医疗人工智能正逐步多元化_数据价值是关键

随着医疗人工智能的发展，应用场景正逐步多元化。目前，AI参与的医学领域包括可分析腹部肿瘤的腹部医学影像处理系统、精准射频消融肝癌手术、超声机器人、儿童成长发育迟缓智能诊断辅助系统等。同时，为医生提供智能诊疗工具、临床决策支持系统等，也是人工智能在医疗领域的主要方向。

数据仍是人工智能发展的掣肘因素。3月23日，在2018中华医院信息网络大会上，清华大学信息技术研究院Web与软件技术研究中心副主任杨吉江认为，“数据是人工智能的基本素材。”医疗场景的复杂、决策程序的复杂，让更多的AI＋医疗公司不止局限于算法的开发，而是逐渐回归数据，重视数据采集和管理。

应用场景多元化

在归纳医疗领域人工智能的应用时，浙江大学数学学院教授孔德兴介绍，目前主要包括AI＋辅助治疗、AI＋医学影像、AI＋精准手术、AI＋药物挖掘，以及虚拟护士等AI＋健康管理产品。

杨吉江表示，在一些欧美国家，人工智能已经在自我监测和预防、痴呆症的早期发现、胰腺癌诊治、眼科影像等领域应用。

在AI辅助诊疗的领域中，具有典型性的案例就是IBM Watson，作为IBM开发的人工智能云平台，Watson可帮助肿瘤医生或临床团队做出治疗决策。自2017年3月百洋智能科技取得了Watson肿瘤解决方案（Watson for oncology）在中国市场的独家总代分销权，目前沃森肿瘤会诊中心已在中国29家三甲医院或机构落地。

除此之外，AI辅助医疗也在多个领域获得实际应用上的进展。孔德兴介绍道，国内开发出了“腹部医学影像处理系统”，已在多个医院取得成功应用。例如，一位37岁的男性患者被诊断为胰头肿瘤晚期，肿瘤侵犯大血管，认为无法切除，但通过上述系统却发现，肿瘤未侵犯大血管，仅为局部压迫，可以手术切除。由此，该病例手术成功，术后恢复良好。类似的，这类系统挽救了多名患者的生命。

以人工智能为依托，超声机器人的应用则较为广泛。在获取合格图像后，超声机器人进行自动筛查、智能诊断，辅助设计手术方案，并进行疗效评估。孔德兴及合作者曾建立包括超声影像、病理数据在内的超过24000个样本的数据库，同时在英特尔公司支持搭建的计算环境中，采用深度学习算法，研发出DE超声机器人。2016年，在针对甲状腺结节的超声影像识别和诊断的人机“大战”中，DE超声机器人获胜。

孔德兴介绍，超声机器人目前判断是否有甲状腺结节的平均准确率可达到95％，判断良性恶性的平均准确率可达到85％以上。

医疗人工智能领域从不缺少实力雄厚的入局者。例如，科大讯飞智慧医疗BU总经理陶晓东日前向记者介绍，讯飞影像已支持线上胸部CT肺结节检测和乳腺钼靶肿块检测，另有多个病种将陆续完成人工智能辅助诊断开发。

阿里健康人工智能实验室主任范绎表示，阿里健康的医疗AI“Doctor You”立足于推动医疗AI全方位的整体发展。3月23日，由美国梅奥医疗集团与高瓴资本联合成立的惠每医疗集团也参加了此次会议，旗下的“惠每临床决策支持系统”来自人工智能与大数据的结合。

回归数据价值是关键

对于AI医疗公司来说，单一的算法开发如今似乎很难支撑起一家公司数据的价值重新回归。

“实际上，人工智能是一种知识的表达。”杨吉江谈到，人工智能其实是一个交叉学科，既是计算机科学的分支，又涉及心理学、哲学和语言学等。如果研究机构或公司只是单纯研究算法，那么很难实际应用。不同来源的数据与算法结合，才是人工智能的根基。

自然语言学习、深度学习、虚拟助理等，都是AI的具体研究领域。在医疗方面，图像分析的应用也比较广泛。

杨吉江认为，从发展阶段上看，人工智能从早期推理到后面的数据驱动，数据是最主要的。例如，有AI＋医疗影像的公司与业内专家探讨，开始回归数据，在数据采集、数据管理上花费很大的力气，而不是“虚幻的”去做诊断。

对AI医疗来说，数据的重要性不言而喻。AI在小样本集上做的诊断或推定，被认为是不可持久的模式，因为一旦再扩大一点范围，换一个病种、换一个地方，结果可能就出现偏差，正确率下降。

“为什么人工智能突然爆发？实际上这跟大数据的发展也有一定关系。我们现在手上都有很多数据，但如果不去有效地利用，就不具有价值。”杨吉江说。

杨吉江有过400万个数据清洗完后，剩下20多万个的经历；从某医院拿到的200万个眼科数据，清洗过后也差不多只剩下20万个。作为AI医疗的基本素材，数据的准确性和质量非常重要。但“干净”的数据并不容易获得，需要很大的工作量。

即便数据量足够大，在面对每个个体的差异时，AI医疗依然没法保证100％的准确率，一旦出现问题就是误诊、漏诊。因此，多位与会人员亦表达了类似的观点，即人工智能在医疗领域的角色目前仍是辅助。

针对临床决策的辅助系统，融合大量医学指南与医生的经验智慧，针对治疗目标及治疗的实时效果进行决策建议，大大提升科室的综合决策诊断水平。

迈瑞发现，作为光信号的血氧参数以及电信号的心电参数间，其实有着紧密的联系。把两个数据“拧在一起”，在多参数联合分析作用下，对心率、脉搏监测准确性大大提升，并极大地增强了报警的准确性。这样“智能报警”的结果，则是让致命性心律失常误报次数大幅下降65％，其他心律失常误报次数下降50％。同时，对于心率准确性提升30％，脉率准确性提升30％。

点评：但截至目前，没有人能保证人工智能能达到100%的准确率，但是有哪个医生能保证自己能达到100%的准确率吗？如果人不能达到，就要求AI一定达到，是不是对人工智能太过苛求？现阶段让人工智能在医疗的过程中提高数据的分析利用效率，给医生的分析判断提供参考就是最大的贡献。其它的可以在实践中慢慢进步。