是否可以用计算机实现诊断疾病？
诊断疾病就是根据一些症状，做出诊断。这个用计算机实现起来很容易啊。人们可以看看自己有哪些症状，就可以推断自己的病情状况。靠谱吗
按投票排序
同意可以诊，不可以断。这个问题让我想起电影“在云端” 的一个桥段。大学生娜塔莉竭力推广通过网络视频会议远程裁员的改革，这让主角瑞恩饭碗担忧，因为他的工作就是不断的飞到各个分公司进行面对面裁员。瑞恩虽然极力反对但也不得不带娜塔莉熟悉业务。然后在瑞恩解决每个被裁雇员或哭诉或愤怒或压抑中，娜塔莉终于明白瑞恩所说的，“我的工作是讲方法的，这个方法的有效性不是无缘无故的。”我想对于医生也是如此。计算机或者广义来说技术可以帮助诊断疾病，但计算机无法了解病人的心理。如果计算机得出一个人可能是感冒的概率为51%，不是感冒为49%。病人要怎么反应呢，心理会产生什么变化呢，如果不是感冒而是癌症呢。一句话，看病不只是技术上的病，还有最重要的心病。病人的心理活动以及病人与医生的交互是计算机不能取代的。计算机可以做的最多只能是技术上的病，心病还要靠医师。。好像有些离题了，就当是做个小补充吧。
非常同意 的答案说说诊吧，我们实验室在做的一部分内容（我没有参与，但是也知晓一些）是利用机器学习方法进行辅助诊疗研究。你看，我们研究的内容是「辅助诊疗」吧，机器学习方法的结果真的是只能供医生参考，因为人命关天啊，这个时候还是要靠医生的专业知识和经验。我们组做的一部分内容就是把历史病例收集起来（这个其实是合作单位提供的），然后对这些数据利用机器学习算法进行分析。因为数据很多，所以需要用机器学习。这里的数据多指两个方面，一方面是数据的数量多，一个稍微大型点的医院一天就诊的患者就很多，一年年下来病人的资料会非常多；另一方面是数据属性非常多，比如说冠心病，影响这个病的因素和对应的理化指标（这个地方我不太准确是不是应该这么叫，理解意思就好了哈）就有上百项，我们首先也询问了医生这其中哪些指标不重要，然后剔除，这样还有很多项。然后利用机器学习方法对这些指标和结果进行分析，尝试找出来究竟哪些因素会导致冠心病。在得到结果之后，还是需要医生来逐一对找到的结论进行分析，利用医学知识对其中的内容排查。机器学习在这里面起到的作用有两点：第一点是从海量的数据中学习到一些规则性的结论，然后利用这些规则做一些预测，比如新病人来了之后可以很快给出一个建议；第二点是找致病因素之间的关联，比如哪种因素会导致致病。在这个过程中，我的建议是根据你所要达到的目的选择对应的机器学习算法。比较快的方法是把你要达到的目的同一个做机器学习的人用「普通话」说清楚，大家都能理解，然后帮助你选择合适的算法。总结一下，这个「循环」过程大致如下：明确目的-&收集数据-&数据清洗-&选择合适的算法-&得到结果-&验证结果
可以诊，不可以断。
首先说说我的观点：计算机会大大减少医生的需求量，但很难彻底取代医生的地位。这个话题争论已久，就像机器人是不是有一天能够统治地球一样，正反双方各执一词，公说公有理，婆说婆有理。只要机器人一天没有统治，计算机一天没有取代医生，这个话题就经久不衰。不少科幻小说都对未来的医疗状况展开过理性幻想，以最经典的《星际迷航》为例，人工智能已经发展到拥有个性和感情的阶段，但地球上星舰上仍然少不了医生的身影，这也从某种侧面代表了一部分人深入思考后的看法。那么，不妨来看看计算机和医生诊断各有什么优劣呢，或者说，计算机需要克服什么困难才能完全取代人在诊断中的作用。暂且抛开伦理、管理、费用等角度（当然也是重要方面），仅从技术层面分析。计算机优于医生的地方：1. 记忆能力强。理论上说，将来的医疗系统内部电脑可以全球联网，存储全球的病例，并在遇到新病例时从海量的数据库中调用数据进行分析比较以得出最可靠的结论。相比较而言，一个医生的经验甚至是大规模临床会诊的知识和信息量也远不是计算机的对手。2. 误诊率低。人做出判断时，总是容易受到各种因素影响。如研究显示，医生诊断时在吸烟者身上发生的误诊率较高，因为根据吸烟容易引起各类疾病的经验，容易对吸烟者产生偏见。此外，再训练有素的医生，其生理、心理状况都难免会影响到自身的判断，而计算机则不会有这些主观因素的影响。3. 如 所说，计算机和人在同等信息下，整合优化信息的能力明显更强，当收集到患者所有客观资料后，有能力很快对所有可能性作出分析，而人很难全面又快速地做到这一点。实际临床已经有很多软件在辅助诊断，逐渐减少医生在诊断中的需求，如乳房X线检查（mammography）。1993年研究发现，由两名放射科医师进行X线“double reading”的乳腺癌检出率比起单独一名医师的“Single reading”来大幅提升（Anttinen I, Clin Radiol, 1993），而到了2008年则发现，一名医师配合ImageChecker软件的乳腺癌检出效率已经达到“double reading”的水平（Fiona G, NEW ENGL J MED , 2008），可见其中一名医师的地位已经可以被ImageChecker所取代。如今已有不少类似的辅助诊断软件应用于临床，以提高效率和准确性，相信这也是未来的趋势。我所接触到的医生中，无论是国内还是国外，对于计算机取代医生这样的说法也都是嗤之以鼻，可以理解 田医生的心情。没有上过医学院校，不了解医生日常生活的人也不能理解成为医生过程中的艰辛和努力。在经过普通学生2-3倍的学习压力，临床几千几万的病例诊疗之后，一名医生，尤其是好医院的医生都对其专业能力有相当的自信，也更加难以接受一台机器就能代替自己，甚至可能会让自己失去丰厚的深入和较高的社会地位（这里仅指欧美日等）。然而目前看来软件或者计算机代替人已经是大势所趋，只是不知道人工智能上限会发展到什么水平罢了。单纯使用计算机诊断会遇到哪些难题呢？1. 人的复杂性。这也是学计算机的同学容易忽略的一点。人不是简单物体，不像一个杯子，你得到材质、重量、体积、直径等等有限的参数，就可以复制无数个同样的出来；也不是现在的电脑，有固定的硬件，哪里坏了可以轻而易举地排查。引用我另一个回答里写的：对大脑而言，“脑内神经元的神经递质、神经调质、树突和轴突之间拥有超过225,000,000,000,000,000个连接，而除了神经元外，脑内还有超过1万亿的胶质细胞是否参加且参加何种认知活动还没有研究清楚，可见脑的复杂性远超现在的任何电脑”。这才仅仅是大脑而已，再加上人的其他器官，整体复杂性岂止超出千倍万倍。以生病为例，不同的人同时感冒，症状不可能完全一样，同一个人两次感冒也不会表现的一模一样，更别说各种综合症。因此计算机完全自主诊断的重要前提之一就是：有非常明确的诊断标准。以阿尔茨海默病（老年痴呆）为例，如果能判断患者年龄大于65岁，CDR（临床痴呆评定量表） 0.5-1，MMSE（简易精神状态量表）得分 21-26即为轻度痴呆的话。以未来的计算机能力轻而易举就可以自主完成，不需要任何医生参与。可惜这些目前临床必备的指标还远远达不到真实的诊断标准：有些老年人看似完全正常，偏偏完成MMSE时得分极低；有些老年人看似痴呆的症状，偏偏完成MMSE时下笔如有神。可见，对较复杂的疾病，明确其诊断标准还有很长的路要走，这是制约计算机自主诊断的关键之处。2. 既然诊断标准不明确对医生来说同样是严重的问题，为什么这时候医生比计算机有优势呢？因为医生可以和患者交流，可以理解患者的身体语言，可以体会患者的情绪状态，在此基础上结合生理指标做出的判断要比单纯生理指标的判断准确得多。计算机只能处理客观指标，调动一切感官去感受人所处的复杂状态，是目前计算机所缺乏的，也是将来未必就能拥有的能力。就像科幻片里用烂的梗，人工智能很难体会到人类的情绪。另外重要的一点，是医生的直觉。尽管医学强调要靠理性推理不要靠直觉，尽管医生的直觉也经常导致误诊，但很多医生遇到过类似的感受：有时候常规指标没检查出什么问题，突然一瞬间感觉是什么病，以前好像见过类似的病例，最后一查还真是。人某些时候会综合所见到的和已有的信息瞬间得出某个结论，虽然还不明确原理，也不知道准确性到底如何，感觉不够靠谱，但某些时候还是能派上用场的，尤其对于经验丰富的医生而言。所以，我认为，计算机只要不能理解人类的情绪，不能和人类自如交流，即使会让越来越多的医生下岗回家，但仍然难以完全取代医生。退一步说，如果真有计算机连医生都能取代的一天，而人类的智力体力又没有巨大飞跃的话，这个星球上也没有多少再需要人类的工作了，大家都回家洗洗睡吧。
答案是可以。但是不能。1.基础准备不足，至少在国内看来毫无实现的可能。如果计算机诊治，首先必须实现电子病例，电子病例系统要有足够量的病例信息。最简单的例子，如果你患病了，计算机首先根据的各项检查数据从你个人的遗传基因，病史开始匹配计算，还不行就要从你的亲属开始匹配，再不行就要从类似病征中匹配。这个信息的处理量到底要到多大，中国/世界是不是都需要并入一个信息网。先不说技术上怎么解决，光是全覆盖的电子病例标准制定和信息安全就是巨大的障碍。目前国内大多数医院的电子病历都是院内，跨医院、跨地区其实技术上不是什么难事，困难在于你懂的！2.再者就是伦理的问题了! 尽管我们有足够理由相信未来技术的发展，计算机能够准确的找出你这次的病到底是什么，给出几个概率最高的病症。这些基本都是技术活，理论上只要算法足够好都不是问题。计算机诊断应该会在疑难病症(千奇百怪的病不在少数)方面有很大的应用空间。但是计算机能确诊了还要医生来做什么。如果计算机判断是A、B、C病，概率由高到低，医生判断是概率最小的C，这该相信谁的？电影《少数派报告》反映了类似计算机与人之间的伦理问题。人的生命只能由人来决定，这是科学技术发展的最基本、最底线、也是不可舍弃的原则。所以楼上那么多回答都说明了，辅助可以，决定必须是人。
@朱明龙 说得好！诊而不断。不断是因为终究要有人为这个诊断负责，而计算机系统是不能为自己负责的，计算机诊断系统的设计者也不能，这是伦理学的原因而不是计算机技术的原因。西医临床医生的工作其实是很机械的，并没有那么复杂，计算机不但能够做到，而且能做得更好，差错率更少。现在西医的诊断流程无非是记录基本资料，获取病史，体格检查、辅助检查，作出诊断和鉴别诊断。其中获取病史是最能体现医生作为一个人而不是一台计算机的价值。一般的就诊者来看医生，往往不知道自己出现的问题中那些是最主要的，那些是次要的，那些是对诊断无价值的，而医生则能够抓住重点，并围绕重点去细化求证。很多人以为计算机在这方面是弱项，其实，计算机在这方面至少不比人差。这相当于自然语言搜索和翻译，在现在的计算机技术而言，实在没什么难的，只不过首先把同一个症状的各种不同的表达方式归一，然后把这些症状联结成一个症状群，然后就是按照概率从这个症状群中发现可能的疾病，组成诊断群，再根据这个诊断群发出进一步的问诊，挖据出更精确的症状群来调整诊断群，然后又是一次递归，直到没有新的诊断群或症状群出现。以后的事也类似，就是通过不断递归加入的体格检查、辅助检查数据调整诊断群，不断根据诊断群作出处置方案。如果最后的诊断群中的诊断不止一个，就按照危险程度、常见程度等打分、分类而作出最后的处置方案。只要数据足够，以上这些真没什么难的。那么，症状群-诊断群-处置群的数据现在够不够呢？现在循证医学A级的数据是很不足的，刚开始的时候，肯定要添加很多“专家意见”这类D级数据的，但这并不要紧，计算机的好处就是学得很快，每一次的计算机辅助+人工确认都是一次学习过程，只要大规模开展，大面积联网，计算机学得比人快多了。
这不是什么新鲜点子，医学诊断专家系统早在上世纪70年代就开始研究、开发甚至应用了但基本上只是针对特定疾病的辅助诊断，在一些不确定性比较低的情况下会比较有效。人工智能、机器学习、知识发现、数据挖掘一直在发展，但在医学诊断上的应用大多是实验性的。部分同意 的回答，现在这件事情的复杂性还太高，但随着科学和技术的发展，十年二十年之后很难说。
先说结论：部分可行。其实上面的答案已经回答的非常棒了， 大夫从医学的经验上来判断，计算机还不能代替医生做决策，我部分赞同。 和 @洪嘉君 则指出了计算机最为强大的地方，超乎时间、地点和任何限制，可以拥有对于疾病几乎无限的经验。没错，单单考虑计算机的计算能力的话，其局限是极大的，大体上只能用于具体的疾病检查方面。事实上目前计算机已经大量运用于疾病检查，例如CT、彩超什么的，都是计算机辅助形成可视化的图像来辅助医生进行判断，甚至于有一些项目就是计算机直接得出结论。从这一点上来说，计算机其实早就已经在辅助疾病的诊断了。但如果考虑到全球互联网和循证医学的发展，则计算机在未来的疾病诊断中还大有可为。正如上面所说的，现代计算机强大的地方并不仅仅是数学计算的能力，而是海量数据搜集和分析的能力，这将是现代医疗循证医学的强力助手。试想在不远的未来，所有的医疗数据都被共享在互联网上，形成一个全球循证医学库，计算机完全可以在某些简单的疾病上完全的代替医生的诊断，例如感冒、流感。我们畅想一下未来的医学会是怎样的？病人可以在家或者到社区医院讲述自己的病征，例如我最近咳嗽，有痰。然后这些病征经过进一步分析，计算机可以得出病人应当进行的检查，这些检查有些可以在家里由病人独自完成，例如量体温、血压和脉搏。有些可以预约社区医院的设备，例如验血、验尿等。就拿咳嗽有痰来说，计算机可能可以给出进一步的指导，进行体温测量，录下咳嗽声音以供分析，以及到医院进行血液检查。通过体温测量计算机发现病人体温正常，分析咳嗽声音可以判断大概是咽喉炎症，再通过血液分析基本可以排除流感的可能，再根据该病人过往病史，此时计算机便可以作出诊断，有极大的可能是感冒，但不排除其他已知127种小概率疾病的并发症的可能。建议服用感冒药两周，若没有好转，则进行支气管炎、慢性咽炎等疾病的检查。经人提醒，发现写到最后忘记写计算机诊断的局限所在了。事实上医学是一个非常复杂的学科，循证医学也并非医学的全部。互联网和计算机可以成为循证医学的强力助手，但在一些循证医学也无能为力的领域，计算机便没有办法。另外，一些只能主观进行的检查，计算机也无法辅助。简单说吧，比如说精神病计算机就没法诊断。甚至于，和无人驾驶汽车所遇到的问题一样，如果是急性、恶性疾病，则计算机误诊的医疗责任无人可以承担，这会大大的阻碍计算机进行这一类型疾病的直接诊断。再有，诊断并不是目的，诊断疾病是为了治疗疾病而服务的，如果是医生，则在诊断的过程中，也可以同时进行治疗，例如安抚病人的情绪，根据病人的实际情况选择最合适的治疗方案，安排最优的检查方案等。最后就是人不可替代性，对于危重病人，一个活生生的医生，会开玩笑能聊天的医生是计算机无法取代的。
计算机生成真随机数很困难。不要说有/dev/random或者/dev/urandom，这些都是伪随机数生成器。所以中医的『因病施治』想通过计算机实现太困难了。我的观点是，不可能用计算机诊断疾病。===========还是正经回答一下问题。医生看病就是个症状 -& 疾病名的推断（除非能确定100%正确，我认为任何医生给出的诊断结果只是一个infer）而已。只要能给出所有症状（training set）、给出相应的人工诊断结果（target set），剩下的工作只是machine learning。这种“已知症状，推断疾病”的过程在ML里叫supervised learning，也叫classification。
大家也真别这么争来争去的了。计算机辅助诊断系统啥时候能完全替代人类我看不如静观其变。
说不定哪天就有个变态科学怪人高富帅开发出来这么一套机器和系统，能完美监测人体的所有生化改变和心理改变，做出全套必须的生化和影像学检查（人家检测设备和试剂之类的都是自己的，所以必须是高富帅才行），然后所有的医疗操作都让自己家的机器人做，最后写好遗嘱，说明自己有权利选择这种方式治疗自己疾病，死了谁都不怪，全是自己作的(言下之意就是：老子就是相信自己造的机器不相信你们这帮凡人你们想怎么的我吧～？？)。
假如好用，匿名开源往网上一挂，你们芸芸众生谁爱用自己下去吧，自己搭实验室，自己对自己负责，想改一下系统的我也不拦着，您自己身体自己负责就行。
然后看人们到底咋选吧～～人类可以用脚投票，决定是不是应该让医生这个职业成为历史。
至于会不会有伦理学问题？谁知道以后伦理是个啥样子呢？只要需要的强度大于了一定的限度，伦理是可以改的。比如堕胎，比如试管婴儿，也许还有以后的克隆人。凡是有利于我们人类延续我们的基因的东西，最后应该都是被保留下来的，至于那些不利于我们基因传递的东西，要么我们淘汰它、消灭它，要么被它消灭，仅此而已。
目前来说不可能，而且差得不是一点半点。未来难以估计，但是我个人觉得计算机不可能代替医生。主要是因为医学这个行业，非常复杂，需要很多的互动。虽然计算机在处理数据有很大的优势，但是对于甄别信息有效无效的这种“judgement”很差，导致信息越多噪音越多，得不出有用的结论。就别说辅助诊断了，目前来说，就说检查过敏反应和药物相互作用吧。当我们输入处方的时候，我们医院的系统都会自动检测此药是否在病人过敏的纪录上，以及是否和病人正在吃的药有相互作用。这个功能显然比没有强，但是很多时候由于纪录不准确和过于敏感，导致很多没必要的警告，因此这些警告需要人工筛选。比如吧，如果一个人有对可待因过敏的纪录，连带的，不仅输入可待因会显示过敏，输入吗啡也会（因为可待因代谢产物有一部分是吗啡），可是很多时候病人对吗啡并不过敏（真正的鸦片类药物过敏反应是很少见的）。这显然不能做为不用吗啡的原因，但是，即使几率很小，还是有可能病人真的对吗啡过敏，所以我们还是需要搞清楚到底过敏不过敏??还有一个例子是抗生素的过敏??只要对青霉素过敏，连带所有beta lactam类都会出现警告，而实际上真的cross sensitivity也不足10％甚至更少。这还是在原本的过敏资料是确切的前提下。实际上很多人都搞不清什么是真的过敏，有的连头疼拉肚子都算过敏。这种事情不去仔细询问病人是得不出结论的。相互作用也是类似的情况。我想很多人也试过，有点不舒服的时候把症状Google一下，然后会发现出现很多很吓人的病症??实际上可能什么事情也没有。如果一个病很严重但是几率很小很小，那么要不要去检查？要知道检查也有本身的风险在。做为一个医生很多时候都要作出判断和决定，这个综合所有信息得出的，所以计算机可以提供更多的信息辅助决定但是绝对无法代替一个人的“common sense”。很多时候病人都不能很好形容自己的症状，需要医生问出正确的问题。还有很多时候需要理解话背后的意思而不是仅仅话语本身（non verbal communication），这个计算机恐怕还做不到。还有一个是，诊断疾病和提供治疗方案，这都是一个人与人互动的过程，病人不是一个接收器，说什么就是什么的。病人也有自己的感受和偏好，这都需要考虑到，而不是塞给他们一个方案说这个是最优。概率上和理论上最优的方案未必是病人想要的。曾经有病人在脚被感染后（糖尿病的综合症）在截肢和死之间选择了死，他认为没有腿的人生他不想要，尽管所有证据都指向只要他截肢还可以活下去没有问题。医生为他提供了姑息治疗，最后平静地去了。还有，医生有时候提供的远远不止一个诊断和一个治疗方案，很多时候还有关怀和照顾，对于脆弱的病人给予安慰和指导，有一个人类在你面前听你说话，拍拍你肩膀，握住你的手，告诉你没关系，这任何机器都无法代替。尤其在有家庭医生的医疗系统中，这个医生你可能从小看到大，其中的信任和感情是无法估量的，而医生对你的了解也远不是任何数据库可以代替。最后，医学的这个行业要求慎之又慎，因为一个错误可能就是一条人命。如果出了人命，谁来负责呢？责任还是需要人来担。如果是电脑诊断，错了谁负责呢？同时穷尽可能时还要避免不必要的检查，否则费用又是一个大问题。还有电脑down掉了怎么办，数据库出问题了怎么办，电脑坏了怎么办??越是复杂的机器越是难维护。计算机在减少错误，提供交流方式（比如远程会诊），电子病历，等等很多地方还有许多用武之地，但是代替医生诊断疾病，恐怕不太可能。
不太同意医生的论断。我曾经是医生，现在则是一只脚跨在it上的医学专业人士。本质上，疾病的”诊断“其实是一种具有树状结构的程序，它是可以模拟的，前提是逻辑顺序明确。实际上，疾病诊断的复杂性并非来自”不确定性（模糊性）“，而在于各种树状结构（姑且认为每一种疾病有各自的梳妆结构）的优化组合——我们称之为”经验“的东西。”经验“并非说不清道不明的东西，所谓医生越老越吃香，实际上不仅仅是”见多识广“，而是具有对各种”现象“进行优化组合的能力。临床上，不是所有医生都是越老越吃香，傻瓜终究是傻瓜——我自医院来，各位医疗同道，想必一定莞尔一笑——要强调的是，好医生一定有很强的信息整合（优化组合）能力。而且大家可以看到，目前医学界非常推崇循证医学（），其本质上其实还是信息整合。回到主题，信息整合（优化组合）其实正是计算机的优势，正如所说，数据挖掘/机器学习有能力做到这一点，并比人做得好很多——但是这里比较遗憾也是比较关键的是：虽然数据挖掘/机器学习从技术上似乎是做好准备了，但是规则制定者（姑且算是医学人士）却没有准备好，并没有人尝试将”诊断树状结构“（以及相应的挖掘算法）表达为技术语言，这里数据库其实不是关键，关键其实是从医学角度给出数据的挖掘方法。必须抱歉，很多临床医生太忙了，或者说太保守了，没有空认真思考这个命题。给大家看一些也许和计算机诊断相关的实际例子：1.挪度公司的超级模拟人生计划：本身该公司是做心肺复苏模型的。但是挪度有计划尝试超级模拟人，也即该模拟人生能够对任何外部操作作出反应。该公司期望借此作出临床诊断培训产品。反向解析一下，其实就是一个智能诊断系统。目前进展中（但是貌似没进展）。中文网站数据有限，仅供参考（）2.英国NICE智能临床路径工作（）：很粗糙的旨在规范诊断流程的一个工具，所谓智能也很初步，但是可以看出其规范树状结构的尝试。当然，智能诊断除了技术/专业环节以外，还有很多其他问题，如伦理的、人性的，这部分请参阅其他同学的回答，我就不画蛇添足了。以上，不定时想到再补充。——————————————与本题无关的分割线————————————————————虽然以上论述表明我认为诊断系统可行，但是不等于说医生可以被计算机取代。要说明这个问题，首先必须说明存在两种医学。首先提到两本书，供大家参考：1. 勾勒姆医生（）2. How Doctors Think（）所谓两种医学，正如《勾勒姆医生》副标题所言，“作为科学的医学与作为救助手段的医学”，而《How Doctors Think》则对后一种医学从医生角度对”作为救助手段的医学“进行了审查——吐槽一句，我一直觉得国内医生完全没有这种从本质上思索“医学服务于人”的觉悟，虽然我曾经的一位上级，完全无愧于此。作为诊断、治疗“疾病”的科学样医学很常见，医院不就是干这个的么？另外还辅以研究——临床试验、新药研究等等——真的很“科学”，大凡临床，医生多以“科学的”态度回应患者。从普通人和普通医生角度来看，这显然就是医学存在的价值。仅出于此目的，从技术角度来解构，无非是一种复杂的逻辑树结构，前提是规则明确、定义清晰（至于时间表，可以预见很长）。计算机辅助诊断、计算机辅助生物医学数据挖掘，哪一样不是如火如荼？就此推断，计算机诊断的未来显然也十分乐观。但是仅从这个角度来角度“医学”是不够的——吐槽一下，仅从这个角度来做一个医生，也是不够的。作为“救助手段”的医学，论述的就是另一个角度的医学，所谓“见彼苦恼，若己有之”，机器是无法给予的。患者求治，除了疾病本身的原因之外，更关键的是“沟通信息”。我们说，为啥很多人，乃至博士级的高智者异能求治于”巫婆神汉“，病急乱投医除了患者”求生“的欲望，难道没有信息不对称的”功劳“？在我看来，作为弥补信息不对称（注意不是”沟通“本身）的医生才是不可被计算机替代的（）主因。从患者角度来看，他们所需的信息和诊断时所需的信息是不同的（请回想作为患者的你，或者请参考知乎上的一些问题），这种不同，表现为语义上的不对称。比如诊断为肿瘤，普通人在复杂的心里活动之后，一般认定为完了，但是实际上肿瘤并非”完了“那么简单的一句话，医生的作用正是在于搭建”肿瘤的不简单“和患者认知上的一座桥梁。很难想象计算机除了提供一系列科学数据以外，还能起到这种作用。吐槽一句，很多临床医生估计尚停留在计算机功能的水平上。以上表述，看了三四遍，阐述得很差，实在是因为自己文字功夫不到家，请海涵。
我倒是认为诊断这个工作早晚会主要由计算机完成。世界范围内，目前误诊率大概是20%~30%，而几十年前则接近50%。这个变化，主要不是因为医生水平的提高，而是临床检验方法的进步。人的记忆力毕竟有限，且人的判断会受主观的影响。而对疾病的分析判断需要客观，需要庞大的数据库。未来，在诊断上，医生的工作应该主要是问诊，把结果录入专家系统。专家系统根据医生录入的信息，和各辅助科室传回的检验数据给出分析结果。
学了10年医学知识的程序员，估计不多。所以我自认为，对这个问题我比大多数人更有发言权，因为我做过这样的东西。只是考虑到潜在风险，忍痛废弃掉了。在介绍我的方法之前，必须泼一盆冷水：你们说的什么人工智能、大数据、机器学习、数据挖掘。。。都不靠谱，顶多......只能作为整个系统的一种辅助方法，而不是诊断的核心方法。---空了来填坑。
有不少计算机的同学质疑了我的答案， 也说我竟然说了“永远”这么绝对的话。确实，人年龄越大，越容易变的保守，对新鲜事物的接受能力下降，趋向于依赖自己的经验，所以才会用出“永远”这么绝对的词。虽然我意识到用这个词是不确切的，但是，我还是要说，永远！对于其他外行的质疑我不会再回复了，但是对于同行 的质疑还是要解释一下的。先引用 的一段评论：这个问题我预计“学计算机的同学”还会有不同意见，大概就是对两点无法理解：1、临床思维的难以模拟；2、概率模型应该来源于证据，循证医学说的证据，而不是“主诉库”、“症状库”，因为后两者极不可靠，但是，很多“证据”其实是难以获得的，需要浩瀚无边临床研究。另外争论的同学应该去了解下计算机辅助临床决策，你能想到的人家早就想到了 我的回答其实也是在说这两点：临床诊断时原则的灵活运用，概率的难以获得。 提到的诊断时树状结构，其实就是临床决策分析中的树状图。这种方法是本世纪初，一群流行病学专家和计算机人员在循证医学的基础上发展起来的。临床医生对于循证医学的原则是很尊重的，但是，对于临床决策分析的方法却提的不多。一方面，是大家平时工作中就已经在默默的使用这种方法了，不是什么新鲜东西；另一方面，就是它还有些不足，就像我说的概率赋值的问题。这就像是建立的模型和实际应用的关系，建立模型的时候，可以理想化的设置一些条件，但是实际应用中，这些条件就不是那么理想化了。所以你看，并不是没有跨界的人在干这件事，医生一直希望能用利用计算机来解放自己，但是很难做到。有人说，你临床工作是怎么想的，告诉计算机就是了，到时候它也就照这样工作就好了。但是，我工作中对这个病人是这么想的，对另一个病人就是那么想了，不同的病人想法不一样，每个病人都是一个新鲜独立的个体，你没法穷极全部，所以说，计算机很难对临床思维进行模拟。还有就是数据获得的问题。很多对循证医学一知半解的人以为，循证医学就是好啊就是好，RCT就是医学的宝！但实际上不是那么简单，如果感兴趣可以去简单了解一下循证医学。循证医学并不是简单的负责向医生提供绝对值得信赖的数据，医生只要按照数据去做就好了，医学远没有那么简单。医学的不确定性也不是像 提到的那样用个树状结构就可以理清了，我在简单介绍了一点临床研究的过程，这是一个越过重重不确定性的障碍，企图获得确定性结论的过程。医学的不确定性就决定了可以信赖的数据获得是很难的，就算是RCT也不代表就是值得信赖。更何况你所需要的巨大数据库了。至于计算机辅助诊断，这当然也不是什么新鲜东西了。难道你相信，计算机问世这么多年，竟然都还没有人想到要把计算机应用到医学上，利用它来对病人做出诊断吗？事实上人们从没有放弃过努力，医生再忙，也不至于没有时间思考。像循证医学、临床决策分析的问世，都有计算机领域专业人士的功劳，临床决策分析的树状图，就是在为计算机输入服务的。但是，不管怎样，计算机还是不能替代医生对病人做出诊断，它最多能用来辅助，这就意味着它的地位就相当于一种辅助检查的手段，就好像你不能拿着一份化验单就做出诊断一样，你也不能拿着一份计算机辅助诊断的单子就做出诊断。平时工作中让计算机出个报告这种事儿一点也不少，但是，不管计算机可以辅助到什么程度，做出临床诊断决策的，一定是医生，是人，而不是计算机。这是医学的本质决定的，就是单纯的技术问题，和伦理人性无关。所以我说是永远，只要医学还是存在不确定性的，就是永远。#####################################分割线下是原回答###############################问题提的很外行，甚至有点荒谬，但是不失为一个好问题，因为反映出非常常见的对医学的误解。大家得点小毛病，一般是先熬一下，熬两天熬不过去了，就想想以前有没有类似情况，或者听说哪个亲戚朋友同学同事的也有过这种情况，他们是吃了点什么药还是用了个什么偏方，那么我也试试，如果管用，那么就继续过着幸福快乐的生活，这次的“治病经验”可以留着下次再用或者传播给周围的人。如果还不管用，那就要去医院找医生看看了。所以，对于“小毛病”来说，一方面大家认为症状就约等于疾病了，得了什么毛病就会有什么症状，对应度很强。另一方面，大家认为“小毛病”很好识别，如果你能够积累足够的“毛病库”，那么基本上就能算是“久病成良医”了。计算机是个好东西，它的储存和计算能力超强。从医学角度来讲，我们可以把各种疾病的发病率储存在电脑中，然后把各种疾病出现各种症状、体征表现或者辅助检查结果变化的概率也储存进去。比如，如果你没有a症状，那么得A病的概率是5%，但是如果有a症状那么得A病的概率就升到60%。以此类推。综合一个病人全部的临床信息，就可以由计算机来算出得哪种疾病的概率。我想，以上这些大概就是引发题主提问的缘由吧？问题的答案是否定的，估计不会有几个医生会认为，计算机可以替代医生做出诊断。就拿后面提到的这个，用计算机来算出可能得的疾病的概率，这件事太过理想化，目前没法完成。这种思路很像临床工作中的决策分析的方法，就是给各种情况进行概率赋值，对概率进行计算，然后根据各种概率的大小来指导临床决策。这种方法的一大问题或者局限，就是进行概率赋值的时候，多数情况下是无法获得这个概率的，就是说你没法从文献中去获得那个概率值，而只能去主观赋值。退一步讲，就算是你有幸从外星人那获得了一份相应的概率值，最终通过计算机得到了几种疾病的概率，那最终如何在这些疾病中做出选择呢？假如计算机告诉你得A病的概率95%，B病概率4%，C病概率1%，但是A病比较容易治好，B病很难治好，C病不但很难治好，如果稍加延误就会发展成绝症，你觉得你该选择自己得了哪个病？选择针对哪种疾病的治疗方法？因此，在获得了症状、体征、辅助检查结果这些临床信息之后，医生的诊断过程，绝对不是简单的概率计算。因为概率计算的结果一定还是概率，而医生的重点在于，要在这些概率之中选出一款适合你！疾病的表现千变万化，一种疾病可能会有几个或者十几个症状，而相同的症状又可能是来自于不同的疾病。医学是充满不确定性的学科，而医生要做的，恰恰是在这种不确定性当中给出一个确定性的答案。这项能力，计算机做不到！那么医生是怎么做到的呢？医生是怎么处理这些临床信息的呢？简单的说，医生在根据临床信息做出诊断的时候，是要遵循一定的医疗原则的，而医生对于医疗原则的遵循，不是像公民遵守法律一样的严格，而是圆滑变通的去遵循原则；甚至，连医生要遵循的原则有的看上去都有点矛盾。比如医生诊断的时候一般遵循“一元论”原则，这个可以看做是奥卡姆剃刀法则“如无必要勿增实体”在临床医学上的一个应用。很多疾病的临床表现都不止一个，如果有一种表现就考虑一种疾病，病人有五个临床表现，就考虑五种疾病，那么，会让医生的判断非常混乱，也就容易犯错。所以，这个原则建议尽量用一种病或者病因来解释所观察到的临床现象。但是，当你强调一元论的时候，它的反面并不一定就是错误的。虽然说如无必要勿增实体，但是也有句俗话说得好“屋漏偏逢连夜雨”，谁说得了一种病就不能再得另一种了？我们还都知道一个词叫作“百病缠身”呢，尤其对于年老体弱的人来说，他确实可能同时罹患多种疾病，比如在慢性支气管炎的同时，还有骨质疏松，那么这位病人的咳嗽和下肢瘫痪可能就不能用一种疾病来解释了。再比如我在提到过的一条原则，在诊断时，需要优先考虑排除预后不良和对健康有显著影响、可致死致残的疾病。但是，在临床上还有一条原则同样重要，就是首先考虑常见病的原则。《实习医生格雷》里曾经提到过一条医学格言：“如果听到马蹄声，首先要想到的是马，而不是斑马。”这里的斑马，代表一种非常特殊的情况，就是说，当你面对一系列临床表现的时候（听到马蹄声），首先应该考虑的是可以引发这些表现最常见最一般的疾病（普通的马），而不是某些特殊情况（斑马）。同一种临床表现可以是不同疾病带来的，那么，首先考虑可以引起这种临床表现的最常见的疾病，作为假设诊断，然后寻找证据来支持自己的假设，可以提高自己诊断准确的概率，节省时间，这就是首先考虑常见病原则。这个原则是确立假设诊断的原则，而优先排除原则是确立排除诊断的原则；就像赌博一样，常见病原则是为了能让自己赢得次数多一点，优先排除原则是让自己输的少一点，这两者也是需要结合起来灵活运用。 如果说优先排除原则和首先考虑常见病原则还不够矛盾的话，那么需要考虑鉴别诊断的原则就足够让你混乱了。如果说首先考虑常见病原则，相当于“如果听到马蹄声，首先要想到的是马，而不是斑马。”那么考虑鉴别诊断的原则，就相当于：“如果听到马蹄声，不要只想到是马，还有可能是斑马！”这种临床思维的训练，不是你学会了教科书就能体会得了的，更不是几个概率就能解决的。这需要在长期的临床实践中积累经验，才能做到对医疗原则的灵活运用。而可以肯定的是，不管你经验多么丰富，对原则多么的灵活运用，只要是给出明确的结论了，那么就一定有犯错的可能！还是那句话，医生是要在不确定性中给出一个确定性的答案，除非你像计算机一样，只是列出几种疾病的概率，而不给出结论，否则，犯错误就永远是那把悬在医生头上的达摩克利斯之剑！而这些，我们的计算机同学是很难体会到的。
实名反对 的结论。虽然田吉顺是医生，但是对计算机科学还是了解的太少。可能还是把计算机当成一个复杂的计算器而已。首先，当前人工智能的目标就是完全模仿人类的方法去解决问题。而机器学习的目标就是让机器拥有学习的能力，计算机不完全是死的，一层不变的。人和计算机在处理大部分问题时本质上都是图灵机。所以除了让计算机拥有自我意识以外，理论上是可以让计算机按照人类的方法去解决相同的问题的。田医生指出医学是门不确定性的学科，所以计算机无法解决。而事实上人工智能所尝试解决的大部分问题都是不确定性的问题。而针对这些不确定性的概率问题，无论是人类还是计算机所要用到的都是概率论中的贝叶斯定理。人和计算机其实遵从相同的原理。田医生还提到医生最重要的是经验。而恰恰在这一点，计算机比人类应该更有优势。医生的经验来自平时接触的病人和文献。而计算机的经验来自海量病人数据库（当然目前对这些数据整理的缺乏制约了自动诊断的发展）。假如电子病例能够推广，计算机理论上可以获得全人类所有的医疗数据。这些数据不仅包含了每个人一生的生理状况，还包含不同地区的疾病状况（用于发现某一地区的疫情，疾病控制？），每个人的家族状况（用于遗传性疾病诊断？）等等。假如我们能获得这些海量数据（这涉及到很多工作，还可能包括病人隐私问题）。通过数据挖掘，计算机不但知道每种疾病的可能症状及其概率和每种或多个症状的可能疾病及其概率。还会知道某一检查结果可能的假阳性率或假阴性率，某种治疗措施可能引起的并发症及其概率。甚至通过此帮助评估不同的治疗措施，发现新的疾病等。至于出现多个可能诊断时，数据挖掘是可以辅助提出下一步诊断方法的。＜实习医生格蕾＞中就有一集，Lexie利用自己过目不忘的能力帮助Alex确诊了一个及其罕见的病例。而这正是计算机的优势，医生不可能看到世界上历史中出现的所有病例，而计算机可以。当然人工智能，计算机视觉领域还有很多悬而为解决的问题，所以真正实现自动诊断还有很长的路。同时计算机也有很多劣势。如：目前的计算机视觉还不能很好的处理医学影像数据；计算机恰恰不能很好理解教科书上的原理，使得其从根本上解决问题；有时候可获得的数据太多不知如何取舍也是个问题。当然就像世界上不是只有一个医生一样，不同的模型会得出结果也不一定是相同。本人仅是大学生，如有错误，请轻拍。
基本同意@Jing答案的内容。不过，换一个视角，还是觉得，一切不过是时间问题。医学诊断毫无疑问是非常复杂的问题，但：1. 计算机技术仅有70年历史。2. 互联网仅有40年历史。3. 移动互联网仅有10年历史。4. 大数据时代刚刚开始。另一方面，1. 精确语音识别曾经是被认为不可能的事情。因为普遍人们认为，语言过于复杂，包括口音、语系等等，计算机难以胜任。而最近一些年，即使是非特定人的语音识别率也有很大进步。2. 自动驾驶汽车曾经是被认为不可能的事情。因为路况的复杂和各种突发情况，不是多装一些雷达和传感器以及摄像头就可以应对的。但Google自动驾驶汽车已经迈出了很大的步伐。3. 人工制造器官，尤其是无比精巧和复杂的内脏器官，被认为是异想天开。但组织工程最近一些年发展很快，加上各种成型技术，又变得很有希望了。（比如俗称的3D打印肾脏）当然，目前为止，以上问题仍然是非常困难的事情，想得过于简单或者过于乐观肯定是无知的。但只是想借此说明，突破，往往在受限的思维之外。正如一百多年前，相对论和量子力学粉碎“物理学的大厦已经建成，后代的物理学只需添砖加瓦，作一些修补之类无关大局的工作 ”的言论一样。再者，整个医学史，尤其是近代医学，受到了其他学科的重要影响，尤其生物科学、化学、计算机科学的影响。(比如X射线、CT、MRI对于医学诊断甚至整个医学概念上的冲击------大家知道的，医学影像的发展对于外科的影响说是革命性的应该不为过。) 不要忘了，这一切，不过几十年历史而已。
可以也已经早已辅助诊断，但是很明显无法代替医生，原因有一下几个：1、以现有的 AI 技术是无法达到的；2、这不符合循证医学的基本观点；3、一些复杂的、异常的情况下，最后还是需要医生拿主意，就像你用血液分析仪查了个血，数值异常时还得检验科的医生去复片。。。------------------------------------------------------坚决同意 的观点！
找到一个IBM的项目：
其实计算机能做到辅助决策，或者提示，但是不能做到诊断。诊断重点在断，这个地方还是需要人的。举个例子：如何辨别谁是真正的成功人士?没有名片自己不开车衣服没logo住的是小独院每天午睡经常在郊区户外活动包里现金很少可以生两个以上孩子农民兄弟欢呼：“这种人，我们村里全是！