在當(dāng)前的醫(yī)療環(huán)境下，「大病」二字猶如掛在腰間的炸彈，擁有足以摧毀一個(gè)家庭的威力，且隨時(shí)都有可能被引爆。

如今，人工智能技術(shù)被廣泛應(yīng)用在各行各業(yè)，醫(yī)療健康領(lǐng)域更是重要應(yīng)用場(chǎng)景之一。據(jù)統(tǒng)計(jì)，到 2025 年，世界人工智能市場(chǎng)總值將達(dá)到 1270 億美元，其中醫(yī)療行業(yè)將占市場(chǎng)規(guī)模的 1/5。

業(yè)界認(rèn)為，在醫(yī)療水準(zhǔn)的提升、醫(yī)療資源的下沉等方面，人工智能將是一味濟(jì)世良藥。

在這樣的大背景下，「人工智能」這味藥能解決什么問(wèn)題、怎樣用、什么時(shí)候才能用、為什么現(xiàn)在還不能用就成為了非常值得探討的話題。

我們咨詢了多位業(yè)內(nèi)專(zhuān)業(yè)人士，概括說(shuō)來(lái)，現(xiàn)在的醫(yī)療人工智能正處于「前景廣闊，前進(jìn)艱難」的狀態(tài)，同時(shí)也已經(jīng)有一些應(yīng)用正在落地。

本文中，我們整理了各位專(zhuān)家的意見(jiàn)，希望能從一定程度上概括當(dāng)前醫(yī)療人工智能產(chǎn)業(yè)的面貌。以下是全文，Enjoy it。

「人工智能」這味藥能解決什么問(wèn)題、怎樣用、什么時(shí)候才能用、為什么現(xiàn)在還不能用？

總的來(lái)說(shuō)，人工智能在醫(yī)療領(lǐng)域的應(yīng)用可以分為六個(gè)細(xì)分領(lǐng)域——虛擬助理、病歷與文獻(xiàn)分析、醫(yī)療影像輔助診斷、診療結(jié)果預(yù)測(cè)、藥物研發(fā)、以及基因測(cè)序。在本次沙龍中，專(zhuān)家的探討主要集中在前四個(gè)領(lǐng)域。

虛擬助理——問(wèn)答還談不上，只能做選擇題

大體來(lái)說(shuō)，醫(yī)療領(lǐng)域的虛擬助理和普遍意義上的虛擬助理在任務(wù)目標(biāo)上是相同的——通過(guò)人與機(jī)器之間的對(duì)話解決一些問(wèn)題。然而，仔細(xì)說(shuō)來(lái)，也有所不同。

醫(yī)療虛擬助理的官方定義是，利用語(yǔ)音識(shí)別、自然語(yǔ)言處理技術(shù)，將患者對(duì)自己病癥的描述與標(biāo)準(zhǔn)醫(yī)學(xué)知識(shí)庫(kù)進(jìn)行對(duì)比，從而完成患者自診、導(dǎo)診、咨詢等服務(wù)的信息系統(tǒng)。

與 Siri、Cortana 等通用虛擬助理不同的是，當(dāng)用戶與通用虛擬助理進(jìn)行對(duì)話時(shí)，可以自由表達(dá)，由虛擬助理理解用戶意圖（當(dāng)然理解能力還有待加強(qiáng)）；但當(dāng)用戶與醫(yī)學(xué)虛擬助理對(duì)話時(shí)，由于患者的描述基本不是標(biāo)準(zhǔn)的醫(yī)學(xué)術(shù)語(yǔ)，因此很難與標(biāo)準(zhǔn)醫(yī)學(xué)知識(shí)庫(kù)進(jìn)行對(duì)比從而得出結(jié)論。

「目前，醫(yī)療產(chǎn)業(yè)界的普遍做法是，以選擇題的方式與用戶溝通，了解問(wèn)題并分診?！箒?lái)自中國(guó)信息通信研究院的趙陽(yáng)光介紹道，「目前科大訊飛的一些產(chǎn)品在某些醫(yī)院已經(jīng)實(shí)際落地使用了?！?/p>

趙陽(yáng)光是中國(guó)信通院互聯(lián)網(wǎng)醫(yī)療聯(lián)盟人工智能工作組的組長(zhǎng)，也是聯(lián)盟近期發(fā)布的《醫(yī)療人工智能技術(shù)與應(yīng)用白皮書(shū)》的牽頭人。

上海森億醫(yī)療科技有限公司專(zhuān)注于人工智能與醫(yī)療的結(jié)合，CEO 張少典介紹了森億的醫(yī)療虛擬助理產(chǎn)品。「我其實(shí)不愿意把我們的產(chǎn)品稱(chēng)作聊天機(jī)器人，它其實(shí)是一個(gè)搜索引擎。我們做技術(shù)的人其實(shí)都知道聊天機(jī)器人的水平怎樣?！箯埳俚湔f(shuō)。

森億與上海市第一婦嬰保健院和上海兒童醫(yī)學(xué)心臟中心都開(kāi)展過(guò)合作，進(jìn)行人工智能虛擬助理的嘗試。其解決方案是在識(shí)別病人的問(wèn)題后，向病人推送來(lái)自專(zhuān)家知識(shí)庫(kù)的內(nèi)容，并給出答案的出處。

「這個(gè)東西的用處在哪里？」張少典說(shuō)，「當(dāng)患者有問(wèn)題時(shí)，普遍會(huì)遇到不相信百度但是又找不到專(zhuān)家的情況。那有了這樣一個(gè)虛擬助理，它給你的答案都是專(zhuān)家寫(xiě)的文獻(xiàn)，能夠起到一定的作用。」

病歷與文獻(xiàn)分析——幫助醫(yī)生提高效率

提到人工智能與醫(yī)療的結(jié)合，最常見(jiàn)的要數(shù)醫(yī)生通過(guò)語(yǔ)音輸入電子病歷。面向醫(yī)療場(chǎng)景的語(yǔ)音輸入技術(shù)已經(jīng)成為科大訊飛、云知聲等人工智能公司的搶灘重地。

「語(yǔ)音輸入技術(shù)解放了醫(yī)生的雙手，這對(duì)牙科醫(yī)生來(lái)講尤其重要。」趙陽(yáng)光說(shuō)，「口腔科醫(yī)生在手術(shù)臺(tái)上往往是一個(gè)人，雙手都被占用了，沒(méi)有手來(lái)書(shū)寫(xiě)病歷。用語(yǔ)音識(shí)別的方式能夠?qū)颊叩幕拘畔?、手術(shù)情況進(jìn)行一些基本的記錄，提高醫(yī)生工作效率。」

在解放醫(yī)生雙手的同時(shí)，電子病歷也起到了醫(yī)療人工智能發(fā)展的數(shù)據(jù)基石作用。在語(yǔ)音識(shí)別層面之下，如何利用自然語(yǔ)言處理技術(shù)將非結(jié)構(gòu)化的自然語(yǔ)言轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)，以便后續(xù)進(jìn)行數(shù)據(jù)挖掘，是一個(gè)重要課題。

張少典介紹道，利用自然語(yǔ)言處理技術(shù)將病歷上的非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變成結(jié)構(gòu)化數(shù)據(jù)主要分為以下幾個(gè)步驟。

首先，要對(duì)句子中的命名實(shí)體進(jìn)行識(shí)別，簡(jiǎn)單地說(shuō)就是哪些詞是疾病、哪些詞是藥品、哪些詞是癥狀、哪些詞是手術(shù)名，也就是對(duì)各種各樣詞語(yǔ)類(lèi)別的分類(lèi)。

然后，需要查找語(yǔ)義之間的關(guān)聯(lián)，也就是說(shuō)誰(shuí)修飾了誰(shuí)、誰(shuí)約束了誰(shuí)、誰(shuí)否定了誰(shuí)等，也即定義詞語(yǔ)和詞語(yǔ)之間的線性關(guān)系。

「語(yǔ)義關(guān)聯(lián)為什么在醫(yī)療領(lǐng)域尤其重要？」張少典說(shuō)，「比如你光知道這個(gè)人疼，不夠。你還要知道疼痛的部位、嚴(yán)重程度、時(shí)間、急慢性等附屬信息，這些信息才是重要的?！?/p>

在醫(yī)療領(lǐng)域的自然語(yǔ)言處理技術(shù)中，常常需要面對(duì)輸入不標(biāo)準(zhǔn)的情況。每個(gè)醫(yī)生都有自己的病歷書(shū)寫(xiě)習(xí)慣，比如心肌梗塞這一種疾病，有的醫(yī)生會(huì)寫(xiě)心肌梗塞，有的醫(yī)生會(huì)寫(xiě)心肌梗死、心梗，甚至寫(xiě)英文 MI（Myocardial Infarction）。

對(duì)于機(jī)器來(lái)說(shuō)，在存儲(chǔ)時(shí)必須知道這些詞代表著同樣的意思，后續(xù)的工作才能進(jìn)行?！阜駝t就連一個(gè)最簡(jiǎn)單的檢索任務(wù)都進(jìn)行不了，因?yàn)殛P(guān)鍵詞沒(méi)法匹配?！箯埳俚湔f(shuō)，「另外，自然語(yǔ)言處理技術(shù)還能夠幫助醫(yī)生提高科研效率。要知道，科研是中國(guó)醫(yī)生很強(qiáng)烈的剛需。」

在做科研之前，需要進(jìn)行大量的文獻(xiàn)查找工作。復(fù)旦大學(xué)附屬華山醫(yī)院信息中心主任黃虹認(rèn)為，人工智能在醫(yī)療領(lǐng)域應(yīng)用的第一步，可以從醫(yī)生查找文獻(xiàn)開(kāi)始。

她介紹道，由于醫(yī)生時(shí)間緊張，很多時(shí)候查找文獻(xiàn)的工作是交由研究生來(lái)做。雖然現(xiàn)在有數(shù)據(jù)庫(kù)可以查找，不用跑到圖書(shū)館翻閱紙質(zhì)資料，但文獻(xiàn)查找仍是一件工作量很大的任務(wù)。

黃虹舉了這樣一個(gè)案例，當(dāng)科研人員在進(jìn)行一個(gè)與兒童殘疾相關(guān)的研究時(shí)，需要翻閱約 33000 份摘要，人工查找耗時(shí)耗力，引入機(jī)器學(xué)習(xí)技術(shù)后，效率大大提高。

「現(xiàn)在醫(yī)生做科研，很大一部分時(shí)間都花在了數(shù)據(jù)的收集和結(jié)構(gòu)化上?！箯埳俚湔f(shuō)，「也就是說(shuō)你要找病歷、翻病歷，然后從病例中抓取你需要的信息。利用自然語(yǔ)言處理技術(shù)，能夠把這個(gè)過(guò)程盡量自動(dòng)化?！?/p>

「這件事情與臨床可能關(guān)系不大，但是對(duì)醫(yī)生來(lái)說(shuō)說(shuō)是非常重要的?！裹S虹說(shuō)。

醫(yī)療影像輔助診斷——減少誤診漏診率

「?jìng)鹘y(tǒng)醫(yī)療行業(yè)存在結(jié)構(gòu)上的弊病?！冠w陽(yáng)光說(shuō)。

他認(rèn)為，當(dāng)前醫(yī)療資源的分配呈倒 2-8 結(jié)構(gòu)，也就是說(shuō)，病人全部集中在三甲醫(yī)院，導(dǎo)致三甲醫(yī)院的醫(yī)師只有 20% 的時(shí)間處理疑難雜癥。而事實(shí)上，80% 的普通疾病是可以去基層醫(yī)院就診的。

為什么病人無(wú)論大病小情都一定要去三甲醫(yī)院？本質(zhì)上是出于對(duì)基層醫(yī)院的不信任。也就是說(shuō)，由于優(yōu)質(zhì)的醫(yī)師資源難以下沉，導(dǎo)致病人就算是沒(méi)有床位，住在走廊里，也一定要去三甲醫(yī)院就醫(yī)。

這在趙陽(yáng)光看來(lái)，是醫(yī)療人工智能比較典型的應(yīng)用場(chǎng)景之一?！副热缣悄虿∫鸬囊暰W(wǎng)膜病變，是非常適合在基層做的?！顾f(shuō)。

眼科設(shè)備專(zhuān)業(yè)的要十幾萬(wàn)，進(jìn)口的要上百萬(wàn)，讓基層醫(yī)院去采購(gòu)這么多專(zhuān)業(yè)設(shè)備是比較困難的。但同時(shí)，眼底也是眾多器官中比較特別的一個(gè)，醫(yī)生能夠直接看到眼底的血管表現(xiàn)，這就給人工智能技術(shù)的應(yīng)用提供了一個(gè)突破口。利用人工智能技術(shù)，基層醫(yī)院能夠?qū)崿F(xiàn)一些早期的篩查工作，也就是現(xiàn)在大熱的「分診醫(yī)療」。

除向基層醫(yī)院分診外，有專(zhuān)家認(rèn)為，向病患個(gè)人分診也是未來(lái)非常有前景的一個(gè)研究方向?！覆恢皇轻t(yī)院才能診斷，自我診斷也非常重要?！裹S虹說(shuō)。

黃虹以人群中發(fā)病率較高的肢端肥大癥為例，闡述了自我診斷的重要性。

肢端肥大癥，顧名思義，患者癥狀為手腳生長(zhǎng)過(guò)大，這是一個(gè)由于生長(zhǎng)激素異常分泌導(dǎo)致的的疾病。目前很多肢端肥大癥病人是在癥灶積累到一定階段，有明顯表現(xiàn)時(shí)才到醫(yī)院就診。但事實(shí)上，肢端肥大癥的早期診斷只需一個(gè)能夠進(jìn)行人臉以及肢體掃描的 APP 就能完成。

「在病人的早期階段，通過(guò)對(duì)其面部、腹部、臀部、手部等數(shù)據(jù)進(jìn)行分析，是很容易做到早期篩查的?！裹S虹說(shuō)。

在癌癥的早期篩查方面，人工智能的影像學(xué)技術(shù)能夠幫助醫(yī)生降低誤診、漏診率，且已經(jīng)非常成熟。趙陽(yáng)光提到，當(dāng)前放射科的誤診率和漏診率相加高達(dá) 40%。這也是為什么癌癥、惡性腫瘤的確診需要多個(gè)醫(yī)師聯(lián)合給出意見(jiàn)。

「放射科醫(yī)生工作壓力大，拍一次序列影像會(huì)產(chǎn)生很多張片子，用人眼觀察很容易漏診，圖像識(shí)別技術(shù)能夠?qū)︶t(yī)生的診斷提供給比較好的補(bǔ)充?！冠w陽(yáng)光說(shuō)。

用圖像識(shí)別的方式進(jìn)行早期篩查是非常有意義的。

以食管癌為例，2015 年我國(guó)新發(fā)食管癌人數(shù)為 47.7 萬(wàn)。對(duì)于食管癌來(lái)說(shuō)，早期治療非常關(guān)鍵。早五年治療食管癌，患者生存率為 90%，晚五年，生存率就是低于 15%。

趙陽(yáng)光介紹道，人工智能與醫(yī)療影像結(jié)合的具體做法如下：首先從放射科提取圖像；然后利用圖像分割技術(shù)提取圖像有意義的區(qū)域；再利用一些圖像識(shí)別方法對(duì)圖像進(jìn)行預(yù)處理，突出圖像中有效的信息；然后利用算法提取病變區(qū)域；最后將這些數(shù)據(jù)交給模型進(jìn)行訓(xùn)練。

經(jīng)過(guò)訓(xùn)練之后，再給模型一個(gè)新的圖片，模型就能夠自動(dòng)標(biāo)記出病灶的位置。

理想很豐滿，然而現(xiàn)實(shí)很骨感。「大家也都知道，輔助診療這件事情，產(chǎn)品化落地是非常復(fù)雜的?！箯埳俚湔f(shuō)，「它牽涉到醫(yī)院的治療流程、醫(yī)生的習(xí)慣、醫(yī)生本身的接受度、醫(yī)療行業(yè)的接受度，以及倫理、法律等相關(guān)的很多問(wèn)題。」

診療結(jié)果預(yù)測(cè)——提早預(yù)估風(fēng)險(xiǎn)

人工智能的輔助診斷并不僅僅體現(xiàn)在醫(yī)療影像方面，在診療結(jié)果的把控方面也已經(jīng)有所應(yīng)用。

張少典介紹了兩個(gè)案例。第一個(gè)案例是森億與上海兒童醫(yī)學(xué)中心的合作，針對(duì)小兒先天性心臟病，在術(shù)前確立最佳的診療方案。

「我們的系統(tǒng)能夠建立包括手術(shù)、麻醉、體外循環(huán)等在內(nèi)的一套最佳的治療方案，還能夠預(yù)測(cè)病人術(shù)后的出血風(fēng)險(xiǎn)、出血量、在 ICU 的停留時(shí)間、以及術(shù)后綜合癥的風(fēng)險(xiǎn)等。」張少典介紹道，「當(dāng)醫(yī)生需要更改手術(shù)方案的參數(shù)時(shí)，系統(tǒng)還能自動(dòng)計(jì)算參數(shù)修改后這幾個(gè)風(fēng)險(xiǎn)因素的變化。」

「其實(shí)我們的系統(tǒng)功能類(lèi)似于 IBM Watson。但是 Watson 是舶來(lái)品，用的是外國(guó)人的數(shù)據(jù)集。我們用中國(guó)的本地?cái)?shù)據(jù)，更符合中國(guó)患者的身體特征。」目前這一系統(tǒng)的前期模型已經(jīng)訓(xùn)練完畢，森億正在尋找合作醫(yī)院嘗試落地。

除小兒先心病的診療系統(tǒng)外，森億還利用福州 37 家市級(jí)醫(yī)院的數(shù)據(jù)訓(xùn)練了一個(gè)關(guān)于抗凝療法的風(fēng)險(xiǎn)預(yù)測(cè)模型。

「在抗凝治療做完之后，有的病人會(huì)再栓塞，有的病人會(huì)出血。對(duì)于不同病人來(lái)說(shuō)，術(shù)后可能出現(xiàn)的情況是完全不一樣的?！箯埳俚湔f(shuō)。森億的系統(tǒng)所做的，就是預(yù)測(cè)抗凝治療后病人不同反應(yīng)發(fā)生的風(fēng)險(xiǎn)。

黃虹認(rèn)為，在利用人工智能進(jìn)行診療方案制定的同時(shí)，需要界定什么是「好的」診療方案?！概R床上最好的方案不代表對(duì)這個(gè)病人就是最好，」黃虹說(shuō)，「有一種說(shuō)法是，你到底選擇有尊嚴(yán)的死去，還是選擇沒(méi)尊嚴(yán)的活著?！?/p>

黃虹認(rèn)為，由于每一個(gè)病人的家庭情況不同，支付能力、宗教信仰等不同，治療方案也可能不同。因此，今天的人工智能技術(shù)不應(yīng)該僅停留在影像學(xué)、組織學(xué)、以及患者病史本身，還需要整合社會(huì)數(shù)據(jù)，才能讓最終的方案更加貼合實(shí)際。

數(shù)據(jù)對(duì)醫(yī)療 AI 的一萬(wàn)種阻礙

當(dāng)前醫(yī)療人工智能面臨的首要問(wèn)題，還停留在數(shù)據(jù)層面。

「不管終端應(yīng)用是什么，數(shù)據(jù)是基礎(chǔ)?！箯埳俚湔f(shuō)?！笖?shù)據(jù)問(wèn)題不是技術(shù)上的問(wèn)題，而是體系上的問(wèn)題?！?/p>

張少典提到，美國(guó)的醫(yī)療人工智能產(chǎn)業(yè)界已經(jīng)有一些比較成功的案例，而中國(guó)目前卻沒(méi)有。反思來(lái)看，與數(shù)據(jù)有很大的關(guān)系?！竾?guó)內(nèi)醫(yī)療機(jī)構(gòu)大體上還處于比較分散的狀態(tài)，數(shù)據(jù)標(biāo)準(zhǔn)化、結(jié)構(gòu)化程度都很低，并且相對(duì)不完整，醫(yī)院之間的互聯(lián)互通做的也不好?！顾f(shuō)，「你沒(méi)有辦法取得一個(gè)病人全面的歷史數(shù)據(jù)?！?/p>

擁有 2800 名 IT 人員的美國(guó)梅奧醫(yī)院在醫(yī)療人工智能領(lǐng)域已經(jīng)取得了一些成果?！肝疑蟼€(gè)星期在梅奧交流的時(shí)候，發(fā)現(xiàn)整個(gè)梅奧體系加起來(lái)只有 1200 張病床，這個(gè)體量放在中國(guó)不算大。

據(jù)我所知，上海瑞金醫(yī)院就有 1600 張左右的床位?！箯埳俚湔f(shuō)，「但是當(dāng)對(duì)比梅奧的 1200 張床位和我們 1600 張床位所采集到的數(shù)據(jù)最后訓(xùn)練出來(lái)的人工智能系統(tǒng)的效果時(shí)候，你會(huì)發(fā)現(xiàn)二者根本不在一個(gè)數(shù)量級(jí)上?！?/p>

這意味著，數(shù)據(jù)多并不一定能成就好的人工智能，高質(zhì)量高價(jià)值的數(shù)據(jù)才能訓(xùn)練出好的人工智能。

「現(xiàn)在很多手術(shù)都是在內(nèi)窺鏡下操作，比如膽囊炎、膽囊結(jié)石等。實(shí)際上醫(yī)生在手術(shù)時(shí)采集到的鏡像數(shù)據(jù)，都是要靠醫(yī)生自己用一個(gè)硬盤(pán)搬運(yùn)的，其實(shí)現(xiàn)在的醫(yī)療系統(tǒng)遠(yuǎn)沒(méi)有實(shí)現(xiàn)動(dòng)態(tài)的數(shù)據(jù)共享?！裹S虹說(shuō)。

趙陽(yáng)光認(rèn)為，目前業(yè)界對(duì)數(shù)據(jù)標(biāo)準(zhǔn)的需求度比對(duì)數(shù)據(jù)的需求度還要大。

人工智能模型是建立在硬件采集數(shù)據(jù)的基礎(chǔ)上的，以 CT 設(shè)備為例，市面上主流的 CT 設(shè)備廠商有 7-8 家，然而現(xiàn)在基本所有與 CT 相關(guān)的模型都是針對(duì)一套設(shè)備構(gòu)建的，若想將模型移植到其它醫(yī)院其它設(shè)備上，需要重新對(duì)模型進(jìn)行訓(xùn)練，進(jìn)而成為阻礙人工智能技術(shù)在行業(yè)廣泛應(yīng)用的瓶頸。

另外，趙陽(yáng)光還提到，采集數(shù)據(jù)的過(guò)程中，醫(yī)師的手法也會(huì)直接影響到模型的效果。以心電圖為例，有時(shí)，醫(yī)生需要患者佩戴心電檢測(cè)儀器 24 個(gè)小時(shí)，以監(jiān)測(cè)患者心率的動(dòng)態(tài)表現(xiàn)。

這時(shí)，患者是如何佩戴設(shè)備的、導(dǎo)線連接的位置、甚至患者的胖瘦都會(huì)影響最后的監(jiān)測(cè)結(jié)果。但是患者離開(kāi)醫(yī)院后，這 24 小時(shí)的佩戴情況對(duì)醫(yī)生來(lái)說(shuō)是不可見(jiàn)的。這一過(guò)程醫(yī)生沒(méi)有辦法控制，那么訓(xùn)練數(shù)據(jù)就更是無(wú)從使用。

另外，在病理、心電等領(lǐng)域，各廠商基本都是遵循自己私有的數(shù)據(jù)格式。趙陽(yáng)光認(rèn)為，業(yè)界需要主動(dòng)將私有格式向公有格式進(jìn)行轉(zhuǎn)化，才能積累對(duì)神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)可用的數(shù)據(jù)。

「我相信做人工智能的技術(shù)人員都很清楚，有了好的數(shù)據(jù)之后，算法真的不是特別復(fù)雜的事情。」張少典說(shuō)，「不管你是從事人工智能、數(shù)據(jù)分析、還是數(shù)據(jù)挖掘，其實(shí)至少有 80% 的時(shí)間是花在數(shù)據(jù)清洗上的?！?/p>

除數(shù)據(jù)問(wèn)題外，人工智能在醫(yī)療行業(yè)的落地還存在模式和制度的問(wèn)題。

「當(dāng)前人工智能產(chǎn)品若想以銷(xiāo)售的方式賣(mài)給醫(yī)療機(jī)構(gòu)，無(wú)論從資質(zhì)還是產(chǎn)品的分類(lèi)方式來(lái)講都是難以實(shí)現(xiàn)的?！冠w陽(yáng)光說(shuō)，「對(duì)于這些人工智能產(chǎn)品來(lái)說(shuō)，未來(lái)通過(guò)醫(yī)院科研課題的方式落地是比較可行的?！?/p>

另外，趙陽(yáng)光還提到法律問(wèn)題。若醫(yī)療人工智能系統(tǒng)診斷失誤導(dǎo)致患者死亡，那么誰(shuí)該承擔(dān)這個(gè)責(zé)任？就像不久前在無(wú)人駕駛領(lǐng)域發(fā)生的 Uber 車(chē)禍案一樣。

「現(xiàn)在醫(yī)療器械有 2 類(lèi)和 3 類(lèi)的分類(lèi)，如果人工智能被劃分到 3 類(lèi)的話，就需要給出嚴(yán)格的臨床驗(yàn)證，國(guó)家在這一方面還是非常重視的。」趙陽(yáng)光說(shuō)。

始于足下的千里之行

醫(yī)療人工智能才剛剛起步，面向未來(lái)，還有很多問(wèn)題需要解決。

例如，在醫(yī)療影像方面，目前業(yè)界的做法是僅針對(duì)圖像進(jìn)行分析，沒(méi)有進(jìn)行多模態(tài)融合?！肝磥?lái)一定要通過(guò)多模態(tài)的方式進(jìn)行分析，」趙陽(yáng)光說(shuō)，「要結(jié)合患者的多種信息，例如臨床信息、隨訪病歷信息等，形成一個(gè)綜合的多模態(tài)的系統(tǒng)。」

另外，盡管目前人工智能影像技術(shù)已經(jīng)能夠?qū)崿F(xiàn) 4-6mm 微小的結(jié)節(jié)診斷，在一定程度上已經(jīng)體現(xiàn)出較好的敏感性。但是未來(lái)，在結(jié)節(jié)診斷方面，業(yè)界需要考慮的不止大小這一個(gè)因素，還需要能夠識(shí)別包括根源、突刺、分裂、鈣化等其它的特征。

還有，目前的醫(yī)療人工智能系統(tǒng)缺少歷史回顧性分析。也就是說(shuō)，僅針對(duì)單一影像進(jìn)行診斷，缺少時(shí)間維度的數(shù)據(jù)。對(duì)于例如腦梗等疾病，不同時(shí)間點(diǎn)的影片對(duì)于入日后的治療方案確定非常重要。

以及，當(dāng)前我國(guó)病理醫(yī)師存在約 10 萬(wàn)名的缺口，且培養(yǎng)一個(gè)病理醫(yī)師的周期很長(zhǎng)。這個(gè)短時(shí)間內(nèi)無(wú)法解決的問(wèn)題亟待通過(guò)人工智能技術(shù)進(jìn)行緩解。

然而，病理影片比目前醫(yī)療人工智能所涉及到的 CT、核磁共振等影片大太多。在上億像素的圖像中尋找微小的病變區(qū)域，對(duì)算法和算力無(wú)疑都是一種挑戰(zhàn)。加之病理診斷不僅僅需要觀察局部特征，還需要聯(lián)合整體特征共同分析，因此挑戰(zhàn)更大。

此外，黃虹還提到了腦機(jī)接口、靶向治療、個(gè)體化用藥等工作，都是人工智能未來(lái)發(fā)展的重要陣地。可以看到，對(duì)于醫(yī)療人工智能來(lái)說(shuō)，一切才剛剛開(kāi)始。目標(biāo)是明確的，前景是光明的，道路也是漫長(zhǎng)的。