文/梁韬（公号：肝病梁韬）
前沿
随着人工智能阿尔法狗的新闻，人工智能进入大众视野，并在各个领域的研究呈现井喷趋势。
人工智能研究核心在计算机科学，但是，应用层面还是分布于各个行业。人工智能医学研究，在年以前，有少量研究，主要涉及机器学习，年以后也呈现井喷趋势。应用方法扩展到深度学习。相关研究在顶级期刊《Nature》、《science》发表。近几年的国家级基金，在该领域立项课题也是翻倍增加。究其原因，①中yang曾发文发展人工智能；②目前我国科研的论文数量已经位列全球前列，但是，科研转化却存在较大鸿沟。而医工交叉的数据科学在转化方面存在巨大优势。优秀的研究结果，可以直接申请专利并进行商业化部署。比较成功的案例就是人工智能医学在胸部CT肺结节的精准识别。
一、为什么选择AI医学：
（一）医院的科研：
1、绝对大医院，少有独立的生物学实验室，生物学实验室的维护成本极高。而人工智能医学研究，算是一种轻资产，最为核心的研究环节就是算法的构建、算力的运用。固然，有专门的软件和公司提供服务，医院自建的模式，投入最大的是智力和精力。在经费上投入不算多，因为是用于科学研究，对于信息安全等级要求不高，也没有多少维护费用。
2、跟蛋白组学、基因组学研究类似，人工智能医学的研究，其算法是对于临床各个科室是通用的。可应用于影像组学的核心算法也可以用于构建彩超图像的模型。随机森林、决策树不仅可应用于预测心肌梗死的预后，也可以应用于护理的跌倒风险评估，医院行政管理。
（二）研究方向：
1、人工智能医学科研，也是一个较大的范围，其研究的设计简单的归纳为两个部分，①临床数据采集和需求、②模型构建和运行。临床数据收集、临床需求的确定，医院来说，是完全没有问题的。而其中问题最大的是模型构建和运行。而这块跟高校的计算机实验室恰恰相反，他们缺少的是临床数据和需求。
2、临床和计算机实验室合作是最完美的方式，但是，合作也存在利益协商等多方面问题。所以，最简单还是选择自己构建模型。
3、构建模型有使用集成平台（腾讯云AI），利用python构建。腾讯云AI，操作简单，集成了多种算法，仅需要提供数据即可。但是，在操作过程中发现。由于平台单一，缺乏更为详细的教程。而python由于应用于各个领域，网上已经公开各种教程和解决方案。
4、利用python构建机器学习算法平台：目前可用于临床科研的机器学习（人工智能），主要有多个方向，医院最常用的研究方向是①疾病预测，②图像识别，图像识别这块需要用到无监督学习，而且，图像预处理方面门槛较高。对于，医院医生（护士），比较亲民一点还是疾病预测。
二、零基础入门步骤：
（一）工作环境的搭建：
安装：目前主流推荐Anaconda。其具体步骤可以按照知乎的这个教程：
①Anaconda安装
转载请注明：http://www.0431gb208.com/sjszjzl/5800.html
