“诊疗的速度达到了人类医生的数百倍？”主持人虽然与谷歌关系紧密，但这种具体的数字却也是事前没有知晓的。
他此时的惊讶完全不是伪装。
美国的医疗制度不比华国，保险或者其他策略稍有不慎，很容易就钱包伤筋动骨，被人吃干抹净。
留学生在欧美出了事情，昏过去之前大喊一声“不要帮我叫救护车！！”的大有人在，不是不把自己的命当回事，而是救护车一出动，是真的太特么贵了。
比如加州这里，救护车私营，出车一次小几千美金非常正常。
如果没有特别的严重病症，一般一千美金左右。
低血糖往路上一倒，救护车鸣笛过来，咔咔咔收你小一万元。
学生哪里受得了这个？
在这种体系当中，资深医师的诊疗费用可想而知，资深的医生数量也极其极少，供不应求。
“那请问，这种协助诊疗的智能，诊断能力如何，能否和资深医师相比呢？”
人工智能来诊疗，速度虽快，但看病看的是自己性命，光是快可不够。
没人愿意拿自己的小命开玩笑。
“实话实说，目前距离最为资深的二十年老医生还有一点差距，但在不少数据比较充分的任务上，已经超过了普通医生的准确率不少了。”
其实孟繁岐的这些方法，技术上已经足以和多年行医的老专家相比拟了，不过现阶段，医疗的数据上还是有很大的缺失。
毕竟海量的优质数据是一切人工智能的基石。
若不是谷歌已经提前许久布局了这个方向，和诸多医院提前达成了合作，即便是目前这些成果也不是那么容易做出来的。
“许多普通人可能不了解，医疗影像的分析和解读是非常专业的一项技能。不只是普通的ct图，x光图，还有更为复杂的病理分析和筛查，不同的医生所能分析的医疗影像是比较有限的。
“在相对不那么发达的地区，小几十万人口里只能找到的一两个看得懂病理图的医生，可想而知，专业医疗图像分析能力有多么稀缺。”
“假如病人罹患癌症，或者其他肿瘤，就需要对患病的组织部分切片分析。病理医生要把患者的那一点病理切片再切成二三十片，然后仔细观察其中哪些部分是病变的，是什么样的病变，不同类型病变的百分比又各是多少，这个过程极耗时间。”
“当然了，医生还有很多其他工作，不会把所有的时间都花在分析影像上面。因此最终起到的作用，不会有数百倍这么夸张。”
“但使用这种智能来做判断，是否会有伦理和道德上的问题？”虽然算是半个自己人，但该问的问题还是要问：“医疗诊断是关乎人类性命的大事，在许多场合中的误判会是相当严重的医疗事故，人工智能能够承担这样的责任吗？”
这种人人在思索医疗智能应用的时候都会想到的问题，倘若不提及，就显得太做作了一点。
“像医疗和自动驾驶方向，不可避免都会有这样责任问题。坦白的说，人工智能无法承担这样的责任，作为技术的创作者，我也没有那个能力承担相应的责任。”
孟繁岐笑着说：“我的代码公开出去，可能几天的时间就可以做出百万千万次的诊断，随便有一两次出问题，就足够要了我的命了。在类似的领域，人工智能目前只能起到辅助判断的作用，最终还是需要医生综合判断把关一下。”
“所以我说，这次对医疗图像的辅助分析和诊断只是医疗智能1.0，虽然诊断的速度看上去提高了上百倍，但我个人觉得这方面的机会还是有不小的局限性的。”