就醫(yī)，最核心的部分是診斷。替代醫(yī)生診斷，是醫(yī)療AI的一個終極目標(biāo)。現(xiàn)階段的小目標(biāo)是，能夠讓AI為醫(yī)生的診斷及治療方案提供建議，輔助診療。特別是在醫(yī)學(xué)影像領(lǐng)域，應(yīng)用AI技術(shù)的優(yōu)勢尤為突出。
一邊是25位國內(nèi)外神經(jīng)影像領(lǐng)域的名醫(yī)專家，一邊是近半年學(xué)習(xí)了數(shù)萬份影像的國產(chǎn)人工智能系統(tǒng)“天醫(yī)智”，日前“Chain”杯全球首場神經(jīng)影像人工智能人機(jī)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(zhǔn)確率“戰(zhàn)勝”了名醫(yī)。
AI最大的優(yōu)勢是計算能力的高效，尤其是在數(shù)據(jù)密集型、知識密集型、腦力勞動密集型行業(yè)領(lǐng)域。隨著AI大潮的到來，越來越多的行業(yè)開始探索與AI技術(shù)的融合，醫(yī)療則被認(rèn)為是AI落地的第一只靴子。
然而，國內(nèi)醫(yī)療AI科研進(jìn)展雖然迅猛，但成果轉(zhuǎn)化率并不高。《2017年度人工智能醫(yī)療領(lǐng)域現(xiàn)狀及趨勢分析報告》顯示，醫(yī)療AI真正實(shí)現(xiàn)商品化應(yīng)用的成熟方案僅占15%，大部分仍處于尚未應(yīng)用（21.5%）、嘗試應(yīng)用（31.94%）和計劃應(yīng)用（31.56%）階段。
對于醫(yī)療AI，有人認(rèn)為未來將更加蓬勃，也有人認(rèn)為這是一場“虛火”。醫(yī)療AI落地的痛點(diǎn)在哪兒？
看上去很“美”
就醫(yī)，最核心的部分是診斷。替代醫(yī)生診斷，是醫(yī)療AI的一個終極目標(biāo)。現(xiàn)階段的小目標(biāo)是，能夠讓AI為醫(yī)生的診斷及治療方案提供建議，輔助診療。特別是在醫(yī)學(xué)影像領(lǐng)域，應(yīng)用AI技術(shù)的優(yōu)勢尤為突出。
醫(yī)療數(shù)據(jù)中有超過90%的數(shù)據(jù)來自于醫(yī)學(xué)影像，對醫(yī)學(xué)影像的診斷主要依賴于人工主觀分析，這種憑借經(jīng)驗(yàn)的判斷很容易發(fā)生誤判。AI醫(yī)學(xué)影像識別則是通過大數(shù)據(jù)將海量醫(yī)學(xué)影像存入計算機(jī)，通過AI技術(shù)將其歸類與學(xué)習(xí)，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%患者會在診斷之前致盲，目前主要依靠眼底檢測來診斷治療，通過AI則可輔助糖尿病視網(wǎng)膜病變診斷。在8月4日召開的國際醫(yī)療人工智能專家論壇上，北京天壇醫(yī)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，“從谷歌給出的算法和隨機(jī)抽取的八個醫(yī)生對9963張眼底圖片診斷數(shù)據(jù)的對比可以看到，今天的深度學(xué)習(xí)算法（0.95）可以和醫(yī)生（0.91）診斷出基本一樣的結(jié)果。”
北京科技大學(xué)計算機(jī)與通信工程學(xué)院副院長張德政表示，醫(yī)生在診療過程中參考AI技術(shù)得出的結(jié)果，能夠提高醫(yī)生診斷的準(zhǔn)確率；同時，由于通過計算機(jī)智能識別醫(yī)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(yī)生的壓力。
除此之外，AI也將對診療模式帶來顛覆。“在醫(yī)患溝通的過程中，通過智能語音技術(shù)把醫(yī)患溝通從語音轉(zhuǎn)成文字，再從里邊提取信息，結(jié)合機(jī)器學(xué)習(xí)、醫(yī)學(xué)影像處理的能力以及深度學(xué)習(xí)的決策能力，給醫(yī)生的診斷和治療提供建議和思考。”科大訊飛醫(yī)療常務(wù)副總經(jīng)理鹿曉亮說，這就是科大訊飛所設(shè)想的人工智能診療的新模式。
可以說，AI的觸角無處不在。2017年11月，由獨(dú)角獸工作室等聯(lián)合發(fā)布的《醫(yī)療人工智能醫(yī)生認(rèn)知情況調(diào)研報告》顯示，77%的醫(yī)生至少聽說過一種醫(yī)療人工智能應(yīng)用。
但是，醫(yī)療AI還沒有看上去那么美，“目前來講，AI所取得的成果還遠(yuǎn)遠(yuǎn)沒達(dá)到預(yù)想的目標(biāo)。”上海長征醫(yī)院眼科主任醫(yī)師魏銳利說，“放眼看，大多數(shù)公司的AI產(chǎn)品還處于研發(fā)階段。”
難點(diǎn)在于數(shù)據(jù)提取
“我們一直想把工作真正應(yīng)用到臨床上，輸出給醫(yī)生，但這個落地的過程僅僅依靠我們自己的力量是不夠的。”南京航空航天大學(xué)計算機(jī)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，包括醫(yī)生的手中，需要算法科學(xué)家和臨床醫(yī)療專家更多、更深入的合作。”
然而，作為服務(wù)落地的一方，浪潮集團(tuán)健康醫(yī)療事業(yè)部副總經(jīng)理潘琪表示，現(xiàn)實(shí)情況是，無論是醫(yī)院還是藥企，各自都有不同的需求。醫(yī)院方的需求是費(fèi)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(diào)查、新藥上市后研究、循證醫(yī)學(xué)等。
“即使我們采取了很全量的數(shù)據(jù)，當(dāng)再去支持科研的時候仍會遇到很多問題。”潘琪表示，由于臨床與科研脫節(jié)，臨床產(chǎn)生的數(shù)據(jù)不能滿足科研需求；而醫(yī)療信息系統(tǒng)雜亂分散，數(shù)據(jù)聚合性差，很難提取；醫(yī)生數(shù)據(jù)統(tǒng)計與分析的能力有限，也很難有時間配合。
另外，不同醫(yī)院的電子系統(tǒng)由不同的企業(yè)承建，企業(yè)之間的系統(tǒng)又存在壁壘，AI企業(yè)很難對不同客戶醫(yī)院反饋的數(shù)據(jù)進(jìn)行整合研究，這也就限制了AI機(jī)器的反饋訓(xùn)練，怎樣把醫(yī)院的信息合理、合法地向外網(wǎng)開放，仍然面臨著挑戰(zhàn)。
可以說，AI的開發(fā)很像教孩子，需要花時間訓(xùn)練它，給它喂大量數(shù)據(jù)，同時告訴它什么是錯的、什么是對的。通過這種有監(jiān)督的學(xué)習(xí)，AI才能成長。
“拿圖像、醫(yī)療影像識別來說，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。不同的維度乘起來會有巨大的工作量，絕對不是說你做了肺結(jié)節(jié)就能馬上去臨床應(yīng)用幫助醫(yī)生。”鹿曉亮說。
“此前，有骨科醫(yī)生問，能不能把AI技術(shù)應(yīng)用在骨科的分診，比如骨裂了或者出了事故，拍個CT，系統(tǒng)就能夠自動地幫醫(yī)生做分診。但是，人體有兩百多塊骨頭，這個工作包括準(zhǔn)備、各種數(shù)據(jù)的標(biāo)注、算法的調(diào)優(yōu)，是一個非常浩大的工作量，絕對不是短時間內(nèi)就能完成的。”鹿曉亮說。
“如果希望這個行業(yè)一兩年內(nèi)賺到錢，我勸大家還是放棄。”在鹿曉亮看來，“人工智能+醫(yī)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AI真正實(shí)現(xiàn)臨床支持的道路上，還有很多難點(diǎn)和問題，因此，需要嚴(yán)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。
廈門市衛(wèi)生計生委副主任孫衛(wèi)曾在第十一屆中國醫(yī)院院長年會上表示，目前有四大難點(diǎn)不能忽視。一是數(shù)據(jù)質(zhì)量和數(shù)據(jù)異構(gòu)化問題，如果在數(shù)據(jù)質(zhì)控標(biāo)準(zhǔn)上不能夠很好地控制，那么無論是訓(xùn)練模型還是臨床測試都會有問題；二是按照循證醫(yī)學(xué)的原則，需要遵循現(xiàn)有的臨床路徑以及經(jīng)驗(yàn)，以在可靠安全的范圍內(nèi)進(jìn)行人工智能技術(shù)的引入；三是合法合規(guī)，符合相關(guān)規(guī)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(yī)療領(lǐng)域顯然是不適用的。
對于醫(yī)療AI的未來，北京雅森科技發(fā)展有限公司CEO陳暉認(rèn)為，可以先去完成一個醫(yī)院內(nèi)部的AI中心的建設(shè)，第一步要構(gòu)建一個海量特征的數(shù)據(jù)庫；第二步要做數(shù)據(jù)模型漸變，幫助醫(yī)院把所有這些事物的算法基于上一步的大數(shù)據(jù)值提供出來；第三步要構(gòu)建真正的全流程、相對完整的系統(tǒng)，做成全流程的診斷產(chǎn)品。
而在潘琪看來，未來科研轉(zhuǎn)化率的提高需要從臨床需求出發(fā)倒逼科研，而一個成功的團(tuán)隊?wèi)?yīng)該包括算法、統(tǒng)計、醫(yī)療、運(yùn)營、資本等各方面的人才。
最后，陳暉介紹道，在醫(yī)療領(lǐng)域，長期積累的影像、生化數(shù)據(jù)、病例數(shù)據(jù)都可以很好地為AI提供養(yǎng)料。通過AI發(fā)掘數(shù)據(jù)關(guān)聯(lián)、學(xué)習(xí)醫(yī)生經(jīng)驗(yàn)、模擬診斷過程、評估治療效果，都是可以嘗試的領(lǐng)域。
摘自《中國科學(xué)報》
