以往，在醫學學術會議上很少涉及人工智能話題，而今年，人工智能、大數據與醫療的結合則幾乎成了最火的主題。

在不少前沿研究人士看來，AI（即人工智能）醫療比我們預想的更近，且已取得了不少進展。“我國基于人工智能和影像大數據的影像組學頂尖論文迅猛上升。”中科院自動化研究所田捷博士在日前舉行的中華醫學會一場人工智能分論壇上稱。

在人工智能醫療研究不斷突破的同時，創業企業、巨頭紛紛涌入該領域，醫療影像識別成為焦點。業界呼吁醫療影像大數據的標準化與共享，這對人工智能醫療來說至關重要。

AI醫療“比我們預想的更近”

影像組學、醫療影像識別是目前人工智能在醫療領域最為聚焦之處。影像組學指的是結合醫學影像和臨床大數據等，利用人工智能方法進行提取和分析信息，以對臨床提供輔助決策支持。

據了解，愛爾眼科于2016年1月即展開人工智能研究，目前愛爾眼科人工智能閱片平臺系統已經可以辨識眼底照片，辨識糖尿病性視網膜病變的準確率達到93.3%，辨識年齡相關性黃斑變性的準確率達到93.07%。

不止于此，人工智能已在介入更復雜疾病的預測、評估、診斷。據中科院自動化研究所田捷博士介紹，廣東省人民醫院、中科院自動化研究所合作通過大數據研究、智能診斷，成功預測結直腸癌淋巴結轉移；在學習近13萬張皮膚疾病照片后，斯坦福大學推出的人工智能程序可以精確診斷皮膚癌。

醫療研究正在借助人工智能、大數據手段探索更多領域。復旦大學類腦智能科學與技術研究院院長馮建峰表示，大數據與人工智能結合，已用于治愈抑郁癥和精神類疾病。“基于這些，我們甚至可以預測一個12歲的人今后會不會嗜酒。誰說不能呢？”

泡沫與低估共存

“據我了解，截至上個月，中國有120家公司在做人工智能醫學影像的應用。”一位醫療專家開始擔憂人工智能醫療存在分布不均、短期一擁而上的泡沫。

根據清科集團數據，2015年為AI領域爆發式增長元年，國內投資案例從2014年的281起激增到719起，增長155.9%；投資總額從2014年的54.87億元上升至159.50億元，增長190.67%。其中，智能醫療為重要領域。

人工智能大致可分為基礎層、技術層、應用層。根據清科集團統計，國內人工智能領域主要聚焦應用層，“偽應用層”悄然興起，國內真正意義上的AI企業仍然較少。

“做AI醫療的，主要是創業企業和BAT，只有BAT這類巨頭可以在基礎層、技術層、應用層都有涉獵。”一位智慧醫療從業者表示。

東方證券研報顯示，醫療大數據中有超過80%來自于醫療影像，大量的影像數據讀取客觀要求更為高效、準確的技術手段，而人工智能恰好可以滿足要求。于是，具備技術和數據優勢的科技巨頭紛紛以AI+醫療影像為突破口，布局醫療領域。

今年7月，阿里健康發布AI醫療產品“DoctorYou”；8月，騰訊發起人工智能醫學影像聯合實驗室，并公布其首個AI醫學影像產品“騰訊覓影”，輔助早期食道癌等疾病的篩查。

人工智能學會智慧醫療專委會陳飛在上述人工智能論壇上表示，目前人工智能醫療某些方面可能存在泡沫。但同時，他借用比爾·蓋茨的一句話表達了對人工智能醫療未來的看好，“所有的新技術，其短期影響力都會被高估，而長期影響力都會被低估。”

醫療影像大數據成關鍵

眼下，最令醫生與人工智能算法工程師頭疼的，是醫療影像數據的質量與難獲得性，不少行業人士呼吁建立醫療大數據的共享平臺。

一位醫生在上述人工智能論壇的講演中表示，各家醫院影像數據參差不齊，且極難獲得，“人工智能醫療沒有數據，就相當于汽車沒有汽油。”目前每家醫療機構的醫學影像設備和信息都是相對封閉的信息孤島，存在“不大不強不成規模、不聯不通不成體系”以及有效資源利用率低等問題，且影像數據不互認，影像云平臺的建設可解決上述問題。

陳飛對此表示認同，他認為醫療影像數據的確存在上述問題，“期待醫療大數據共享的發展。”