編者按
人工智能在各行各業的應用前景引發了人們的無盡想象，醫療界其中一個大熱領域。人類醫生與機器人醫生共同出診看病做手術，不再是科幻場景。
1
技術與應用進展
總體來看，目前人工智能技術在醫療領域的應用主要集中于智能診療、醫療機器人、智能影像識別、智能藥物研發 、智能健康管理等領域。一直以來，醫療界都是個嚴重資源不足、成本相對高昂的領域。此前曾備受資本青睞的“互聯網 醫療”模式主要是通過在線掛號、診療支付等諸多方式，一定程度上提高了整個醫療系統的運行效率。然而，在醫療健康需求急劇上升和供給仍舊不足的情況下，人工智能與醫療健康行業結合更加備受期待。預計隨著認知技術的發展， 2019 年全球智能醫療決策支持市場規模將達2000 多億美元，行業前景廣闊。 2012 年，醫療與大健康領域人工智能創新公司不到 50 家，截至到 2017 年初，已增加至 106 家（不包括跨界公司建立的內部人工智能研發部門），布局在以下 11 項醫療和健康領域/方面：1、病人數據和風險分析；2、生命科研；3、醫學影像和輔助診斷；4、生活環境管理和慢病監測； 5、精神健康； 6、藥物研發； 7、營養衛生； 8、虛擬輔助技術； 9、住院患者監護和醫院管理；10 、可穿戴設備；11 、其他應用等。
美國食品與藥監督局（FDA ）已為即將到來的人工智能時代做好準備，成立了人工智能與數字醫療評審部。該部門的任務是為 FDA 準備好規范和標準，評審越來多涌入 FDA 大門的人工智能產品和有機器學習功能的醫健設備、器械或醫用軟件等。他們將重新規劃有關智能醫療機器人、有機器學習特質的醫療設備應當采用的監管和審批途徑。
中國政府也高度重視醫療人工智能的發展。2017 年 2 月，國家衛計委已發布四份醫療領域應用人工智能的規范標準，從國家層面鼓勵人工智能在輔助診斷和治療技術等應用領域的發展，同時為人工智能醫療的規模化應用提供了基礎保 障。中國的阿里巴、騰訊等大型互聯網企業也積極參與到醫療大腦采用深度學習的技術、中國人基因信息收集分析、人工智能醫學影像等研究中。
2017 年也被稱作我國醫療人工智能發展的元年，呈現“井噴式”的創新發展，全方位地滲透到人們日常衣食住行的方方面面 。在醫療領域最成熟的人工智能應用——IBM的 Watson機器人已完全投入商用，國內一批走在醫療改革前沿的三甲醫院已率先引進人工智能技術，多家醫院引進Watson for Oncology（WfO ），首先在腫瘤治療領域實現了臨床應用。據IBM Watson Health中國地區戰略合作伙百洋智能科技介紹，WfO 已陸續在國內9省 21 市的 27 家三甲醫院部署 Watson 多學科會診中心，并已為診斷明確的近千名腫瘤患者快速制定了以循證醫學為基礎的定制化治療方案。 由于我國人口基數大、醫療資源分布不足等客觀原因使人工智能醫療落地應用成為一種剛需，人工智能已成為醫療升級改革的關鍵一子。有了人工智能的應用，我國醫療行業也將駛入智慧醫療的“快車道”。
2
相關案例
1、人工智能輔助診療： IBM Watson 是目前最成熟的案例。 2012 年， Watson 通過了美國職業醫師資格考試，并在美國多家院提供輔助診療服務，診治的病種包括乳腺癌、肺癌、結腸癌、前列癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。Watson 可以在 17 秒內閱讀3469本醫學專著、 24.8 萬篇論文、 69 種治療方案、 61540 次試驗數據、 10.6 萬份臨床報告。通過海量汲取醫學知識，包括 300 多份醫學期刊、 200 多種教科書及近 1000 萬頁文字， IBM Watson 在短時間內可以迅速成為擁有更強大腦的癌癥專家。 2017 年 2月 4日（世界癌癥日）， Watson 第一次在 中國“出診”，僅用10 秒就開出了癌癥處方。
在中國， 2017 年 7 月阿里正式對外發布 AI 醫療產品“ Doctor You”，該產品的 CT 肺結節智能檢測引擎是阿里健康進入實際應用的第一個醫療 AI 產品。 廣州市婦女兒童醫療中心對外宣布，其研發出一個能診斷眼病和肺炎兩大類疾的人工智能系統，該項成果以封面文章形式 于 2018 年２月 23 日在世界頂級期 刊《細胞》在線發表。
2、人工智能醫學影像：以宮頸癌玻片為例，一張片上至少 3000 個細胞，醫生閱讀一張片子通常需要5-6分鐘， 但人工智能閱讀后圈出重點視野，醫生復核則只要 2-3分鐘。 一般來講， 具有 40 年讀片經驗的醫生累計閱數量不超過 150 萬張，但人工智能不會受此限制，只要有足夠的學習樣本，人工智能都可以學習，因此在經驗上人工智能超過病理醫生 。騰訊 也在 2017 年 8 月發布了其首款 AI 醫療產品“騰訊覓影”，可實現度食道癌、肺結節、糖尿病等多個病種的篩查，且保證高準確率 ，目前該產品已在全國超過 100 家三甲醫院應用。
3、人工智能藥物挖掘 ：主要包括新藥研發、老藥新用、藥物篩選、藥物副作用預測、藥物跟蹤研究等內容。人工智能在挖掘方面的作用主要體現在分析藥物的化學結構與藥效的關系，以及預測小分子藥物晶型結構。2015 年， Atomwise 基于現有的候選藥物，利用AI 技術，在不到一天的時間內對現有7000 多種藥物進行了分析測試，成功地尋找出能控制埃博拉病毒的兩種候選藥物，并且成本不超過 1000 美元，以往類似研究需要耗時數月甚至數年時間并且成本要上億乃至數十億美元。
4、人工智能健康管理：是以預防和控制疾病發生與展， 降低醫療費用，提高生命質量為目的， 篩查健康及亞健康人群的生活方式相關的健康危險因素，通過健康信息采集、健康檢測、健康評估、個性化監管方案、健康干預的手段持續加以改善的過程和方法。如愛爾蘭創業公司Nuritas將人工智能與生物分子學相結合，進行肽的識別，根據每個人不同的身體健康狀況，使用特定的肽激活健康抗菌分子，改變食物成分，消除食物副作用，從而幫助個人預防糖尿病等疾病的發生。
3
問題與瓶頸
1、數據來源與共享問題
目前，AI 醫療最大的問題在于數據來源和獲取 。從數據來源看， 從數據來源看， 對智能醫療公司來說，得數據者得天下。 IBM Waston 醫生系統成功實現商業化應用的制勝關鍵，正是源于其收購了四家醫療健康大數據提供商和分析商，又相繼與強生、美敦力、西門子、CVS等傳統醫療器械、藥物生產商和銷售商，以及梅奧診所、安德森癌癥中心紀念斯 傳統醫療器械、藥物生產商和銷售，以及梅奧診所、安德森癌癥中心、斯隆-凱特琳癌癥中心、紐約基因組研究中心等著名醫院和機構建立合作，直接獲取大量優質的醫學資料、醫療數據和健康數據。
而國內醫療數據獲取與共享還與國外存在差距。目前，中國的醫療數據在醫院和醫院之間，醫院和家庭之間存在信息孤島 ，各個醫院、單位連不起來，甚至一個醫院內部拍的圖像都連不起來。以醫療影像數據為例，其質量與難獲得性，最令醫生與人工智能算法工程師頭疼的。存在“不大不強不成規模、不聯不通不成體系”以及有效資源利用率低等問題，且影像數據不互認。
2、醫療數據質量與規范問題
飛利浦醫療科技大中華區副總裁陳勝裕也對醫療數據的利用難題深有同感。“不同的疾病和臨床檢驗會產生不同的數據，如果沒有經過標準化和結構的處理就將其提供給算法，會帶來很嚴重問題。”根據他的觀察，很多醫療數還沒結構化和標準是AI 在健康醫療領域應用的最大瓶頸。
同樣以醫療影像數據為例，人工智能醫學影像需要一條“標準線”，從行業管理和質量方面制定規范 。然而，當前智能醫療行業缺乏統一的標準和評估體系，人工智能在 CFDA 中沒有申報項目錄，智能醫學影像產品還是作為三類醫療器械向 CFDA 進行認證申請。
3、醫療數據安全與監管問題
我國對醫療衛生數據采集、利用尚未形成系統化法規要求，而此類數據往又含有許多個人隱私。AI 醫療的應用如何把大量歷史的數據、專家的知識，變成規范而成熟的產品 ，具體幫助到基層醫院、提升生水平尤為重要。 另外， 國內外 AI 企業合作的落地深化也會面臨困難，其中數據儲存、保密等也存在問題。
4、法律倫理問題
由于人工智能醫療是新型產業，與傳統醫療器械走審批流程、申報會有所不同，鑒于醫療的嚴謹性，監管會更加慎重。另外，作為人工智能醫療的基礎 —— 醫療大數據，目前還沒有健全的法律來規范。數據歸屬權、使用權、醫療數據的隱私標準、數據安全性、責任規范以及法律能否包容創新所犯的非惡性錯誤等的問題都沒有明確的法律指示。
5、AI 醫療對現行公共衛生產生影響和沖擊
人工智能將從四個方面對公共衛生產生重大影響：智能診斷在各個領域會不斷接近，甚至超越人類醫生；手術機器人以及其他智能設備會增強治療的效果；在大數據的支持下，對個體的日常生活進行健康管理的日常醫療會成為未來醫療領域新的業態。同時，在人工智能輔助下的人性化醫療也會緩解醫院管理中非常顯著的醫患矛盾。但與此同時，人工智能也會對醫療行業造成一定的沖擊，面臨人員配置、社會規則、習慣乃至倫理上的問題。
責任編輯：劉小玲
