“診療的速度達到了人類醫生的數百倍？”主持人雖然與穀歌關係緊密，但這種具體的數字卻也是事前沒有知曉的。
他此時的驚訝完全不是偽裝。
美國的醫療製度不比華國，保險或者其他策略稍有不慎，很容易就錢包傷筋動骨，被人吃乾抹淨。
留學生在歐美出了事情，昏過去之前大喊一聲“不要幫我叫救護車！！”的大有人在，不是不把自己的命當回事，而是救護車一出動，是真的太特麼貴了。
比如加州這裡，救護車私營，出車一次小幾千美金非常正常。
如果沒有特彆的嚴重病症，一般一千美金左右。
低血糖往路上一倒，救護車鳴笛過來，哢哢哢收你小一萬元。
學生哪裡受得了這個？
在這種體係當中，資深醫師的診療費用可想而知，資深的醫生數量也極其極少，供不應求。
“那請問，這種協助診療的智能，診斷能力如何，能否和資深醫師相比呢？”
人工智能來診療，速度雖快，但看病看的是自己性命，光是快可不夠。
沒人願意拿自己的小命開玩笑。
“實話實說，目前距離最為資深的二十年老醫生還有一點差距，但在不少數據比較充分的任務上，已經超過了普通醫生的準確率不少了。”
其實孟繁岐的這些方法，技術上已經足以和多年行醫的老專家相比擬了，不過現階段，醫療的數據上還是有很大的缺失。
畢竟海量的優質數據是一切人工智能的基石。
若不是穀歌已經提前許久布局了這個方向，和諸多醫院提前達成了合作，即便是目前這些成果也不是那麼容易做出來的。
“許多普通人可能不了解，醫療影像的分析和解讀是非常專業的一項技能。不隻是普通的ct圖，x光圖，還有更為複雜的病理分析和篩查，不同的醫生所能分析的醫療影像是比較有限的。
“在相對不那麼發達的地區，小幾十萬人口裡隻能找到的一兩個看得懂病理圖的醫生，可想而知，專業醫療圖像分析能力有多麼稀缺。”
“假如病人罹患癌症，或者其他腫瘤，就需要對患病的組織部分切片分析。病理醫生要把患者的那一點病理切片再切成二三十片，然後仔細觀察其中哪些部分是病變的，是什麼樣的病變，不同類型病變的百分比又各是多少，這個過程極耗時間。”
“當然了，醫生還有很多其他工作，不會把所有的時間都花在分析影像上麵。因此最終起到的作用，不會有數百倍這麼誇張。”
“但使用這種智能來做判斷，是否會有倫理和道德上的問題？”雖然算是半個自己人，但該問的問題還是要問“醫療診斷是關乎人類性命的大事，在許多場合中的誤判會是相當嚴重的醫療事故，人工智能能夠承擔這樣的責任嗎？”
這種人人在思索醫療智能應用的時候都會想到的問題，倘若不提及，就顯得太做作了一點。
“像醫療和自動駕駛方向，不可避免都會有這樣責任問題。坦白的說，人工智能無法承擔這樣的責任，作為技術的創作者，我也沒有那個能力承擔相應的責任。”
孟繁岐笑著說“我的代碼公開出去，可能幾天的時間就可以做出百萬千萬次的診斷，隨便有一兩次出問題，就足夠要了我的命了。在類似的領域，人工智能目前隻能起到輔助判斷的作用，最終還是需要醫生綜合判斷把關一下。”
“所以我說，這次對醫療圖像的輔助分析和診斷隻是醫療智能10，雖然診斷的速度看上去提高了上百倍，但我個人覺得這方麵的機會還是有不小的局限性的。”
聽了這話，主持人有些驚訝，孟繁岐這話說得也太謙遜了一點。