儿童医院河西院区一楼取药处，患者在取药机扫描后，其药单信息就会发送至发药机，发药机则会操控自动抓药的“机器人”机械手臂去夹层抓药。本报记者 徐琦 摄
上周六，在2017江苏省消化系统疾病多学科交流高级论坛上，展开了一场临床医学领域的“阿尔法狗”人机大战。现场，多学科专家和机器人医生“沃森”一决高下，共同为1例贲门癌患者寻求治疗路径，比较谁给出的治疗方案效果更好，“火药味”十足。
机器人手术，机器人发药，机器人运输检验标本和手术包，机器人与医生一起拿治疗方案……记者发现，人工智能正越来越多融入南京的医疗服务，不仅让就诊流程不断得到优化，也让诊断越来越“精准”。
机器人医生看病，10秒给出治疗方案
据介绍，机器人医生“沃森”的大脑内装有250本肿瘤专著、300种医学专业期刊和1500万页的论文。医生将病人的个人信息、治疗史、疾病类型、状态、是否转移等诊断层面的信息全部录入后，“沃森”10多秒钟就能给出专业的个体化治疗方案，包括推荐方案、考虑方案和不推荐方案。“沃森”前不久已在市第一医院肿瘤诊断中心上岗，协助专家为多例病人提供治疗方案。鼓楼医院的消化疾病疑难病例多学科门诊接下来也将请进“沃森”，人机合作为病人贡献更为精准的治疗。
在鼓楼医院，另一名机器人医生“达芬奇”已经成功完成了数千例手术。“达芬奇”具有3D高清放大影像技术，为主刀医生提供高清晰、全方位立体式手术视野，可以准确地进行组织定位;它的仿真手腕手术器械，消除了人手颤动，保证高质量缝合，降低手术风险，机器手还能在人手不能触及的狭小空间进行精细操作。以往，泌尿科的前列腺癌根治术需要4小时左右。有了机器人，现在仅需一名主刀医生即可完成一个腔镜手术团队的全部工作，手术仅需1个小时。病人手术住院时间也从7天缩短到3天。
“虽然人工智能目前还只能充当‘医生助手’的角色，但是不可否认，人工智能是必然趋势。”鼓楼医院消化科学科带头人丁义涛教授说。
智能运输，标本、手术包自己会“坐电梯”
病人住院后，需进行血液、尿液、大便等各项检查，把这些标本送往检验室，一直是靠护工团队楼上楼下跑个不停。不过，自从用上智能运输系统，在鼓楼医院的住院大楼里，这样的“传统作业”早就没有了。
记者昨天在该院消化病区看到，护士们将收集到的标本装在标本箱里，进行相关操作后，标本箱们就自己“坐着”电梯下楼奔往各检验室。而病人们每天要吃的药物，也是通过这一运输系统从中心药房抵达各病区护士站。护士们听到“嘀嘀”两声，就知道药物们来报到了，扫描核对完药物的“身份”后才会正式接收它们，搬空的药物运输箱又会“坐上”运输系统回到中心药房等待其他用常
一个大楼内有几十间手术室，每天不仅要使用大量消毒器械，还要消耗大量的手术衣，以往搬运这些物资靠的是人工推车。而在省人民医院的新住院大楼内，这一做法已经被淘汰。原来，大楼内藏着一个手术室与消毒供应中心之间的特殊物流系统，其将地下1层中心供应室、4层DSA、5层门诊手术室、7层手术室连为一体，设置4个提取口，内置200个托盘，托盘载重达450公斤。消毒供应中心工作人员将到达每个手术室的手术包贴上标签进行扫码后，通过电脑指令，它们就可以自动到达每个手术间。“这一智能化运行，不仅可确保手术器械达到灭菌要求，改善手术室的环境质量，降低了院内感染率，也大大减少了手术室护士的工作量。”副院长刘云介绍。
机器人发药，1小时搞定450张处方
就诊排队、拿药排队……各种等候是就医的难题之一。眼下，各大医院在新门诊或新住院大楼的工程设计中，都给“发药机器人”留足了空间。
今年3月正式投用的市第一医院门诊大楼药房内，发药完全交给了机器人。鼓楼医院门诊大楼内的每个门诊药房也都安排了发药机器人。记者看到，药房正中央是一个硕大的智能药柜，这就是药物自动发放机，它的肚子里能装4万多盒药。当门诊医生开好处方，患者还没走到药房，处方信息就已自动传输到了发药机的信息库中。患者将带有条形码的挂号单至药房扫描后，发药机就开始自动处理，药物自动落入等候在下方的药篮里。由于药篮的条形码与患者挂号单上的条形码进行过扫描绑定，当工作人员将装有药物的药篮再一次进行扫描后，患者就可收到窗口拿药的信息。
“以前同样面积的药房需要七八个人不停忙碌，一个小时顶多处理200张处方，如今，发药机器人一小时能搞定450张处方，且没有丝毫差错。”该院药学部相关负责人介绍。
刘云告诉记者，省人民医院与IT企业共同研发的心电图自动读图分析系统即将投入使用。该系统通过大量的心电数据分析对比构建模型，实现对报告的智能自动诊断，不仅极大缩短了医生诊断的时间，还可及时识别危重患者的心电图。此外，医院还在开展医疗影像智能诊断系统、慢性病预测诊疗系统、ICU患者转归、手术患者并发症预测等多个基于机器学习及人工智能的相关研究。例如，根据甲状腺癌B超图像库，开发智能化甲状腺癌计算机辅助诊断系统;依据患者健康档案，特别是电子病历相关数据，进行乳腺癌发病关联性分析，预测乳腺癌高发人群、罹患乳腺癌风险度、患者复发风险度等。
