近年来，AI诊断研究在基于医学图像的诊断上一次次超越人类。譬如应用在放射学、病理学、眼科学、皮肤病学等影像数据的识别和筛查上，以机器学习为基础的诊断工具表现抢眼。AI能否像人类一样，不仅能读懂疾病信息，分析图片，还能判断出疾病情况……
随着人工智能（AI）与大数据技术渗透到社会的各个领域，AI通过“深度学习”，模拟人脑进行分析学习神经网络，集深度学习核心训练和推理框架，在这项研究中，科学家们成功实现了这一目标，挖掘出了AI在辅助医生诊断上的巨大潜力。
为解决好自动化识别，研发团队分别对医学知识和疾病诊断进行数据建模，以“神经网络”自动深度学习技术为基础，以海量电子病历临床特征的数据挖掘框架为核心，采用逻辑回归分类器的机器学习方式，快速三维分割与处理重建。在这套模拟人类医生问诊的框架分类系统中，涵盖基础模型库、疾病库、端到端开发套件等。应用者可根据需要选择模型，通过训练模型得到数据参数，或者在顶端选择自己需要的优化算法分类器，把电子病历中提取到的临床特征按人体各大系统来逐级划分。
“神经网络”框架模块是一个万向链接的网络，在通过模仿人脑的机制解释数据，如图像、声音和文本，并不断延伸人脑的功能，系统首先会按心脑血管疾病、肿瘤疾病、呼吸系统疾病、胃肠道疾病、全身性疾病等几大系统划分，然后在每一类下面做细分。多种应用可通过各种不同的接口调取，从而让“新问题”迅速通过数据的积累训练系统，学会如何人工思考和应对。
这是基于常规临床诊断流程，依托电子病历（EMR）框架进行数据挖掘，采用逻辑回归分类器方式开发诊断模块，做临床智能诊断的研究成果。AIDr超医诊断问世，是AI在技术实施应用于医疗方面取得的一个重要里程碑。标志着AI模拟人类医生进行疾病诊断时代的到来。
人工智能（AI）在医疗领域的快速发展让人们倍感鼓舞，许多AI技术正在简化患者的就医流程，同时也在颠覆性地改变医生的工作流程。譬如：影像自动化识别；病因诊断和发病机制诊断；AI可帮助医生预测患者预后；临床辅助决策；AI辅助临床康复；AI辅助的血管内治疗；AI为基础的健康教育；AI为基础的药物研发……
AIDr机器人辅助诊断狭窄病灶标识和自动辩证识别病理，深入电子病历中，包括个人史、体格检查、实验室检验结果、用药和手术等许多方面。在最常见的呼吸系统疾病中，在系统中，AIDr机器人会先按上呼吸道和下呼吸道进行区分，再按喉炎、气管炎、支气管炎、肺炎进行细分。经过检验，在每一层级，由AI做出的初级诊断码，在精确度上都接近检查医师做出的初级诊断。对于一些凶险的、有可能威胁生命的疾病（例如急性哮喘发作、细菌性脑膜炎等），算法也同样表现出了强大的诊断性能。这在临床应用中有非常重要的意义，因为有了AI快速分诊的辅助，就可以让医疗服务的有限资源用于最需要帮助的患者。
AIDr机器人像超级医生一样思考 AIDr机器人技术研发团队依照常规临床诊断流程所建立的“问诊框架”，采用逻辑回归分类器方式置于数据挖掘框架，建立自动诊断模块，像医生一样对医生日常就诊流程处理，将人的智慧以机器形式表现出来，其目的是帮助人工智能在识别影像的基础上，通过自动学习病历文本数据（医生的知识和语言）中的诊断逻辑，逐步具备一定的病情分析推理能力，并更进一步读懂、分析复杂的病例，逐渐使人工智能能像医生一样“思考”。当填写好患者口述和医生体检文本型病历之后，可直接阅读医疗病历，自动分析患者病情，智能给出推荐诊断。
结语：通过AI诊断赋能，可快速提升医疗行业效率和体验；并有望通过远程医疗和区域学科技术联盟形式形成更大范围的示范推广，从而为基层医生，特别是年轻的医生提供AI诊断结果对比，为患者家属提供智能自诊服务和第二诊疗意见，避免误诊、漏诊造成医疗风险。基于 “医疗+人工智能+区块链+…”技术，必将打破地域的限制，在语音识别打破就诊方式的限制，智能诊断快速提升医院效率，未来智能诊断还会打破诊疗流程固有模式，健康问题有望足不出户就能解决，康频智能科技正通过人工智能技术应用于医疗领域，不断打破传统医疗模式，让人工智能技术惠及更多的患者。 也许，人们理想中的医疗方式，距离我们越来越近 ……