原標題：AI+醫療還要邁幾道坎

　　在浙江大學醫學院附屬第一醫院院長(以下簡稱浙大一附院)王偉林的設想中，未來的就醫場景可能會是這樣的：

　　病患張先生一大早來到醫院，人臉識別係統發現他在進入醫院門前50米的距離咳嗽了好幾次，而綜合支付大數據的分析，發現他最近買了很多香煙，同時醫院的紅外攝像頭拍攝到他的體溫是37.8℃，綜合來看有可能是發燒或者肺炎。

　　醫院的後臺係統隨後給張先生推送一條消息：“你可能是感冒或者有肺炎，我們建議你在10點看我們的××教授的專家門診，但他在8~10點之間的號全滿了，只有10：15分的專家號，建議你通過手機App挂他的號。”

　　挂號以後，因為還有2小時的排隊時間，醫院後臺係統建議張先生到二樓的咖啡廳喝點東西。

　　上述場景不僅是一位醫院院長的設想，也是醫療行業迫切希望在人工智慧熱潮中得以解決的許多問題的縮影。

　　近年來，人工智慧與醫療的結合催生了很多創新創業機會，也給醫療就診帶來了新的體驗：電腦視覺可以在檢查CT影像時幫醫生閱片，機器學習可以為病患提供就醫流程的咨詢服務，“語音病歷”把醫生的雙手從手寫病歷中解放出來……

　　不過，醫療這個門檻高、環節多、問題復雜的行業，也是與人工智慧的結合、應用中最為特殊的領域。醫生的角色、醫院的管理、醫療數據的獲取與使用等都是在技術推進中存在著難題。這項需要投入大量財力人力的事業，從未來到現實還有多遠距離？

　　AI可以為醫療帶來什麼？

　　10月13日，在以雲計算技術開發聞名的“雲棲大會”上，首次開辟了“智慧醫療”分論壇。當天，阿裏健康分別與浙江大學醫學院附屬第一醫院、第二醫院，上海交通大學醫學院附屬新華醫院簽約，分別合作開發人工智慧醫生助手；研制可以讓醫護人員練手的“虛擬病人”；利用大數據、雲平臺、全流程移動支付等，打造“智慧醫院”。

　　“我們和阿里巴巴的合作(計劃)裏，要做醫學影像閱片機器人，就是説今後CT、磁共振、超聲的圖像，通過大數據的分析，首先讓機器人來閱讀這些片子，或者是我們的病歷片子先通過機器人閱片做一定診斷，然後由醫生最後打報告。”王偉林表示，目前的AI電腦視覺技術可以幫助醫生提前在肺癌、甲狀腺結節等疾病的影像篩查環節發現可疑之處，提早發現問題可以降低發病率和死亡率。

　　事實上，人工智慧技術在輔助診療方面已經有所落地。日前，中國青年報·中青線上記者在國內首個AI+醫療“智慧醫院”安徽省立醫院看到，AI醫學影像輔助診斷係統已經可以實現胸部CT和乳腺鉬靶影像的智能輔助診斷及輔檢服務。

　　據該院院長許戈良介紹，上述AI醫學影像輔助診斷係統由該院與科大訊飛合作研發，于2016年6月開始學習和應用。一年來，該係統通過學習68萬張肺部CT影像資料，已在該院CT室輔助醫生診斷了約11000人次的CT影像資料，診斷準確率達94%。

　　除了電腦視覺能力，醫生與人工智慧係統的語音交互也是AI醫療的實踐中一個重要內容。據許戈良介紹，人工智慧語音技術已在醫護查房、超聲檢查等多個場景中得以使用，該院醫生使用的“雲醫聲”手機App，不僅可以語音輸入查房記錄，還可追蹤患者的病案資訊。

　　“過去幾十分鐘甚至幾個小時才能完成的患者資訊數據錄入工作，現在通過口述方式即可完成。”許戈良説，目前該院醫生每天使用“雲醫聲”App近千人次。

　　阿裏健康副總裁張亮認為，依托大數據的積累，AI+醫療能在醫療影像、用藥方案、醫療數據、虛擬病人等方面發揮重要作用，比如模擬真實病人供醫生學習治療方法和療效。“這是全新的高科技培訓係統，而不是像過去一樣的答題係統。”

　　不過，在醫療行業，技術始終需要服務和幫助醫生、深圳博德嘉聯醫生集團醫療有限公司創始人謝汝石認為，AI是醫療服務的一個發展方向，但不論怎樣，技術都不是要代替醫生，而是把專家、醫生的意見和經驗總結起來，提升效率。

　　“沃森(IBM開發的認知計算平臺)是不是更合理？是不是用它？決定權應該在醫生”在謝汝石看來，目前AI還只是當作一個工具，真正實施醫療行為的時候還是醫生在前端。

　　科大訊飛智慧醫療事業部總經理陶曉東也認為，目前的人工智慧還處于弱人工智慧階段，跟許多具體的行業應用還存在不相容的問題。“綜合來看，目前在醫療領域最佳的辦法還是由AI輔助診療，做人機耦合。”

　　數據、數據、數據

　　AI+醫療已經成為人工智慧落地應用的又一個風口，不過這個風口為何在今天到來？阿裏健康CEO王磊分析認為，醫療服務的智能需求一直存在，但今天AI+醫療成為風口，主要還是因為醫療數據的採集、存儲、處理能力發展到了一定階段。

　　王磊認為，過去幾年間，大量家用血糖儀、血壓計、手環等設備已經進入普通人生活，收集了大量數據；而醫院也意識到醫療數據的價值，紛紛開始把醫療數據“上雲”(存入雲記憶體中)；雲計算的能力升級也讓以前耗時費力的數據處理變得更容易；而以深度學習為代表的新一代人工智慧技術對醫療影像、醫療數據的處理能力也有了很大變化。

　　“這個風口就是數據越來越多，計算能力越來越強，而且場景也越來越多。”王磊説。

　　不過，更完善的醫療數據獲取和利用並非一帆風順，不少醫療機構和醫藥公司在探索AI+醫療的過程中都走過一些彎路。

　　阿斯利康信息技術部副總裁徐晶表示，目前，AI+醫療最大的問題在于數據的來源和品質，因為中國的醫療數據在醫院和醫院之間，醫院和家庭之間往往存在資訊孤島，即使在同一個醫院內部，要提取和利用數據還是涉及很多手工操作。

　　“舉個很簡單的例子，雖然現在信息技術已經非常普及了，但住院查房時，還是大主任在前面查，後面的人錄音下來，整理錄入係統。”在徐晶看來，這種手工産生的數據，品質上存在比較大的問題。

　　飛利浦醫療科技大中華區副總裁陳勝裕也對醫療數據的利用難題深有同感。“不同的疾病和臨床檢驗會産生不同的數據，如果沒有經過標準化和結構化的處理就將其提供給演算法，會帶來很嚴重的問題。”根據他的觀察，很多醫療數據還沒結構化和標準化是AI在健康醫療領域應用的最大瓶頸。

　　科大訊飛智慧醫療事業部副總經理鹿曉亮曾了解過許多醫院的數據化、信息化情況，他發現各地各級醫院對人工智慧領域的意願和投入都各有不同，但綜合來看，高端私立醫院會有更大動力投身其中，他們的數據化程度也更高。據他透露，訊飛醫療也在考慮與和睦家等高端醫院開展合作。

　　除了來源、獲取和利用方式以外，醫療數據的監管也是未來AI+醫療發展中的一大隱憂。我國對醫療衛生數據的採集、利用尚未形成係統化法規要求，而此類數據往往又含有許多個人隱私。

　　中國資訊協會醫療衛生和健康産業分會會長宋新透露，隨著《網絡安全法》的落地實施，接下來監管方面對數據的採集、存儲和市場化應用都將會有一係列詳細要求，將提高數據整合的門檻。

　　能否提升基層醫療水準是關鍵

　　在我國，基層醫療機構是醫療體係的末梢神經，而硬體設施、人才缺失則是長期存在的難題。因此導致許多病患對基層醫療的水準和能力不夠信任，更喜歡選擇“更靠譜”的大醫院、上級醫院，分級診療制度在許多地方也並未完整落實。

　　在醫療資源不平衡的情況下，AI+醫療能否在新一輪醫療制度改革中發揮更大作用，可能還在于能否幫助提升“神經末梢”的品質。

　　王磊表示，AI+醫療的應用如何具體幫助基層醫院、提升醫生水準尤為重要。“怎麼把大量歷史的數據，專家的知識，變成成熟的産品，去幫助基層的醫生，幫助醫聯體中的下級醫院，這是全行業的挑戰。”

　　作為安徽省內為數不多的三甲綜合醫院，安徽省立醫院在今年8月開始，將AI影像輔助診斷係統對接安徽省“醫學影像雲”和安徽省立醫院醫聯體遠端會診平臺，該平臺可以為安徽全省41家縣級醫院提供胸部CT和乳腺鉬靶影像的智能輔助診斷及質檢服務。

　　據許戈良介紹，這些縣級醫院的醫生可以直接將CT影像上傳到省影像雲中心，輔助診斷係統在十幾秒內甚至更短時間就能産生結果，輔助醫生完成診斷。另外，該院對口幫扶的西藏山南地區人民醫院，也已接入該平臺。

　　王偉林也同樣希望依托雲平臺，帶動基層醫院提升醫療水準。在他的目標中，包括一個醫聯體內部的醫療數據“銀行”：採集患者、疾病、治療方案等醫療數據，並進行脫敏、結構化處理，通過該平臺將原本僅限于大醫院的AI醫療能力輻射到更加基層的醫院。

　　在他的設想中，這一模式構成了一種“鏈條式的醫學”：它能夠優化基層醫療機構服務品質，提高高危疾病篩查能力，緩解社會醫療資源分布不平衡、優化布局結構。

　　不過，具體的實踐依然道阻且長。鹿曉亮在跟許多基層醫生交流後感覺，要想讓基層醫生接受、學習、使用人工智慧這類新技術，還需要一定的時間。“這個我們一定有要清醒的認識。”（記者 王林 實習生 張雨涵）

【糾錯】

責任編輯： 聶晨靜