人工智能：从实验室到医院的距离有多远？

Mike Barlow在《人工智能与医学》中有这样一个观点：

与传统的倾向于劳动密集型的医疗保健不同，新兴的医疗模式是知识驱动型和数据密集型的。许多新型医疗保健正在带给我们一种新的模式，它将依赖于新一代用户友好、实时的大数据分析和人工智能及机器学习工具。

与Mike Barlow持类似观点的专家俨然不在少数，医疗已然成为人工智能最先落地的场景之一，AI从实验室走进医院，早已也不是什么技术问题，只是时间的早晚。

现实似乎又有些例外。IBM早在2014年就斥资10亿美元成立了Watson业务集团，全面运作 Watson 的研究和商业化事宜，其中的第一份职业就是“医生助理”，尝试用人工智能驱动个性化治疗。

但直到今天，有关AI+医疗的案例报道屡见不鲜，医疗AI的临床落地却几乎处于空白状态。

01 角色进化

自从2014年以来，AI进入垂直细分领域，医疗+AI就被认为是最容易落地的领域之一。尽管医疗+AI仍然存在不少问题，前进的脚步却从未停歇。

IBM旗下的Watson就是该行业的先驱。在2017年9月，Watson在中国实现落地，其角色定位是“辅助医生”。

也就是说Watson并不能代替医生下判断，而是用人工智能帮助医生做诊断，就像金箍棒一样，孙悟空拥有了它更是如虎添翼。

Watson的工作原理是当医生输入患者的详尽数据，这款AI会从数据库里搜索已发表的研究成果，不到10秒钟，就能给出相应的治疗方案，供医生参考，为医生提供建议方案。

尽管Watson目前的作用是辅助，但是为了做好“助攻者”的角色，Watson在不断自我优化。

以Watson的肿瘤解决方案为例，目前其方案覆盖乳腺癌、肺癌和直肠癌等13个癌种，辅助全球医生进行诊疗，而预计到2019年，会在现有的基础上将新增3个癌种的解决方案。

而在国内，国内的互联网巨头们也相继入局AI医疗领域。

2016年4月，腾讯1亿美元投资“碳云智能”，10月百度发布“百度医疗大脑”，2017年3月阿里云发布“ET医疗大脑”，宣布正式进入AI医疗领域。

尽管起步比美国晚两年，技术还不及国外成熟，但是在国内市场依然拥有一定得壁垒。

1.中国人的身体素质和外国人有一定差异，注入Watson等国外的AI医疗系统是针对外国人的身体情况制造出来的，可能与国人不匹配。

2.根据法律法规，国内的医疗数据不允许出境。所以服务于中国人的AI医疗系统还需中国人自己完成。

02 螺旋前进

近几年，AI的概念一直被炒得火热。甚至有人说只要在PPT上加“AI”两个字，就肯定能吸引到投资。

那么作为医疗AI，到底是一场“海市蜃楼”，还是真真切切在颠覆医疗行业的革命呢？

1. “就是一坨屎”？

据美国媒体STAT爆料，IBM内部PPT显示，Watson其实存在严重的技术问题。IBM的医疗专家和客户都确认了多起不安全和不正确的治疗建议。

Watson的技术没有达到预期，引起了世界各地医生的抱怨。不少医生表示Watson并不适用于自己国家的患者。

有部分医生认为Watson其实并没有多大用处，医院购入Watson是处于营销的目的。甚至有一位医生直言不讳地告诉IBM，“这产品只是一坨屎，大多时间没法用。”

曾经有贵妇嘲讽法拉第他发明的“电磁感应装置”有什么用，法拉第回答“没过多久就能靠它收税了”，此后电力是何等程度改变了世界，相信每个人都明白。

诚然，现阶段的医疗AI算不上十分智能，更不能完全代替医生。但是我们要看到AI的优点，比如人类的大脑是脆弱的，而机器却能无休无止地进行高强度计算。

站在发展的角度去考量AI医疗，这项新生的事物能做的，也许会完全超出人们的想象。

2. 疑似过度宣传？

自从AlphaGo战胜人类棋手的新闻以来，AI的话题一直是媒体的宠儿。这个过热的话题也许赋予了大众对现阶段的人工智能过高的期待。

所以比如当Watson大幅裁员五成到六成的时候，比如中山大学眼科中心测试发现AI医生在真实临床门诊对白内障的诊断正确率只有87.4％，远低于试验阶段的98.87％的时候，大众会不禁质疑——医疗AI是不是宣告失败了？

其实这只是事物在螺旋上升过程中经常要碰见的状况，其问题在于媒体的过度宣传，让大众对事物无法产生一个客观的认知。大众对技术产生过高的想象，将技术神化、将困难简单化。

医疗AI有自己的螺旋上升周期，大众应该允许失败，媒体对该议题的关注也该回归理性。

03 遗留问题

新生事物的诞生总是伴随着阵痛。医疗AI需要克服自身存在的缺陷。

同时，新技术的诞生往往会遭受旧秩序的困扰，医疗AI还需要面临何如从旧秩序中突围的难题。

1. 法律责任

在试错代价动辄就是生命的医疗领域，AI首当其冲要面对的就是法律问题。

2011年，在美国麻省的一家医院，一位晕倒的老人被救护车送进了急救病房。他被立即安插上AI体征监控设备。如果他的生命体征出现危险，设备就会发出警告，召唤护士。

然而，第二天，这个老人却死在了病床上。

死之前监控设备的红灯闪了一夜，但是被值班护士一遍一遍按掉。

护士的疏于职守自然难辞其咎，但是从系统的角度来看，有一个问题大家都无法回避：许多医院的AI监控设备，很多时候都只是误报。

患者的死亡，责任到底该由谁承担，AI是否能为误诊负起责任，这是一个需要思考的问题。

2.数据孤岛

就像汽车需要汽油才能行驶，数据是AI能运行起来的基础。AI通过“吃进”海量的医疗数据，来增加自己的“经验”，从而让自己变得更“智能”。

然而在中国，医疗数据看似很丰富，而事实上可用性并不高。

比如医院之间的数据互通就做得不好，如果一个病人在不同医院就诊，那么取得该病人完整的历史数据就变得十分困难。

而且不同医院之间，由于使用的硬件仪器不同，导致数据格式各异，难以标准化。各个医院之间的数据，就像汪洋上的一个个孤岛，彼此独立，无法连成一片，无法互通有无。

许多业界专家呼吁，将各个医院数据的私有格式转化为标准格式，让医疗数据能够通用。但是响应者寥寥。

即使AI能获得高质量的医疗数据，它还有无法回避的棘手问题：患者的数据会被AI公司泄露吗？毕竟应该没有一个人会希望自己的隐私被泄露。

3. 落地艰难

除数据问题外，AI在医疗行业的落地还存在模式和制度的问题

比如美国特拉雅诺娃实验室开发了一套结合影像和AI的心脏造影方案，构建出整个3D全息心脏模型。它能够模拟心脏动态，利用它，医生可以准确地找出患者病灶。

然而这项技术真的要从实验室走向医院，前景并不乐观。

其最大的挑战来自于美国食品药监局（FDA）的监管和审查。任何一项技术想要投入临床应用，都免不了和FDA进行一场旷日持久的拉锯战。如果无法将研究成果转化为审批标准，那么无论产出再多研究成果都是无用功。

04总结

尽管医疗AI还没有大规模落地，从实验室到医院还有很长的一段路要走，而且在现阶段，医疗AI无法像人类医生那样做诊断，不能取代人类医生。

但是AI医疗是很好的工具，它的出现切实地提高了医生的诊断效率，提升了医疗质量，减少了误诊的可能性。

在科学急速发展的今天，我们需要更高水平、更科学的技术进入医疗领域，而AI或许是最好的、也是时代最合适的技术。未来，AI将在医疗领域有着举足轻重的作用。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。