近日，工業(yè)和信息化部科技司、國家藥品監(jiān)督管理局醫(yī)療器械注冊司發(fā)布“人工智能醫(yī)療器械創(chuàng)新任務(wù)揭榜入圍單位名單”，此次共有221個項目入圍。揭榜任務(wù)主要面向智能產(chǎn)品和支撐環(huán)境2個方向，聚焦智能輔助診斷產(chǎn)品、智能輔助治療產(chǎn)品、醫(yī)學人工智能數(shù)據(jù)庫等8類任務(wù)。業(yè)內(nèi)眾多知名企業(yè)在列，如百度、邁瑞、科大訊飛（002230）、聯(lián)影醫(yī)療、鷹瞳科技等。
雖然近年來AI科技不斷升溫，醫(yī)療AI的故事也廣受追捧——匹配優(yōu)質(zhì)醫(yī)療資源、提高醫(yī)院效率、加強質(zhì)量控制、降低誤診率，但是從科研到應(yīng)用再到商業(yè)化，醫(yī)療AI仍需要翻越數(shù)個鴻溝。
中國醫(yī)師協(xié)會超聲醫(yī)師分會婦產(chǎn)專委會、中山大學附屬第一醫(yī)院婦產(chǎn)超聲科主任謝紅寧教授對
記者表示：“醫(yī)生在一線臨床工作，同時還要兼顧帶學生、醫(yī)教科研都要做，每天還要面對很多就診病人。從醫(yī)生端來說，我們希望醫(yī)療人工智能能夠真正落地幫助到我們，提升我們的工作效率，分擔工作壓力，而不是只停留在僅有的科技研究，真正能拿出產(chǎn)品幫助我們?！?/p>
然而，醫(yī)療行業(yè)的強監(jiān)管與復雜性已決定了醫(yī)療AI從概念到落地應(yīng)用的坎坷。目前，超聲是醫(yī)學影像領(lǐng)域中應(yīng)用AI技術(shù)最廣泛的?？?，AI逐步在一線醫(yī)療中為醫(yī)生提供輔助性功能。
受挫之后的定位切換
早在上世紀七十年代，國外便開始了計算機與疾病之間的探索，開始時主要用于病癥與疾病之間的匹配。1974年匹茲堡大學研發(fā)了INTERNIST-I內(nèi)科疾病的專家系統(tǒng)，該知識庫包括了572種疾病，約4500種癥狀，以及10萬種疾病與疾病表現(xiàn)之間的聯(lián)系。該系統(tǒng)在80年代進入了商業(yè)化階段，但受制于當時計算機的算力和算法，90年代進入瓶頸期。
隨后進入了AI影像時代。伴隨70年代CT投入臨床實用，醫(yī)學影像數(shù)字化設(shè)備誕生，圖像存儲和傳輸標準進一步發(fā)展，AI影像出現(xiàn)不少嘗試。然而，受當時圖像分辨率和算法的掣肘——直到2006年深度學習的突破——IBM 沃森是該領(lǐng)域的典型探索者。
理論上說，沃森能大大提高醫(yī)療效率。當前，每73天醫(yī)學文獻會翻2倍，沃森每秒能學習267萬頁，相比之下醫(yī)生需要每周花160小時。
然而實際上沃森的商業(yè)化也并不順利，營收與投入差距極大。近年來，沃森花費幾十億并購機器學習、醫(yī)療臨床數(shù)據(jù)、人口健康數(shù)據(jù)、醫(yī)學圖像算法等背景的公司，單2016年就花費近40億美元。然而，2020年其財報顯示營收只有15億美元。2020年12月，傳出沃森將被IBM出售。
隨著醫(yī)療AI步入深水區(qū)，以往替代醫(yī)生的發(fā)展趨勢也成為進一步賦能輔助醫(yī)生，幫助醫(yī)生提高工作效率，加速下沉醫(yī)療發(fā)展。
謝紅寧教授表示：“在超聲應(yīng)用方面，人工智能這種自動識別功能，能夠幫助我們快速的提高工作效率。平常檢查一個孕婦，需要掃查胎兒的多個部位，包括胎兒的顱腦、心臟、四肢、胸腹部臟器等。但醫(yī)生的長期工作容易出現(xiàn)疲倦，忙的時候就很容易漏。這時候我們需要的就是能夠有切實提升我們自身工作效率的醫(yī)療AI提醒醫(yī)生每個檢測部位?！?/p>
此外，醫(yī)療AI也在下沉市場有更大的應(yīng)用場景。中國超聲醫(yī)學工程學會副會長李安華教授向記者指出，目前上級醫(yī)院的虹吸現(xiàn)象嚴重，許多鎮(zhèn)級醫(yī)院培養(yǎng)出來的B超醫(yī)生被縣級醫(yī)院調(diào)走，導致鎮(zhèn)級醫(yī)院留不住人才。以乳腺癌篩查為例，目前仍有很大的篩查缺口。另一方面即便篩查出來，有多少婦女最終去看病治療的也仍是未知。許多鄉(xiāng)鎮(zhèn)醫(yī)院自負盈虧，即便有機器也沒有醫(yī)生會使用，甚至有嶄新的B超機器放在角落里，怎么通過醫(yī)療AI解決下沉區(qū)域人員的缺口也至關(guān)重要。此外如何利用醫(yī)療AI引入標準化的質(zhì)量控制體系也將對乳腺癌下一步篩查賦予新的意義。
醫(yī)療AI利用機器學習和數(shù)據(jù)挖掘兩項核心技術(shù)，探索在醫(yī)學場景中模擬、延伸和拓展人類智能。臨床醫(yī)療中那些基于大量標準化數(shù)據(jù)的重復勞動，醫(yī)療AI可以分擔。比如，醫(yī)學影像、病理判讀等以客觀數(shù)據(jù)為支撐的疾病診斷。
在醫(yī)院里，醫(yī)生往往越老越吃香，而醫(yī)療AI深度學習的數(shù)據(jù)庫里包含全球的臨床數(shù)據(jù)和研究文獻，這些數(shù)據(jù)體量可能遠超普通醫(yī)生一生掌握的醫(yī)學資料量。換言之，讓計算機學習醫(yī)療大數(shù)據(jù)之后再做判斷，其效率和準確性完全有可能超越醫(yī)生。當然，這是后話。
隨著一次次的碰壁,我們不得不承認現(xiàn)在醫(yī)療AI的角色現(xiàn)實，是嵌入醫(yī)療全程，輸出接近醫(yī)生水平的決策支持,而非取代醫(yī)生。
難點突破方向在哪？
在未來，醫(yī)療AI面對的諸多難點仍聚焦在數(shù)據(jù)算法、落地與付費，技術(shù)與臨床需求的結(jié)合。
此外，國內(nèi)醫(yī)療AI公司普遍缺少自創(chuàng)算法，計算機算力也有很大掣肘。“目前的瓶頸是算法。中國公司沒有自創(chuàng)的算法，或者說是取自于國外的算法，如果不做大量的重新編譯工作，那么算法的匹配度就不高。”李安華說，“另一方面懂技術(shù)的人和懂臨床需求的人的結(jié)合也至關(guān)重要?！?/p>
廣州愛孕記CEO創(chuàng)始人汪南博士也指出：“目前能發(fā)明算法的人還是主要集中在谷歌、微軟等，但是原始的算法基本是對自然圖像的識別，對企業(yè)來說未來如果想用在影像學或超聲上運用，我們必須對底層的算法做大量的編譯優(yōu)化工作，讓其適應(yīng)應(yīng)用場景的屬性，并且編譯完成后需要大量測試，最后形成自己的算法。而這些工作也需要大量的投入，目前中國公司很少在做。”
廣東省人工智能產(chǎn)業(yè)協(xié)會常務(wù)副會長兼秘書長張璽向記者表示：“未來醫(yī)療AI行業(yè)需要解決技術(shù)人才和醫(yī)學人才難以結(jié)合的難題。隨著人工智能技術(shù)的不斷發(fā)展，人工智能在醫(yī)療行業(yè)的各個細分領(lǐng)域也逐步地深度融合，智能醫(yī)療也逐步細分出了基于圖像識別的輔助診斷系統(tǒng)，基于大數(shù)據(jù)處理及NRP技術(shù)的數(shù)字化醫(yī)院，以及基于深度學習的藥物研發(fā)等多個細分的賽道。”
醫(yī)療AI的用戶群體主要能分為To-C和To-B。
To-C主要面對個人用戶，主要有智能問診和健康管理兩類。To-B包括藥企和醫(yī)院，前者主要應(yīng)用于藥物研發(fā)；后者包括醫(yī)學影像、虛擬助手、醫(yī)學研究、醫(yī)院管理和基因測序等。
其中，AI醫(yī)學影像是目前醫(yī)療AI熱門領(lǐng)域，AI醫(yī)學影像能夠幫助醫(yī)生病灶篩查、靶區(qū)勾畫、三維成像、圖像分析、定量分析等。相對醫(yī)生根據(jù)經(jīng)驗逐張機械重復的人工閱片，AI能夠根據(jù)標準批量初篩，閱片時間短，準確率穩(wěn)定。
此外，圖像識別算法相對成熟，市場需求大（影像科醫(yī)生供不應(yīng)求——影像數(shù)據(jù)年均增長30%，放射科醫(yī)生年均增長4.1%）。目前，醫(yī)學影像數(shù)據(jù)占全部臨床數(shù)據(jù)的80%以上，是臨床診斷、疾病治療及健康管理的基石。由于我國醫(yī)療資源分布不均，許多偏遠地區(qū)的醫(yī)生經(jīng)驗及配備不足，對醫(yī)學影像的分析不夠準確且效率低下。
在一線醫(yī)療場景中，醫(yī)學影像的分析復雜且耗時，醫(yī)生必須將多層影像數(shù)據(jù)與精細的決策過程相結(jié)合，并解讀評估。汪南表示：“醫(yī)療AI在醫(yī)學影像方面能夠幫助醫(yī)生解決一些機械重復的勞動，把醫(yī)生的時間釋放出來，做一些創(chuàng)造性和決策性的工作，這個是醫(yī)療AI的定位”。
在行業(yè)早期，醫(yī)療AI企業(yè)主要就是想解決醫(yī)院臨床場景中的這些實際痛點，如推想醫(yī)療等都是秉持著“從臨床中來、到臨床中去”的研發(fā)思路，和醫(yī)院以科研合作的方式進行算法和產(chǎn)品的打磨。人工智能技術(shù)的發(fā)展則有望帶來解決方案。隨著產(chǎn)品的成熟，醫(yī)療AI逐漸進入醫(yī)院的實際臨床場景，供影像科、放射科等科室使用。目前，醫(yī)院場景是醫(yī)療AI目前商業(yè)化最為成熟的場景，也是目前競爭最為激烈的場景。
而在醫(yī)學人才的培養(yǎng)方面，醫(yī)療AI也有相應(yīng)的賦能場景。
謝紅寧指出，高年資醫(yī)生在培訓年輕醫(yī)生時往往因為接診患者過多常常沒法抽出時間。如果加入醫(yī)療AI的輔助，工作的效率提高，導師便能與學生多講一講課或者就這個病例與學生多聊一聊。在教學考核方面醫(yī)療AI的加入也可以對規(guī)范化教學與提高教學質(zhì)量有很大幫助?！皩W生在實踐時人工智能就會反饋，這個結(jié)構(gòu)沒看對，只能打五分。對于考核來說，以前做題目很容易，畢竟分數(shù)很客觀，但是落實到操作考試就很難。如果人工智能加入，學生自己練習操作后，便能在幾秒鐘就打出分數(shù)，這將對教學有極大幫助。”
Copyright ? 2022 上?？评讜狗?wù)有限公司 旗下「智慧醫(yī)療網(wǎng)」版權(quán)所有 ICP備案號：滬ICP備17004559號-5
