AI+医疗还要迈几道坎？提升基层医疗水平是关键

在浙江大学医学院附属第一医院院长(以下简称浙大一附院)王伟林的设想中，未来的就医场景可能会是这样的：

病患张先生一大早来到医院，人脸识别系统发现他在进入医院门前50米的距离咳嗽了好几次，而综合支付大数据的分析，发现他最近买了很多香烟，同时医院的红外摄像头拍摄到他的体温是37.8℃，综合来看有可能是发烧或者肺炎。

医院的后台系统随后给张先生推送一条消息：“你可能是感冒或者有肺炎，我们建议你在10点看我们的××教授的专家门诊，但他在8~10点之间的号全满了，只有10：15分的专家号，建议你通过手机App挂他的号。”

挂号以后，因为还有2小时的排队时间，医院后台系统建议张先生到二楼的咖啡厅喝点东西。

上述场景不仅是一位医院院长的设想，也是医疗行业迫切希望在人工智能热潮中得以解决的许多问题的缩影。

近年来，人工智能与医疗的结合催生了很多创新创业机会，也给医疗就诊带来了新的体验：计算机视觉可以在检查CT影像时帮医生阅片，机器学习可以为病患提供就医流程的咨询服务，“语音病历”把医生的双手从手写病历中解放出来……

不过，医疗这个门槛高、环节多、问题复杂的行业，也是与人工智能的结合、应用中最为特殊的领域。医生的角色、医院的管理、医疗数据的获取与使用等都是在技术推进中存在着难题。这项需要投入大量财力人力的事业，从未来到现实还有多远距离？

AI可以为医疗带来什么？

10月13日，在以云计算技术开发闻名的“云栖大会”上，首次开辟了“智慧医疗”分论坛。当天，阿里健康分别与浙江大学医学院附属第一医院、第二医院，上海交通大学医学院附属新华医院签约，分别合作开发人工智能医生助手；研制可以让医护人员练手的“虚拟病人”；利用大数据、云平台、全流程移动支付等，打造“智慧医院”。

“我们和阿里巴巴的合作(计划)里，要做医学影像阅片机器人，就是说今后CT、磁共振、超声的图象，通过大数据的分析，首先让机器人来阅读这些片子，或者是我们的病历片子先通过机器人阅片做一定诊断，然后由医生最后打报告。”王伟林表示，目前的AI计算机视觉技术可以帮助医生提前在肺癌、甲状腺结节等疾病的影像筛查环节发现可疑之处，提早发现问题可以降低发病率和死亡率。

事实上，人工智能技术在辅助诊疗方面已经有所落地。日前，记者在国内首个AI+医疗“智慧医院”安徽省立医院看到，AI医学影像辅助诊断系统已经可以实现胸部CT和乳腺钼靶影像的智能辅助诊断及辅检服务。

据该院院长许戈良介绍，上述AI医学影像辅助诊断系统由该院与科大讯飞合作研发，于2016年6月开始学习和应用。一年来，该系统通过学习68万张肺部CT影像资料，已在该院CT室辅助医生诊断了约11000人次的CT影像资料，诊断准确率达94%。

除了计算机视觉能力，医生与人工智能系统的语音交互也是AI医疗的实践中一个重要内容。据许戈良介绍，人工智能语音技术已在医护查房、超声检查等多个场景中得以使用，该院医生使用的“云医声”手机App，不仅可以语音输入查房记录，还可追踪患者的病案信息。

“过去几十分钟甚至几个小时才能完成的患者信息数据录入工作，现在通过口述方式即可完成。”许戈良说，目前该院医生每天使用“云医声”App近千人次。

阿里健康副总裁张亮认为，依托大数据的积累，AI+医疗能在医疗影像、用药方案、医疗数据、虚拟病人等方面发挥重要作用，比如模拟真实病人供医生学习治疗方法和疗效。“这是全新的高科技培训系统，而不是像过去一样的答题系统。”

不过，在医疗行业，技术始终需要服务和帮助医生、深圳博德嘉联医生集团医疗有限公司创始人谢汝石认为，AI是医疗服务的一个发展方向，但不论怎样，技术都不是要代替医生，而是把专家、医生的意见和经验总结起来，提升效率。

“沃森(IBM开发的认知计算平台)是不是更合理？是不是用它？决定权应该在医生”在谢汝石看来，目前AI还只是当作一个工具，真正实施医疗行为的时候还是医生在前端。

科大讯飞智慧医疗事业部总经理陶晓东也认为，目前的人工智能还处于弱人工智能阶段，跟许多具体的行业应用还存在不兼容的问题。“综合来看，目前在医疗领域最佳的办法还是由AI辅助诊疗，做人机耦合。”

数据、数据、数据

AI+医疗已经成为人工智能落地应用的又一个风口，不过这个风口为何在今天到来？阿里健康CEO王磊分析认为，医疗服务的智能需求一直存在，但今天AI+医疗成为风口，主要还是因为医疗数据的采集、存储、处理能力发展到了一定阶段。

王磊认为，过去几年间，大量家用血糖仪、血压计、手环等设备已经进入普通人生活，收集了大量数据；而医院也意识到医疗数据的价值，纷纷开始把医疗数据“上云”(存入云存储器中)；云计算的能力升级也让以前耗时费力的数据处理变得更容易；而以深度学习为代表的新一代人工智能技术对医疗影像、医疗数据的处理能力也有了很大变化。

“这个风口就是数据越来越多，计算能力越来越强，而且场景也越来越多。”王磊说。

不过，更完善的医疗数据获取和利用并非一帆风顺，不少医疗机构和医药公司在探索AI+医疗的过程中都走过一些弯路。

阿斯利康信息技术部副总裁徐晶表示，目前，AI+医疗最大的问题在于数据的来源和质量，因为中国的医疗数据在医院和医院之间，医院和家庭之间往往存在信息孤岛，即使在同一个医院内部，要提取和利用数据还是涉及很多手工操作。

“举个很简单的例子，虽然现在信息技术已经非常普及了，但住院查房时，还是大主任在前面查，后面的人录音下来，整理录入系统。”在徐晶看来，这种手工产生的数据，质量上存在比较大的问题。

飞利浦医疗科技大中华区副总裁陈胜裕也对医疗数据的利用难题深有同感。“不同的疾病和临床检验会产生不同的数据，如果没有经过标准化和结构化的处理就将其提供给算法，会带来很严重的问题。”根据他的观察，很多医疗数据还没结构化和标准化是AI在健康医疗领域应用的最大瓶颈。

科大讯飞智慧医疗事业部副总经理鹿晓亮曾了解过许多医院的数据化、信息化情况，他发现各地各级医院对人工智能领域的意愿和投入都各有不同，但综合来看，高端私立医院会有更大动力投身其中，他们的数据化程度也更高。据他透露，讯飞医疗也在考虑与和睦家等高端医院开展合作。

除了来源、获取和利用方式以外，医疗数据的监管也是未来AI+医疗发展中的一大隐忧。我国对医疗卫生数据的采集、利用尚未形成系统化法规要求，而此类数据往往又含有许多个人隐私。

中国信息协会医疗卫生和健康产业分会会长宋新透露，随着《网络安全法》的落地实施，接下来监管方面对数据的采集、存储和市场化应用都将会有一系列详细要求，将提高数据整合的门槛。

能否提升基层医疗水平是关键

在我国，基层医疗机构是医疗体系的末梢神经，而硬件设施、人才缺失则是长期存在的难题。因此导致许多病患对基层医疗的水平和能力不够信任，更喜欢选择“更靠谱”的大医院、上级医院，分级诊疗制度在许多地方也并未完整落实。

在医疗资源不平衡的情况下，AI+医疗能否在新一轮医疗制度改革中发挥更大作用，可能还在于能否帮助提升“神经末梢”的质量。

王磊表示，AI+医疗的应用如何具体帮助基层医院、提升医生水平尤为重要。“怎么把大量历史的数据，专家的知识，变成成熟的产品，去帮助基层的医生，帮助医联体中的下级医院，这是全行业的挑战。”

作为安徽省内为数不多的三甲综合医院，安徽省立医院在今年8月开始，将AI影像辅助诊断系统对接安徽省“医学影像云”和安徽省立医院医联体远程会诊平台，该平台可以为安徽全省41家县级医院提供胸部CT和乳腺钼靶影像的智能辅助诊断及质检服务。

据许戈良介绍，这些县级医院的医生可以直接将CT影像上传到省影像云中心，辅助诊断系统在十几秒内甚至更短时间就能产生结果，辅助医生完成诊断。另外，该院对口帮扶的西藏山南地区人民医院，也已接入该平台。

王伟林也同样希望依托云平台，带动基层医院提升医疗水平。在他的目标中，包括一个医联体内部的医疗数据“银行”：采集患者、疾病、治疗方案等医疗数据，并进行脱敏、结构化处理，通过该平台将原本仅限于大医院的AI医疗能力辐射到更加基层的医院。

在他的设想中，这一模式构成了一种“链条式的医学”：它能够优化基层医疗机构服务质量，提高高危疾病筛查能力，缓解社会医疗资源分布不平衡、优化布局结构。

不过，具体的实践依然道阻且长。鹿晓亮在跟许多基层医生交流后感觉，要想让基层医生接受、学习、使用人工智能这类新技术，还需要一定的时间。“这个我们一定有要清醒的认识。”