅让JOIN这个APP担负着患者急救运送时的紧急和问诊处理，更进一步的融合人工智能来完成Cloud ER系统，初步将先以脑、心血管患者为急救对象，透过Cloud ER系统提高急救成功率与降低后遗症。
图一 ： 从1960年代初，学术界陆续展开对于人工智能的研究。
最初，计算机系统只有被输入和储存图像以及文字等数据，而再进一步的可以进行简单的讯号收集、整理、辨识和分析。而加入了人工智能之后，这些讯号数据就可以被同时并存地进行特征性比较，然后对于这些特征性的文字图像进行判断。
就如同能够对患者透过各种检查设备所拍摄而得到的图像进行分析，然后更进一步的获得诊察判断结果，同时再与数据库中的样品数据进行比对，根据所默认的规则来做出各种诊察报告。
将人工智能导入急救医疗提升急救成功机率
