医疗领域AI只是武器升级 战场经验更重要

本报见习记者 冯樱子 北京报道

2012年至2016年，IT桔子收录的人工智能投资事件共636起，融资金额达574亿元人民币。2017年仅第一季度人工智能投资事件41起，且大金额投资事件频发。其中，AI在医疗健康行业的应用备受投资方的青睐。业内人士认为，非结构化数据的处理，如医学影像，可以成为人工智能渗透医疗领域的切入点。

一方面，AI+医疗在资本圈炒得火热；另一方面，医学的复杂性也让新技术应用带来的安全隐忧备受关注。

6月20日，联想之星投资董事王一在接受《华夏时报》记者采访时说，现阶段，人工智能技术是医疗领域出现的一个新的技术，未来使用AI的医生工作效率和质量将有望超过不使用AI技术的医生，但AI技术绝不能替代医生的职业。

AI+医疗更易落地非机构化数据的处理

今年2月，国家卫计委发布了2017版“人工智能辅助诊断技术管理规范”及“人工智能辅助诊断技术临床应用质量控制指标”，不禁让人猜想医疗领域人工智能时代是不是真的要来了？那么AI在医疗领域的哪些方面会用武之地？人工智能技术的应用是不是越多越好？

简单说，AI技术属于一种数据处理工具。医疗数据大致可以分为结构化数据、半结构化数据、非结构化数据三类。具体而言，结构化数据是存储在数据库里，可以用二维表结构来逻辑表达实现的数据，如系统中的患者信息，姓名、性别、医保信息等。在医疗领域临床应用的有HIS（医院信息系统），覆盖医院所有业务和业务全过程的信息管理系统，如门/急诊挂号子系统、药房管理子系统等。

联想之星投资董事王一接受《华夏时报》记者采访时表示，这类数据具有很强的结构化特点，不需要特别智能化工具处理，用信息化手段、大数据就能处理的很好。

而半结构化数据具有一定的结构性特点，比如在医疗领域的应用在医生开具的处方，属于医生专业领域的自然语言。王一认为，这块也会是AI应用的一个分支，即医学专业的自然语义识别，如用于真实世界的数据研究，但目前国内底层术语体系没有构建完成，使这项技术在医疗领域的应用受到限制。

最后一种数据类型是非结构化数据。非结构化数据是数据结构没有预定义的数据模型，如图像、视频等。王一说：“这是人工智能最擅长的部分，如医学图像和基因数据，非结构数据的特点是客观性，而AI价值在于客观数据中找到底层逻辑。”此外，有数据显示，在医疗数据中影像等非结构化数据占绝大部分。因此，业内认为非结构化数据的处理，也许会是人工智能在医疗领域落地的一个突破口。

红杉资本中国基金合伙人周逵曾表示，机器会逐渐通过学习，把人工一些失误减少，或许机器能够更准确，人眼睛看不见、看不清的东西，机器可能比人更早发现问题。

目前AI+医疗影像的应用已初具技术基础。王一介绍，在图像识别领域，AI的底层技术的实现已不是门槛，目前而言不会有太大的技术壁垒，而未来机器对医学图像的识别准确率会越来越精准，可能会高于人工识别十几倍。

“举例来说，皮肤癌有一种叫黑色素瘤，今天人工智能达到95%的准确率，对肿瘤恶性非恶性的识别率，而人类医生只有84%。” IBM大中华区首席技术官、IBM中国研究院院长沈晓卫曾介绍。

老行业里寻找新机会

实际上，医学影像处理并不是近几年发展起来的新行业，计算机辅助诊断（CAD）最早诞生于诞生于60年代，是由美国麻省理工大学提出的研究计划。到了20世纪90年代，随着计算机技术以及人工神经元网络的快速发展，CAD研究成为现代医学影象研究的热点之一，并在诊断中展示出其临床价值。

联想之星投资董事王一说，计算机把些医学上认为极有意义的区域标注出来，再交给医生，主要是对医生起到提示作用，如这个区域很重要需要重点看看，提醒医生不要漏掉。

在这个发展了几十年的“老行业”里，人工智能如何寻找切入点呢？王一介绍，一方面AI读片可以更加精确、耗时更短。例如用显微镜看病理切片，要数清所有细胞大概需要30分钟，如果再将细胞分级、分型可能需要更久。而人工智能可以先做图像切割，把细胞一个个识别出来，同时做归类。

切割、聚合、归类是人工智能擅长的属性，病理切片经过人工智能的处理，可以节省大量的时间。

王一说：“一个病理切片，机器甚至需要不到一秒钟的时间，就可能提供一个比医生更准确的结果。”

另一方面，在影像数量较大的情况下，人工智能具有优势。王一举例说，医生看一张X光胸片耗时不长，也没必要使用机器，但如果数量较大，如整个城市病患筛查，人工智能就可以显著提高效率。

医学复杂性是一道鸿沟

尽管AI在医疗领域找到了落地点，在非结构化数据处理方面也很大程度上跨过了技术门槛，但其在临床应用方面依旧受到诸多质疑。

仙瞳资本董事长刘牧龙对《华夏时报》记者说，医疗领域的新技术发展周期较长，首先是技术自身的成熟需要很长时间。同时，医疗监管非常严格，要保障安全性和有效性，在二者满足的前提下，医疗产品才可能推向市场。

有人说，医疗是信息领域的一块洼地，所以为AI提供了更加广阔的空间。但医疗的复杂性也为AI形成了一道必须跨越的鸿沟。简单来说，判断一位病人的病情，医生除了读片以外，还需要结合病患的病史、生活习惯等多方面的因素，最终得出结论。

联想之星投资董事王一介绍，同样一个肺结节，病人有几十年的吸烟史，还是从不吸烟，这一信息会让医生对这个肺结节有不同的理解，这些理解是机器单纯看图像无法获得的，而相关信息的缺失可能会导致病情判断的不准确。

王一说：“目前还处于弱人工智能阶段，AI可能只是简单的识图，在医疗领域识图会比人脸识别复杂一些。但除了识图以外，混有对病人基本情况的理解病史的理解以及经济情况和心理情况的理解而出具的诊断意见就是一种强人工智能，目前离这一步还有些距离。”

鉴于AI的发展阶段，目前这一技术更多被看作医生的辅助工具。仙瞳资本董事长刘牧龙表示，人工智能要找准定位，现阶段在保障安全的前提下，AI可以作为一种诊断的辅助，或医生决策的辅助。

刘牧龙说：“这个定位非常重要，定位在一个辅助的位置上，既能用到人工智能的效率，又能防止人工智能带来的风险。”

人工智能像互联网一样是一种技术，而技术只是工具。联想之星投资董事王一在介绍采访时表示：“就像战场上的武器，从冷兵器发展至热兵器再到核武器。AI不要想象为雇佣兵，去取代医生，AI只是医生所使用的一个新工具，最后的比较结果应该是，使用AI的医生工作效率和质量未来有望超过不使用AI的医生。”

医学最重要的特征是安全性和有效性，同时医学不仅仅是实验科学，还混有心理和经济学的特征，现在和比较近的未来，不可能完全由机器出一个诊断的报告、处方，一个治疗方案不但要有基于客观事实的推断同时也要具有一定的人文科学的关怀，以及考虑到患者家庭经济承受的能力，而这些才是作为一个有责任感的医生所最关注的。王一表示。

责任编辑：孟俊莲 主编：冉学东

查看更多华夏时报文章，参与华夏时报微信互动（微信搜索「华夏时报」或「chinatimes」）