就醫，最核心的部分是診斷。替代醫生診斷，是醫療AI的一個(gè)終極目標?，F階段的小目標是，能夠讓AI為醫生的診斷及治療方案提供建議，輔助診療。特別是在醫學(xué)影像領(lǐng)域，應用AI技術(shù)的優(yōu)勢尤為突出。

一邊是25位國內外神經(jīng)影像領(lǐng)域的名醫專(zhuān)家，一邊是近半年學(xué)習了數萬(wàn)份影像的國產(chǎn)人工智能系統“天醫智”，日前“Chain”杯全球首場(chǎng)神經(jīng)影像人工智能人機大賽全球總決賽在京落下帷幕，人工智能（AI）最終以更高的診斷準確率“戰勝”了名醫。

AI最大的優(yōu)勢是計算能力的高效，尤其是在數據密集型、知識密集型、腦力勞動(dòng)密集型行業(yè)領(lǐng)域。隨著(zhù)AI大潮的到來(lái)，越來(lái)越多的行業(yè)開(kāi)始探索與AI技術(shù)的融合，醫療則被認為是AI落地的第一只靴子。

然而，國內醫療AI科研進(jìn)展雖然迅猛，但成果轉化率并不高?！?017年度人工智能醫療領(lǐng)域現狀及趨勢分析報告》顯示，醫療AI真正實(shí)現商品化應用的成熟方案僅占15%，大部分仍處于尚未應用（21.5%）、嘗試應用（31.94%）和計劃應用（31.56%）階段。

對于醫療AI，有人認為未來(lái)將更加蓬勃，也有人認為這是一場(chǎng)“虛火”。醫療AI落地的痛點(diǎn)在哪兒？

看上去很“美”

就醫，最核心的部分是診斷。替代醫生診斷，是醫療AI的一個(gè)終極目標?，F階段的小目標是，能夠讓AI為醫生的診斷及治療方案提供建議，輔助診療。特別是在醫學(xué)影像領(lǐng)域，應用AI技術(shù)的優(yōu)勢尤為突出。

醫療數據中有超過(guò)90%的數據來(lái)自于醫學(xué)影像，對醫學(xué)影像的診斷主要依賴(lài)于人工主觀(guān)分析，這種憑借經(jīng)驗的判斷很容易發(fā)生誤判。AI醫學(xué)影像識別則是通過(guò)大數據將海量醫學(xué)影像存入計算機，通過(guò)AI技術(shù)將其歸類(lèi)與學(xué)習，從而對患者影像進(jìn)行初步識別診斷。

糖尿病視網(wǎng)膜病變是世界上主要致盲原因之一，45%患者會(huì )在診斷之前致盲，目前主要依靠眼底檢測來(lái)診斷治療，通過(guò)AI則可輔助糖尿病視網(wǎng)膜病變診斷。在8月4日召開(kāi)的國際醫療人工智能專(zhuān)家論壇上，北京天壇醫院神經(jīng)病學(xué)中心血管神經(jīng)病學(xué)科副主任李子孝介紹說(shuō)，“從谷歌給出的算法和隨機抽取的八個(gè)醫生對9963張眼底圖片診斷數據的對比可以看到，今天的深度學(xué)習算法（0.95）可以和醫生（0.91）診斷出基本一樣的結果?！?/p>

北京科技大學(xué)計算機與通信工程學(xué)院副院長(cháng)張德政表示，醫生在診療過(guò)程中參考AI技術(shù)得出的結果，能夠提高醫生診斷的準確率；同時(shí)，由于通過(guò)計算機智能識別醫學(xué)影像的效率較高，可以大大提高閱片量，在一定程度上可以緩解放射科醫生的壓力。

除此之外，AI也將對診療模式帶來(lái)顛覆?！霸卺t患溝通的過(guò)程中，通過(guò)智能語(yǔ)音技術(shù)把醫患溝通從語(yǔ)音轉成文字，再從里邊提取信息，結合機器學(xué)習、醫學(xué)影像處理的能力以及深度學(xué)習的決策能力，給醫生的診斷和治療提供建議和思考?！笨拼笥嶏w醫療常務(wù)副總經(jīng)理鹿曉亮說(shuō)，這就是科大訊飛所設想的人工智能診療的新模式。

可以說(shuō)，AI的觸角無(wú)處不在。2017年11月，由獨角獸工作室等聯(lián)合發(fā)布的《醫療人工智能醫生認知情況調研報告》顯示，77%的醫生至少聽(tīng)說(shuō)過(guò)一種醫療人工智能應用。

但是，醫療AI還沒(méi)有看上去那么美，“目前來(lái)講，AI所取得的成果還遠遠沒(méi)達到預想的目標?！鄙虾ｉL(cháng)征醫院眼科主任醫師魏銳利說(shuō)，“放眼看，大多數公司的AI產(chǎn)品還處于研發(fā)階段?！?/p>

難點(diǎn)在于數據提取

“我們一直想把工作真正應用到臨床上，輸出給醫生，但這個(gè)落地的過(guò)程僅僅依靠我們自己的力量是不夠的?！蹦暇┖娇蘸教齑髮W(xué)計算機學(xué)院副教授陳芳可謂道出了所有科研工作者的心聲，“這些產(chǎn)品如何輸出到客戶(hù)，包括醫生的手中，需要算法科學(xué)家和臨床醫療專(zhuān)家更多、更深入的合作?！?/p>

然而，作為服務(wù)落地的一方，浪潮集團健康醫療事業(yè)部副總經(jīng)理潘琪表示，現實(shí)情況是，無(wú)論是醫院還是藥企，各自都有不同的需求。醫院方的需求是費用管控、臨床輔助決策、智能診斷等，藥企方的需求是流行病調查、新藥上市后研究、循證醫學(xué)等。

“即使我們采取了很全量的數據，當再去支持科研的時(shí)候仍會(huì )遇到很多問(wèn)題?！迸绥鞅硎?，由于臨床與科研脫節，臨床產(chǎn)生的數據不能滿(mǎn)足科研需求；而醫療信息系統雜亂分散，數據聚合性差，很難提??；醫生數據統計與分析的能力有限，也很難有時(shí)間配合。

另外，不同醫院的電子系統由不同的企業(yè)承建，企業(yè)之間的系統又存在壁壘，AI企業(yè)很難對不同客戶(hù)醫院反饋的數據進(jìn)行整合研究，這也就限制了AI機器的反饋訓練，怎樣把醫院的信息合理、合法地向外網(wǎng)開(kāi)放，仍然面臨著(zhù)挑戰。

可以說(shuō)，AI的開(kāi)發(fā)很像教孩子，需要花時(shí)間訓練它，給它喂大量數據，同時(shí)告訴它什么是錯的、什么是對的。通過(guò)這種有監督的學(xué)習，AI才能成長(cháng)。

“拿圖像、醫療影像識別來(lái)說(shuō)，有做CT的、有做X光的、有做心電的各種各樣模態(tài)，還有不同的部位、不同的病種。不同的維度乘起來(lái)會(huì )有巨大的工作量，絕對不是說(shuō)你做了肺結節就能馬上去臨床應用幫助醫生?！甭箷粤琳f(shuō)。

“此前，有骨科醫生問(wèn)，能不能把AI技術(shù)應用在骨科的分診，比如骨裂了或者出了事故，拍個(gè)CT，系統就能夠自動(dòng)地幫醫生做分診。但是，人體有兩百多塊骨頭，這個(gè)工作包括準備、各種數據的標注、算法的調優(yōu)，是一個(gè)非常浩大的工作量，絕對不是短時(shí)間內就能完成的?！甭箷粤琳f(shuō)。

“如果希望這個(gè)行業(yè)一兩年內賺到錢(qián)，我勸大家還是放棄?！痹诼箷粤量磥?lái)，“人工智能+醫療”要想成功，企業(yè)必須要有耐心，要有板凳愿坐十年冷的韌性。

支持臨床面臨諸多難題

在A(yíng)I真正實(shí)現臨床支持的道路上，還有很多難點(diǎn)和問(wèn)題，因此，需要嚴格遵循臨床路徑進(jìn)行相關(guān)產(chǎn)品研發(fā)和落地實(shí)踐。

廈門(mén)市衛生計生委副主任孫衛曾在第十一屆中國醫院院長(cháng)年會(huì )上表示，目前有四大難點(diǎn)不能忽視。一是數據質(zhì)量和數據異構化問(wèn)題，如果在數據質(zhì)控標準上不能夠很好地控制，那么無(wú)論是訓練模型還是臨床測試都會(huì )有問(wèn)題；二是按照循證醫學(xué)的原則，需要遵循現有的臨床路徑以及經(jīng)驗，以在可靠安全的范圍內進(jìn)行人工智能技術(shù)的引入；三是合法合規，符合相關(guān)規定，取得相關(guān)資質(zhì)；四是算法的可解釋性，大量黑箱的存在對于醫療領(lǐng)域顯然是不適用的。

對于醫療AI的未來(lái)，北京雅森科技發(fā)展有限公司CEO陳暉認為，可以先去完成一個(gè)醫院內部的AI中心的建設，第一步要構建一個(gè)海量特征的數據庫；第二步要做數據模型漸變，幫助醫院把所有這些事物的算法基于上一步的大數據值提供出來(lái)；第三步要構建真正的全流程、相對完整的系統，做成全流程的診斷產(chǎn)品。

而在潘琪看來(lái)，未來(lái)科研轉化率的提高需要從臨床需求出發(fā)倒逼科研，而一個(gè)成功的團隊應該包括算法、統計、醫療、運營(yíng)、資本等各方面的人才。

最后，陳暉介紹道，在醫療領(lǐng)域，長(cháng)期積累的影像、生化數據、病例數據都可以很好地為AI提供養料。通過(guò)AI發(fā)掘數據關(guān)聯(lián)、學(xué)習醫生經(jīng)驗、模擬診斷過(guò)程、評估治療效果，都是可以嘗試的領(lǐng)域。

摘自《中國科學(xué)報》