国内AI在医疗领域应用的机遇和挑战

AI的两个要素是技术（算法）和数据。我国人工智能的技术并不落后，应该说远远走到了应用的前头。再加之国际上多数的人工智能算法都是开源软件，一个新的算法出来很快就会转化为可以方便调用的模块。即使入门级AI工作者也能够使用，所以说AI技术本身并不是瓶颈。那么数据呢？AI领域有句老话“只要有足够的数据，任何问题都可以解决”。这句话未必全对，但它从一个侧面说明了数据的在AI应用中的重要性。在医疗的AI研究领域，长期以来的一个困难是缺乏高质量干净的有临床标注的数据。

这个情况正在改变。美国的政府机构如食品和药物管理局(FDA)、国家健康研究所(NIH)、大型医院、非营利组织、医疗IT和技术公司都开始将许多高质量的数据开放。这些数据会大大地促进A I在医疗健康领域的全面应用。比如基因检测公司Foundation Medicine和测序仪主要生产厂家Illumina开放了上万名肿瘤患者的基因数据与临床表征资料。这些数据对人工智能在肿瘤精准医疗方面的应用有很大的帮助。值得一提的是我国的患者资源非常丰富，但是高质量的、干净的、有完整的临床表型标注的资源并不多。可喜的是，各地已经意识到了这个问题，开始建造各种高质量的生物样本库，增加电子病历的整合和临床表现标注，希望这种状况能够很快有所改变。开放的数据加上开源的算法使得AI商业公司的壁垒(entry barrier)变得越来越低。有了技术和数据我们再来看AI在国内的应用前景。

先看AI在影像中的应用，影像AI可分为仪器影像的分析及病理切片的分析与诊断。在仪器影像方面如X光、CT、MRI、超声等，现有影像的深度分析有很多机会。而对于对病理切片，可以按照不同的病种开发相对应的诊断系统。我们知道人类有3万多种疾病，每一种疾病的AI分析软件都可以变成一种成熟的产品，可以说商机无限。

如用手机加上人工智能，可以鉴别诊断皮肤癌，其准确度超过了一般的病理医生。

相对于AI在影像方面的应用，AI在医疗诊断方面的应用在国内刚刚起步。AI可以满足高端和低端两个方向：高端是指为三甲医院的专科提供服务，如IBM Watson for Oncology就是一个很好的例子。值得一提的是IBM Watson并不一定完全适合中国的国情，它是按照西方的病例训练出来的。如治疗方案多提供昂贵的靶向药物，而在中国可能化疗和放疗更容易被病人接受。另外同样的检查结果，如某些基因突变亚洲人和欧美人有不同的表型，所以我们还需要开发自己的肿瘤及其它专科病的AI系统。AI医疗诊断的另外一个方面是针对基层全科医生的低端诊断系统，与专科诊疗系统不同，全科医生的诊断系统更注重常见病的诊断治疗，标准临床路径的执行等。中国的医疗资源缺乏，尤其是优质医疗资源严重不足，并且集中在少数三甲医院，基层和社区的医疗水平和效率都亟待提高。在大力加强专业医疗人才的培养的同时，我们必须寻找创新的解决办法。通过人工智能把有经验的医生的知识汲取出来，做出一个智能全科医生系统帮助基层医生提升诊疗质量和效率。因此，智能全科医生系统是一个具有巨大社会价值和商业价值的目标。

需要强调的是，人工智能并不一定要解决高大上的问题。如开发一个产品利用NLP技术对现有病历中非结构化的医嘱进行处理，使其成为诊断的辅助依据就有很好的应用价值。在智能机器人方面，随着3D打印技术的普及，可穿戴设备发展迅速，如慢性疾病管理机器人等，许多可穿戴设备/机械人都需要配置相应的智慧系统，AI大有用武之地。我国AI医疗应用最大的挑战可能还是来自医生，如专科医生是否有时间并愿意用这个系统；基层医生会不会使用这个智能系统，能不能提供智能系统所需要的输入信息，能不能理解智能系统给出的治疗方案和建议等。

要解决这些问题，首先AI的开发要由医生主导，从临床中来到临床中去，这样的产品才可能被医生接受。

同时，智能设备的可使用性，也会对应用产生很大的影响。如AI系统采用聊天机器人的交流方式，可能会对系统的推广起到一定的促进作用。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@blueai.net.cn。