醫療+AI引發的思考

編輯整理/本刊記者 楊曉慧

醫院從大數據著手，建立自己的人工智能生態體系、價值體系，需要提上日程。

胡偉國上海交通大學醫學院附屬瑞金醫院副院長

潘曙明上海交通大學醫學院附屬新華醫院副院長

金彪上海交通大學醫學院附屬新華醫院放射科行政副主任兼崇明分院副院長

王才有國家衛生計生委統計信息中心原副主任

詹松華上海中醫藥大學附屬曙光醫院放射科主任

肖京平安科技首席科學家

彭明強中日醫院副院長

腳踏實地，仰望星空，這是我們正在經歷的人工智能時代。人們一邊實踐，一邊憧憬著未來世界，一邊還在擔憂人工智能不可預估的能量，“生存還是毀滅，這是個問題。”

雖然人類是這樣的糾結矛盾，但沒人能夠否認，人工智能正在變革醫療，變革社會，變革人類歷史。

在11月4日第十一屆中國醫院院長年會“醫療與人工智能”分論壇上，演講嘉賓與參會者分享了人工智能在醫療乃至人類歷史上的作為，為行業帶來了一場思想的饕餮盛宴。

胡偉國：從四大方面推進AI應用

上海交通大學醫學院附屬瑞金醫院（以下簡稱“瑞金醫院”）副院長胡偉國在談及人工智能帶來的挑戰時表示，醫院管理者應該從四個方面著手應對挑戰。

一是要融合大數據。數據的融合一定要跨區域、跨領域，不僅包括臨床電子病歷、檢驗數據，同時還要包括個人行為乃至氣象數據。二是要互動。“互動有代表性的是人機互動，機器能夠聽懂人類語言，能夠不斷交流。”三是學習。在大數據基礎上有理解、學習、推理的能力。四是開展綜合決策。

基于上述四個方面，瑞金醫院在信息化的道路上不斷深入，由數字化醫療逐步走向智慧醫療，進而向認知治療進行轉化。

“這三個階段是交替式地、疊加式地、螺旋式地在發展。”結合醫院發展經驗，胡偉國說道，數字化醫療是基礎，瑞金醫院已經基本實現并不斷延續；智慧醫療基本形成框架并不斷補充；認知醫療可能剛剛起步。

談及認知醫療時，胡偉國指出其主要特征在于人機互動、關聯發現學習的能力以及綜合決策，而這些正是人工智能需要深入探索的領域。會上，他向參會者展示了醫院在醫療領域、輔助診療領域、影像領域、精準醫學領域開展的探索。

談及人工智能在醫療領域的應用時，胡偉國用“任重而道遠”來形容。在他看來，當下的人工智能依然很“弱小”。今年的3月8日，醫院在全國率先啟動了沃森應用，醫院發現其病例診斷還沒有達到分子水平，沒有靶向治療、沒有手術方案等，這些均需要醫生幫助其不斷學習、不斷改進。

他引用一位投資人的話談道，AI在醫療領域還沒有找到門，門到底在什么地方還在摸索；AI在醫療領域可能最容易突破的是影像。“我覺著這兩句話非常中肯。”

親身體驗參與人工智能在醫療領域的應用，也讓胡偉國對醫生是否會被人工智能取代有了自己的見解：醫生不會被取代，原因在于醫學需要人文關懷，需要創新與創造，并需要綜合的決策能力，人工智能在這些方面還無法突破。

潘曙明：數據決定未來

“未來二十年，是醫療大數據的時代，深挖醫療大數據是醫院發展的必由之路。”上海交通大學醫學院附屬新華醫院（以下簡稱“新華醫院”）副院長潘曙明認為，隨著數字化建設，醫院將迎來又一個發展的機遇，中國醫療機構將因大數據應用能力的建設進而明顯分化。

在潘曙明看來，大數據時代已經來臨，它在驅動著各行業的創新發展，同時驅動著醫療行業各環節的發展，包括醫學研究、醫院管理、醫療可穿戴設備應用，等等，“隨著醫學大數據的深度應用，它必將全方位變革醫學行業。”

“以疾病為核心，應用大數據，醫院能夠形成一幅全方位診斷的疾病可視化畫像。”面向未來，他對大數據應用給出了描述，同時也傳達出了新華醫院對醫療大數據應用的設計與構想。

目前，新華醫院已經實現了300000份以上住院病歷（醫囑、收費、檢查檢驗、病史、首頁）；1200000份以上門急診診療病歷（掛號、處方、收費、檢驗檢查、病歷診斷）所形成的數據，并且各類明細數據已超億條。這些數據將會進一步驅動醫院的創新發展。

結合醫院實踐，潘曙明談道，大數據的質量決定了大數據的分析結果以及應用效果，對此，醫院從源頭抓起，整合醫院信息化資源，建設醫療大數據平臺。

數據的共享與融合是未來大數據應用的條件之一。談及該問題時，潘曙明指出了區域數據共享面臨的難題，包括受限于國家尚缺少數據共享開放的指標體系、數據資源家底普遍不清、數據共享交換機制尚未建立等因素的限制，區域醫療大數據的共享出現了不敢、不愿也不會的現象，等等。會上，他對此方面的工作呼吁給予重視。

金彪：仰望星空，暢想未來

上海交通大學醫學院附屬新華醫院放射科行政副主任兼崇明分院副院長金彪引用了黑格爾的一句話：存在即合理。在金彪看來，人工智能的出現是一種必然趨勢，而它的到來，將會給人類帶來更多的不可思議。

暢想未來，他給出了一個重磅觀點：人類將實現永生。對于該觀點，金彪給予了解釋：決定生命健康的內在因素在于基因，生物體的生長病老死等一切生命現象都與基因有關，它同時也決定著人體健康的內在因素，與人類的健康密切相關。當下的生物科技已經開始為醫學帶來一場革命，人類正在通過對基因（2.3萬個）的重新調校，讓人類遠離疾病、遠離衰老。“人工智能在基因解讀領域帶來了人類不曾擁有的能力，讓人類有機會用數字描述生命。”金彪如是說道。

雖然前景很美好，但金彪也表示，當下人工智能在醫學方面的發展還處于“弱智能”時代，醫學人工智能應該也將會朝著“能醫生之所能，能醫生所不能”的方向發展。

仰望星空，立足當下。上海交通大學醫學院附屬新華醫院正在腳踏實地地走向未來。比如，2016年6月1日，新華醫院啟動醫院“十三五”規劃中重大學科戰略項目“千天計劃”，目標是利用新華醫院的產科和兒科兩大學科優勢，建立一個早期生命健康管理與疾病診治綜合體系。并且，在2017年10月13日杭州舉行的云棲大會智慧醫療專場，阿里巴巴正式與上海交通大學醫學院附屬新華醫院簽訂戰略合作協議，攜手共同探索“智慧醫院”新樣板。

暢想未來，人工智能能走多遠，醫學就能夠為人類帶來多大變革，這些都將令醫療機構有機會付諸實踐。

王才有：AI+PI將是長期智能模式

國家衛生計生委統計信息中心原副主任王才有談及人工智能時表示，人類認識和改造世界的新方法發生了改變。幾千年前是以記錄和描述自然現象為主的實驗科學；數百年前是利用模型歸納總結記錄的理論科學；數十年前，則是對復雜現象進行模擬仿真的計算科學；當今則是利用數據，不僅可以模擬仿真，同時還能夠分析總結，得出結論；未來則是數據密集型科學，人類可以直接從數據中提取有活力的知識。王才有表示，在通往未來的道路上，人工智能將會讓一切技術變得更強大。

他談道，“人工智能”實際上是機器智能，是人工制造出來的系統所表現出來的模擬、延伸和擴展的人類智能，目前，它在醫療領域的應用主要聚焦于公共衛生與精細化管理、協助醫生診斷、個性化治療等方面。

“但總體而言，相比于其他領域而言，醫療領域的人工智能遠遠落后于其他行業，重要原因在于數據質量太差。”王才有表示，目前，AI發展還面臨諸多挑戰，包括數據真實性、完整性與集成的問題，應用整合面臨難度，特定領域人才稀缺等。

談及機器與人、與醫學的關系時，他表示，醫學發展將從單獨依賴PI，走向PI+AI，后者占比將持續增加；AI有用也有效，但目前有限，人類要從條件成熟的領域做起，與此同時，還要注意生態文化的建設以及人才培育。

“增加值出口”不同于“出口增加值”，后者重在反映一國對增加值貢獻了多少，但未考察經由第三國所轉移的兩國間價值交換。[1]“增加值出口”往往被看作一國出口過程中的國內增加值，分為出口部門增加的直接價值與帶動其他部門間接產生的價值兩部分之和，而傳統的出口統計方法中，沒有將“中間品出口最終返回國內的本國份額”和“外國份額”濾去。[2]

詹松華：從影像領域談起

面對當下被經常提及的“影像領域的AI將取代放射科醫生”的說法，上海中醫藥大學附屬曙光醫院放射科主任詹松華表示，人工智能近期替代不了影像診斷醫生。

“我不是很樂觀。在影像醫學領域，我想告知諸位AI專家和投資人醒一醒！你們的挑戰或困難有很多！”他指出，人工智能在影像醫學正面臨巨大的挑戰，也許會讓投資者的投資血本無歸。

結合影像診斷學，詹松華談道，影像檢查的設備、檢查方法，人各不同，并且各醫院的檢查沒有統一標準！影像診斷是一門“可能性”的藝術，這與圍棋擁有的“規則性”相比具有明顯的差異。

他表示，利用計算機進行輔助診斷的情況本來就存在，現在只是進步了，不屬于新發現。影像診斷是復雜的過程，圖像是死的，但人是活的，人有千變萬化，病史各有各樣，可變因素太多。“疾病的可能性無限多，所以，疾病不可能被死板地處理。工科的學者會說沒有做不到只有想不到；但在人的領域這種說法并不適合。”

詹松華表示，人工智能可能在發現病變方面大有可為，在病變定性方面還很難有所作為。僅從影像診斷來講，還需要解決AI誤讀圖像的情況，從實驗研究到臨床應用，還有很長一段路要走。

但詹松華也指出，人工智能一定是發展方向。在他看來，隨著信息互聯互通、圖像遠程傳輸等功能的實現，人工智能將會更加有用武之地；與此同時，隨著篩查圖像的進一步精準、精確，發現病變會成為AI能力的發展重點。

肖京：踐行AI四要素

平安科技首席科學家肖京講述了人工智能經歷的兩起兩落階段，并指出目前處于第三次興起，其標志性事件為：1997年的IBM深藍；2016年的AlphaGo事件。他指出，人工智能的核心技術突破在于深度學習，雖然當下人工智能還處于弱人工智能時代，但未來其綜合能力將會達到人類水準，直至全方位大大超過人類智能。

在肖京看來，現階段的人工智能技術已被應用于各個醫療健康領域，并在計算智能、感知智能、認知智能等方面均有所突破。他指出，依托強大的科技能力，平安也于近年來深耕醫療健康生態圈，并在醫療健康大數據方面不斷探索與實踐。

會上，他與參會者分享了平安關于智能+醫療健康大數據的分析方法，即AI四要素：技術、數據、行業專家、場景。結合分析方法，他與參會者分享了平安在此方面的貢獻，比如通過人工智能+大數據流感預測技術預測流感；利用深度學習技術識別醫學影像，實現了智能讀片；開展“相似病例”服務，根據用戶輸入的癥狀，召回最為相關的病例及醫生回答。

尤其值得一提的是，在醫保基金風控方面，平安通過業務子公司與廈門、寧波、貴州等多地政府開展合作，結合科技自有知識庫和醫療相關數據，建立了可視化關系網絡，結合時間和空間，從患者、疾病、診療、醫生、醫院等多個維度建立醫療就醫關系網絡，利用機器學習等相關算法，識別其中的欺詐行為和群體。

據悉，目前平安已打造限定性藥品濫用、分解住院、虛假住院等場景模型，準確率達到90%以上，一年多來已累計協助政府識別出了20多億元醫療費用中的欺詐問題。

彭明強：遠程醫療助力醫聯體

“分級診療旨在解決醫療資源配置不合理、不均衡問題；醫聯體建設是實現分級診療有效的方式。”談及分級診療時，中日醫院副院長彭明強指出醫聯體發揮的作用。

會上，他與參會者分享了醫院在城市醫聯體“1+X”模式、縣城醫共體“鄉縣一體化”模式、專科聯盟、遠程醫療協作網四種醫聯體模式方面的工作。

在城市醫聯體建設方面，2013年12月，中日醫院在政府主導下組建了朝陽區東部醫聯體。據悉，該區域醫聯體構成共計19家，核心醫院為中日醫院；包括4家三級醫院、2家二級醫院、12家社區衛生服務中心，其服務人群超過150萬人，總床位4500張。

在專科醫聯體建設方面，醫院近兩年來相繼成立了呼吸專科醫聯體、疼痛專科醫聯體、中西醫結合腫瘤專科醫聯體、呼吸專科醫聯體慢阻肺協作組、肺癌專病醫聯體、呼吸專科醫聯體護理聯盟、毛發專病醫聯體、肛腸專科醫聯體等。

在介紹各類醫聯體建設成績的同時，彭明強還強調了各類醫聯體的建設均離不開遠程醫療的助力。

據悉，2012年10月經原衛生部批準，在中日醫院設立“衛生部遠程醫療管理培訓中心”。作為國家級遠程醫療中心，目前，其遠程醫療網絡覆蓋32個省區市、2000+家醫院，60+學科領域、12個國家級臨床重點專科，醫院信息系統互聯互通標準化成熟度四級，為醫聯體的建設乃至數據的共享作出了巨大貢獻。