人工智能 医学诊疗的发展概况及其问题

编者按

人工智能在各行各业的应用前景引发了人们的无尽想象，医疗界其中一个大热领域。人类医生与机器人医生共同出诊看病做手术，不再是科幻场景。

1

技术与应用进展

总体来看，目前人工智能技术在医疗领域的应用主要集中于智能诊疗、医疗机器人、智能影像识别、智能药物研发 、智能健康管理等领域。一直以来，医疗界都是个严重资源不足、成本相对高昂的领域。此前曾备受资本青睐的“互联网 医疗”模式主要是通过在线挂号、诊疗支付等诸多方式，一定程度上提高了整个医疗系统的运行效率。然而，在医疗健康需求急剧上升和供给仍旧不足的情况下，人工智能与医疗健康行业结合更加备受期待。预计随着认知技术的发展， 2019 年全球智能医疗决策支持市场规模将达2000 多亿美元，行业前景广阔。 2012 年，医疗与大健康领域人工智能创新公司不到 50 家，截至到 2017 年初，已增加至 106 家（不包括跨界公司建立的内部人工智能研发部门），布局在以下 11 项医疗和健康领域/方面：1、病人数据和风险分析；2、生命科研；3、医学影像和辅助诊断；4、生活环境管理和慢病监测； 5、精神健康； 6、药物研发； 7、营养卫生； 8、虚拟辅助技术； 9、住院患者监护和医院管理；10 、可穿戴设备；11 、其他应用等。

美国食品与药监督局（FDA ）已为即将到来的人工智能时代做好准备，成立了人工智能与数字医疗评审部。该部门的任务是为 FDA 准备好规范和标准，评审越来多涌入 FDA 大门的人工智能产品和有机器学习功能的医健设备、器械或医用软件等。他们将重新规划有关智能医疗机器人、有机器学习特质的医疗设备应当采用的监管和审批途径。

中国政府也高度重视医疗人工智能的发展。2017 年 2 月，国家卫计委已发布四份医疗领域应用人工智能的规范标准，从国家层面鼓励人工智能在辅助诊断和治疗技术等应用领域的发展，同时为人工智能医疗的规模化应用提供了基础保 障。中国的阿里巴、腾讯等大型互联网企业也积极参与到医疗大脑采用深度学习的技术、中国人基因信息收集分析、人工智能医学影像等研究中。

2017 年也被称作我国医疗人工智能发展的元年，呈现“井喷式”的创新发展，全方位地渗透到人们日常衣食住行的方方面面 。在医疗领域最成熟的人工智能应用——IBM的 Watson机器人已完全投入商用，国内一批走在医疗改革前沿的三甲医院已率先引进人工智能技术，多家医院引进Watson for Oncology（WfO ），首先在肿瘤治疗领域实现了临床应用。据IBM Watson Health中国地区战略合作伙百洋智能科技介绍，WfO 已陆续在国内9省 21 市的 27 家三甲医院部署 Watson 多学科会诊中心，并已为诊断明确的近千名肿瘤患者快速制定了以循证医学为基础的定制化治疗方案。 由于我国人口基数大、医疗资源分布不足等客观原因使人工智能医疗落地应用成为一种刚需，人工智能已成为医疗升级改革的关键一子。有了人工智能的应用，我国医疗行业也将驶入智慧医疗的“快车道”。

2

相关案例

1、人工智能辅助诊疗： IBM Watson 是目前最成熟的案例。 2012 年， Watson 通过了美国职业医师资格考试，并在美国多家院提供辅助诊疗服务，诊治的病种包括乳腺癌、肺癌、结肠癌、前列癌、膀胱癌、卵巢癌、子宫癌等多种癌症。Watson 可以在 17 秒内阅读3469本医学专著、 24.8 万篇论文、 69 种治疗方案、 61540 次试验数据、 10.6 万份临床报告。通过海量汲取医学知识，包括 300 多份医学期刊、 200 多种教科书及近 1000 万页文字， IBM Watson 在短时间内可以迅速成为拥有更强大脑的癌症专家。 2017 年 2月 4日（世界癌症日）， Watson 第一次在 中国“出诊”，仅用10 秒就开出了癌症处方。

在中国， 2017 年 7 月阿里正式对外发布 AI 医疗产品“ Doctor You”，该产品的 CT 肺结节智能检测引擎是阿里健康进入实际应用的第一个医疗 AI 产品。 广州市妇女儿童医疗中心对外宣布，其研发出一个能诊断眼病和肺炎两大类疾的人工智能系统，该项成果以封面文章形式 于 2018 年２月 23 日在世界顶级期 刊《细胞》在线发表。

2、人工智能医学影像：以宫颈癌玻片为例，一张片上至少 3000 个细胞，医生阅读一张片子通常需要5-6分钟， 但人工智能阅读后圈出重点视野，医生复核则只要 2-3分钟。 一般来讲， 具有 40 年读片经验的医生累计阅数量不超过 150 万张，但人工智能不会受此限制，只要有足够的学习样本，人工智能都可以学习，因此在经验上人工智能超过病理医生 。腾讯 也在 2017 年 8 月发布了其首款 AI 医疗产品“腾讯觅影”，可实现度食道癌、肺结节、糖尿病等多个病种的筛查，且保证高准确率 ，目前该产品已在全国超过 100 家三甲医院应用。

3、人工智能药物挖掘 ：主要包括新药研发、老药新用、药物筛选、药物副作用预测、药物跟踪研究等内容。人工智能在挖掘方面的作用主要体现在分析药物的化学结构与药效的关系，以及预测小分子药物晶型结构。2015 年， Atomwise 基于现有的候选药物，利用AI 技术，在不到一天的时间内对现有7000 多种药物进行了分析测试，成功地寻找出能控制埃博拉病毒的两种候选药物，并且成本不超过 1000 美元，以往类似研究需要耗时数月甚至数年时间并且成本要上亿乃至数十亿美元。

4、人工智能健康管理：是以预防和控制疾病发生与展， 降低医疗费用，提高生命质量为目的， 筛查健康及亚健康人群的生活方式相关的健康危险因素，通过健康信息采集、健康检测、健康评估、个性化监管方案、健康干预的手段持续加以改善的过程和方法。如爱尔兰创业公司Nuritas将人工智能与生物分子学相结合，进行肽的识别，根据每个人不同的身体健康状况，使用特定的肽激活健康抗菌分子，改变食物成分，消除食物副作用，从而帮助个人预防糖尿病等疾病的发生。

3

问题与瓶颈

1、数据来源与共享问题

目前，AI 医疗最大的问题在于数据来源和获取 。从数据来源看， 从数据来源看， 对智能医疗公司来说，得数据者得天下。 IBM Waston 医生系统成功实现商业化应用的制胜关键，正是源于其收购了四家医疗健康大数据提供商和分析商，又相继与强生、美敦力、西门子、CVS等传统医疗器械、药物生产商和销售商，以及梅奥诊所、安德森癌症中心纪念斯 传统医疗器械、药物生产商和销售，以及梅奥诊所、安德森癌症中心、斯隆-凯特琳癌症中心、纽约基因组研究中心等著名医院和机构建立合作，直接获取大量优质的医学资料、医疗数据和健康数据。

而国内医疗数据获取与共享还与国外存在差距。目前，中国的医疗数据在医院和医院之间，医院和家庭之间存在信息孤岛 ，各个医院、单位连不起来，甚至一个医院内部拍的图像都连不起来。以医疗影像数据为例，其质量与难获得性，最令医生与人工智能算法工程师头疼的。存在“不大不强不成规模、不联不通不成体系”以及有效资源利用率低等问题，且影像数据不互认。

2、医疗数据质量与规范问题

飞利浦医疗科技大中华区副总裁陈胜裕也对医疗数据的利用难题深有同感。“不同的疾病和临床检验会产生不同的数据，如果没有经过标准化和结构的处理就将其提供给算法，会带来很严重问题。”根据他的观察，很多医疗数还没结构化和标准是AI 在健康医疗领域应用的最大瓶颈。

同样以医疗影像数据为例，人工智能医学影像需要一条“标准线”，从行业管理和质量方面制定规范 。然而，当前智能医疗行业缺乏统一的标准和评估体系，人工智能在 CFDA 中没有申报项目录，智能医学影像产品还是作为三类医疗器械向 CFDA 进行认证申请。

3、医疗数据安全与监管问题

我国对医疗卫生数据采集、利用尚未形成系统化法规要求，而此类数据往又含有许多个人隐私。AI 医疗的应用如何把大量历史的数据、专家的知识，变成规范而成熟的产品 ，具体帮助到基层医院、提升生水平尤为重要。 另外， 国内外 AI 企业合作的落地深化也会面临困难，其中数据储存、保密等也存在问题。

4、法律伦理问题

由于人工智能医疗是新型产业，与传统医疗器械走审批流程、申报会有所不同，鉴于医疗的严谨性，监管会更加慎重。另外，作为人工智能医疗的基础 —— 医疗大数据，目前还没有健全的法律来规范。数据归属权、使用权、医疗数据的隐私标准、数据安全性、责任规范以及法律能否包容创新所犯的非恶性错误等的问题都没有明确的法律指示。

5、AI 医疗对现行公共卫生产生影响和冲击

人工智能将从四个方面对公共卫生产生重大影响：智能诊断在各个领域会不断接近，甚至超越人类医生；手术机器人以及其他智能设备会增强治疗的效果；在大数据的支持下，对个体的日常生活进行健康管理的日常医疗会成为未来医疗领域新的业态。同时，在人工智能辅助下的人性化医疗也会缓解医院管理中非常显著的医患矛盾。但与此同时，人工智能也会对医疗行业造成一定的冲击，面临人员配置、社会规则、习惯乃至伦理上的问题。

责任编辑：刘小玲