后深度學(xué)習時(shí)代，如何探索醫療 AI 的突圍之路？

我們如何通過(guò)AI的眼光來(lái)看待醫療行業(yè)的過(guò)去與未來(lái)？

人工智能+醫療，被不少專(zhuān)家認為是AI最具前景的應用領(lǐng)域，也是落地實(shí)現難度最大的方向。2014年以來(lái)，AI技術(shù)的發(fā)展逐步進(jìn)入垂直細分領(lǐng)域，醫療影像以其標準化程度相對較高而被認為是最早能夠實(shí)現AI醫療落地的場(chǎng)景之一。

一直以來(lái)，產(chǎn)學(xué)融合與醫工交叉都是醫療AI的本源。而隨著(zhù)深度學(xué)習技術(shù)進(jìn)入瓶頸期、產(chǎn)品的同質(zhì)化現象嚴重、商業(yè)化問(wèn)題遲遲無(wú)解，當下這個(gè)行業(yè)需要重新審視AI和醫療兩者的角色和關(guān)系。

黎明前的黑暗，還是寒冬的開(kāi)始？

醫療是一個(gè)很特殊的行業(yè)，特殊到醫療行業(yè)的每次變革似乎都是“從外向內”的外部推動(dòng)。醫療行業(yè)的這種“遲鈍感”并不是說(shuō)醫生和院長(cháng)很“學(xué)究”，而是這個(gè)行業(yè)實(shí)在需要太多的敬畏和踏實(shí)。

不管是AI或者醫療大數據項目，本質(zhì)上還是需要優(yōu)質(zhì)的數據。此前，有觀(guān)點(diǎn)認為，“中國市場(chǎng)大、數據多，所以將來(lái)奇跡一定會(huì )發(fā)生在中國?！?/p>

但是，醫療大數據真的是“大數據”嗎？

現實(shí)情況可能并非如此。首先，大醫院的臨床數據很可能不適用于縣級醫院。其次，每家醫院的信息化工作都涉及幾十個(gè)廠(chǎng)家，對數據的采集、存儲都有各自的標準。而不同醫院系統、醫院不同系統的割裂性之間又讓信息的共享遭遇阻礙。再者，醫療數據泄露的風(fēng)險，讓醫院不敢把所有的數據都開(kāi)放出來(lái)給企業(yè)。

南方醫科大學(xué)副教授劉再毅曾說(shuō)，醫院影像科每天產(chǎn)生很多數據，但其中能用的連1%都不到。

北京中醫藥大學(xué)東方醫院教授、信息管理處處長(cháng)韋云也表示，我國醫療大數據的利用率仍然太低?！搬t療大數據已經(jīng)做了十幾年，但現在各個(gè)醫院的大量信息還是完全沉默在那里?！?/p>

數據難關(guān)之外，AI技術(shù)的發(fā)展也到了一個(gè)“瓶頸期”。

電子科技大學(xué)教授李純明曾在接受雷鋒網(wǎng)采訪(fǎng)時(shí)談到，深度學(xué)習吸引人的地方在于，原則上它在不同的應用中均可以使用同樣的訓練算法框架。只需替換訓練數據和相應的標注進(jìn)行訓練，即可得出一個(gè)具有某種輸入輸出關(guān)系的多層神經(jīng)網(wǎng)絡(luò )。但這種看起來(lái)一勞永逸的框架，在實(shí)際應用中還有一些局限。

最近，中國科學(xué)院院士、清華大學(xué)人工智能研究院院長(cháng)張鈸在接受《經(jīng)濟觀(guān)察報》采訪(fǎng)時(shí)表示，歷史上，人工智能曾因公眾期待過(guò)高而幾經(jīng)回落。盡管產(chǎn)業(yè)層面還有空間，但目前基于深度學(xué)習的人工智能在技術(shù)上已經(jīng)觸及天花板。

人工智能在語(yǔ)音識別、圖像識別、圍棋三個(gè)領(lǐng)域顯現了強大的潛力，但是AI技術(shù)的應用邊界和條件已經(jīng)逐漸清晰。

張鈸的觀(guān)點(diǎn)在醫學(xué)領(lǐng)域同樣適用：醫學(xué)AI將進(jìn)入后深度學(xué)習時(shí)代。

另外，醫療AI在商業(yè)化上的難題也還沒(méi)有得到很好的解決。經(jīng)過(guò)了三年多的發(fā)展，影像AI領(lǐng)域內的公司很多還沒(méi)有清晰的商業(yè)模式與盈利場(chǎng)景，醫院的付費意愿很低。

商湯科技副總裁張少霆認為，在中國的現實(shí)環(huán)境下，“人工智能+醫療”的需求是“實(shí)打實(shí)存在的”，但“人工智能+醫療”本身的商業(yè)價(jià)值如何挖掘依然是個(gè)難題。

曾在創(chuàng )業(yè)公司擔任副總裁的張京雷說(shuō)，為什么醫療AI的2B、2C模式?jīng)]有跑通？最深層次的原因在于創(chuàng )業(yè)思維。有一些公司從誕生的第一天起，就是從IT的角度切入醫療，但是單純從IT角度來(lái)解決醫療問(wèn)題一定是失敗的。

沈定剛教授和張京雷的觀(guān)點(diǎn)不謀而合。

沈教授曾在去年雷鋒網(wǎng)舉辦的CCF-GAIR大會(huì )上演講時(shí)表示，做影像AI，必須知道我們要解決什么問(wèn)題，然后找相應的技術(shù)來(lái)解決問(wèn)題，而不是有了技術(shù)再找問(wèn)題。

學(xué)術(shù)界和企業(yè)界，都對醫學(xué)AI的商業(yè)化提出了自己的看法?？梢钥隙ǖ氖?，醫療AI的發(fā)展絕不是一蹴而就的，它是一個(gè)系統性的工程，需要足夠的勇氣和智慧。

醫療AI的重重困難，讓人不禁想問(wèn)：現在，是醫療AI黎明前的至暗時(shí)刻，還是凌冽寒冬的開(kāi)始？

道阻且長(cháng)，多方合力

理想和現實(shí)之間，有很長(cháng)的一段路要走。

為了推動(dòng)醫療AI的發(fā)展，監管機構一直在不斷完善產(chǎn)品的上市審批制度。其中，第一步就是建立標準庫。

第二軍醫大學(xué)長(cháng)征醫院影響醫學(xué)與核醫學(xué)科主任劉士遠，與中國食品藥品檢定研究院合作建設了肺結節標準數據庫。這些肺結節圖像數據采集來(lái)自不同的醫院，患者數量達到1萬(wàn)，并且取得倫理委員會(huì )許可。

在建設過(guò)程中，數據庫會(huì )遵循廣泛性、兼容性和醫學(xué)圖像的標記的三大原則，最終形成沒(méi)有公司痕跡、沒(méi)有機器痕跡的標準檢測數據庫。

除了劉教授所在的中國醫學(xué)影像AI產(chǎn)學(xué)研用創(chuàng )新聯(lián)盟，國家層面推進(jìn)評審標準落地的速度也在不斷加快。

2017年，國家藥品監督管理局醫療器械技術(shù)審評中心正式成立人工智能工作組，來(lái)研究人工智能醫療器械，該中心是直接負責醫療產(chǎn)品審評的部門(mén)。

2018年4月，在原國家衛生計生委指導下，中國電子、中移動(dòng)、中科院分別牽頭成立的三大健康醫療大數據集團，承擔國家健康醫療大數據中心、區域中心、應用發(fā)展中心和產(chǎn)業(yè)園建設等國家試點(diǎn)工程任務(wù)。

2018年9月13日，國家衛生健康委員會(huì )發(fā)布《國家健康醫療大數據標準、安全和服務(wù)管理辦法（試行）》，涉及健康醫療大數據從標準管理、安全管理、服務(wù)管理、監督管理等諸多方面，給數據共享吃下了一顆“定心丸”。

除了從頂層設計的角度來(lái)看行業(yè)，學(xué)術(shù)界也提出了幾種解決醫療數據小樣本問(wèn)題的方法。沈定剛教授提出，“我們要嘗試把大數據已經(jīng)學(xué)習好的東西遷移到小數據里面。在分布式的學(xué)習方面，可以考慮在多中心訓練時(shí)，貢獻用于優(yōu)化的梯度或者是在模型訓練結束后，通過(guò)模型的集成達到模型共享的目標以及將上述兩種方法結合起來(lái)?！?/p>

此外，醫生對于A(yíng)I的態(tài)度也有所變化。今年1月份，劉士遠教授為了去學(xué)術(shù)年會(huì )講課，對科室里肺結節軟件的點(diǎn)擊率進(jìn)行了統計。他發(fā)現，軟件產(chǎn)品的點(diǎn)擊率最高的達到88%，也就是說(shuō)一線(xiàn)寫(xiě)報告的醫生有很大的可能去使用AI產(chǎn)品。醫生與AI產(chǎn)品的關(guān)系從以前的懷疑、否定，到現在學(xué)著(zhù)接受，并把AI當成學(xué)生，給出十分中肯的意見(jiàn)，這是一個(gè)十分良性的過(guò)程。

行業(yè)玩家閃轉騰挪

作為這場(chǎng)用技術(shù)變革行業(yè)的主體，盡管盈利問(wèn)題尚未解決，但醫療AI玩家也在通過(guò)不同的業(yè)務(wù)模式獲得收入。

醫療AI行業(yè)的公司主要有三類(lèi)：創(chuàng )業(yè)企業(yè)、互聯(lián)網(wǎng)巨頭、傳統醫療企業(yè)。三者的側重點(diǎn)和優(yōu)勢不同，商業(yè)模式也不盡相同。

創(chuàng )業(yè)企業(yè)可以為醫院提供輔助診療等服務(wù)，為保險公司提供服務(wù)、達到控費目的，為體檢機構提供健康管理、用戶(hù)管理等服務(wù)。

例如，醫療人工智能公司Airdoc就與醫院、保險公司、制藥企業(yè)等合作，投資方復星國際的執行董事兼聯(lián)席總裁陳啟宇表示，復星看中的是Airdoc慢病篩查系統的技術(shù)及院外場(chǎng)景。除了商業(yè)保險，還有一個(gè)潛在付費方就是政府醫保。Airdoc的張大磊表示，理論上來(lái)講，政府醫保應該是Airdoc最大的客戶(hù)，公司也在考慮這方面的變現方向。

而互聯(lián)網(wǎng)企業(yè)的的優(yōu)勢在于C端流量，利用自身平臺屬性與互聯(lián)網(wǎng)技術(shù)來(lái)進(jìn)行布局。

與創(chuàng )業(yè)企業(yè)相比，醫療 AI 產(chǎn)品大多只是為其產(chǎn)業(yè)鏈布局而服務(wù)。以騰訊的產(chǎn)品為例，在陸續發(fā)布了一系列“互聯(lián)網(wǎng)+醫療”產(chǎn)品后，騰訊嘗試將多條產(chǎn)品線(xiàn)進(jìn)行融合，打造城市級“互聯(lián)網(wǎng)+醫療健康”解決方案?；ヂ?lián)網(wǎng)巨頭并不著(zhù)急變現，醫療AI的項目也往往是與“智慧城市”的項目掛鉤，項目一旦成熟，帶來(lái)的收益將不至于經(jīng)濟層面。

傳統器械商是第三股重量級玩家。飛利浦中國CTO王熙曾在接受雷鋒網(wǎng)采訪(fǎng)時(shí)表示，醫療AI首先需要打好行業(yè)標準的根基，標準更多的是在體現在臨床層面和醫學(xué)路徑上，包括數據質(zhì)量的把控、數據共享、AI產(chǎn)品監管、臨床測試等一些環(huán)節。

這些環(huán)節是器械商們更擅長(cháng)的事情。因此，他們的變現之路也更加從容：銷(xiāo)售渠道比較成熟，醫療人工智能可以作為設備的附加品產(chǎn)生效益。此外，數據標準化的能力也能打動(dòng)醫院這些付費方。

微軟亞洲研究院副院長(cháng)張益肇認為，AI醫療不是簡(jiǎn)單的用技術(shù)去找醫院合作?！耙爰夹g(shù)落地，要歷經(jīng)千辛萬(wàn)苦找對場(chǎng)景，還要說(shuō)服政策制定者、監管部門(mén)、醫院采購者、科室主任、臨床醫生、病人等無(wú)數當事人證明技術(shù)的有效性、安全性和可行性。最后，你還要明白你的產(chǎn)品誰(shuí)來(lái)買(mǎi)單。?這個(gè)行業(yè)出成果需要花時(shí)間，企業(yè)家和投資人要更有耐心。

本文轉自雷鋒網(wǎng)，如需轉載請至雷鋒網(wǎng)官網(wǎng)申請授權。

原文章地址為后深度學(xué)習時(shí)代，如何探索醫療 AI 的突圍之路？