从2016年开始的医疗人工智能，至今方兴未艾。目前国际、国内研发团队开发出来的AI，要么是通过已有的医学影像结果来学医学知识，要么就是通过医学生化指标来学习、充实自己。而由广州市妇女儿童医疗中心主任夏慧敏教授领衔，加州大学圣迭戈分校张康教授等专家参与的广州研发团队，通过摸索，让医学人工智能既能读懂中文病历，还能较高精度地为儿童常见的55种疾病进行诊断。

　　AI能读懂病历，是医疗人工智能研发方面一次质的飞跃，其功能要比单纯医学影像等数据解读和单病种诊疗复杂得多。因为要想读懂病历，首先得准确掌握相关医学知识，通过病历学习，使之具备坚实的医学理论基础。

　　更重要的是，能够读懂病历，意味着必须掌握诊疗逻辑思维方式，懂得诊疗过程的前后因果关系，能够通过条件推出或排除结论。

　　就应用范围而言，这类产品能够成为医生的得力助手，帮助医生进行快速分诊，把医生从繁琐的基础工作当中解放出来，可以帮助医生诊断复杂或罕见疾病，使诊疗少走弯路。此外，医生还可以使用AI生成的诊断，来帮助拓宽鉴别诊断，使思路和视野变得更加开阔。

　　其实，这类产品既可成为医生的助手，但更应该成为医生的“对手”，因为医生并不特别缺乏助手，却十分缺乏“对手”，或者不如说，将这类产品当作医生的“对手”，其作用反而要比当作助手大得多。医生缺乏实力相当的监督者“对手”，是一个更加普遍和紧迫的问题。

　　医疗专业性极强，争议性也很大，导致医疗监督存在很大的难度，过度诊疗等行为很容易借技术之名隐藏其间，其结果是，不合理的费用增长难以遏制，掩蔽性强的医疗欺诈与套保行为很难被发现，就连医保基金审核员，很多时候都对此束手无策。

　　包括医保基金审核在内的医疗监督十分缺乏人手，要想在浩繁的诊疗项目当中发现不合理医疗，无异于大海捞针。利用人工智能来化解这道难题，是极具发展潜力的一种办法，医疗方面的人工智能审核软件，如智能处方审核系统等被陆续开发出来，可以发现相互冲突的处方等问题，但涵盖面更广、智能化程度更高的产品，却一直缺乏。

　　这款AI刚好具备这样的功能，它能读懂病历，就有能力发现其中隐藏的问题，能识别出可能存在的逻辑谬误，发现一些不够严谨的地方。

　　或许当前这款产品还不具备强大的监督功能，但只要遵循这个思路发展，就能开发出更高端的智能产品，可以快速识别病历当中的可疑之处，并将之提交人工审核。到那时，隐藏在病历中的不合理诊疗就很容易被识别出来，这既可更好地保护患者利益，又有利于维护医保基金安全。（罗志华）