或許未來某一天，人工智能可以準確地為人們診斷疾病，根據疾病開出最適宜的藥方，手術機器人可以自動為人們打麻醉劑、切除爛尾、摘除腫瘤、縫合傷口……
無論是北上廣，還是偏遠的廣西貴州小山村，人們都能夠享受無差別的醫療服務。就像今天的液晶電視、智能手機，涌入千家萬戶，你在農村小鎮和大城市感受一樣的網絡世界，看一樣的電視節目。如此，世界各地人們面臨的種種看病難、看病貴的問題，就迎刃而解了。
理想正在慢慢照進現實。
隨著大數據的形成、理論算法的革新、計算能力的提升及網絡設施的演進，人工智能發展進入新階段，醫療AI的發展日新月異，在臨床領域的應用，正在不斷深化。一些進展和突破，時時讓人耳目一新。
在工廠，人工智能開始逐漸取代流水線的工人;道路上，自動駕駛的出現讓司機的地位岌岌可危，醫療AI也在挑戰醫生固有的地位。
2018年3月31日，在成都舉辦的“人工智能輔助肺小結節診斷體驗專場”上，LinkDoc-AI肺結節智能診斷系統，較三甲醫院醫生的診斷準確率提升60%-80%，診斷時間縮短25%;
5月11日，中國醫師協會骨科醫師分會年會上，450名骨科醫生對戰骨科AI智能閱片，AI得90分，略高于醫生綜合得分;
6月30日，國家會議中心，一部AI用15分鐘完成了225例顱腦腫瘤的影像判讀，準確率87%，15位醫生用30分鐘準確率66%，AI再下一城;
……
這兩年“人機大戰”不斷的上演，醫生微顯尷尬的笑容背后，醫療AI已經初現猙獰。
醫療AI真正發展的時間并不長，在一些領域，就可以趕超擁有擁有十幾年、幾十年經驗的專家醫生，醫療領域的“阿爾法狗”的展示的智能、智慧，讓人不得不正視。
當然，在業內人士看來，人工智能的初衷和目的都是為醫生賦能，為醫療賦能，為患者賦能。
國際核能院(INEA)院士張勤表示，“把一個院士的‘看病本事’放到一個筆記本電腦里，帶到基層醫院或聯網或不聯網就能達到三甲醫院的院士水平，這就是我們人工智能追求的境界，和解決的實際問題。我們講要落地，這就是需要落地的東西。”
中國醫師協會胸外科醫師分會名譽會長張遜教授也談到，“人工智能的真正落地點應該是基層，目的是提高基層醫生的診斷水平，這是國家分級診療的重要一步。”
二 醫療AI喜憂參半
人工智能釋放的巨大的價值，不可想象。
在中共中央政治局第九次集體學習時，習近平總書記明確指出人工智能對推動我國發展所具有的重要意義和戰略價值，“人工智能是引領這一輪科技革命和產業變革的戰略性技術，具有溢出帶動性很強的‘頭雁效應’”“加快發展新一代人工智能是我們贏得全球科技競爭主動權的重要戰略抓手，是推動我國科技跨越發展、產業優化升級、生產力整體躍升的重要戰略資源”。
近期，工信部公開張榜招賢，出臺《新一代人工智能產業創新重點任務揭榜工作方案》，這是基于2017年底工信部引發《促進新一代人工智能產業發展三年行動計劃》，再次對行業的一次集體呼吁和召喚，足見國家、社會對于發展人工智能的急迫心情。
《方案》在醫療領域，指出兩大重點發展方向：一是手術機器人及其操作系統，二是醫療影像輔助診斷系統。
“到2020年，實現醫療康復等機器人的樣機生產，完成技術與功能驗證及應用示范;多模態醫學影像輔助診斷系統對腦、肺、眼、骨、心腦血管、乳腺等典型疾病的檢出率超過95%，假陰性率低于1%，假陽性率低于5%，臨床輔助應用逐步擴大。”
在醫療影像輔助診斷領域，可謂百花齊放。
《2017醫療大數據與AI產業報告》統計顯示，涉足醫學影像類的企業數量達到40家，是醫療AI應用最為廣泛的領域，也是較為成熟的領域。
相關產品包括騰訊覓影、阿里ET醫療大腦、萬東醫療i影像等等，以及上文中提到的LinkDoc-AI肺結節智能系統。它們基于深度學習與強化學習技術，采用多通道、異構三維卷積融合算法，提高了對不同尺度、不同形態肺結節的檢測敏感性與準確度，最終全自動地識別出CT影像中所有的結節，識別率超過90%，并計算出結節的醫學特征，協助醫生撰寫診斷報告并輔助進行最終診斷。
而在手術機器人領域，則是另一番景象。
近期的首屆中國國際進口博覽會上，中國有21家三甲醫院有意向來自美國的直觀醫療采購達芬奇手術機器人，達芬奇手術機器人風光無限，另一邊是國產的智能醫療器械的落寞。
但，英國最近被爆出的“達芬奇手術機器人”機器暴走，病人不治身亡的新聞。讓人悚然心驚。甚至有媒體爆料，美國食品藥品監管局早在2015年就發布數據稱，2000年至2013年間，在機器人手術中(因手術機器人原因)致死的患者已達144人。
一方面，醫療影像輔助診斷系統領域高歌猛進;另一方面，門檻更高的手術機器人領域，國內尚無成熟產品，“外來和尚”達芬奇手術機器人一家獨大，但不免受到安全性的質疑。
這對于如期完成“新一代人工智能產業創新重點任務”，乃至國內醫療人工智能產業發展而言，可謂“喜憂參半”。
三 “三駕馬車”
這其實這折射出，當前我國醫療人工智能領域發展現狀發展現狀——缺乏核心競爭力，現有的“智能”水平，遠不能真正能撬開起智慧醫療的大門。
中國工程院院士、中國醫學科學院阜外醫院院長胡盛壽前段時間表示，“智慧醫療看似離我們很近，實際上醫療人工智能我們還有很長的路要走。”
對標海外。在美國，FDA 已審批通過了 12 個泛 AI 類醫療產品進入臨床應用，但在我國，目前尚無一款產品通過審批。而已經開發出來的產品大多還是在臨床試用階段。
客觀的說，我國蓬勃的醫療人工智能產業研發出相當數量、品類的智慧醫療產品，但一是缺乏相應的審批標準，二是限于數據層面以及應用層面的制約，缺乏統一推廣的基礎和條件，大多局限在一家或者多家醫院試用階段。除此之外，產品的的差異化嚴重不足，在臨床端，大部分聚集在醫療影像輔助診斷。
造成這一現狀，原因來自多方面。
胡盛壽分析，一般而言，算力、算法和數據是智慧醫療發展的三駕馬車。
從算力上來看，易獲取、用得起、方便用的算力，是AI醫療發展的關鍵。但目前主流的深度學習開源計算平臺均為國外開發，這導致了隱私保護和信息安全方面的問題。
概念和算法的不斷演進是人工智能發展的技術基礎。但目前人工智能學習的原理仍然是一個“黑箱”，這成為人工智能在醫療領域落地的最大障礙。
對于智慧醫療來說，數據是核心。目前AI醫療產品的開發僅僅只依據了臨床信息中的影像，而從數據的完整性、系統性的角度講，現有的智能產品失真的可能性非常大。而且目前我國臨床醫療數據可利用率極低，數據的可信度和真實性難以得到保證。此外，醫療、社保、公安系統信息不互通，部分病人隱瞞特殊病史，信息孤島非常普遍。
而且，在臨床應用方面，AI產品的合理使用范圍、應用的流程和路徑、檢測手段和標準，等等，這些應用中的現實問題都要解決。
四 打基礎 建標準
如何破解?
首先，我們首先應該做好“打基礎”的工作，得到準確、完整、結構化、機器可讀的數據，這是實現智慧醫療的前提和基礎。意識到這一點，國內多家醫療大數據及AI企業已經在垂直領域布局，借助人工精準標準+機器自動化、智能化方式完成病歷錄入與結構化處理，從科研服務切入，并把出院后患者的隨訪、康復數據與臨床數據相對接，從基因數據、影像數據、病理數據，到手術方案、術后反應、病人隨訪等，形成連貫患者就診全流程的結構化數據。
除此之外，中國監管部門也在積極研究醫學人工智能產品的審批機制。
2017年9月4日，CFDA發布新版《醫療器械分類目錄》，新增了與人工智能輔助診斷的對應的類別。按照最新的分類規定，若診斷軟件通過算法，提供診斷建議，僅有輔助診斷功能，不直接給出診斷結論，則申報二類醫療器械，如果對病變部位進行自動識別，并提供明確診斷提示，則按照第三類醫療器械管理。
相關審批細則也在制定中。在今年6月份，中國食品藥品檢定研究院與零氪、健培、圖兮深維等醫療大數據及AI企業一起，建立了I期肺結節標準測試數據集，可用于肺結節AI性能的檢測評價，為AI肺結節智能診斷系統真正進入臨床奠定了基礎。
水逐浪高。相信，14億人口帶來的龐大數據資源和市場需求、世界領先的互聯網產業基礎，將為我國醫療人工智能帶來彎道超車的機遇。讓智慧醫療的夢想，真切地照進現實。
京公網安備 11010502049343號