在當前的醫(yī)療環(huán)境下，「大病」二字猶如掛在腰間的炸彈，擁有足以摧毀一個家庭的威力，且隨時都有可能被引爆。

如今，人工智能技術(shù)被廣泛應(yīng)用在各行各業(yè)，醫(yī)療健康領(lǐng)域更是重要應(yīng)用場景之一。據(jù)統(tǒng)計，到 2025 年，世界人工智能市場總值將達到 1270 億美元，其中醫(yī)療行業(yè)將占市場規(guī)模的 1/5。

業(yè)界認為，在醫(yī)療水準的提升、醫(yī)療資源的下沉等方面，人工智能將是一味濟世良藥。

在這樣的大背景下，「人工智能」這味藥能解決什么問題、怎樣用、什么時候才能用、為什么現(xiàn)在還不能用就成為了非常值得探討的話題。

我們咨詢了多位業(yè)內(nèi)專業(yè)人士，概括說來，現(xiàn)在的醫(yī)療人工智能正處于「前景廣闊，前進艱難」的狀態(tài)，同時也已經(jīng)有一些應(yīng)用正在落地。

本文中，我們整理了各位專家的意見，希望能從一定程度上概括當前醫(yī)療人工智能產(chǎn)業(yè)的面貌。以下是全文，Enjoy it。

「人工智能」這味藥能解決什么問題、怎樣用、什么時候才能用、為什么現(xiàn)在還不能用？

總的來說，人工智能在醫(yī)療領(lǐng)域的應(yīng)用可以分為六個細分領(lǐng)域——虛擬助理、病歷與文獻分析、醫(yī)療影像輔助診斷、診療結(jié)果預測、藥物研發(fā)、以及基因測序。在本次沙龍中，專家的探討主要集中在前四個領(lǐng)域。

虛擬助理——問答還談不上，只能做選擇題

大體來說，醫(yī)療領(lǐng)域的虛擬助理和普遍意義上的虛擬助理在任務(wù)目標上是相同的——通過人與機器之間的對話解決一些問題。然而，仔細說來，也有所不同。

醫(yī)療虛擬助理的官方定義是，利用語音識別、自然語言處理技術(shù)，將患者對自己病癥的描述與標準醫(yī)學知識庫進行對比，從而完成患者自診、導診、咨詢等服務(wù)的信息系統(tǒng)。

與 Siri、Cortana 等通用虛擬助理不同的是，當用戶與通用虛擬助理進行對話時，可以自由表達，由虛擬助理理解用戶意圖（當然理解能力還有待加強）；但當用戶與醫(yī)學虛擬助理對話時，由于患者的描述基本不是標準的醫(yī)學術(shù)語，因此很難與標準醫(yī)學知識庫進行對比從而得出結(jié)論。

「目前，醫(yī)療產(chǎn)業(yè)界的普遍做法是，以選擇題的方式與用戶溝通，了解問題并分診?！箒碜灾袊畔?a href="http://m.makelele.cn/v/tag/1301/" target="_blank">通信研究院的趙陽光介紹道，「目前科大訊飛的一些產(chǎn)品在某些醫(yī)院已經(jīng)實際落地使用了。」

趙陽光是中國信通院互聯(lián)網(wǎng)醫(yī)療聯(lián)盟人工智能工作組的組長，也是聯(lián)盟近期發(fā)布的《醫(yī)療人工智能技術(shù)與應(yīng)用白皮書》的牽頭人。

上海森億醫(yī)療科技有限公司專注于人工智能與醫(yī)療的結(jié)合，CEO 張少典介紹了森億的醫(yī)療虛擬助理產(chǎn)品?！肝移鋵嵅辉敢獍盐覀兊漠a(chǎn)品稱作聊天機器人，它其實是一個搜索引擎。我們做技術(shù)的人其實都知道聊天機器人的水平怎樣?！箯埳俚湔f。

森億與上海市第一婦嬰保健院和上海兒童醫(yī)學心臟中心都開展過合作，進行人工智能虛擬助理的嘗試。其解決方案是在識別病人的問題后，向病人推送來自專家知識庫的內(nèi)容，并給出答案的出處。

「這個東西的用處在哪里？」張少典說，「當患者有問題時，普遍會遇到不相信百度但是又找不到專家的情況。那有了這樣一個虛擬助理，它給你的答案都是專家寫的文獻，能夠起到一定的作用?！?/p>

病歷與文獻分析——幫助醫(yī)生提高效率

提到人工智能與醫(yī)療的結(jié)合，最常見的要數(shù)醫(yī)生通過語音輸入電子病歷。面向醫(yī)療場景的語音輸入技術(shù)已經(jīng)成為科大訊飛、云知聲等人工智能公司的搶灘重地。

「語音輸入技術(shù)解放了醫(yī)生的雙手，這對牙科醫(yī)生來講尤其重要?！冠w陽光說，「口腔科醫(yī)生在手術(shù)臺上往往是一個人，雙手都被占用了，沒有手來書寫病歷。用語音識別的方式能夠?qū)颊叩幕拘畔?、手術(shù)情況進行一些基本的記錄，提高醫(yī)生工作效率?！?/p>

在解放醫(yī)生雙手的同時，電子病歷也起到了醫(yī)療人工智能發(fā)展的數(shù)據(jù)基石作用。在語音識別層面之下，如何利用自然語言處理技術(shù)將非結(jié)構(gòu)化的自然語言轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)，以便后續(xù)進行數(shù)據(jù)挖掘，是一個重要課題。

張少典介紹道，利用自然語言處理技術(shù)將病歷上的非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變成結(jié)構(gòu)化數(shù)據(jù)主要分為以下幾個步驟。

首先，要對句子中的命名實體進行識別，簡單地說就是哪些詞是疾病、哪些詞是藥品、哪些詞是癥狀、哪些詞是手術(shù)名，也就是對各種各樣詞語類別的分類。

然后，需要查找語義之間的關(guān)聯(lián)，也就是說誰修飾了誰、誰約束了誰、誰否定了誰等，也即定義詞語和詞語之間的線性關(guān)系。

「語義關(guān)聯(lián)為什么在醫(yī)療領(lǐng)域尤其重要？」張少典說，「比如你光知道這個人疼，不夠。你還要知道疼痛的部位、嚴重程度、時間、急慢性等附屬信息，這些信息才是重要的?！?/p>

在醫(yī)療領(lǐng)域的自然語言處理技術(shù)中，常常需要面對輸入不標準的情況。每個醫(yī)生都有自己的病歷書寫習慣，比如心肌梗塞這一種疾病，有的醫(yī)生會寫心肌梗塞，有的醫(yī)生會寫心肌梗死、心梗，甚至寫英文 MI（Myocardial Infarction）。

對于機器來說，在存儲時必須知道這些詞代表著同樣的意思，后續(xù)的工作才能進行?！阜駝t就連一個最簡單的檢索任務(wù)都進行不了，因為關(guān)鍵詞沒法匹配?！箯埳俚湔f，「另外，自然語言處理技術(shù)還能夠幫助醫(yī)生提高科研效率。要知道，科研是中國醫(yī)生很強烈的剛需?！?/p>

在做科研之前，需要進行大量的文獻查找工作。復旦大學附屬華山醫(yī)院信息中心主任黃虹認為，人工智能在醫(yī)療領(lǐng)域應(yīng)用的第一步，可以從醫(yī)生查找文獻開始。

她介紹道，由于醫(yī)生時間緊張，很多時候查找文獻的工作是交由研究生來做。雖然現(xiàn)在有數(shù)據(jù)庫可以查找，不用跑到圖書館翻閱紙質(zhì)資料，但文獻查找仍是一件工作量很大的任務(wù)。

黃虹舉了這樣一個案例，當科研人員在進行一個與兒童殘疾相關(guān)的研究時，需要翻閱約 33000 份摘要，人工查找耗時耗力，引入機器學習技術(shù)后，效率大大提高。

「現(xiàn)在醫(yī)生做科研，很大一部分時間都花在了數(shù)據(jù)的收集和結(jié)構(gòu)化上?！箯埳俚湔f，「也就是說你要找病歷、翻病歷，然后從病例中抓取你需要的信息。利用自然語言處理技術(shù)，能夠把這個過程盡量自動化?！?/p>

「這件事情與臨床可能關(guān)系不大，但是對醫(yī)生來說說是非常重要的。」黃虹說。

醫(yī)療影像輔助診斷——減少誤診漏診率

「傳統(tǒng)醫(yī)療行業(yè)存在結(jié)構(gòu)上的弊病?！冠w陽光說。

他認為，當前醫(yī)療資源的分配呈倒 2-8 結(jié)構(gòu)，也就是說，病人全部集中在三甲醫(yī)院，導致三甲醫(yī)院的醫(yī)師只有 20% 的時間處理疑難雜癥。而事實上，80% 的普通疾病是可以去基層醫(yī)院就診的。

為什么病人無論大病小情都一定要去三甲醫(yī)院？本質(zhì)上是出于對基層醫(yī)院的不信任。也就是說，由于優(yōu)質(zhì)的醫(yī)師資源難以下沉，導致病人就算是沒有床位，住在走廊里，也一定要去三甲醫(yī)院就醫(yī)。

這在趙陽光看來，是醫(yī)療人工智能比較典型的應(yīng)用場景之一。「比如糖尿病引起的視網(wǎng)膜病變，是非常適合在基層做的。」他說。

眼科設(shè)備專業(yè)的要十幾萬，進口的要上百萬，讓基層醫(yī)院去采購這么多專業(yè)設(shè)備是比較困難的。但同時，眼底也是眾多器官中比較特別的一個，醫(yī)生能夠直接看到眼底的血管表現(xiàn)，這就給人工智能技術(shù)的應(yīng)用提供了一個突破口。利用人工智能技術(shù)，基層醫(yī)院能夠?qū)崿F(xiàn)一些早期的篩查工作，也就是現(xiàn)在大熱的「分診醫(yī)療」。

除向基層醫(yī)院分診外，有專家認為，向病患個人分診也是未來非常有前景的一個研究方向?！覆恢皇轻t(yī)院才能診斷，自我診斷也非常重要?！裹S虹說。

黃虹以人群中發(fā)病率較高的肢端肥大癥為例，闡述了自我診斷的重要性。

肢端肥大癥，顧名思義，患者癥狀為手腳生長過大，這是一個由于生長激素異常分泌導致的的疾病。目前很多肢端肥大癥病人是在癥灶積累到一定階段，有明顯表現(xiàn)時才到醫(yī)院就診。但事實上，肢端肥大癥的早期診斷只需一個能夠進行人臉以及肢體掃描的 APP 就能完成。

「在病人的早期階段，通過對其面部、腹部、臀部、手部等數(shù)據(jù)進行分析，是很容易做到早期篩查的?！裹S虹說。

在癌癥的早期篩查方面，人工智能的影像學技術(shù)能夠幫助醫(yī)生降低誤診、漏診率，且已經(jīng)非常成熟。趙陽光提到，當前放射科的誤診率和漏診率相加高達 40%。這也是為什么癌癥、惡性腫瘤的確診需要多個醫(yī)師聯(lián)合給出意見。

「放射科醫(yī)生工作壓力大，拍一次序列影像會產(chǎn)生很多張片子，用人眼觀察很容易漏診，圖像識別技術(shù)能夠?qū)︶t(yī)生的診斷提供給比較好的補充?！冠w陽光說。

用圖像識別的方式進行早期篩查是非常有意義的。

以食管癌為例，2015 年我國新發(fā)食管癌人數(shù)為 47.7 萬。對于食管癌來說，早期治療非常關(guān)鍵。早五年治療食管癌，患者生存率為 90%，晚五年，生存率就是低于 15%。

趙陽光介紹道，人工智能與醫(yī)療影像結(jié)合的具體做法如下：首先從放射科提取圖像；然后利用圖像分割技術(shù)提取圖像有意義的區(qū)域；再利用一些圖像識別方法對圖像進行預處理，突出圖像中有效的信息；然后利用算法提取病變區(qū)域；最后將這些數(shù)據(jù)交給模型進行訓練。

經(jīng)過訓練之后，再給模型一個新的圖片，模型就能夠自動標記出病灶的位置。

理想很豐滿，然而現(xiàn)實很骨感?！复蠹乙捕贾?，輔助診療這件事情，產(chǎn)品化落地是非常復雜的?！箯埳俚湔f，「它牽涉到醫(yī)院的治療流程、醫(yī)生的習慣、醫(yī)生本身的接受度、醫(yī)療行業(yè)的接受度，以及倫理、法律等相關(guān)的很多問題?！?/p>

診療結(jié)果預測——提早預估風險

人工智能的輔助診斷并不僅僅體現(xiàn)在醫(yī)療影像方面，在診療結(jié)果的把控方面也已經(jīng)有所應(yīng)用。

張少典介紹了兩個案例。第一個案例是森億與上海兒童醫(yī)學中心的合作，針對小兒先天性心臟病，在術(shù)前確立最佳的診療方案。

「我們的系統(tǒng)能夠建立包括手術(shù)、麻醉、體外循環(huán)等在內(nèi)的一套最佳的治療方案，還能夠預測病人術(shù)后的出血風險、出血量、在 ICU 的停留時間、以及術(shù)后綜合癥的風險等?！箯埳俚浣榻B道，「當醫(yī)生需要更改手術(shù)方案的參數(shù)時，系統(tǒng)還能自動計算參數(shù)修改后這幾個風險因素的變化?！?/p>

「其實我們的系統(tǒng)功能類似于 IBM Watson。但是 Watson 是舶來品，用的是外國人的數(shù)據(jù)集。我們用中國的本地數(shù)據(jù)，更符合中國患者的身體特征?！鼓壳斑@一系統(tǒng)的前期模型已經(jīng)訓練完畢，森億正在尋找合作醫(yī)院嘗試落地。

除小兒先心病的診療系統(tǒng)外，森億還利用福州 37 家市級醫(yī)院的數(shù)據(jù)訓練了一個關(guān)于抗凝療法的風險預測模型。

「在抗凝治療做完之后，有的病人會再栓塞，有的病人會出血。對于不同病人來說，術(shù)后可能出現(xiàn)的情況是完全不一樣的?！箯埳俚湔f。森億的系統(tǒng)所做的，就是預測抗凝治療后病人不同反應(yīng)發(fā)生的風險。

黃虹認為，在利用人工智能進行診療方案制定的同時，需要界定什么是「好的」診療方案?！概R床上最好的方案不代表對這個病人就是最好，」黃虹說，「有一種說法是，你到底選擇有尊嚴的死去，還是選擇沒尊嚴的活著。」

黃虹認為，由于每一個病人的家庭情況不同，支付能力、宗教信仰等不同，治療方案也可能不同。因此，今天的人工智能技術(shù)不應(yīng)該僅停留在影像學、組織學、以及患者病史本身，還需要整合社會數(shù)據(jù)，才能讓最終的方案更加貼合實際。

數(shù)據(jù)對醫(yī)療 AI 的一萬種阻礙

當前醫(yī)療人工智能面臨的首要問題，還停留在數(shù)據(jù)層面。

「不管終端應(yīng)用是什么，數(shù)據(jù)是基礎(chǔ)?！箯埳俚湔f?！笖?shù)據(jù)問題不是技術(shù)上的問題，而是體系上的問題?！?/p>

張少典提到，美國的醫(yī)療人工智能產(chǎn)業(yè)界已經(jīng)有一些比較成功的案例，而中國目前卻沒有。反思來看，與數(shù)據(jù)有很大的關(guān)系?！竾鴥?nèi)醫(yī)療機構(gòu)大體上還處于比較分散的狀態(tài)，數(shù)據(jù)標準化、結(jié)構(gòu)化程度都很低，并且相對不完整，醫(yī)院之間的互聯(lián)互通做的也不好?！顾f，「你沒有辦法取得一個病人全面的歷史數(shù)據(jù)?！?/p>

擁有 2800 名 IT 人員的美國梅奧醫(yī)院在醫(yī)療人工智能領(lǐng)域已經(jīng)取得了一些成果?！肝疑蟼€星期在梅奧交流的時候，發(fā)現(xiàn)整個梅奧體系加起來只有 1200 張病床，這個體量放在中國不算大。

據(jù)我所知，上海瑞金醫(yī)院就有 1600 張左右的床位?！箯埳俚湔f，「但是當對比梅奧的 1200 張床位和我們 1600 張床位所采集到的數(shù)據(jù)最后訓練出來的人工智能系統(tǒng)的效果時候，你會發(fā)現(xiàn)二者根本不在一個數(shù)量級上?！?/p>

這意味著，數(shù)據(jù)多并不一定能成就好的人工智能，高質(zhì)量高價值的數(shù)據(jù)才能訓練出好的人工智能。

「現(xiàn)在很多手術(shù)都是在內(nèi)窺鏡下操作，比如膽囊炎、膽囊結(jié)石等。實際上醫(yī)生在手術(shù)時采集到的鏡像數(shù)據(jù)，都是要靠醫(yī)生自己用一個硬盤搬運的，其實現(xiàn)在的醫(yī)療系統(tǒng)遠沒有實現(xiàn)動態(tài)的數(shù)據(jù)共享?！裹S虹說。

趙陽光認為，目前業(yè)界對數(shù)據(jù)標準的需求度比對數(shù)據(jù)的需求度還要大。

人工智能模型是建立在硬件采集數(shù)據(jù)的基礎(chǔ)上的，以 CT 設(shè)備為例，市面上主流的 CT 設(shè)備廠商有 7-8 家，然而現(xiàn)在基本所有與 CT 相關(guān)的模型都是針對一套設(shè)備構(gòu)建的，若想將模型移植到其它醫(yī)院其它設(shè)備上，需要重新對模型進行訓練，進而成為阻礙人工智能技術(shù)在行業(yè)廣泛應(yīng)用的瓶頸。

另外，趙陽光還提到，采集數(shù)據(jù)的過程中，醫(yī)師的手法也會直接影響到模型的效果。以心電圖為例，有時，醫(yī)生需要患者佩戴心電檢測儀器 24 個小時，以監(jiān)測患者心率的動態(tài)表現(xiàn)。

這時，患者是如何佩戴設(shè)備的、導線連接的位置、甚至患者的胖瘦都會影響最后的監(jiān)測結(jié)果。但是患者離開醫(yī)院后，這 24 小時的佩戴情況對醫(yī)生來說是不可見的。這一過程醫(yī)生沒有辦法控制，那么訓練數(shù)據(jù)就更是無從使用。

另外，在病理、心電等領(lǐng)域，各廠商基本都是遵循自己私有的數(shù)據(jù)格式。趙陽光認為，業(yè)界需要主動將私有格式向公有格式進行轉(zhuǎn)化，才能積累對神經(jīng)網(wǎng)絡(luò)來說可用的數(shù)據(jù)。

「我相信做人工智能的技術(shù)人員都很清楚，有了好的數(shù)據(jù)之后，算法真的不是特別復雜的事情?！箯埳俚湔f，「不管你是從事人工智能、數(shù)據(jù)分析、還是數(shù)據(jù)挖掘，其實至少有 80% 的時間是花在數(shù)據(jù)清洗上的?！?/p>

除數(shù)據(jù)問題外，人工智能在醫(yī)療行業(yè)的落地還存在模式和制度的問題。

「當前人工智能產(chǎn)品若想以銷售的方式賣給醫(yī)療機構(gòu)，無論從資質(zhì)還是產(chǎn)品的分類方式來講都是難以實現(xiàn)的?！冠w陽光說，「對于這些人工智能產(chǎn)品來說，未來通過醫(yī)院科研課題的方式落地是比較可行的?！?/p>

另外，趙陽光還提到法律問題。若醫(yī)療人工智能系統(tǒng)診斷失誤導致患者死亡，那么誰該承擔這個責任？就像不久前在無人駕駛領(lǐng)域發(fā)生的 Uber 車禍案一樣。

「現(xiàn)在醫(yī)療器械有 2 類和 3 類的分類，如果人工智能被劃分到 3 類的話，就需要給出嚴格的臨床驗證，國家在這一方面還是非常重視的?！冠w陽光說。

始于足下的千里之行

醫(yī)療人工智能才剛剛起步，面向未來，還有很多問題需要解決。

例如，在醫(yī)療影像方面，目前業(yè)界的做法是僅針對圖像進行分析，沒有進行多模態(tài)融合?！肝磥硪欢ㄒㄟ^多模態(tài)的方式進行分析，」趙陽光說，「要結(jié)合患者的多種信息，例如臨床信息、隨訪病歷信息等，形成一個綜合的多模態(tài)的系統(tǒng)。」

另外，盡管目前人工智能影像技術(shù)已經(jīng)能夠?qū)崿F(xiàn) 4-6mm 微小的結(jié)節(jié)診斷，在一定程度上已經(jīng)體現(xiàn)出較好的敏感性。但是未來，在結(jié)節(jié)診斷方面，業(yè)界需要考慮的不止大小這一個因素，還需要能夠識別包括根源、突刺、分裂、鈣化等其它的特征。

還有，目前的醫(yī)療人工智能系統(tǒng)缺少歷史回顧性分析。也就是說，僅針對單一影像進行診斷，缺少時間維度的數(shù)據(jù)。對于例如腦梗等疾病，不同時間點的影片對于入日后的治療方案確定非常重要。

以及，當前我國病理醫(yī)師存在約 10 萬名的缺口，且培養(yǎng)一個病理醫(yī)師的周期很長。這個短時間內(nèi)無法解決的問題亟待通過人工智能技術(shù)進行緩解。

然而，病理影片比目前醫(yī)療人工智能所涉及到的 CT、核磁共振等影片大太多。在上億像素的圖像中尋找微小的病變區(qū)域，對算法和算力無疑都是一種挑戰(zhàn)。加之病理診斷不僅僅需要觀察局部特征，還需要聯(lián)合整體特征共同分析，因此挑戰(zhàn)更大。

此外，黃虹還提到了腦機接口、靶向治療、個體化用藥等工作，都是人工智能未來發(fā)展的重要陣地。可以看到，對于醫(yī)療人工智能來說，一切才剛剛開始。目標是明確的，前景是光明的，道路也是漫長的。