想象一下，如果研究人員能夠往電腦里輸入他們想要制造的藥物，以及他們想要治療的那種癥狀，然后就讓電腦自己進行接下來的工作。有了機器人技術，這種設想某天將會成為現(xiàn)實。我們希望機器人成為常用的工具，可以幫助改善病人的護理和手術結果。

　　在醫(yī)療領域，我們對機器人技術并不陌生。機器人輔助手術變得越來越普遍。許多培訓項目開始包括機器人和虛擬現(xiàn)實場景，為學生提供實踐訓練，同時又不讓患者面臨風險。

　　隨著醫(yī)療機器人技術的進步，其中有三個醫(yī)療領域比其他領域更突出：外科手術、醫(yī)學影像和藥物研發(fā)。機器人技術是如何開始對這些實踐產生影響的呢?他們又將如何進行改進變得更完善呢?

　　機器人輔助外科手術

　　1985年，記錄了首例機器人輔助手術，當時它被用于神經(jīng)外科手術活檢。這導致了機器人技術應用于許多類似的手術之中，其中包括腹腔鏡手術和傳統(tǒng)手術。直到2000年，當達芬奇手術系統(tǒng)出現(xiàn)時，F(xiàn)DA(美國食品與藥物管理局)才批準了機器人手術工具的使用。

　　機器人輔助手術市場預計將穩(wěn)步發(fā)展至2023年，并有可能進一步擴大。唯一可能阻礙發(fā)展的是設備的成本。最初的投資可能會阻礙小公司購買必要的設備。

　　醫(yī)學影像

　　醫(yī)學影像成功的關鍵不是設備本身，而是能夠解釋圖像中的信息。醫(yī)學圖像是醫(yī)學領域中信息最密集的部分，它能揭示的信息比基本的外觀檢查所能揭露的更多。

　　機器人技術，更確切地說，像IBM?Watson這樣的人工智能程序可以更有效、更準確地解釋這些圖像。通過讓人工智能或基本的機器學習程序研究醫(yī)學圖像，研究人員可以找到比以往任何時候都更為準確的診斷方法。

　　藥物研發(fā)

　　藥物研發(fā)是一個漫長且乏味的過程，需要多年的測試和評估。人工智能、機器學習和預測算法可以幫助加速這個系統(tǒng)。

　　想象一下，如果研究人員能夠往電腦里輸入他們想要制造的藥物，以及他們想要治療的那種癥狀，然后就讓電腦自己進行接下來的工作。有了機器人技術，這種設想某天將會成為現(xiàn)實。

　　這并不是一個完美的解決方案——這些系統(tǒng)需要大量的數(shù)據(jù)才能開始做出決策或預測。通過將數(shù)據(jù)輸入到這些程序可以訪問的云盤中，研究人員就可以為建立一個功能數(shù)據(jù)庫邁出第一步。

　　這些人工智能程序的另一個好處是，它們可能會發(fā)現(xiàn)人類無法想到的某些聯(lián)系。人們可以實現(xiàn)這一飛躍，但可能性要低得多，而且如果真的發(fā)生的話，還需要更長的時間。簡而言之，我們無法處理計算機能夠處理的海量數(shù)據(jù)。

　　所以，在這個領域中并不是機器人搶走我們的工作。

　　事實上，恰恰相反。我們希望機器人成為常用的工具，可以幫助改善病人的護理和手術結果。

　　一位人類外科醫(yī)生可能有直覺判斷能力，但他們永遠不會擁有一雙機械手臂所能提供的穩(wěn)定性，或者是機器學習算法的數(shù)據(jù)處理能力。如果我們允許這些智能工具進入醫(yī)學領域，那么這些工具可能會改變我們看待醫(yī)學的方式。