人工智能：既要“添柴”也須“滅火”

□ 本刊編輯部

人工智能很熱，熱風頻吹。但是，醫療界的一個現實情況不能忽略：臨床醫生參與度不高，缺乏成熟產品，應用率不高。“我們目前的正面環境很好，但應該明確哪里該燒得旺一點，哪里該滅滅火。”近日，在由上海市衛生和健康發展研究中心、上海交通大學人工智能研究院等主辦的醫療人工智能應用論壇上，第二軍醫大學長征醫院影像醫學與核醫學科主任劉士遠，作為一名從事醫學影像診斷工作30余年的專家如此呼吁。

無論是在國內還是國際上，醫療人工智能都在以驚人的速度發展著。近年來，中國醫療市場上涌現出了大量醫療人工智能創業公司，與此同時，不少傳統醫療相關企業和互聯網平臺也在紛紛引入人工智能人才與技術，進行相關布局。在信息技術快速發展的同時，人工智能也在推動醫療健康行業的變革發展。

據前瞻產業研究院發布的《醫療人工智能行業市場前景預測與投資戰略規劃分析報告》統計數據顯示，2016年中國醫療人工智能的市場規模就已達96.61億元，預計2018年有望達到200億元。自2013年到2017年，中國醫療人工智能行業共獲得241筆融資。其中，2017年國內醫療人工智能行業公布的融資事件近30起，融資總額超過18億元。預計到了2018年，資本對于醫療人工智能市場的熱情依舊不減，僅上半年就有18家公司獲投，總金額超過31億元。而且，互聯網巨頭也早已重金布局醫療人工智能，大手筆向產業鏈上下游擴展業務。

研發需發揮醫生的核心作用

什么樣的產品是臨床上受歡迎的？這是人工智能首先要回答的問題。

“人工智能首先要符合臨床使用的場景，研發人員在研發之前最好到臨床看一看，比如到影像科看看影像科醫生是怎么讀圖、寫報告的，只有符合醫生的習慣，研發才是有前途的。”劉士遠表示，對于任何AI產品，醫生既是終端用戶，又是啟動者和源頭。產品所要解決的問題應該是醫生提出的，數據也在醫生手里。然而，現在的產品檢驗環節，醫生比較被動。醫生參與少，了解少，產品的適用性就將打折扣。

國家衛生健康委員會衛生發展研究中心研究員游茂指出，目前的醫療人工智能企業相對缺乏醫學相關專業背景的人才，影響了醫療從業者對人工智能的接受程度和應用。因此，盡管醫療人工智能市場火熱，但缺乏成熟產品，應用率不高。他建議，創新建立激勵機制，鼓勵醫療從業者參與醫療人工智能的研究，使產品更加貼近醫療健康需求，提升應用價值。“AI是一個好工具，醫生要擁抱它、宣傳它、引領它，產品好不好用，要及時反饋，便于公司不斷完善。只有大家一起努力，才能讓AI在一個好的環境里像新生兒一樣越長越壯，將來能夠更好地服務人類。”劉士遠說。

上海交通大學醫學院附屬仁濟醫院有個人工智能產品現在很受歡迎，它的來源卻是實踐中的“瓶頸”。該院副院長王育表示，電子病歷化成醫療大數據，一定要采用格式化數據，但是數據采集會涉及方方面面的隱私。以前用人工過濾，不僅工作量非常大，而且過濾當中有遺漏，所以在大數據時代靠人力基本上不可能完成這項任務。為此，我們利用人工智能進行大數據的治理和數據隱私處理，設計產生了一個AI引擎，它可以對不同的編碼進行標準化處理，把不一樣的數據轉化成標準化格式。

有人擔心，人工智能的加入會讓年輕醫生失去鍛煉機會。對此，劉士遠以肺結節檢測為例說，這個問題就像開車一樣，以前老司機開車要記路線，現在都有電子地圖，都會用導航，80歲的人同樣可以駕車上路。肺結節的識別發現一樣，未來醫生的精力應該投入到對結節的判斷上，而不是找有沒有結節。

產品要有標準和評價

上海市衛生和健康發展研究中心主任金春林介紹，美國食藥監局（FDA）的放射健康部門1998年已經開始監管計算機輔助識別系統，歐盟在2016年12月發布了《機器人民事法律規則》。盡管我國制定了《人工智能輔助診斷技術管理規范（2017年版）》，但人工智能輔助診斷的準入標準目前還沒有形成，很多醫療器械、人工智能產品也沒有正式注冊審批，這對應用是一個很大的挑戰。不少專家呼吁，設定人工智能進入該行業的準入標準和行業規則，減少盲目嘗試造成的資源浪費、市場混亂。同時，也要建立起廣泛認可的評價體系，這種評價要有相應的質控檢查和管理制度。

游茂表示，由于健康醫療大數據維度大、結構復雜，以及我國尚未制定健康醫療大數據質量標準、評估指標和保障體系，數據質量無法保證，也無法對人工智能決策支持應用進行數據、算法、計算的驗證和評估。

另外，標準化程度較高、醫療水平較高的醫院，對數據開放共享普遍有所顧慮，這制約了人工智能應用獲取高質量、多來源的醫療數據，導致醫療人工智能應用起點不高，整體質量堪憂。也正是由于很多數據庫質量參差不齊，導致產品不穩定。因此，有專家表示，“提高所有產品普適性很重要，我們不能自娛自樂，雖然有的模型拿出了非常好的數據，但是換了其他的數據評價是不是依然好，這是要回答的問題。”為什么大家不愿意貢獻數據？劉士遠說，因為目前數據不能真正溯源，一旦拿出去，就不是自己的了。然后是數據的倫理問題，需要相應的部門立法，出臺一些管理法規、制度。

劉士遠表示，行業內標準迫切需要統一，比如，腦出血圖像的辨識需要大家達成一致的認識，描述術語、標注、量化等都需要統一。但是，現在大部分公司都是讓各自的合作醫生自己研究，研究方向有可能是對的，但也有可能走了偏路。他建議，做之前要先成立一個專家組，形成專業術語、圖像識別、標注等的共識。游茂呼吁，推動醫療人工智能應用評估第三方機構發展，建設標化可靠的模型評估模擬驗證平臺，開展人工智能系統智能化水平評估。

另外，“對于人工智能發展，政府的推動必不可少。”上海市衛生和健康發展研究中心健康科技創新發展部副主任何達說，日本政府去年召開了人工智能推進懇談會，詳細地討論了人工智能適用的領域，需要政府、企業、社會環境準備哪些基礎設施，以及在健康領域應用人工智能有沒有效、是不是安全，并制訂了4年行動方案。“這一點值得我們借鑒。”何達說。