“AI+醫療”的創新與挑戰

文/ 巫景飛 方金武

一、現狀背景

隨著人口不斷增長，我國人口結構趨于老齡化，醫療資源的分布不均以及醫護人員短缺給現如今的醫療體系帶來了新的壓力。與此同時，人工智能在醫療臨床和科研引起人們的高度關注。大量真實的結構化醫療數據的采集，賦予人工智能評估復雜的醫學數據的基礎，人工智能通過反復測試從而減小誤差，獲得得出近似結論的能力。基于復雜的算法與早期優質標注數據，人工智能已經正在被更廣泛地開發運用到醫療行業中，為醫療賦能。《2030健康中國》以及《促進新一代人工智能產業發展三年行動計劃（2018-2020年）》等一系列政策的出臺，給企業在“AI+醫療”的創新注入一劑強心劑，資本的大量涌入，使“AI+醫療”的發展進入了快速通道。

二、趨勢與機遇

AI將成為推動醫療產業創新發展的“新引擎”。當前以機器學習與數據挖掘為兩大技術核心的人工智能，向醫療產業賦能，使醫療相關的生產活動表現出降本增效的效果，并對醫療相關產業鏈整體產生影響。我國醫院、醫藥以及保險公司等企業積極的探索并產生AI在醫療產業的新服務工具和相關解決方案，特別是AI在虛擬助理、醫學影像、輔助診療、疾病風險預測、藥物挖掘、健康管理、醫院管理、輔助醫學研究平臺等應用場景的使用不斷成熟，使得“AI+醫療”成為推動醫療技術創新蓬勃發展的“新引擎”。

（一） AI助力醫藥企業技術創新升級

人工智能將在新藥物帶來技術創新大突破，幫助藥企做出更好的決策，提高藥物臨床和研究試驗的效率。根據麥肯錫的報告，人工智能在制藥領域可以每年產生高達100億美元的價值。

人工智能利用已知的藥物研發過程中的數據，快速預測候選藥物的藥理學特性等，從而提高研發效率加速新藥上市。例如，ProteinQure利用AI技術預測蛋白質如何折疊，從而為特異性疾病尋找更多的靶向結合位點，從而更快地輔助設計與合成蛋白質藥物。

人工智能在個性化藥物治療中也有不俗的表現。比如機器學習模型通過匹配患者的病史和相關治療藥物數據，推斷患者對某藥物治療的反應，輔佐專業人員采用正確的治療方案，盡快讓患者走上健康的道路，從而達到個性化治療的結果。與此同時，類似小糖倌開發的測血糖和提醒用藥的智能藥盒，通過與智能手機結合提醒人們服藥，后臺將用戶服藥情況實時發送至醫患交流平臺，供醫護人員、制藥企業等查閱與分析。

因此，人工智能在醫藥領域的應用非常廣泛。AI+醫藥不僅有助于制藥公司降低新藥開發成本，增加銷售額，還有望通過識別患者早期病史與既往服用藥物癥狀，降低患者服用特定藥物產生副作用的風險。同時，人工智能還能讓制藥公司更快的接收客戶用藥的真實數據分析結果，從而開展有針對性的活動來推廣藥物和治療手段，指導地方藥物采購與供應鏈問題。

（二） AI為醫療診斷創新注入新活力

醫療診斷是一類旨在檢測感染病癥和疾病的醫學檢查。美國國家科學、工程和醫學院的醫學研究所報告顯示：約10%的患者死亡由診斷錯誤導致。為了更充分的支持醫療診斷過程，越來越多的醫療AI SaaS公司正在關注醫療診斷，“AI+醫療診斷”也成為新興創業公司和大型科技公司的最大聚集領域之一。

機器視覺正在成為醫療診斷應用程序中的共同主題，AI輔助影像診療系統能夠有效地輔助醫生相關醫學影像讀片任務。通常，影像讀片任務具有明確定義的輸入和易于驗證的二進制輸出。在對可疑病灶病變進行分類時，輸入是數字照片，輸出是簡單的二元分類：良性或惡性。在這些條件下，研究人員只需證明AI在分類以前看不見的活檢驗證病灶照片時，即可做出有效判斷，比醫生具有更高的敏感性和特異性。深睿醫療作為國內AI輔助影像診療的領先公司，已有包括Dr.WiseTM在內的多款AI輔助診斷系統，并已經實際應用于北京大學第一醫院、中國人民解放軍北京總醫院和上海胸科醫院等多家醫院。

AI運用于疾病治療的研究與應用越來越多，當下主要還是集中在幾種疾病類型：癌癥，神經系統疾病和心血管疾病。例如，虛擬機器人基于計算精神病學結合AI和VR技術，檢測各種精神疾病的早期癥狀，尋找潛在治愈方法，從而有望改善目前4.5億人的精神或神經系統疾病的情況。Ellie虛擬治療人由南加州大學研發用于治療患有創傷后應激障礙的退伍軍人，它可以分析面部表情，頭部姿勢，眼睛注視方向和語音質量，以識別與抑郁和創傷后壓力相關的行為指標。Quartet Health公司創建了可以與患者實時互動的虛擬治療師，通過使用機器學習功能來識別患有精神健康狀況的患者，并根據他們的病史和行為模式提供定制的治療計劃。但是機器人缺乏價值觀和同情心，在應用于實際醫療診斷時仍然需要醫生的援助與干預。

相對而言，在醫療診斷領域，應用人工智能有幾個主要優點：1. AI具有更快速診斷的能力，可以使用病理學推理，快速創建特定患者疾病的模型；2. AI有潛能捕捉由相互作用的幾種疾病所產生的復雜性的狀態；3. AI能倒推給出特定結論的詳細解釋路徑。

（三）AI將成為醫療器械行業的技術創新新高地

醫療機器人不再被視為未來的技術，它是當今活躍有效的技術。醫療機器人基于人工智能技術可實現某些垂直領域疾病的診斷與手術治療，如可以使用機器視覺引導機器人到疾病病灶區域并使其意識到患者身體反應，從而進行相應作業。去年，全球超過100萬個手術共使用了5,000多臺手術機器人，其中Intuitive Surgical的達芬奇機器人仍然在商業和技術領域占據主導地位，同時國內自主研發的手術機器人也在積極創新搶占市場。

天智航開發的天璣手術機器人在骨科、脊柱外科手術上表現不俗，其精準性與"遙規劃"技術為骨科醫生提供更加安全，更高效的手術導航定位輔助，并已在全國18省裝機近40臺，完成超4000余例機器人輔助骨科手術，臨床效果顯著，深受患者和醫生好評。

醫療機器設備和人工智能的結合，不僅是輔助外科醫生手術和提高患者治愈率的下一代儀器和工具，更是有望成為指導外科醫生在手術時采取正確治療方案的參考書。

（四）AI將賦能健康管理智能化創新

人工智能潛移默化的改變人們健康管理的方式，同時也是目前“AI+醫療”結合實現的經濟回報最有效的方式之一。人工智能與可穿戴設備結合應用非常廣泛，其通過監測并實時上傳人體數據至云端，由云端人工智能芯片進行分析，將數據轉化為可預測的健康情報，以此幫助醫護人員以及客戶本身追蹤了解其健康狀況。例如iphone智能手表率先為世界帶來了個人心電圖，通過測量心臟的電活動，發出健康提醒與警報，這對于挽救生命有不可估量的價值與作用。

通過醫學傳感技術和計算機通信技術的深入結合，大量的醫療物聯網平臺被建立與完善，結合人工智能技術可將醫療健康數據轉換為有意義的信息，從而達到更多輸出應用如常見疾病自動診斷的功能。

妙健康搭建了可穿戴設備的健康數據的開放式上傳平臺，打通了不同品牌設備的數據孤島。若類似醫療物聯網平臺未來與人工智能更深入結合，有望開發出一套打通用戶的病史、日常健康數據以及常識性醫學資料等的系統，接入在線語音識別系統，打造成更專業的人工在線問診產品，從而有望將病人導診與就診的時間縮短數倍，改善醫患資源配置。

三、潛在問題

警惕“AI+醫療”產業轉型升級過程中存在的“陷阱”，雖然機器能夠在有效的時間內通過學習，解決一些醫療相關的問題，但真正無所不能的解決每一項醫療挑戰認知的機器還不存在。李開復曾表示人工智能將成為醫療技術領域的領航者，很可能替代未來十年50%的醫療相關工作崗位。但是由于機器缺乏情感理解，AI永遠無法替代醫護人員，故在開發AI醫療相關新產品中，出發的場景應該是AI支持醫生工作，而不是取代他們。

首先，當AI與醫療的結合時，進行開發ML模型需要結構良好的訓練數據，以保持隨時間相對穩定的現象。因此進行新產品的開發之前，需要考慮到其底層數據樣本的結構化程度以及總體數據量大小，如果無法獲得多樣化，跨學科，高質量和高維度的大數據，人工智能技術應用于醫療產業的變革就無法完全實現。

其次，人工智能能讓制藥公司更快的接收客戶用藥的真實數據分析結果，從而開展有針對性的活動來推廣藥物和治療手段，指導地方藥物采購與供應鏈問題。然而這些研究的局限性仍然至少存在于三個方面。第一，使用的藥物臨床數據往往來自高度發達的地區，包含其特殊性，或者算法概念化的框架本身包含了工作團隊的主觀假設，最終系統是否能夠客觀評價存在質疑。第二，智能算法的預測能力和預測準確性需要不停的在以前的真實案例中得到訓練。第三，在新型藥物的治療中或未知副作用研究中，人工智能的作用價值可能會急速下降。

再次，迄今為止，AI在醫療診斷領域的研發考慮策略更多的是基于患者只罹患一種疾病，幾種疾病醫療診斷的重疊將現有的人工智能程序推向了概念和計算限制承載極限。并且AI應用于醫學診斷仍然是一種相對較新的方法，許多臨床醫生與患者仍然不相信其可靠性與敏感性，因此如何在不破壞臨床專業知識的情況下將人工智能實際整合到臨床實踐中仍然值得思考。

最后，AI醫療政策整體雖然持續利好，但其受國家監管力度會進一步加大，為保護患者醫療健康相關隱私并確保法規遵從性，并考慮到AI結合醫療產生的技術可靠性、質量的可靠性、社會的倫理等情況，在醫療健康數據共享以及AI+醫療的實際臨床使用就變得更為復雜和存在更大的障礙。

四、結論與建議

“AI+醫療”真正潛力遠超科幻小說的描述，在過去的十年中，政府與企業投入相當多的資源探索人工智能在醫療行業的應用，也取得了一些重大成果。未來，“AI+醫療”將進一步細分賽道，在政府日漸完善監管制度、政策法規和行業標準下，醫療產業將面臨新一輪的洗牌與升級。與此同時，在探索AI+醫療的整個過程中，需確保人工智能不會掩蓋醫學的人性面貌，AI結合醫療的技術可靠性、質量的可靠性、社會的倫理等問題也需要加以重視，避免醫療人工智能產業化過程中國存在的陷阱。綜上有如下幾點建議：

首先，應以打造“智能+場景+產品”為組合的“AI+醫療”應用落地戰略。對于企業來說，打造智能應用應該聚焦在高度垂直的場景，為癥前、癥中、癥后管理等不同環節提供綜合服務。

其次，打造“AI+醫療”產業生態，加速醫療人工智能成果轉化。打造醫療人工智能產業生態，需要政府牽頭，企業和行業配合，形成合力，政府可以打造國家級的醫療健康大數據共享平臺，逐步落實醫療數據安全標準指南及配套條例，確立醫療健康數據共享流通標準，建立醫療人工智能標準測試數據庫，確立完備的醫療人工智能產品試用及審核標準。

最后，培養跨界復合型人才，彌補醫療人工智能的人才缺口。首先，結合各高校人工智能學院和相關研究機構為主體，完善“AI+醫療”的復合型人才培養體系，加快相關專業人才培養；其次，鼓勵相關企業建立醫療人工智能人才培養計劃，通過短期訓練、具體項目實踐等多種路徑，培養復合型、跨界專業性人才；最后，規劃推動醫療人工智能行業論壇會議，加強人工智能領域和醫療行業人才的合作交流。