人工智能對于醫(yī)療的影響，并不止于上文所概述的智能診斷、智能治療、健康管理和醫(yī)療管理等方面的內(nèi)容，其他如藥物挖掘、生物科技和精準(zhǔn)醫(yī)療等也是人工智能可以發(fā)揮巨大作用的領(lǐng)域。從上文的分析來看，人工智能會進(jìn)一步推動醫(yī)療領(lǐng)域向著智能化、日常化和人性化的方向發(fā)展，尤為重要的是可以促進(jìn)精準(zhǔn)醫(yī)療的發(fā)展。同時，這些變化也會對醫(yī)療行業(yè)就業(yè)和人類對于自身的認(rèn)識產(chǎn)生重要影響。從目前來看，人工智能在未來的發(fā)展有如下三個值得關(guān)注的積極趨勢：第一，用人工智能的“醫(yī)生”補(bǔ)充人類醫(yī)護(hù)人員，以解決未來醫(yī)護(hù)人員稀缺的問題；第二，用人工智能提高藥物挖掘的效率，加速藥物開發(fā)的過程；第三，在人工智能的基礎(chǔ)上，提高個性化用藥的水平，并通過精準(zhǔn)醫(yī)療最終解決癌癥這一難題。下面分而述之。
第一，開發(fā)人工智能醫(yī)生以緩解醫(yī)護(hù)人員不足。人類醫(yī)生的培養(yǎng)過程非常復(fù)雜，且成本相對較高，培養(yǎng)時間較長。例如在美國，醫(yī)學(xué)專業(yè)需要學(xué)生在完成本科學(xué)位之后再來就讀。即便在發(fā)達(dá)國家，有經(jīng)驗(yàn)的醫(yī)護(hù)人員的缺乏也是一種常態(tài)。而一旦人工智能的技術(shù)應(yīng)用獲得突破，就可以在一個相對較短的時間內(nèi)訓(xùn)練出大量具備相關(guān)技能的人工智能醫(yī)生，進(jìn)而可以有效地解決人類醫(yī)生資源不足的問題。而且，這些醫(yī)生可以在全世界的任何地方全年無休地提供醫(yī)療服務(wù)。當(dāng)然，這并不意味著在未來所有的人類醫(yī)生都會消失，在一些非常復(fù)雜的工作中，人類醫(yī)生的作用仍然是不可替代的，至少在一定時間范圍內(nèi)看來如此。除此之外，把那些日常診斷或者程序化的工作交由人工智能來完成，會更加節(jié)省醫(yī)療成本。
隨著人工智能技術(shù)水平的快速提升，未來的情景將是：平均水平的醫(yī)生讓人工智能做助理，而平均水平以下的醫(yī)生則要做人工智能的助理。如果用于診斷疾病或是預(yù)后的數(shù)據(jù)、圖像能夠標(biāo)準(zhǔn)化、量化、結(jié)構(gòu)化，這些工作基本可以通過人工智能來完成。在確定相應(yīng)的數(shù)據(jù)范圍和具體算法后，人工智能可以通過不斷地進(jìn)行機(jī)器學(xué)習(xí)和積累，逐步完善診斷系統(tǒng)和治療流程。盡管目前來看，人工智能并不是萬能的，但是它的確會在某些具體工作中超越人類，從而取代一部分人的現(xiàn)有作用。
因此，面對人工智能的發(fā)展，醫(yī)療產(chǎn)業(yè)的發(fā)展必須加快相關(guān)的技術(shù)應(yīng)用的開發(fā)，并協(xié)調(diào)好人類醫(yī)生與人工智能之間的配合。在這一方面，中國的“微醫(yī)”是一個典型產(chǎn)品。“微醫(yī)”是一個移動互聯(lián)網(wǎng)醫(yī)療健康服務(wù)平臺，可以提供預(yù)約掛號、在線問診、遠(yuǎn)程會診、電子處方、藥品配送等互聯(lián)網(wǎng)醫(yī)療服務(wù)。在這個平臺上，每天有大量的患者上傳影像數(shù)據(jù)并請求相關(guān)專家協(xié)助診斷。醫(yī)學(xué)人工智能的幫助一方面可以節(jié)省醫(yī)生的大量重復(fù)性工作，使圖像數(shù)據(jù)和病例首先通過機(jī)器進(jìn)行初審，再由專家進(jìn)行復(fù)核，其效率將提升70％以上，另一方面還可以面向基層醫(yī)生提供診療輔助，大約80％的常見病可以由人工智能協(xié)助基層醫(yī)生完成治療，而剩下約20％的復(fù)雜病例，則可通過互聯(lián)網(wǎng)平臺請專家進(jìn)行遠(yuǎn)程會診，從而提升基層的診療水平。
第二，人工智能助力藥物挖掘效率。藥物的挖掘和篩選一直是醫(yī)療業(yè)的重要領(lǐng)域。換言之，藥物研發(fā)的水平和規(guī)模在某種程度上決定了醫(yī)療業(yè)的發(fā)展形態(tài)。從歷史上看，藥物挖掘經(jīng)歷了隨機(jī)篩選藥物、組合化學(xué)庫篩選和虛擬藥物篩選三個階段。最初，隨機(jī)篩選藥物的典型做法是通過細(xì)菌培養(yǎng)法從自然資源中篩選抗菌素，這種做法是低效的。隨著組合化學(xué)的出現(xiàn)，人們可以迅速合成大量化合物，并在此基礎(chǔ)上運(yùn)用高通量篩選的技術(shù)完成化合物的篩選，這種做法的缺點(diǎn)則主要在于研發(fā)成本較高。到了虛擬藥物篩選階段，人們可以將藥物篩選的過程在計(jì)算機(jī)上進(jìn)行模擬，以對化合物可能的活性作出預(yù)測，從而進(jìn)行更具針對性的實(shí)體篩選，這樣可以極大地減少藥物開發(fā)成本。由此，醫(yī)藥領(lǐng)域很早就開始將計(jì)算機(jī)技術(shù)和人工智能應(yīng)用于藥物挖掘上，并起到了積極的作用。
到目前為止，新藥的研發(fā)仍然需要極高的成本，既需要長期的實(shí)驗(yàn)和數(shù)十億乃至上百億美元的投入，還要進(jìn)行反復(fù)的安全性測試，而且即便如此，也無法保證最后真的能夠成功。而人工智能的應(yīng)用可以在很大程度上緩解相應(yīng)的問題。例如，在新藥篩選時，可以利用人工智能所具有的策略網(wǎng)絡(luò)和評價(jià)網(wǎng)絡(luò)以及蒙特卡洛樹搜索算法（Monte Carlo Tree Search），從成千上萬種備選化合物中挑選出最具有安全性的化合物，作為新藥的最佳備選者。人工智能還可以協(xié)助新藥的安全性檢測，也就是通過對已知藥物的副作用的分析，預(yù)先判斷出新藥的副作用及其大小，由此選擇那些產(chǎn)生的副作用危害最小的藥物進(jìn)入動物實(shí)驗(yàn)和人體試驗(yàn)，從而大大地節(jié)約時間和成本。
據(jù)研究人員估算，大約15％到20％的新藥研發(fā)成本都消耗在探索階段。這意味著數(shù)億美元的成本，以及數(shù)年的研發(fā)時間。目前，在藥物挖掘領(lǐng)域，位于美國舊金山的初創(chuàng)公司Atomwise是最具代表性的。Atomwise主要關(guān)注于利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)來發(fā)現(xiàn)新的藥物，具體來說，主要是運(yùn)用超級計(jì)算機(jī)、人工智能和復(fù)雜的算法模擬制藥過程，來預(yù)測新藥品的效果，同時降低研發(fā)成本。這使得該公司不僅具有強(qiáng)大的藥物發(fā)掘能力，同時極大地降低了發(fā)現(xiàn)和研制新藥的成本。例如，在2015年，該公司宣布在尋找埃博拉病毒治療方案方面獲得了進(jìn)展。也就是說，在Atomwise預(yù)測的藥物中，有兩種或許能用來抗擊埃博拉病毒，而這些發(fā)現(xiàn)用時僅七天且成本不超過1000美元。
第三，利用人工智能和精準(zhǔn)醫(yī)療治療癌癥。在推動精準(zhǔn)醫(yī)學(xué)的發(fā)展上，人工智能也發(fā)揮著巨大的作用。早在2011年，美國國家科學(xué)院、美國國立衛(wèi)生研究院、美國國家工程院以及美國國家科學(xué)委員會就共同發(fā)出了“邁向精準(zhǔn)醫(yī)學(xué)”的倡議。隨著大數(shù)據(jù)和人工智能的發(fā)展，精準(zhǔn)醫(yī)療的發(fā)展也獲得了相應(yīng)的技術(shù)基礎(chǔ)。如前所述，人工智能在癌癥診斷的準(zhǔn)確性方面，已經(jīng)取得了很大的進(jìn)展。借助大數(shù)據(jù)和人工智能，醫(yī)生可以檢測出不同癌癥病人的不同病變，找到個性化的用藥，并進(jìn)而利用人工智能完成換藥和配藥工作，大大降低了治療的成本。
癌癥是典型的需要精準(zhǔn)治療的病癥之一。癌細(xì)胞來自體內(nèi)，而且與正常細(xì)胞非常相似，在治療的過程中，很難準(zhǔn)確找到所有的癌細(xì)胞，因此也就難以根除疾病。癌癥手術(shù)僅僅能夠切除肉眼可以看到的病灶，而對于已經(jīng)轉(zhuǎn)移的或者存在于血液和淋巴內(nèi)的癌細(xì)胞則無能為力。而這些未被清除的癌細(xì)胞則會重新增殖，從而導(dǎo)致癌癥的復(fù)發(fā)與轉(zhuǎn)移。盡管化療藥物會發(fā)揮一定的作用，但癌細(xì)胞可能會產(chǎn)生耐藥性，同時患者的免疫功能則會下降，這樣也容易造成癌癥的反復(fù)。
因此，治療癌癥的一個非常重要的原則在于，每一個癌癥患者都需要根據(jù)具體的病情制定個性化的治療方案，而不是采用沒有針對性的一般治療方案。因此，如果有一個專門的治療小組針對某一癌癥患者進(jìn)行藥品的配制，并且對癌細(xì)胞變化的反應(yīng)足夠迅速，那么癌細(xì)胞是可以完全殺死的。然而，如果按照這種方案來治療，其成本是非常高的，甚至?xí)_(dá)到上億美元。因此，這種治療方案是非常不經(jīng)濟(jì)的，對大多數(shù)患者來說難以承擔(dān)。
基于面對癌癥的這種特性，可以依靠大數(shù)據(jù)和人工智能，來提高治療的針對性和精準(zhǔn)性。根據(jù)目前的研究，導(dǎo)致腫瘤發(fā)生的基因錯誤大約在萬的數(shù)量級上，而已知的癌癥則在百的數(shù)量級上。因此，所有可能的惡性基因復(fù)制的錯誤和癌癥的組合大約有幾百萬到上千萬種。這個數(shù)量級就人類的認(rèn)知能力而言是超大規(guī)模的，但是從大數(shù)據(jù)和人工智能的領(lǐng)域來看則是非常小的。因此，通過人工智能進(jìn)行大數(shù)據(jù)分析，可以更有針對性地檢測不同人的不同病變，從而找到適合具體情況的個性化用藥。同時，運(yùn)用人工智能和大數(shù)據(jù)也可以檢測患者的新病變，從而可以幫助癌癥患者及時更換新的藥物。此外，這些換藥和配藥的過程都可以在人工智能平臺上完成，由此也會大大降低藥品的使用成本。按照這種發(fā)展趨勢，人類在未來克服癌癥難題，將不再是一種空想。