AI：醫療界的“千里眼”和“順風耳”

王穎

AI在醫療領域的落地嘗試愈發豐富，醫學影像、輔助診療、健康管理、數字醫療服務等場景中的新技術、新產品正不斷涌現。

如果說“AI（人工智能）將徹底改變我們的生活”，應該不會有人質疑，但若細問“AI最好的應用場景是什么？”或許每個人都有不同的答案。

“我覺得人工智能最好的應用場景，毫無疑問是醫療的場景。”創新工場董事長兼CEO李開復表示，他在中國第五屆醫療健康產業投資50人論壇年度峰會的演講進一步闡明了投資界對醫療AI的認可。

醫療AI的早期探索可以追溯到20世紀70年代，1972年英國利茲大學研發出了第一款醫療人工智能系統APPHELP;1978年，北京中醫醫院關幼波教授研發出了我國第一個醫學專家系統——關幼波肝病診療程序，由此打開了我國醫療AI研發的序幕。

進入21世紀，我國已累計研發出了上百個AI專家系統，但幾乎所有的技術和系統都還是“紙上談兵”，并沒有被應用在臨床實踐中。最近幾年，隨著全球資本和技術的協同發展，加上各國政策的支持，醫療AI進入了快速發展時期——科技巨頭紛紛成立“大健康事業部”布局醫療業務，創業公司扎堆涌入智能醫療設備和軟件開發領域，AI在醫療領域的落地嘗試愈發豐富，醫學影像、輔助診療、健康管理、數字醫療服務等場景中的新技術、新產品正不斷涌現。

AI最好的應用場景

作為疾病診斷的基礎步驟，醫學影像分析在臨床中有大量應用，可輔助醫生識別病灶，了解病情嚴重程度。

研究數據表明，有近90%的醫療信息基于醫學影像分析得出，其在醫療過程中的重要性不言而喻。而作為機器學習的重要分支，深度學習在圖像分析、識別中取得了很好的應用效果，利用深度學習技術進行醫學影像分析輔助診斷也成為醫療AI落地的重點。

從國家藥監局公布的三類證獲批情況可以看出，肺部影像分析和糖網篩查是目前國內醫療AI企業的研究重點，12個已通過審核的產品中有6個與這兩項檢測相關。

2020年11月，國家藥監局審核通過了全國首個肺部影像AI產品——肺結節CT影像輔助檢測軟件。這款軟件來自一家創立于2016年的醫療AI企業——推想醫療，在論證了AI醫療技術可行、產品化可行，并在醫院規模化應用后，推想醫療拿到了國家藥監局市場準入認證，這也是非常典型的AI醫療企業的發展歷程。

在新冠肺炎疫情暴發初期，推想醫療與疫區醫院共同研發了“肺部輔助診斷系統肺炎特別版”，在武漢同濟醫院、北京海淀醫院、重慶醫科大學附屬第一醫院投入使用，輔助一線醫護人員進行診斷、量化評估、分診和疫情監控。

除肺部領域AI之外，視網膜AI也是目前在醫療影像AI領域中走在領先陣列的項目之一。很多人或許不了解，視網膜是我們人體唯一能夠無創就可直接觀測到血管和神經的組織，蘊含著豐富的生物學特性和健康信息，我們可以通過視網膜來檢測到諸多慢病情況。醫學研究表明，視網膜能觀察到上千種病變，常見的有200余種。

2020年8月，鷹瞳Airdoc獲得了國內AI眼底領域的第一張三類證。自2015年創立以來，鷹瞳科技在6年時間完成了7輪融資，融資總額超過8億元人民幣，其主營業務是AI視網膜影像識別早期檢測、輔助診斷及健康風險評估方案。

事實證明，AI視網膜影像識別這個方向是正確的。2020年11月，糖網AI三類證產品被寫進了國家糖尿病防控指南。這既是國家對醫療AI產品安全性、有效性的專業認定，也是推動國內醫療AI臨床應用和深入發展的重大里程碑。

目前鷹瞳Airdoc能對糖尿病、心梗等55種疾病或病變進行相應的檢測或風險評估。鷹瞳Airdoc創始人、CEO張大磊表示，去年鷹瞳Airdoc的視網膜AI產品共檢測了200多萬人次，其中臨床科室和體檢等醫療機構的貢獻最大。他預計，今年檢測量會達到1000萬～2000萬人次。隨著檢測量的增加，單次檢測的成本會逐漸降低，這些技術也將普惠到更多人。

除了影像，語音技術也是深度學習在醫療AI領域的重要探索之一。截至2020年底，科大訊飛已在全國設立了200多個智慧醫療項目，累計進行了1.3億次輔助診斷。NLP算法為醫患溝通提供了智能交互能力，提高醫生診療效率的同時，也為患者提供了更便利的就診形式。

不止如此，科大訊飛研發的“智醫助理”利用語音識別、自然語言處理技術，實現了智能問診、智能交互功能。截至2020年底，科大訊飛的“智醫助理”已在北京、安徽、西藏、內蒙古、青海、新疆等地的3萬余家基層醫療機構上線。

此外，作為通用智能語音語言技術的提供商，思必馳也發現了AI醫療是一個“寶藏賽道”。新冠肺炎疫情期間，思必馳研發的智能外呼機器人通過信息采集、健康教育、患者隨訪極大地提高了醫護人員的工作效率，每天處理百萬級電話外呼，為疫情排查、病例分析提供了基礎支持。

思必馳推出的“1+2”軟硬一體化智慧醫療解決方案，目前在醫療服務的各個階段都有應用，醫生可以基于智能語音語言技術和智能人機交互技術，在門診預問診、門診電子病歷、手術室智能助理、醫技報告語音錄入等環節提高工作效率。

“針對醫療中人與人、人與機器溝通的場景，智能語音語言技術能夠通過對知識的重構處理讓溝通更便捷，這是傳統信息化系統不能解決的問題。”思必馳智慧城市應用事業部副總經理鄒平表示。

邁過高技術的門檻

無論是醫療還是AI，都是門檻很高的行業，醫療AI產品要進入市場就必須面臨層層考驗。當前，醫療AI產品拿到了醫療器械三類證，只能證明這些技術和服務過關，而它能否和臨床緊密結合才是接下來的重點，也是醫療AI企業必須邁過的難關。

AI進行醫學影像分析的步驟，大致可以分為：檢查病灶、分析病情、制定治療方案。在這三個步驟中，任何一個環節都離不開與醫生的緊密配合：

首先，醫生上傳病人的影像資料后，AI可以自動篩查出病灶，結合醫生的判斷最大程度地減少漏診;其次，AI與醫生一樣，都是通過大量的經驗分析病人病情，經過大量數據對比后，AI可以結合以往病例幫助醫生分析病情;最后，掌握病人基本情況和病情程度后，AI可以給出相應的治療方案，但只能為醫生提供參考。

無論何種AI模型，想要提高準確率都需要大量的數據和案例學習，而醫療AI面臨的最大問題就是如何獲取海量數據，并在保證數據安全的情況下訓練AI。

2020年3月，國家藥監局對醫療影像AI產品的審核提出了具體要求，包括訓練數據不得少于2000例、來源超過3家醫療機構、人群分布平均等。為此，很多企業選擇了與醫院合作的方式來獲取真實數據，同時還能直接了解到醫院的真實需求，畢竟對醫療行業來說，醫生在臨床中大量需要的技術就是剛需。

AI的優勢在于，其識別精度要遠超人類，且醫生在大量閱片時會產生疲勞，也會影響對病情的判斷。有了AI影像技術的輔助后，可大大地節約醫生的時間及精力，提高醫生的問診效率和質量。

近日，谷歌將Google Health團隊的部分人員并入Fitbit，同時把剩余員工分為三個團隊，其中一個就專注于醫學影像領域的創新，使用算法篩查糖尿病視網膜病變，這也是Google Health目前最重要的研發方向之一。這件事進一步說明了視網膜影像AI方向的重要性及發展潛力。

不過，一直以來，我國對眼科疾病的重視程度不高，眼科醫生長期處于缺乏狀態，通過視網膜檢測全身疾病的應用更是少之又少。鷹瞳Airdoc的產品首先關注疾病造成的眼部問題，譬如糖尿病的典型并發癥——糖尿病視網膜病變。

2019年，愛康集團與鷹瞳Airdoc達成戰略合作后，對數百萬患者進行了基于視網膜AI的健康狀況評估。其中，AI眼底照相疾病風險評估包括4大類30個各類各級異常，36.8%的受檢者有兩種以上的異常結果。

有受檢者在拿到相關報告后，針對異常結果去醫院做了精細的檢查，發現果然在對應的部位出現了病變，這為受檢者的后續治療贏得了理想的時間。

事實上，醫療AI產品想要真正普及，只能通過不斷創新為醫生創造更多價值，保證整個行業的探索朝著有效的方向前進。除了醫院和用戶本身的需求，更重要的是在產品落地過程中能與臨床有緊密的結合，且不必在不同的醫院做不同的適配，有一個放之四海皆準的標準。

現階段，企業要做的就是服務好醫院和醫生，讓AI最大程度地輔助醫生提高診療效率、放大診療效果并復制診療模式。

（編輯 宦菁 huanjing0511@sohu.com）