2019年12月17日，美國國家醫(yī)學院（NAM）發(fā)布《醫(yī)療人工智能：希望·炒作·虛夸承諾·危險》報告，該報告論述歸納了醫(yī)學領域AI研究和實踐，但也指出目前AI應用的挑戰(zhàn)和局限。

近幾年，“AI+醫(yī)療”的概念被炒得火熱，無論是科技巨頭還是初創(chuàng)企業(yè)都爭相涌入。所謂的“AI+醫(yī)療”，其實是人工智能在醫(yī)療領域的運用與發(fā)展，其應用主要表現(xiàn)在智能診斷、智能影響識別（如CT影像病灶識別）、智能健康管理、智能醫(yī)藥研發(fā)和醫(yī)療機器人等方面。

在降本增效方面，業(yè)界普遍看好“AI+醫(yī)療”的前景，因為醫(yī)療行業(yè)發(fā)展到今天，全世界都面臨著同樣的問題，即醫(yī)療資源和社會需求及支出之間越來越突出的供需矛盾。美國醫(yī)學聯(lián)合委員會2016年4月發(fā)布的研究報告稱，未來10年美國將面臨61700到94700名醫(yī)生缺口。

除了優(yōu)秀醫(yī)生的缺失，醫(yī)療成本也越來越高。以美國醫(yī)療保健支出為例，根據(jù)美國《健康事務》雜志的最新報道，美國的醫(yī)療保健支出在2018年增長了4.6%，達到3.6萬億美元，增速高于2017年的4.2%。

實際上，人口老齡化、慢性病增多、新藥研發(fā)費用都是不斷推高醫(yī)療成本的因素。如何在不降低醫(yī)療服務質量的前提下降低醫(yī)療成本，成為各國政府面臨的難題。而以深度學習為基礎的人工智能技術恰好契合醫(yī)療行業(yè)的需求。

搶占AI醫(yī)療市場 科技巨頭與初創(chuàng)公司紛紛出手

20世紀70年代，人工智能專家系統(tǒng)開始參與參與到疾病的診療中，但尚不成熟。1997年，達芬奇機器人手術系統(tǒng)研發(fā)成功，2000年美國食品藥品監(jiān)督管理局（FDA）批準應用于臨床。2011年，人工智能在醫(yī)學影像識別和自然語言理解方面的輔助診療系統(tǒng)的進步引人注目。

近幾年，IBM、谷歌、微軟、亞馬遜、臉書、蘋果等科技巨頭都在人工智能領域投入大量的資源，建立龐大的人工智能團隊，搶占人工智能市場。這一戰(zhàn)火也延續(xù)到了醫(yī)療健康領域，試圖用人工智能改變甚至顛覆傳統(tǒng)醫(yī)療健康行業(yè)。

以IBM公司為例，早在2013年，IBM就開始與全美綜合醫(yī)院排名前四的克利夫蘭診所進行全面合作，研究如何利用IBM的“沃森（Watson）”人工智能系統(tǒng)提高護理水平。沃森健康部門成立后，IBM收購了一些醫(yī)療健康大數(shù)據(jù)提供商和分析商，與傳統(tǒng)醫(yī)療器械和藥物生廠商、銷售商，以及大型醫(yī)院和醫(yī)療機構展開合作。在此基礎上，IBM選擇腫瘤精準治療作為主攻領域。

AI醫(yī)療作為新興領域，IBM、谷歌等巨頭都僅僅是近幾年才入門，還有大量市場空間留給中小公司。因此，智能醫(yī)療領域的初創(chuàng)公司如雨后春筍般大批出現(xiàn)，這些企業(yè)通常根據(jù)自己創(chuàng)業(yè)團隊的特點和特長，專注于智能醫(yī)療的細分領域，如醫(yī)療影像與診斷、藥物挖掘、急癥室與醫(yī)院管理等。

AI醫(yī)療被“高捧” 大肆宣傳的背后被質疑“炒作”

美國大型咨詢機構APCO Worldwide公司在今年八月發(fā)表了一篇題為“Artificial Intelligence in Healthcare： Hype or Hope？”文章，質疑AI醫(yī)療究竟是“炒作”還是“希望”。文章認為，AI確實有很大的潛力改變醫(yī)療保健領域，但是對AI的宣傳可能過度，關于AI在醫(yī)學實踐中的應用仍存在爭議。對于AI和機器學習是否可以更大規(guī)模的為患者提供價值，許多醫(yī)療行業(yè)的領袖都持懷疑態(tài)度。

雖然人們對人工智能及相關技術（如手術機器人）的潛在前景存在普遍共識，但也有人擔心這些技術被過度推銷和炒作，從而在臨床中產生可信度問題。

中國陸軍軍醫(yī)大學的研究人員，近期進行的一項“患者對人工智能醫(yī)療的認知及信任度”調查顯示，對人工智能應用于臨床醫(yī)療，患者接受度和信任度最高的是醫(yī)療后勤環(huán)節(jié)，其次為醫(yī)患接觸較少的醫(yī)療輔助環(huán)節(jié)，在做手術等醫(yī)療核心環(huán)節(jié)，人工智能介入的工作越多，占據(jù)角色越重，患者接受度和信任度越低。（參考自《中國醫(yī)學倫理學》期刊：患者對人工智能醫(yī)療的認知及信任度調查）

早在2017年9月，美國STAT公司（從事生命科學與藥品研制領域的深度報道）就刊文披露，IBM的“沃森”人工智能系統(tǒng)未兌現(xiàn)其承諾——超級計算機能夠帶來癌癥領域的一場革命。STAT公司發(fā)現(xiàn)，該系統(tǒng)不會創(chuàng)造新的知識，只是人工智能最基本的概念。并指出，世界各地的主要癌癥中心已經退出與IBM沃森的合作，因為他們沒有發(fā)現(xiàn)超級計算機可以實現(xiàn)它的承諾。

同年5月，資深技術投資風險公司Social Captial的創(chuàng)始人Chamath Palihapitiya在CNBC上甚至直接炮轟：“沃森就是一個笑話”。他認為，IBM的專長其實只是通過他們強大的營銷和市場能力，以及信息不對稱，去讓消費者為他們并不了解的服務買單。

醫(yī)學上的任何重大進步都必須建立在科學證據(jù)和同行評議的基礎上，有趣的是，IBM沃森以對商業(yè)知識產權的擔憂為由，拒絕了對超級計算機的癌癥應用進行同行評審的要求。

醫(yī)療數(shù)據(jù)共享與隱私保護 如何找到平衡點？

在真實的應用場景中，人工智能輔助醫(yī)療需要大量的數(shù)據(jù)積累，包括疾病診斷記錄、病人用藥效果、基因數(shù)據(jù)、家庭病史等。要實現(xiàn)這些數(shù)據(jù)的積累，就需要打破各個醫(yī)院和社區(qū)的壁壘，實現(xiàn)數(shù)據(jù)交換共享?；诖丝紤]美國建設了一個電子健康記錄系統(tǒng)（Electronic health records，EHRs），十年內積累了1000萬名病人的記錄。

在病人健康數(shù)據(jù)交換共享的同時，保護隱私問題也是重中之重。這一點上美國走在前列，1974年就通過《隱私權法》，后在2003年生效《健康保險攜帶與責任法》（HIPAA）。通過HIPAA規(guī)定了很多EHRs的隱私保護細則，對使用該系統(tǒng)也有明確的規(guī)定，是否可以對EHRs加以利用取決于信息是如何建立的、誰在維護以及當事人情況。

值得注意的是，美國政府在關注數(shù)據(jù)隱私性的同時，也幫助AI研究發(fā)展。2019年2月11日特朗普簽署啟動《美國人工智能倡議》行政令，提出將集中聯(lián)邦政府資源發(fā)展人工智能，該計劃的一個重要方向是面向學術界、醫(yī)療領域開放一些政府數(shù)據(jù)庫，便于人工智能項目積累所需要的數(shù)據(jù)量。

目前，國內的挑戰(zhàn)在于醫(yī)療保健行業(yè)的數(shù)據(jù)處于分散且非結構化狀態(tài)，大量的歷史數(shù)據(jù)是膠片狀態(tài)。醫(yī)院是醫(yī)療數(shù)據(jù)的最大產生機構，現(xiàn)實中，沒有哪家醫(yī)院愿意把醫(yī)療數(shù)據(jù)共享出來。一方面數(shù)據(jù)屬于醫(yī)院財產，科室主任在未授權的情況下，無法分享。另一方面，院方需要考慮患者隱私問題。

國內的AI醫(yī)療初創(chuàng)公司需要病人的數(shù)據(jù)進行機器學習訓練時，需要挨家的和各家醫(yī)院去談，這樣就產生了很多“灰色地帶”。對此，中華醫(yī)學會放射學分會主任劉士遠曾建議，如果能以政府出面牽頭在一個省范圍內建一個大的數(shù)據(jù)中心，然后將該省所有醫(yī)院數(shù)據(jù)匯總使用。公司與數(shù)據(jù)中心談合作那可能更合法，對于推動AI醫(yī)療發(fā)展更加有效。

需要注意的是，在法律層面，國內法律暫未對個人健康隱私有進一步明確規(guī)范。2018年5月1日開始實施的《信息安全技術個人信息安全規(guī)范》，從個人信息的收集、保存、使用等角度提出保護個人信息安全應遵循的原則，但還是缺少針對醫(yī)療隱私保護的詳細法律法規(guī)。一旦有了國家意義上的病人數(shù)據(jù)共享系統(tǒng)（類似美國的電子健康記錄系統(tǒng)），隱私保護問題將更加急迫。

AI診斷失誤誰負責？

AI診斷的主體是醫(yī)療器械還是醫(yī)生？其在法律上是人還是物？這是探究醫(yī)療服務人工智能法律責任最基本也是最重要的問題。人工智能在法律上是否能被看作民事主體？

所謂的“民事主體”，就是能夠參與民事法律關系，且享有民事權利和承擔民事義務的主體。我國《民法總則》規(guī)定民事主體包括法人和自然人兩種類型。因此傳統(tǒng)觀點，AI診斷主體并不具有民事主體資格。

隨著AI診斷技術的迅猛發(fā)展，特別是在將來診斷水平可能超過人類醫(yī)生的情況下，法律是否應賦予AI診斷民事主體的資格，是急需解決的問題。

2016年，歐盟委員會的法律事務委員會提交了一項動議，建議將最先進的人工智能機器人定位為“電子人”，由此也引發(fā)了經久不息的爭論?！半娮尤恕睍@得特定權利和義務，并且其還需要像正常人一樣進行登記、納稅，從而診斷主體真正獲得民事法律主體的地位。

歐洲委員會投票通過了一份報告草案，該草案提議賦予機器人合法地位，并將它們歸類為“電子人” 截圖自《今日俄羅斯》

當然，各國對人工智能在醫(yī)療服務中的法律地位規(guī)定存在差異，日本就采取了不同思路。據(jù)《日本經濟新聞》2018年7月3日報道，日本政府將完善關于人工智能醫(yī)療設備的一系列規(guī)則，規(guī)定診斷的最終責任由醫(yī)生承擔。由于AI存在誤診的可能，因此日本厚生勞動省將把AI醫(yī)療設備定位為輔助醫(yī)生進行診斷的設備，基于《醫(yī)師法》規(guī)定“作出最終診斷和決定治療方針的責任由醫(yī)生承擔”。

高質量、普適性訓練數(shù)據(jù) 聚合整理存在挑戰(zhàn)

確保高質量的數(shù)據(jù)是人工智能和機器學習被廣泛采用的主要挑戰(zhàn)之一，人工智能和機器學習的成功實現(xiàn)需要對大量的各種來源的數(shù)據(jù)進行聚合。但是，有些數(shù)據(jù)源并不可靠，數(shù)據(jù)的驗證和不同數(shù)據(jù)集的連接可能是一個艱巨的過程，需要數(shù)據(jù)分析能力強、臨床經驗豐富的高技能和訓練有素的專家。

今年早些時候，諾華的首席執(zhí)行官Vas Narasimhan解釋了人工智能在藥物研發(fā)中應用的痛苦過程，“我們學到的第一件事是，擁有出色的數(shù)據(jù)來實際建立機器學習的重要性。在我們自己的工作室里，我們一直在做幾個大項目，我們不得不花費大部分時間來整理數(shù)據(jù)集，然后才能運行這個算法。我們花了幾年時間才整理完數(shù)據(jù)集”，Vas Narasimhan表示，人們低估了現(xiàn)有的高質量數(shù)據(jù)有多么少，整理和鏈接數(shù)據(jù)有多么困難。

除了保證數(shù)據(jù)高質量，用于模型訓練的數(shù)據(jù)具有普遍性也非常重要。而在國內，目前醫(yī)療AI的數(shù)據(jù)研究限于某一家醫(yī)院或幾家醫(yī)院的合作研究，數(shù)據(jù)輸入相對單一，局限于某一特定區(qū)域，由此建立的模型在更廣的范圍進行使用時可能不完全適用。

結束語

優(yōu)質醫(yī)療資源的缺少與醫(yī)療保健支出的增加，是各國面臨的難題，“AI+醫(yī)療”的方案具有很大的潛力解決該問題，但在各路資本的追捧下，新概念似乎被過度“炒作”。在AI醫(yī)療的推進過程中，挑戰(zhàn)也是不斷出現(xiàn)，如何保護患者隱私？如何對AI診斷失誤追責？如何獲得高質量訓練數(shù)據(jù)？都是需要一一客克服的難題。