为什么不直接从医院获取允许公开的病例信息呢？原来，Andrew和他的团队在研究以后发现，医院的病例没有一个标准的填写尺度，很难从中提取出能够进行整合的结构性信息。而通过亲自阅读那18000多份专业的、有统一标准的医学论文，他们才能提取出充足的、有关联性的信息，从而整合出大数据库。

有人可能会说，临床案例被收纳到论文里，肯定要经过一定的时间，写作者个人的表达水平也会影响到记载的精准度，所以Andrew他们所基于的资料，可能并不完全适用于临床情况。

这一点小探的心里也有疑虑，不过我们还应该考虑在内， Buoy是一款人工智能机器人，这就意味着在用户使用Buoy的期间，每一份咨询都是一份数据。随着使用者越来越多，它就有可能通过深度学习不断地提高诊断精准率。

在Buoy去年进行的质量检测中，Andrew和他的团队在医院的急诊室里随机抽取了500名病人，将他们使用buoy进行的诊断，和之后医生的诊断进行了对比，最后得出结论——Buoy的准确率达到90.9%。

　　美国的网友们对它的精准度的整体评价还不错。

　　“在一个有坐骨神经痛的朋友身上试了试，它诊断的一点没错！”

　　“上周五看了医生以后，我拿Buoy试了试。发现它问的问题有很多和医生一样，并且！它还问了一些别的问题，最后告诉我，我的症状也有可能是别的病导致的。它提到的那几个病，我下次做年检一定要好好查查！”

如果你也对它感兴趣，想亲自试用一下，Buoy的网页版可以在全球各处使用，iOS版的APP只能在美国商店下载，免费！Android版本虽然还没发布，但有望在今年晚些时候上线。

　　竞争对手

Buoy并不是没有对手。

其中之一就是国际市场中最为广泛的竞品——以WebMD为代表的在线诊疗小助手。Andrew分析说，对手采用的是基于统计学的决策树算法，atv直播，就像大家小时候经常玩的连线游戏，一个因导向一个果；而buoy的运算过程是从动态的30000个问题中，根据用户的回答一步、一步地排除不可能的情况，整合所有信息，最后锁定三项诊断。

决策树示意图

2016年，英国医学期刊主导了一场在线诊疗软件的评比大赛。Buoy与33个对手同台竞争，对100个以咳嗽为主要症状、但病因不尽相同的案例进行分析，Buoy的准确率达到92%，WebMD的准确率为56%，其他的还有Mayo(38%)，Isabel(28%)和Healthline(53%)。

不过，让小探说，这样的比赛对Buoy来说也太Easy了！拿人工智能软件去跟非人工智能软件比，结果毫无悬念。其实，像Buoy这样使用人工智能技术的诊疗软件，虽然国际市场上并没有很多，但各国也都在积极地发展。

英国的ADA在2016年6月上线iTunes，比Buoy还早了几个月。这款软件也是基于人工智能技术诊断病症，并且它还会为用户建立一个病历卡，记载你的过敏史、看病史和吃药的情况。这张病历卡可以在家庭成员之间共享，为不能在生病亲人身边照料的人，提供一份安心。

ADA的聊天机器人名叫Sophie

百度也在去年推出了医疗大脑Melody。Melody标榜自己是得力的实习医生和家庭小助手。通过对比用户的提问和百度医疗数据库中的信息，她会提供比百度搜索精准许多的诊断结果 。并且，她还将联合百度医生收集、汇总病人的症状描述，这些数据会在未来作为辅助资料，帮助医生挖掘更多治疗的可能性。

图右为Melody的拟人化形象，你喜欢吗？

　　利弊分析

到底机器人能不能给人治病？关于这个问题的探讨，有人站在反对的一面，也有人站在支持的一面。