曾經關注過很多關于人工智能在醫療領域的應用，比如運用得非常成熟的醫療影像診斷，用于醫療器械的研發，醫療數據的整理與分析，或是醫院日常管理等方面。在這些領域，人工智能確實起到了一定程度上的積極效果。但仍然有一些關鍵性的領域，人工智能的診療卻依然難以叩開大門。比如ICU，由于在這里的每一步操作都事關人命，因此在現階段，人工智能幾乎不可能進入它的診療。

　　如果沒有記錯的話，上一個引起廣泛熱議的人工智能ICU應用，是它能夠根據病人的身體數據預測死亡時間。這個功能唯一有效的作用，或許就是極度方便了醫院關于緊張的ICU病房的排隊事宜。但這并不意味著ICU的大門永遠對人工智能緊閉著。作為被證明足以改變世界的跨時代技術，人工智能已經被證明在醫療領域的巨大應用潛力。與其說人工智能要進軍ICU，不如說ICU更需要人工智能。

　　然而重癥監護室的止痛劑使用，卻又是一件非常復雜的問題。護理人員需要患者反饋自己的疼痛強度，以調整藥物的劑量；但ICU的患者往往伴隨著意識的昏迷，因此這種反饋并不能持續。對護理人員來說，給藥過量很容易導致患者成癮，而用量不足則又無法達到預期的鎮痛效果，增加病人的痛苦；更有甚者，還很容易引發疼痛致死。

　　那么，如何為臨床醫生提供更好和更個人化的疼痛管理護理，便成為了人工智能進一步挺進ICU的突破口。為此，他們結合了40000多例患者在接受了醫生使用止痛劑之后的效果，包括積極的和消極的。在此基礎上，其用人工智能算法確定了對每個病人而言的最佳劑量，以適應不同病人個性化的止痛劑需求，從而達到了借助人工智能來實現ICU病人止痛劑量化給藥的目的。

　　這種方法沿襲了人工智能解決問題的一貫套路，即以大規模的數據喂養來對模型進行訓練，然后反哺到現實應用。但與其他場景下的數據+模型訓練相同，ICU里的人工智能，更依賴于精準而豐富的數據。在這項算法訓練中，最大的問題，仍是數據。

　　人工智能算法模型的訓練需要大量的數據，但對ICU病人而言，平均ICU住院天數在10天左右，而發達國家效率更高，平均住院時長不到一天。較短的住院時間，意味著止痛劑給藥次數不會很多。那么，這么少的樣本數據，是否足夠喂養一個人工智能算法模型？

　　對一位ICU病人而言，影響其止痛劑使用劑量的因素有很多，比如年齡、性別、身體素質特征、體重等各個方面，除了性別之外，這些大部分因素都是變量。但這項算法里所采用的數據，則來自病人的既往給藥史。在此基礎上，給出最佳決策。問題是顯而易見的，ICU病人身體變化速率要遠異于常人，因此如果只看歷史的死板數據，而不把時時存在的變量加入進去，那么對于一些未知風險也就形成了天然的抵抗缺陷。

　　另一方面，單純采用止痛劑的歷史使用記錄，意味著其余其他藥物配合的剝離。醫生在開出止痛劑劑量的時候是否考慮到了同時多樣給藥帶來的相互作用？治療的目標是什么？也就是說，止痛劑使用劑量和效果并不是理論上的一一對應，而是要考慮到綜合給藥的復雜性。那么，聯合使用藥物（如果存在）以及其他可能影響止痛劑效果的數據，均應該納入其中。

　　在解決這些問題之后，如果算法成熟，人工智能ICU量化給藥將會幫助醫生進行臨床決策，同時提供自動指導。醫療人工智能在當前仍然算作一個正在高高飛起的創業風口，并且主要集中在一些相對來說邊緣領域的醫療應用，健康監測、醫療器械、影像診斷、住院管理……過分集中于這些領域，很容易給人造成一種錯覺：人工智能對醫療，好像并沒有什么實際作用。

　　而要想讓人工智能從醫療領域的無用質疑之中掙脫出來，直接參與到極為重要的醫療場景中或許更為是另一條道路。從這個角度上來說，瞄準緊急醫療場景，真正做到與病人生命同在，或許是人工智能在醫療領域樹旗立威的不錯選擇。比如在ICU、救護車、臨床搶救等方面的應用，以生命為第一衡量標準，可以加速人工智能的醫療領域普及。

　　因此，人工智能向醫療領域的滲透，可以嘗試去走這樣一條道路：以關系生死的急救場景為切入，結合可以量化的具體醫療操作，盡可能減少醫療誤差，在此基礎上實現整個醫療行業的全面進軍。這樣做，既恰好利用了其擅長數據量化處理的優勢，又能充分凸顯人工智能的價值。