|
目前，医疗人工智能行业中存在七个深水区问题尚待解决。 近日，在第三届上海人工智能大会上，森亿智能联合创始人兼副总裁马汉东受邀参加并发表了演讲，演讲题目为《技术外的江湖：人工智能医生的深水区实践》。 
森亿智能联合创始人兼副总裁马汉东 首先，从一个故事讲起。 在有特斯拉电动车之前，很少有人听过特斯拉这个名字。有一天，特斯拉去拜访爱迪生，想与他合作，但却遭到了爱迪生的戏弄。后来，特斯拉在哥伦比亚博览会的照明工程，展示了交流电的可靠性和安全性，最终交流电赢得了“电流之战”。一项技术要落地到场景中，永远要看带来了什么价值，任何一个事情的发展都会经历阶段。森亿这四年在医疗行业里，首先带来的是创新性，带来了自然语言处理技术，这是第一个阶段。再往下走进入造势期，这个时期故事性会大于落地性，给大家描绘出的是一个相对美好的，当它批量使用之后的场景。第三个阶段是冷板凳时期，也就是去故事化。经历了第三阶段，很多场景下的业务就会开始出现两极分化。最后进入洗牌期，只有真正解决客户需求，真正创造价值的企业才能留下来，不行的，就销声匿迹了。医疗流程是一个环节接一个环节，任何一个环节都有可能出现纰漏。就像是奶酪上的洞，恰巧每个环节都有问题，最终导致病人的医疗事故或者医疗差错。AI不需要做造物主，什么事情都负责，它只需要堵住一些漏洞即可，从而让AI赋能医生。森亿把人工智能技术落地到医院，帮助医生搭建诊疗助手，逻辑很简单，但知易行难。首先要把AI建模的原材料进行整合，进而拿到数据，建立模型，干预医生。以一家合作医院的深静脉血栓病种为例，森亿首先分析了这个病种在医院诊疗全流程，医生看到病人后需要做哪些判断，判断有哪些问题等。梳理出来后，就可以知道流程中有哪些需要干预和加强的部分。其次，森亿把医院的数据以病人为中心进行整合，并且把需要的数据按照场景做优化。数据汇集完以后便是建模。过去医生做模型时，往往根据经验选择十几、二十个变量，以及一些实验室检查、基本病史做判断。而AI可以收集上千个变量，很容易便能构建起一个维度更高的模型。每天，医生都会花很多个小时在医生工作站上，以了解病人的基本信息，并做出决策。因此，只有让建立的模型在工作站、工作流里出现，才能实现实时干预。所以，产品落地的第一步是和现有的医院信息化系统整合。整合完之后，系统就可以针对高风险进行预警。在这个过程中，森亿的系统做到了秒级的实时预警和干预。除了满足医生的需求，院长和相关科室的需求也需要满足。例如，院长通常需要知道整体一段时间内血栓病人死亡率如何，AI预警了多少，医生响应了多少等。经过一段时间的使用后，和过去人工相比，医院的VTE风险评估比率提升了83%，风险评估时间缩减87%，系统每周平均可为全体医护人员节省600小时工作时间。并且，凭借此方案，医院还获得了国家卫健委评选的人工智能应用落地30最佳案例称号。目前，医疗人工智能行业中存在七个深水区问题尚待解决。深水区问题一，临床数据对接。如果没有数据，任何模型都没有意义。一些医院在找厂商做人工智能建设时，要对接数据通常需要企业工程师干十个月到十二个月。因此，如何解决数据的批量化标准和对接问题，尚待相关机构来推行解决。深水区问题二，模型可解读性。临床医生要求所有的事情都是可解读的，很难容忍灰度和不确定性。这件事情如果不解决，很难达到医生和AI模型之间的互认。深水区问题三，传统信息系统对接可行性。任何场景下人工智能系统和医生进行交互，都离不开和医院信息化系统合作。但现在很多信息化厂商的系统由于架构陈旧，承载不了与医生的实时交互。除非另外搭建一套体系，但这样一来，医生又面临重新学习的过程，成本很高。深水区问题四，人机交互。人工智能系统的最终效果一定要大于纯人工。比如，医院装上系统之后，病人的预警机制和流程反而复杂了很多，导致医生使用起来很难受。对他们而言，不如不用。因此，AI系统如果不解决流程使用的问题，医生自然会拒绝使用。深水区问题五，动机与运营。系统上线之后并不是结束，企业如果不加以运营，不让医生知道系统的价值，那就算不上真正落地，他们不会去使用。医生是否会基于真实需求和动机使用你的产品，企业一定要考虑。深水区问题六，医院拓展。人工智能系统目前还难以实现三级医院到基层医院的无缝平移使用。原因在于，人工智能系统的很多变量只在大型三甲医院才有，县级及基层医院医院根本没有。所以对县级和基层医院而言，并不是三级医院的就可以直接拿来用。深水区问题七，病种快速研发。目前，人工智能按病种突破还有很大的空间，至少有上千个病种可以去优化和提升。病种复制的机制很复杂，因此在这个过程中需要企业具备快速批量化复制的能力。医疗行业是一个非常传统的行业，需要企业慢慢的扎根。对于所有做医疗AI的相关从业者而言，大家要走的路还非常漫长。也许五年、十年之后，上述问题就能得以解决，这也是森亿最优化每一个医疗决策的使命所在。
|
