看好AI的人会说YES，因为用不了几年AI真的会取代那些平庸的医生，会取代那些Below average（低于平均水平）的医生，但是暂时不会取代那些Above average（高于平均水平）的医生。
最近AI很火，不仅仅是在投资界很火，在学术界也很火。
但是，好的AI项目还是挺靠谱的，最近Nature自然杂志连续发了好几篇AI完胜各个学科医生的文章。
“人类完败……诊断乳腺癌，30小时病理分析竟不如谷歌AI准确”
内行人都知道，病理诊断的准确性严重依赖于病理医生的水平，即便是对于同一名病人，不同病理学家给出的诊断也往往会有很大不同：一篇2015年的论文发现，不同病理学家对乳腺癌诊断的一致率只有75.3%。在某些不典型的乳腺癌中，诊断的一致率竟下降到了48%，只有不足一半。
病理医生必须经过数年甚至十几年的训练，才能掌握足够的经验，成为一名合格的病理学家，要成为优秀的病理学家更是难上加难，在医疗资源不足的地区，想要得到诊断，都是一种奢望。
学习完毕后，这款人工智能迎来了实战。科学家们邀请了一位病理学家，并让他与人工智能进行一场比赛。这名病理学家花了整整30个小时，仔细分析了130张切片，并给出了他的诊断结果。在随后基于灵敏度（找到了多少正确的肿瘤）和假阳性（将多少正常组织诊断为肿瘤）的评分中，这名病理学家的准确率为73.3%。人工智能交出的答卷是88.5%，完胜人类。
2017年1月10日，据FDA官网显示，其首次批准了一款心脏核磁共振影像AI分析的软件Cardio DL，这款软件将深入学习用于医学图像分析，并为传统的心脏MRI扫描影像数据提供自动心室分割的分析，这一步骤与传统上放射科医生需要手动完成的结果一样精准。
据悉，这款人工智能心脏MRI医学影像分析系统不但得到了FDA510（k）的批准，还得到了欧洲的CE认证和批准，这标志着该软件将被允许用于临床。
近期，在北卡罗来纳大学（UNC）教堂山分校精神病学家Heather Hazlett的带领下，人工智能在疾病诊断领域又下一城。她们开发的深度学习算法，在预测2岁前的自闭症高危儿童（有个自闭症哥哥或者姐姐）是否会在2岁之后被诊断为自闭症上，以88%的准确度远超准确度只有50%的传统行为问卷调查法（Charman 2014）。
“AI机器人，学完2186张肺癌图谱，完胜病理学家”
研究人员使用了从腺癌、鳞状细胞癌患者获得肺癌基因图谱2186张图像。数据库还包含了每例肿瘤的级别、期别和每例患者在诊断后的存活时间信息。
Stanford的遗传学教授Snyder博士说：“事后看来，一切都在情理之中。计算机能够比人类更加准确、快速的在数以千计的样本中多次评估甚至是微小的差异。”
斯坦福大学的研究人员采用深度卷积神经网络，通过大量训练发展出模式识别的AI，使计算机学会分析图片并诊断疾病。
之后，计算机迎来了“毕业考试”。研究者向受训的计算机和21名执业医师分别提供了一批训练数据集中没有出现过的皮肤病变图片，这些图片都由组织活检确定了对应的病症。诊断比赛的结果是计算机的准确率和人类医生差不多，有时候还胜过人类医生。
人工智能不是万能的，但是它的确会在某些学科和领域超过人类的能力，取代医生的工作甚至是完全取代医生。
从目前的应用来看，人工智能应用比较好的领域是皮肤科、病理科和影像科。
皮肤科也是好大夫网站上在线问诊收入最高的科室。
目前中国最缺的医生是病理科，很遗憾，假以时日，病理科医生和影像科医生的工作也有可能被人工智能抢走，而且AI的水平将会高于大多数的普通医生。
宫颈癌的筛查：医生收集宫颈脱落细胞以后，机器可以自动制片，自动判别是否有癌细胞。在宫颈细胞良恶性方面，至少80-90%的病理医生的工作可以被AI取代。
胎心监护：胎心监护结果的解读和判断也完全可以由AI完成。
这个趋势是不可逆的，是不可抵挡的，FDA也挡不住。将来会有一个Breaking Point引爆点，过了这个引爆点以后，会出现医生常规工作量的断崖式的下跌。
当然，那些非标准化，充满不确定性，以及人工操作的临床工作，还是AI所无法替代的。
閱讀更多 Timedoo肽度 的文章
