人工智能这个概念如今被炒的沸沸扬扬，相信我们每一个人都不陌生，尤其是今年3月份人工智能被首次写入政府工作报告以后，更是增加了它的升温。可是人工智能在临床医学上它又给我带来了什么呢？
伴随着计算机科学的发展，我们不仅教会了机器如何去看，如何去读，如何去听，我们更教会了机器如何去想，由此协助临床医生去做诊断。其中医疗影像这个领域涉足最为全面。我们都知道在一个人的医疗数据中，大多数都来自于影像资料（就是我们每次到医院后医生给我们开的各种检测），医生就是靠这些影像资料来对我们进行临床判断。现在我们将海量的医疗影像图片教给机器去深度学习，从而使其能够帮助医生识别判断疾病，发表在2017年1月份的Nature期刊上这篇文章已经证实在皮肤癌上这个领域，人工智能已经可以和人类医生相媲美。【1】
紧接而来的是在今年4月份《科学》杂志报道了一篇来自《PLOS ONE》【2】上的重要研究成果，将人工智能应用于电子病历的常规数据分析，发现人工智能可以比当前的心脏病更准确地预测心脏病发病风险。这一次科学家证实了人工智能确认在某些领域战胜了人类。
既然人工智能已经证实在临床医学上有了如此了不起的成就，那么在我们的科研技术服务类是否也可以产生巨大的发展呢？尤其是以PacBio的单分子实时（SMRT）测序平台为代表的三代测序平台的发展，我们能够做一些什么呢？是否可以将人工智能和我们的三代测序结合起来？虽然具有了长度长的显著优点，但我们知道目前三代的价格仍旧是二代价格的7倍以上，因此这就成了限制三代测序在临床上广泛应用的一个瓶颈。如果未来三代价格具体降低，或者将来出现了更长，更精准的四代测序，那么在医学上广泛应用就不远。到那时加上人工智能这一把利剑，测序行业必会如日中天，造福我们人类。
参考文献：
【1】.Andre Esteva, Brett Kuprel, Roberto A. Novoa, Justin Ko, Susan M. Swetter, Helen M. Blau & Sebastian Thrun. Dermatologist-level classification of skin cancer with deep neural networks. Nature[J] 542, 115–118 (02 February 2017) doi:10.1038/nature21056
【2】Weng SF, Reps J, Kai J, Garibaldi JM, Qureshi N. 2017. Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLOS ONE 12:e0174944
来源：百迈客云
