【观察】AI赋能智慧医疗的背后

2019 年 7 月 15 日 医谷

▲点击上方的蓝色“医谷”关注我们

“置顶公众号”即刻获取最有价值行业趋势信息

医谷微信号：yigoonet

1987年，国家地理杂志刊登了一组人文类的年度照片，照片中，一名医生满脸疲惫地坐在一条矮凳上，双眼布满血丝，神色紧张地盯着前方的医疗监测仪器，而在他的旁边，躺着一名浑身插满了各种管子的患者，他刚刚被实施了整整23个小时的手术，当日手术的器械护士早已累得瘫睡在一旁，但是做了整整23个小时手术的医生却依然不能休息，他还需要监测病人的术后状况，以防“万一”的出现。这是日前由中国半导体行业协会集成电路设计分会、芯原微电子（上海）股份有限公司主办的第三届“青城山中国IC生态高峰论坛”展示出的一张PPT画面。

如果说这是30余年前较为传统落后的诊疗画面，那随着科学技术、芯片和传感器技术、信息化、数字化、物联网化的快速发展，现代医疗的发展进阶到了哪一程，也许可以从人工智能（AI）赋能的智慧医疗的发展窥探一二。

原始挑战

在谈智慧医疗的具体发展前，有必要提供两组数据，这些数据在某种程度上也是促推智慧医疗需不断向前发展的动力之一。

中国半导体行业协会IC设计分会理事长、清华大学微电子所所长、核高基国家科技重大专项总体专家组组长魏少军在会上介绍了截到2015年的一组数据（该组数据截止到目前总体变化不是特别大）：统计显示，全国有高血压患者大概有1.6-1.7亿人、高血脂患者有1亿人、糖尿病患者9200多万（现已超1亿）、血脂异常者1.6亿人、脂肪肝患者1.2亿人。同时，平均每30秒钟还有一人被诊断出癌症，平均每30秒钟有个人患糖尿病，平均每30秒钟有一人死于心脑血管疾病。另外，中国一年用于心脑血管疾病治疗费用达到3000亿元人民币，因肝炎造成的直接经济损失达到3600亿，因疾病而导致生产力丧失于2005到2015年10年间造成了5500亿的经济损失。

“这组数据给现代医学提出了很大的一个挑战，在生活质量不断提高的今天，却越来越多的人患病，越来越多的资金花到治病上，为什么不把这些巨额的资金投入到‘治未病’上，智慧医疗将在这个环节上发挥其独特的作用优势，比如芯片在一些新型电子医疗器械中的搭载应用使其智能化就可以更多地用于治未病。” 魏少军说道。

上海联影医疗科技有限公司X射线事业部CEO向军则带来了另外一组医疗资源配置不均衡的数据：“统计我们的放射科医师人数，每百万人对应的放射科医师数量国内是61人，但美国每百万人口是112人，差不多是我们的两倍；如果统计设备，看数字拍片机方面，我们是每百万人九台，而美国则是每百万人131台。在CT方面，美国是每百万人32.2台，国内则是每百万人9.4台， MRI方面，国内是每百万人4.9台，美国则为36.7台，由此可以看出，国内的医疗资源不管是从医生还是从设备角度而言，跟发达国家相比都存在很大的差距。”

在向军看来，要扭转这种局面，除了提高医生和设备的数量外，更重要的是提升设备的效能，让其变得更加便利化、智能化和精准化，他认为AI的发展可以帮助处理大多数的简单重复工作，从而减少对医生和设备的依赖，而让医生能把精力放在一些疑难杂症方面。

据了解，作为国内医疗器械领域的头部企业，联影正在推动设备“傻瓜化”，向军介绍，联影现阶段正在规划一个代号为“自动驾驶DR”的项目（接近于汽车自动驾驶的概念），在患者走进检查室的时候，设备就能够把患者的三维模型重建起来，然后把检查的位置系统自动定位，在设备正确的位置把患者应该是什么样的姿势投影出来，患者需要做的只是走过去和一个虚拟的自己“重叠”，而医生所要做的所有操作可能就是按一个键，然后就可以生成图像。

“如果再搭载上AI在后面的智能诊断，或许有一天就只需要按一下扫描按键，就能得到诊断报告，在这个过程中可能不需要设备操作人员，甚至不需要诊断医生”，向军表示。

用武之地

用人工智能诊断疾病一直是医疗行业不断前进的目标，去年4月，国务院办公厅曾发布关于促进“互联网+医疗健康”发展的意见，进一步明确发展“互联网+”人工智能应用服务的重要性，在大环境不断趋好的情况下，由人工智能赋能的各种智慧医疗应用场景和业态在近几年迅速崛起。

在中医领域，一提到中医，脑海里首先浮现的是“望闻问切”，作为一种最为传统的诊疗方式，貌似和人工智能搭不上边，“中医是我国传统文化的瑰宝之一，但也是招黑体质，一直以来，大家对中医都存在很多误解，甚至还有一个专门的群体叫‘中医黑’”，北京太一科技有限公司创始人兼CEO解渤无奈地表示。

那中医是如何从原始时代切入到现代化的人工智能？解渤指出，首先是要找到中医的大数据来源，目前网上搜到的都是垃圾数据，如果用这些数据来作为人工智能的算法，相当于无源之数，无根之木，人体上不管得病还是病理状态都要有一个客观的标准，而不是靠想像力或是评论，不管得病还是病理状态要有一个客观的标准，而这个客观标准该如何建立？又如何建构中医的评价体系？这个评价如果完全用西方医学的生化指标来评价是不全面的，中医目前的唯一的有效的数据入口唯有脉学。”

“相对于其他的诊断手段，脉学它与病因病基和病症的匹配关系最高，能够高达80%，可以体现患者实时的客观状态，且不会产生延迟，舌诊跟病症的匹配关系大概只有15%，问诊为50%，且问诊时往往会受到患者的主观意识和情感的影响。”解渤说道。

正是抓住了“脉学”这一有效的入口，太一科技研发出了智能脉诊议，该脉诊仪通过实时的3D图像测量，可以看出脉的有气无气、有力无力、有血无血、亏不亏、饱不饱满、沉不沉、浮不浮、有没有寒热等，且通过图像的方式，可以适用于多个应用场景，甚至西医也可以拿去使用，运用大数据来通过脉象梳理出重大疾病的病因和解决方案。它的另一个重要特点是可以治未病，比如能提前3-5年预测患者的高血压、高血液粘稠和高血糖的风险。

另外，该智能脉诊仪还将实现家庭化的方案，整个检测过程可能只需要15分钟。解渤还大胆预估，在未来的中医人工智能化场景中，通过智能中医诊断手段和互联网与物联网的加持，可以把一个以名医为核心的小团队效率迅速提高数倍以上，这将解决长久以来看病难的 “供需不平衡”问题。

在神经退行性疾病领域，人工智能依然能彰显它独特的魅力。

据台湾见微光电CEO张焜杰介绍：作为一种跟年龄成正相关的神经性疾病，60岁的人1%的概率会得帕金森症，超过70岁以上这个机率会上升到10%，很多患者在帕金森发病早期就已经有手开始颤抖的症状了，但是医生凭肉眼很难看出这种轻微的抖动，等到可以分辨的时候，患者已经是晚期了，然而最糟糕的情况是人们并不知道帕金森症是怎么引起的，所以没有办法提前预防。

不过，张焜杰指出，如果能在早起发现患者微小的颤抖，就能够用左旋多巴胺（帕金森晚期患者服用的一种药物）以外的其他药物来控制病情，从而大幅度延缓颤抖现象的时间，大约能够延长10到20年，所以，如何实现帕金森的早诊是关键。

据悉，见微光电基于光电检测的Vibrasee就是一台专注于提早发现帕金森症的医疗设备，60%的病人通过一分钟的扫描就可以诊断出来，目前这款设备主要用于初步筛检，其通过光学计算技术，把看不见的微小颤抖放大成肉眼可见的干涉条纹，此前，见微光电和已医院合作，获取了100名确诊5年以上的帕金森患者的抖动数据，然后对用AI来识别和学习这些干涉条纹，最终通过数据分析来进行诊断。

“目前，我们只做了不到100例患者，诊断的精准度能够达到75%，目前在台湾已经有200名病例数据的情况下，精准度上升到了83%，如果做到1000例的时候，准确率应该能达到90%。” 张焜杰很有信心。

在医学影像领域，这也是目前人工智能落地最为成熟的应用场景之一，汇医慧影创新事业部总监左盼莉表示，对于医学影像来说，它的整个发展基本上经过了三个周期，刚开始是一些成像的技术，就像X射线，后面是临床上的应用，到了现在有了这么多的成像技术和成像手段之后，有了它们在各个科室的深度应用之后，怎么样把医生从繁复的劳动中解放出来，这是整个人工智能发展的契机。

对此，汇医慧影做了一个全周期的医学影像人工智能系统平台，基本上实现了在临床过程中医生可以去使用人工智能技术去做辅助诊断。具体而言，医生在诊断过程中以影像为切入口，在临床中获取标准数据级，这些数据到了数据银行之后，数据银行提供了一些标注工具，对数据进行常规标注，当数据进一步到达算法平台后，算法平台就会源源不断产生各种各样算法模型出来，然后再经过临床验证后，它可以再次恢复到临床使用场景，由此形成了一个数据和临床应用的全周期闭环。

左盼莉还提到，汇医慧影有一个大数据科研平台，里面纳入了放射组学的界面方法，可以方便医生做一些比较简单的科研课题，另外还搭建了一个深度学习平台，可以携手科研同事和医生一起做深度学习以及算法创新。

突围之困

AI作为近几年才兴起的新兴事物，不管从自身的技术和标准层面，医生的接受意愿，还是国家政策的支持力度，相比较于其他已经很成熟的产业领域，AI还有的一段路要走。

即使是截止目前落地场景最多的医学影像领域，面临的问题也不少：医生标准不统一、模型只能单一地解决问题、数据量不足、医生本身主观性太强、医生心中抗拒AI，不会帮助训练模型，其中，医生标准不统一是当日会场发起的投票调查最为凸显的问题之一。

“医生标准不统一这个问题是最严重的，数据量不足不存在，中国的数据量永远都足，只是这些数据都是没有标注的数据，至于医生抗拒这件事，大部分引进了AI医院的医生基本都不再抗拒，尤其是放射学界和临床医生都很拥抱AI，所以数据标识和诊断标准不统一是目前AI在医学影像领域面临的主要困境，为帮助训练AI算法模型建立‘金标准’数据库，需要基于统一、规范的诊断标准，得出比较准确的训练结果，最终辅助临床诊疗。” 左盼莉直言。

向军则认为：虽然AI医学影像已经多个病种筛查（比如肺结节））准确率上比医生胜于医生，但相较于医生可以诊断的多种疾病，AI所能覆盖的疾病种类仍然有限，这很难减少临床对医生数量的依赖，进而降低医院的成本支出，现在的AI就像是‘餐后甜点’，如何把它变成‘刚需’是AI要解决的最重要问题。

对于如何把AI变成刚需，向军说道：如果有一天，国内的AI公司能形成一个联盟，大家做好领域分工，各司其职，最后形成某种意义上的技术共享，让医院尽可能减少对医生的需求，这就变成刚需了。

上述想法看似有点大胆，博恩思医学机器人有限公司CEO李耀的想法则更为接地气，其表示，AI需要突围的另外一个问题是如何跑通医疗商业模式，事实上，这也是该行业一直比较关注的话题，上一个类似的故事是互联网医疗，同样被质疑盈利模式不确定，在经历过风口后又跌落，一批公司关停，如今头部公司如平安好医生、微医，已经上市或意图分拆上市，如今，相似的情节开始在医疗AI领域的企业上演。“医疗AI需要明确的是，如何分类AI提供给医生的服务，AI到底能在什么场景下影响医生的判断、协助医生的工作，AI医疗如何实现可持续的盈利模式，获取稳定的收入和现金流。” 李耀强调。

元禾华创投资管理有限公司董事总经理陈智斌表示，短期内，AI医疗产品的商业化落地需要依靠制度供给和政策环境优化，激发医院、药厂、政府、个人等多方主体的支付动力，长期看，支付动力的增强更需要市场认同及配套运行机制加以维持。

另外，数据作为AI最基本的支撑，如何保证其安全性和隐私性也是绕不开的话题之一，IMEC中国智慧电子战略合作总监姜宁指出：我作为用户是不希望我的数据泄露给任何第三方，包括医疗机构，尤其不想给产品提供方，我希望数据是一直属于我个人，为何要如此坚持，显而易见，由于趋利性，数据会变成一个大金矿，谁拥有数据，谁就有话语权和主导权，所以对AI的监管来不可或缺，也是其面临着的一个严峻挑战。”

文 | 医谷史士云

今日阅读排行榜点击左下方“阅读原文”浏览