這些問題不解決 在醫(yī)療領域 只能“打下手”

于紫月

智能“閱片”、臨床決策、護理機器人……近年來，隨著人工智能的蓬勃發(fā)展，人工智能與醫(yī)學結合的相關技術開發(fā)也進行得如火如荼。

就像“互聯(lián)網+”一樣，“人工智能+”的模式必然會給我們的生活帶來翻天覆地的變化，但在涉及生理和生命的醫(yī)學領域，人工智能落地還將面臨哪些挑戰(zhàn)？

質與量并重 基礎數據仍需“精煉”

不論在何種領域，數據都是讓機器聰明起來的根本。

“人工智能若想在醫(yī)學領域長足發(fā)展，數據質量、數據量和標準化方面還有待改進和完善。”8月6日，天津市腫瘤醫(yī)院副院長徐波在接受筆者采訪時表示。

“醫(yī)療大數據如何‘降噪是個關鍵問題。”徐波指出，醫(yī)療大數據涉及的類型近年來呈多模態(tài)發(fā)展。而病例數據覆蓋面廣，服務用戶多樣，如何構建以病人、醫(yī)生、醫(yī)院和政府等多中心的數據治理體系，進而面向不同的用戶提供不同的數據視圖和分析結果，是醫(yī)療大數據采集及研究中亟待解決的問題。

“盡管我國醫(yī)院的數據龐大，但由于疾病的復雜性，數據維度、特性各不相同，質量參差不齊，導致很多細分的病種實際可用數據量少，尤其是較為罕見的疾病類型。如果是多學科交叉的病癥可使用的數據量就更加有限了。”徐波表示。

此外，數據共享也存在壁壘。我國當前醫(yī)院與醫(yī)院、同一家醫(yī)院內科系互不相連，沒有統(tǒng)一標準的臨床結構化病歷報告，不同地域甚至不同醫(yī)院之間的數據庫無法通用。

醫(yī)工結合 學科交叉人才緊缺

“既懂醫(yī)療又懂AI技術的復合型、戰(zhàn)略型人才極其短缺，其中10年以上資深人才尤為缺乏。同時，醫(yī)務人員對AI的接納度不足，部分醫(yī)務人員甚至對AI抱有抵觸心理。”上海市衛(wèi)生和健康發(fā)展研究中心（上海市醫(yī)學科學技術情報研究所）健康科技創(chuàng)新發(fā)展部執(zhí)行主任何達曾在相關期刊發(fā)表文章時提到，AI技術的使用需要對醫(yī)務人員進行專業(yè)化規(guī)范培訓，在此背景下，建立完善的人才培養(yǎng)和人才引進機制是重中之重。

徐波告訴筆者，智能醫(yī)學領域是人工智能和醫(yī)療健康這兩個專業(yè)性極強領域的結合，如今二者都能深入研究的人才是“香餑餑”。而正是因為二者專業(yè)性極強，人才培養(yǎng)的模式才更加復雜、更值得深入探討。

在徐波看來，智能醫(yī)學領域發(fā)展時間短，能大范圍推廣的培養(yǎng)模式尚需一定的時間摸索。但歸根結底，如果讓部分有興趣的醫(yī)學生在校期間就能接觸到一些人工智能相關的工科基礎知識，將會對其后續(xù)向著智能醫(yī)學方向發(fā)展起到一定的引導和輔助作用。

市場良性發(fā)展 監(jiān)管體系亟須加強

合理的商業(yè)化模式尚在“摸著石頭過河”的階段，而相配套的監(jiān)管機制也亟須完善。清華大學法學院院長申衛(wèi)星此前在接受筆者采訪時表示，目前只有《民法總則》第127條提出，“法律對數據、網絡虛擬財產的保護有規(guī)定的，依照其規(guī)定”。但具體如何保護數據，并沒有詳細說明。

以往，機器被歸為工具一類，工具造成的損害責任通常是產品設計者、制造者來承擔，但如果工具經過人工智能深度學習，成為自主型產品后造成損害，這到底是誰的責任？依舊是產品的責任還是智能系統(tǒng)開發(fā)單位的責任？這些疑問都需要明確的法條來解答。

筆者了解到，我國不僅對智能醫(yī)學數據的隱私保護、責任規(guī)范、安全性等沒有明確的法律指示，人工智能在醫(yī)療健康領域應用的質量標準、準入體系、評估體系也未設置詳細的準則，無法對AI數據和算法進行有效驗證和評價。

“目前國際上也沒有成功的案例經驗可供借鑒，發(fā)展出一套符合我國國情、相對完善的智能醫(yī)學監(jiān)管體系還需要一定的時間和多學科、多行業(yè)的研究者和實踐者共同努力。”徐波表示，較為科學的監(jiān)管體系之下，人工智能企業(yè)在符合各項標準和法規(guī)的范圍內探索良性的商業(yè)化營收模式，各院所、高校、醫(yī)院等單位合理利用各自資源，進行有效合作，有助于整個智能醫(yī)學領域的健康、穩(wěn)步發(fā)展。