深度學習技術進入瓶頸期、產品同質化現象嚴重、商業(yè)化問題遲遲無解，行業(yè)需要重新審視AI和醫(yī)療兩者的角色和關系。

我們如何通過AI的眼光來看待醫(yī)療行業(yè)的過去與未來？

人工智能+醫(yī)療，被不少專家認為是AI最具前景的應用領域，也是落地實現難度最大的方向。2014年以來，AI技術的發(fā)展逐步進入垂直細分領域，醫(yī)療影像以其標準化程度相對較高而被認為是最早能夠實現AI醫(yī)療落地的場景之一。

一直以來，產學融合與醫(yī)工交叉都是醫(yī)療AI的本源。而隨著深度學習技術進入瓶頸期、產品的同質化現象嚴重、商業(yè)化問題遲遲無解，當下這個行業(yè)需要重新審視AI和醫(yī)療兩者的角色和關系。

黎明前的黑暗，還是寒冬的開始？

醫(yī)療是一個很特殊的行業(yè)，特殊到醫(yī)療行業(yè)的每次變革似乎都是“從外向內”的外部推動。醫(yī)療行業(yè)的這種“遲鈍感”并不是說醫(yī)生和院長很“學究”，而是這個行業(yè)實在需要太多的敬畏和踏實。

不管是AI或者醫(yī)療大數據項目，本質上還是需要優(yōu)質的數據。此前，有觀點認為，“中國市場大、數據多，所以將來奇跡一定會發(fā)生在中國?！?/p>

但是，醫(yī)療大數據真的是“大數據”嗎？

現實情況可能并非如此。首先，大醫(yī)院的臨床數據很可能不適用于縣級醫(yī)院。其次，每家醫(yī)院的信息化工作都涉及幾十個廠家，對數據的采集、存儲都有各自的標準。而不同醫(yī)院系統(tǒng)、醫(yī)院不同系統(tǒng)的割裂性之間又讓信息的共享遭遇阻礙。再者，醫(yī)療數據泄露的風險，讓醫(yī)院不敢把所有的數據都開放出來給企業(yè)。

南方醫(yī)科大學副教授劉再毅曾說，醫(yī)院影像科每天產生很多數據，但其中能用的連1%都不到。

北京中醫(yī)藥大學東方醫(yī)院教授、信息管理處處長韋云也表示，我國醫(yī)療大數據的利用率仍然太低。“醫(yī)療大數據已經做了十幾年，但現在各個醫(yī)院的大量信息還是完全沉默在那里?！?/p>

數據難關之外，AI技術的發(fā)展也到了一個“瓶頸期”。

電子科技大學教授李純明曾在接受雷鋒網采訪時談到，深度學習吸引人的地方在于，原則上它在不同的應用中均可以使用同樣的訓練算法框架。只需替換訓練數據和相應的標注進行訓練，即可得出一個具有某種輸入輸出關系的多層神經網絡。但這種看起來一勞永逸的框架，在實際應用中還有一些局限。

最近，中國科學院院士、清華大學人工智能研究院院長張鈸在接受《經濟觀察報》采訪時表示，歷史上，人工智能曾因公眾期待過高而幾經回落。盡管產業(yè)層面還有空間，但目前基于深度學習的人工智能在技術上已經觸及天花板。

人工智能在語音識別、圖像識別、圍棋三個領域顯現了強大的潛力，但是AI技術的應用邊界和條件已經逐漸清晰。

張鈸的觀點在醫(yī)學領域同樣適用：醫(yī)學AI將進入后深度學習時代。

另外，醫(yī)療AI在商業(yè)化上的難題也還沒有得到很好的解決。經過了三年多的發(fā)展，影像AI領域內的公司很多還沒有清晰的商業(yè)模式與盈利場景，醫(yī)院的付費意愿很低。

商湯科技副總裁張少霆認為，在中國的現實環(huán)境下，“人工智能+醫(yī)療”的需求是“實打實存在的”，但“人工智能+醫(yī)療”本身的商業(yè)價值如何挖掘依然是個難題。

曾在創(chuàng)業(yè)公司擔任副總裁的張京雷說，為什么醫(yī)療AI的2B、2C模式沒有跑通？最深層次的原因在于創(chuàng)業(yè)思維。有一些公司從誕生的第一天起，就是從IT的角度切入醫(yī)療，但是單純從IT角度來解決醫(yī)療問題一定是失敗的。

沈定剛教授和張京雷的觀點不謀而合。

沈教授曾在去年雷鋒網舉辦的CCF-GAIR大會上演講時表示，做影像AI，必須知道我們要解決什么問題，然后找相應的技術來解決問題，而不是有了技術再找問題。

學術界和企業(yè)界，都對醫(yī)學AI的商業(yè)化提出了自己的看法?？梢钥隙ǖ氖牵t(yī)療AI的發(fā)展絕不是一蹴而就的，它是一個系統(tǒng)性的工程，需要足夠的勇氣和智慧。

醫(yī)療AI的重重困難，讓人不禁想問：現在，是醫(yī)療AI黎明前的至暗時刻，還是凌冽寒冬的開始？

道阻且長，多方合力

理想和現實之間，有很長的一段路要走。

為了推動醫(yī)療AI的發(fā)展，監(jiān)管機構一直在不斷完善產品的上市審批制度。其中，第一步就是建立標準庫。

第二軍醫(yī)大學長征醫(yī)院影響醫(yī)學與核醫(yī)學科主任劉士遠，與中國食品藥品檢定研究院合作建設了肺結節(jié)標準數據庫。這些肺結節(jié)圖像數據采集來自不同的醫(yī)院，患者數量達到1萬，并且取得倫理委員會許可。

在建設過程中，數據庫會遵循廣泛性、兼容性和醫(yī)學圖像的標記的三大原則，最終形成沒有公司痕跡、沒有機器痕跡的標準檢測數據庫。

除了劉教授所在的中國醫(yī)學影像AI產學研用創(chuàng)新聯盟，國家層面推進評審標準落地的速度也在不斷加快。

2017年，國家藥品監(jiān)督管理局醫(yī)療器械技術審評中心正式成立人工智能工作組，來研究人工智能醫(yī)療器械，該中心是直接負責醫(yī)療產品審評的部門。

2018年4月，在原國家衛(wèi)生計生委指導下，中國電子、中移動、中科院分別牽頭成立的三大健康醫(yī)療大數據集團，承擔國家健康醫(yī)療大數據中心、區(qū)域中心、應用發(fā)展中心和產業(yè)園建設等國家試點工程任務。

2018年9月13日，國家衛(wèi)生健康委員會發(fā)布《國家健康醫(yī)療大數據標準、安全和服務管理辦法（試行）》，涉及健康醫(yī)療大數據從標準管理、安全管理、服務管理、監(jiān)督管理等諸多方面，給數據共享吃下了一顆“定心丸”。

除了從頂層設計的角度來看行業(yè)，學術界也提出了幾種解決醫(yī)療數據小樣本問題的方法。沈定剛教授提出，“我們要嘗試把大數據已經學習好的東西遷移到小數據里面。在分布式的學習方面，可以考慮在多中心訓練時，貢獻用于優(yōu)化的梯度或者是在模型訓練結束后，通過模型的集成達到模型共享的目標以及將上述兩種方法結合起來?！?/p>

此外，醫(yī)生對于AI的態(tài)度也有所變化。今年1月份，劉士遠教授為了去學術年會講課，對科室里肺結節(jié)軟件的點擊率進行了統(tǒng)計。他發(fā)現，軟件產品的點擊率最高的達到88%，也就是說一線寫報告的醫(yī)生有很大的可能去使用AI產品。醫(yī)生與AI產品的關系從以前的懷疑、否定，到現在學著接受，并把AI當成學生，給出十分中肯的意見，這是一個十分良性的過程。

行業(yè)玩家閃轉騰挪

作為這場用技術變革行業(yè)的主體，盡管盈利問題尚未解決，但醫(yī)療AI玩家也在通過不同的業(yè)務模式獲得收入。

醫(yī)療AI行業(yè)的公司主要有三類：創(chuàng)業(yè)企業(yè)、互聯網巨頭、傳統(tǒng)醫(yī)療企業(yè)。三者的側重點和優(yōu)勢不同，商業(yè)模式也不盡相同。

創(chuàng)業(yè)企業(yè)可以為醫(yī)院提供輔助診療等服務，為保險公司提供服務、達到控費目的，為體檢機構提供健康管理、用戶管理等服務。

例如，醫(yī)療人工智能公司Airdoc就與醫(yī)院、保險公司、制藥企業(yè)等合作，投資方復星國際的執(zhí)行董事兼聯席總裁陳啟宇表示，復星看中的是Airdoc慢病篩查系統(tǒng)的技術及院外場景。除了商業(yè)保險，還有一個潛在付費方就是政府醫(yī)保。Airdoc的張大磊表示，理論上來講，政府醫(yī)保應該是Airdoc最大的客戶，公司也在考慮這方面的變現方向。

而互聯網企業(yè)的的優(yōu)勢在于C端流量，利用自身平臺屬性與互聯網技術來進行布局。

與創(chuàng)業(yè)企業(yè)相比，醫(yī)療 AI 產品大多只是為其產業(yè)鏈布局而服務。以騰訊的產品為例，在陸續(xù)發(fā)布了一系列“互聯網+醫(yī)療”產品后，騰訊嘗試將多條產品線進行融合，打造城市級“互聯網+醫(yī)療健康”解決方案?；ヂ摼W巨頭并不著急變現，醫(yī)療AI的項目也往往是與“智慧城市”的項目掛鉤，項目一旦成熟，帶來的收益將不至于經濟層面。

傳統(tǒng)器械商是第三股重量級玩家。飛利浦中國CTO王熙曾在接受雷鋒網采訪時表示，醫(yī)療AI首先需要打好行業(yè)標準的根基，標準更多的是在體現在臨床層面和醫(yī)學路徑上，包括數據質量的把控、數據共享、AI產品監(jiān)管、臨床測試等一些環(huán)節(jié)。

這些環(huán)節(jié)是器械商們更擅長的事情。因此，他們的變現之路也更加從容：銷售渠道比較成熟，醫(yī)療人工智能可以作為設備的附加品產生效益。此外，數據標準化的能力也能打動醫(yī)院這些付費方。

微軟亞洲研究院副院長張益肇認為，AI醫(yī)療不是簡單的用技術去找醫(yī)院合作。“要想技術落地，要歷經千辛萬苦找對場景，還要說服政策制定者、監(jiān)管部門、醫(yī)院采購者、科室主任、臨床醫(yī)生、病人等無數當事人證明技術的有效性、安全性和可行性。最后，你還要明白你的產品誰來買單。?這個行業(yè)出成果需要花時間，企業(yè)家和投資人要更有耐心。