“AI+醫(yī)療”的商業(yè)化之路有多遠？

方正證券近日發(fā)布的《互聯(lián)網(wǎng)醫(yī)療深度報告》（以下簡稱“方正證券報告”）顯示，雖然安防和智能投顧領域最為火熱，但率先落地的可能會在醫(yī)療領域。

不久前，斯坦福大學在《Nature》上發(fā)表了一篇文章：利用深度學習算法診斷皮膚癌，將其診斷結果與24位資深皮膚病專家的診斷結果做對比，準確度達到91%；北卡羅來納大學的研究人員近日已經(jīng)開發(fā)出了一套深度學習算法，可以預測嬰兒的自閉癥。這種預測方法具有 81%的準確率，遠超準確度只有50%的傳統(tǒng)行為問卷調查法。

人工智能在醫(yī)療領域的發(fā)展速度已經(jīng)遠遠超乎人類的想象。這一新技術帶給人們興奮和喜悅的同時，也不免帶來了幾分擔憂和恐懼。越來越多的人想知道，人工智能在未來會完全替代醫(yī)生嗎？人工智能在醫(yī)療領域很快就能實現(xiàn)商業(yè)化嗎？近日獨角獸工作室舉辦的“2017人工智能如何改變醫(yī)療論壇”上，多位業(yè)內人士就此話題做了探討。

人工智能會取代醫(yī)生嗎？

IBM堪稱“AI+醫(yī)療”的翹楚。在醫(yī)療領域，IBM Watson可以在17秒內閱讀3469本醫(yī)學專著、24.8萬篇論文，69種治療方案、61540次試驗數(shù)據(jù)、10.6萬份臨床報告。通過海量汲取醫(yī)學知識，包括300多份醫(yī)學期刊、200多種教科書及近1000萬頁文字，IBM Watson已在短時間內迅速成為腫瘤專家。

2013年， Watson與斯隆凱特琳癌癥中心（MSKCC）合作，推出腫瘤解決方案Watson for Oncology。2014年底和2015年底，Watsonfor Oncology先后進駐泰國曼谷的康民國際醫(yī)院（Bumrungrad InternationalHospital）和印度第三大醫(yī)院系統(tǒng)馬尼帕爾醫(yī)院（Manipal Hospitals）。2016年8月，IBM與我國21家醫(yī)院簽署IBM Watson for Oncology的合作意向協(xié)議，并于同年12月成立聯(lián)合會診中心。

隨著人工智能技術的逐漸成熟，IBM Watson以腫瘤為重心，逐漸將服務半徑伸向慢病管理、精準醫(yī)療、體外檢測、精準醫(yī)療等九大醫(yī)療領域，逐步實現(xiàn)人工智能作為一種新型工具的價值。

思派網(wǎng)絡創(chuàng)始人馬旭廣認為，人工智能目前還是作為醫(yī)生的輔助工具，“可能今后醫(yī)生就不存在了，但起碼今天所有的AI都應該是幫助醫(yī)生提高效率，解決醫(yī)生不愿意做的、又臟又累的工作，這樣的AI才有前途，才有機會。”

復星同浩基金合伙人喬繼英表示，人工智能在醫(yī)療領域的應用，需要得到醫(yī)生或醫(yī)療相關人員認可才能夠推行。“醫(yī)療和買衣服不一樣，買衣服不好可以退，醫(yī)療試錯成本非常高，人工智能在醫(yī)療領域應用時的準確率、怎么具體應用都非常重要，人工智能醫(yī)療的創(chuàng)業(yè)公司一開始要有醫(yī)療從業(yè)人員的參與。”

人工智能的特點是能夠處理大量數(shù)據(jù)和信息，這就需要足夠的原始數(shù)據(jù)進行支持，但在醫(yī)學很多領域缺少足夠的原始數(shù)據(jù)。IBM沃森健康負責人Phil Wu以沃森為例，談到面對所謂經(jīng)驗上的東西沃森是支持的，沃森所提供的醫(yī)療方案背后都有實證支持。“面對疑難雜癥，這點沃森解決不了，疑難雜癥沒有一個標準化，沃森無法實現(xiàn)學習。”

這樣看來，短時期內醫(yī)生并不用過分擔心自己會被人工智能搶了“飯碗”。長遠來看，醫(yī)生這個行業(yè)將會因為人工智能的出現(xiàn)而變得競爭愈發(fā)激烈。“因為讓AI學習的病例仍然需要醫(yī)生來產(chǎn)生，一些高水準有研究性強的醫(yī)生將會越來越吃香，而某些低水準的醫(yī)生將會被取代。”一位AI從業(yè)者說。

著名大數(shù)據(jù)專家，阿里巴巴集團原副總裁徐子沛曾寫文章表示，人工智能在醫(yī)療領域有巨大的想象空間，未來將極大簡化當前繁瑣的看病流程，解放醫(yī)生，也解放病人。“但我不認為醫(yī)生會完全消失，但其職業(yè)方式將發(fā)生重大變化。未來的醫(yī)院，將成為病人、醫(yī)生、算法三者共生、互相協(xié)作的場所。”

醫(yī)學影像可能率先商業(yè)化

方正證券報告指出，從全球創(chuàng)業(yè)公司實踐的情況來看，AI+醫(yī)療的具體應用包括洞察與風險管理、醫(yī)學研究、醫(yī)學影像與診斷、生活方式管理與監(jiān)督、精神健康、護理、急救室與醫(yī)院管理、藥物挖掘、虛擬助理、可穿戴設備以及其他，其中以下面四種模式為主流：

首先是AI+輔助診療，即將人工智能技術用于輔助診療中，讓計算機“學習”專家醫(yī)生的醫(yī)療知識，模擬醫(yī)生的思維和診斷推理，從而給出可靠診斷和治療方案。輔助診療場景是醫(yī)療領域最重要、也最核心的場景，人工智能+輔助診療潛在市場空間巨大，至少是萬億級以上的營收規(guī)模。

在AI+輔助診療的應用中，IBM Watson是目前最成熟的案例。2012年Watson通過了美國職業(yè)醫(yī)師資格考試，并部署在美國多家醫(yī)院提供輔助診療的服務。目前IBMWatson提供診治服務的病種包括乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。

其次是AI+醫(yī)學影像，是將人工智能技術具體應用在醫(yī)學影像的診斷上，主要分為兩部分：一是圖像識別，應用于感知環(huán)節(jié)，其主要目的是將影像這類非機構化數(shù)據(jù)進行分析，獲取一些有意義的信息；二是深度學習，應用于學習和分析環(huán)節(jié)，是AI應用的最核心環(huán)節(jié)，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對神經(jīng)元網(wǎng)絡進行深度學習訓練，促使其掌握“診斷”的能力。

如今，AI+醫(yī)學影像已經(jīng)走出實驗室，下一步將迎來商業(yè)化浪潮。貝斯以色列女執(zhí)事醫(yī)學中心（BIDMC）與哈佛醫(yī)學院合作研發(fā)的人工智能系統(tǒng)，對乳腺癌病理圖片中癌細胞的識別準確率能達到92%，與病理學家的分析結合在一起時，它的診斷準確率可以高達99.5%。國內的DeepCare對于乳腺癌細胞識別的準確率也達到了92%。

第三是AI+藥物挖掘，是指將深度學習技術應用于藥物臨床前研究，達到快速、準確地挖掘和篩選合適的化合物或生物，達到縮短新藥研發(fā)周期、降低新藥研發(fā)成本、提高新藥研發(fā)成功率的目的。通過計算機模擬，AI可以對藥物活性、安全性和副作用進行預測。借助深度學習，在心血管藥、抗腫瘤藥、孤兒藥和常見傳染病治療藥等多領域取得了新突破。目前，已經(jīng)涌現(xiàn)出多家AI技術主導的藥物研發(fā)企業(yè)。

“現(xiàn)在新藥研發(fā)越來越難，過去用人工智能從事新藥研發(fā)數(shù)據(jù)不夠、算法也不夠，未來在這一領域可能會有大的突破。”喬繼英表示，新藥研發(fā)多年來“10年10億美金”的“魔咒”或許有望打破。

第四是AI+健康管理。目前從全球AI+醫(yī)療創(chuàng)業(yè)公司來看，主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫(yī)學的健康管理。喬繼英表示，個人健康管理，僅有簡單的信息反饋是不夠的，如果可以在更有效、更低成本層面實現(xiàn)個人健康管理，這也是未來的一個方向。

其中，“AI+醫(yī)學影像”被多位業(yè)內人士認為最有可能率先實現(xiàn)商業(yè)化。

馬旭廣個人特別看好圖像識別在醫(yī)療領域的應用，“只要比對足夠多的影像，AI就能夠提高診斷效率，提高診斷準確性，這是我堅信AI在醫(yī)療過程中發(fā)展最快的領域。”

Phil Wu對此表示認同，“人工智能在醫(yī)學影像領域有可能最早落地，但要實現(xiàn)精準的醫(yī)學診斷，還需要更多數(shù)據(jù)、案例的錄入，但影像圖片確實是一個很好的切入點。” Phil Wu透露，沃森將有影像學腫瘤方案產(chǎn)品在2018年上線。

2015年，IBM以10億美元收購醫(yī)學影像公司Merge，Merge Healthcare是美國最有影響力的醫(yī)療影像公司，不僅擁有大量的醫(yī)學數(shù)據(jù)和圖像（CAT掃描、乳房攝像），還有世界頂尖的技術平臺。該平臺可以幫助醫(yī)生和醫(yī)院存儲并分析醫(yī)學圖像。IBM相關負責人此前曾表示，Watson與Merge的結合可以提供對影像的深度解讀，幫助醫(yī)療提供者和研究人員節(jié)省時間。出售這種醫(yī)學影像的深度解讀便是其盈利方式。

順為資本合伙人李銳認為，圖像智能識別可以降低醫(yī)生的工作量，這是業(yè)界已經(jīng)達成共識的，但是在綜合診療上人工智能是否能給予醫(yī)生很好的建議和意見？IT和互聯(lián)網(wǎng)出身的人對此有很大的信心，但醫(yī)生背景的人目前還有很多疑慮。“我也比較保守，去年投的幾個公司都是醫(yī)生加互聯(lián)網(wǎng)的團隊，或是創(chuàng)始人既干過醫(yī)生也干過互聯(lián)網(wǎng)。”李銳說。

喬繼英認為，無論是治療皮膚病還是癌癥，圖像可能只是一個參數(shù)，而治療疾病需要多個參數(shù)。“從投資人角度來說，光看圖像還不足以讓我做出判斷。我們更希望至少能解決一個小的問題，能做出一個臨床輔助診斷。”

商業(yè)化挑戰(zhàn)

IDC Digital預測，截至2020年，醫(yī)療數(shù)據(jù)量將達40萬億GB，預計約80%數(shù)據(jù)為非結構化數(shù)據(jù)。顯然，人工智能在醫(yī)療領域有無限想象空間。

但是，人工智能在醫(yī)療領域實現(xiàn)商業(yè)化依舊面臨諸多挑戰(zhàn)。即便是在醫(yī)療領域滲透最廣的Watson，其商業(yè)化路徑仍在探索。“AI+醫(yī)療”的商業(yè)化還會面臨一個醫(yī)療行業(yè)從業(yè)者都無法回避的問題，那就是醫(yī)療行業(yè)的公益性。“醫(yī)療行業(yè)不純粹是商業(yè)行為導向，當醫(yī)生應用人工智能來做輔助診斷的時候誰來付費？”鄧侃表示，這個問題他經(jīng)常被投資人問到。

互聯(lián)網(wǎng)醫(yī)療創(chuàng)業(yè)大浪中，糖尿病領域的企業(yè)多如牛毛，利用人工智能做糖尿病管理，也是不少創(chuàng)業(yè)公司正在嘗試的事情。慧控糖就是其中一家。慧控糖創(chuàng)始人楊楓認為，人工智能做糖尿病管理，個性化數(shù)據(jù)特別珍貴。“我們的經(jīng)驗是先從個性化數(shù)據(jù)這樣的小數(shù)據(jù)著手，服務好每一個患者，這樣患者更容易買單。患者愿意買單，你已經(jīng)活下來了，等到數(shù)據(jù)大的時候再去發(fā)現(xiàn)規(guī)律。先有服務，后有數(shù)據(jù)，再有大數(shù)據(jù)。”

喬繼英認為，AI適合解決的商業(yè)問題特征包括“行業(yè)存在持續(xù)痛點、流程重復、可進行數(shù)字化信息輸入，問題可以細分并且有邊界。”如果能為之提供解決方案，自然有人愿意買單。“醫(yī)療里的付費方包括保險、藥企、醫(yī)院等醫(yī)療服務機構、醫(yī)生、患者。其中，醫(yī)生是用戶和決策者，患者是使用者，付費方是保險機構，整個鏈條比較長和復雜，不過把鏈條挖到底，總能找到愿意付費的那一方。”

“現(xiàn)在全世界都要做人工智能，國內的數(shù)據(jù)基礎大，可能我們的速度更快，所以在人工智能領域國內企業(yè)有彎道超車機會。”楊楓對未來很樂觀。

來源：華夏時報、健康點