人工智能：從實驗室到醫(yī)院的距離有多遠？
2019-05-23 10:31:13 人人都是產品經理
與傳統的傾向于勞動密集型的醫(yī)療保健不同，新興的醫(yī)療模式是知識驅動型和數據密集型的。許多新型醫(yī)療保健正在帶給我們一種新的模式，它將依賴于新一代用戶友好、實時的大數據分析和人工智能及機器學習工具。
與Mike Barlow持類似觀點的專家儼然不在少數，醫(yī)療已然成為人工智能最先落地的場景之一，AI從實驗室走進醫(yī)院，早已也不是什么技術問題，只是時間的早晚。
現實似乎又有些例外。IBM早在2014年就斥資10億美元成立了Watson業(yè)務集團，全面運作 Watson 的研究和商業(yè)化事宜，其中的第一份職業(yè)就是“醫(yī)生助理”，嘗試用人工智能驅動個性化治療。
但直到今天，有關AI+醫(yī)療的案例報道屢見不鮮，醫(yī)療AI的臨床落地卻幾乎處于空白狀態(tài)。
01 角色進化
自從2014年以來，AI進入垂直細分領域，醫(yī)療+AI就被認為是最容易落地的領域之一。盡管醫(yī)療+AI仍然存在不少問題，前進的腳步卻從未停歇。
IBM旗下的Watson就是該行業(yè)的先驅。在2017年9月，Watson在中國實現落地，其角色定位是“輔助醫(yī)生”。也就是說Watson并不能代替醫(yī)生下判斷，而是用人工智能幫助醫(yī)生做診斷，就像金箍棒一樣，孫悟空擁有了它更是如虎添翼。
Watson的工作原理是當醫(yī)生輸入患者的詳盡數據，這款AI會從數據庫里搜索已發(fā)表的研究成果，不到10秒鐘，就能給出相應的治療方案，供醫(yī)生參考，為醫(yī)生提供建議方案。
盡管Watson目前的作用是輔助，但是為了做好“助攻者”的角色，Watson在不斷自我優(yōu)化。
以Watson的腫瘤解決方案為例：目前其方案覆蓋乳腺癌、肺癌和直腸癌等13個癌種，輔助全球醫(yī)生進行診療，而預計到2019年，會在現有的基礎上將新增3個癌種的解決方案。而在國內，國內的互聯網巨頭們也相繼入局AI醫(yī)療領域。
2016年4月，騰訊1億美元投資“碳云智能”，10月百度發(fā)布“百度醫(yī)療大腦”，2017年3月阿里云發(fā)布“ET醫(yī)療大腦”，宣布正式進入AI醫(yī)療領域。
盡管起步比美國晚兩年，技術還不及國外成熟，但是在國內市場依然擁有一定得壁壘。
中國人的身體素質和外國人有一定差異，注入Watson等國外的AI醫(yī)療系統是針對外國人的身體情況制造出來的，可能與國人不匹配。根據法律法規(guī)，國內的醫(yī)療數據不允許出境。所以服務于中國人的AI醫(yī)療系統還需中國人自己完成。
02 螺旋前進
近幾年，AI的概念一直被炒得火熱。甚至有人說只要在PPT上加“AI”兩個字，就肯定能吸引到投資。
那么作為醫(yī)療AI，到底是一場“海市蜃樓”，還是真真切切在顛覆醫(yī)療行業(yè)的革命呢？
1. “就是一坨屎”？
據美國媒體STAT爆料，IBM內部PPT顯示，Watson其實存在嚴重的技術問題。IBM的醫(yī)療專家和客戶都確認了多起不安全和不正確的治療建議。
Watson的技術沒有達到預期，引起了世界各地醫(yī)生的抱怨，不少醫(yī)生表示Watson并不適用于自己國家的患者。
有部分醫(yī)生認為Watson其實并沒有多大用處，醫(yī)院購入Watson是處于營銷的目的。甚至有一位醫(yī)生直言不諱地告訴IBM，“這產品只是一坨屎，大多時間沒法用。”
曾經有貴婦嘲諷法拉第他發(fā)明的“電磁感應裝置”有什么用，法拉第回答“沒過多久就能靠它收稅了”，此后電力是何等程度改變了世界，相信每個人都明白。
誠然，現階段的醫(yī)療AI算不上十分智能，更不能完全代替醫(yī)生。但是我們要看到AI的優(yōu)點，比如人類的大腦是脆弱的，而機器卻能無休無止地進行高強度計算。
站在發(fā)展的角度去考量AI醫(yī)療，這項新生的事物能做的，也許會完全超出人們的想象。
2. 疑似過度宣傳？
自從AlphaGo戰(zhàn)勝人類棋手的新聞以來，AI的話題一直是媒體的寵兒。這個過熱的話題，也許賦予了大眾對現階段的人工智能過高的期待。
所以比如當Watson大幅裁員五成到六成的時候，比如中山大學眼科中心測試發(fā)現，AI醫(yī)生在真實臨床門診對白內障的診斷正確率只有87.4％，遠低于試驗階段的98.87％的時候，大眾會不禁質疑——醫(yī)療AI是不是宣告失敗了？
其實這只是事物在螺旋上升過程中經常要碰見的狀況，其問題在于媒體的過度宣傳，讓大眾對事物無法產生一個客觀的認知。大眾對技術產生過高的想象，將技術神化、將困難簡單化。
醫(yī)療AI有自己的螺旋上升周期，大眾應該允許失敗，媒體對該議題的關注也該回歸理性。
03 遺留問題
新生事物的誕生總是伴隨著陣痛。醫(yī)療AI需要克服自身存在的缺陷。
同時，新技術的誕生往往會遭受舊秩序的困擾，醫(yī)療AI還需要面臨何如從舊秩序中突圍的難題。
1. 法律責任
在試錯代價動輒就是生命的醫(yī)療領域，AI首當其沖要面對的就是法律問題。
2011年，在美國麻省的一家醫(yī)院，一位暈倒的老人被救護車送進了急救病房。他被立即安插上AI體征監(jiān)控設備。如果他的生命體征出現危險，設備就會發(fā)出警告，召喚護士。然而，第二天，這個老人卻死在了病床上。
死之前監(jiān)控設備的紅燈閃了一夜，但是被值班護士一遍一遍按掉。護士的疏于職守自然難辭其咎，但是從系統的角度來看，有一個問題大家都無法回避：許多醫(yī)院的AI監(jiān)控設備，很多時候都只是誤報。
患者的死亡，責任到底該由誰承擔，AI是否能為誤診負起責任，這是一個需要思考的問題。
2. 數據孤島
就像汽車需要汽油才能行駛，數據是AI能運行起來的基礎。AI通過“吃進”海量的醫(yī)療數據，來增加自己的“經驗”，從而讓自己變得更“智能”。然而在中國，醫(yī)療數據看似很豐富，而事實上可用性并不高。
比如：醫(yī)院之間的數據互通就做得不好，如果一個病人在不同醫(yī)院就診，那么取得該病人完整的歷史數據就變得十分困難。
而且不同醫(yī)院之間，由于使用的硬件儀器不同，導致數據格式各異，難以標準化。各個醫(yī)院之間的數據，就像汪洋上的一個個孤島，彼此獨立，無法連成一片，無法互通有無。
許多業(yè)界專家呼吁，將各個醫(yī)院數據的私有格式轉化為標準格式，讓醫(yī)療數據能夠通用，但是響應者寥寥。
即使AI能獲得高質量的醫(yī)療數據，它還有無法回避的棘手問題：患者的數據會被AI公司泄露嗎？畢竟應該沒有一個人會希望自己的隱私被泄露。
3. 落地艱難
除數據問題外，AI在醫(yī)療行業(yè)的落地還存在模式和制度的問題。
比如：美國特拉雅諾娃實驗室開發(fā)了一套結合影像和AI的心臟造影方案，構建出整個3D全息心臟模型。它能夠模擬心臟動態(tài)，利用它，醫(yī)生可以準確地找出患者病灶。
然而這項技術真的要從實驗室走向醫(yī)院，前景并不樂觀。
其最大的挑戰(zhàn)來自于美國食品藥監(jiān)局（FDA）的監(jiān)管和審查。任何一項技術想要投入臨床應用，都免不了和FDA進行一場曠日持久的拉鋸戰(zhàn)。如果無法將研究成果轉化為審批標準，那么無論產出再多研究成果都是無用功。
04 總結
盡管醫(yī)療AI還沒有大規(guī)模落地，從實驗室到醫(yī)院還有很長的一段路要走，而且在現階段，醫(yī)療AI無法像人類醫(yī)生那樣做診斷，不能取代人類醫(yī)生。
但是AI醫(yī)療是很好的工具，它的出現切實地提高了醫(yī)生的診斷效率，提升了醫(yī)療質量，減少了誤診的可能性。
在科學急速發(fā)展的今天，我們需要更高水平、更科學的技術進入醫(yī)療領域，而AI或許是最好的、也是時代最合適的技術。未來，AI將在醫(yī)療領域有著舉足輕重的作用。
免責聲明：本文由作者原創(chuàng)。文章內容系作者個人觀點，轉載目的在于傳遞更多信息，并不代表EETOP贊同其觀點和對其真實性負責。如涉及作品內容、版權和其它問題，請及時聯系我們，我們將在第一時間刪除！
EETOP 官方微信
創(chuàng)芯大講堂 在線教育
半導體創(chuàng)芯網 快訊
相關文章
