一家基層醫(yī)院的診室里，醫(yī)生與就診病人相對而坐，交談病情。在桌子上擺放著一個臺式機器人，顯示屏幕向著醫(yī)生這一側(cè)。這是衛(wèi)計委在基層試點中使用的輔助診斷機器人。 

今年，在人工智能風口的推動下，AI與醫(yī)療的結(jié)合落地不斷被推進。 

日前，有商界“奧斯卡”之稱的正和島全球創(chuàng)新大集在沈陽成功舉辦，創(chuàng)新大集上，醫(yī)療行業(yè)的企業(yè)家、創(chuàng)業(yè)者、投資人對醫(yī)療行業(yè)的發(fā)展進行了探討。我國醫(yī)療行業(yè)發(fā)展相對較晚，資源不均，缺乏標準都是目前需要解決的問題，市場和國家的期待都落在了人工智能上。 

風口造就了AI醫(yī)療生長的沃土  

“我在兩年前講的互聯(lián)網(wǎng)醫(yī)療，今天我們升級到了3.0的版本，由于人工智能的發(fā)展越來越熱，它對我們醫(yī)療產(chǎn)業(yè)的支撐使得“人工智能+醫(yī)療”成為了新的風口。不是我觀點變得快，而是趨勢發(fā)展得快。”正和島投資總裁、創(chuàng)始合伙人陳里提綱挈領(lǐng)的說到。 

中國目前的醫(yī)療現(xiàn)狀是，整體醫(yī)療衛(wèi)生支出金額是逐年在增加，2016年超4萬億，占GDP總費用的5.7%。即使如此，和美國相比，中國人口是美國的4.3倍，可個人醫(yī)療費用支出只占了36%，這代表了中國醫(yī)療領(lǐng)域仍有非常大的市場空間，也將給AI醫(yī)療更大的發(fā)揮空間。 

兩年前，移動醫(yī)療還是風口，到現(xiàn)在移動醫(yī)療的規(guī)模已經(jīng)過了百億。訊飛醫(yī)療負責人鹿曉亮曾說，醫(yī)療信息化是AI醫(yī)療的基礎(chǔ)。因此，移動互聯(lián)網(wǎng)為AI醫(yī)療提供了認知根基。 

AI醫(yī)療將幫助醫(yī)療行業(yè)降低運營成本，提高運營效率。但人的思想觀念、認識、接受程度以及政策、制度的匹配程度都會成為AI醫(yī)療進化的阻礙。因此陳里提及AI醫(yī)療的趨勢，“會從2B開始，以后漸漸2C，在B以及未來的C，哪些B到C會逐漸地起支撐作用，或者是結(jié)合應(yīng)用場景，把這個作用說明。”  

數(shù)據(jù)是AI+醫(yī)療高速發(fā)展的根本推動力 

高質(zhì)量的數(shù)據(jù)，是人工智能和醫(yī)療高速結(jié)合發(fā)展的最根本的推動力。 

過去十年中國醫(yī)院信息化發(fā)展非?？欤恍┒€城市醫(yī)院信息化的水平和集中程度之高超乎想象。過去十年的CT數(shù)據(jù)、PET數(shù)據(jù)、生物電訊號、超聲等一系列多種多樣的數(shù)據(jù)有非常大的沉淀。但是這些沉淀的數(shù)據(jù)很多沒有發(fā)揮自己的價值。 

醫(yī)院沉淀了這么多類型的數(shù)據(jù)，這些數(shù)據(jù)是可以綜合應(yīng)用到臨床檢查與治療的。老年癡呆疾?。ò柎暮ＤY）就是一個非常典型的多模態(tài)、多數(shù)據(jù)源的產(chǎn)品實踐，市場上已經(jīng)出現(xiàn)了此類病癥的早期人工智能診斷和預(yù)測系統(tǒng)。 

這樣的預(yù)測系統(tǒng)一般用三方面數(shù)據(jù)來做機器學(xué)習(xí)的模型，這些數(shù)據(jù)包括核磁數(shù)據(jù)、腦電數(shù)據(jù)、量表數(shù)據(jù)。 

同樣擁有較多數(shù)據(jù)的病癥，在機器學(xué)習(xí)的過程中都可以達到較高的結(jié)果診斷，例如醫(yī)學(xué)影像AI公司的大量出現(xiàn)，就是因為影像數(shù)據(jù)的量很大而且具備了標準化的結(jié)構(gòu)，只要可以結(jié)合更準確的標注學(xué)習(xí)，可以輸出的檢測結(jié)果一般都較高。 

AI醫(yī)療的場景化 

利用醫(yī)學(xué)影像切入AI醫(yī)療的企業(yè)很多，影像設(shè)備需求的增長催生了第三方獨立影像中心和遠程影像，更促進了可獲取數(shù)據(jù)的增多。而與影像數(shù)據(jù)以集合式增長相比，有資質(zhì)、有能力的影像醫(yī)生數(shù)量增長十分緩慢。醫(yī)療影像AI的落地具備巨大的市場需求基礎(chǔ)。 

在這樣的場景下，大部分醫(yī)學(xué)影像AI公司把影像AI發(fā)展可分為三個階段： 

第一是篩查。這種需求通常由一些基層醫(yī)院的體檢中心提出，在這個階段，創(chuàng)業(yè)公司主要解決的就是效率問題。用戶做完篩查之后，如果發(fā)現(xiàn)了可疑病灶，就勢必進入到第二個診斷階段。要想做出準確的診斷，僅靠單一的影像篩查是不夠的，我們需要引入放射信息、臨床信息、過往病史等六到七種數(shù)據(jù)才能完成最后的診斷。完成了單個病人的診斷以后，創(chuàng)業(yè)公司可能會發(fā)展到第三個疾病預(yù)測階段。中國人一生大部分的醫(yī)療費用都花費在臨終前的12個月。目前，我們沒有辦法對于老年慢性病做出超早期的預(yù)測，所以是否能有辦法做到這一點，這是人工智能和醫(yī)療結(jié)合重要的一個方面。 

醫(yī)學(xué)影像AI是以診斷為主要方向，而放療AI則是以治療為主要方向，全域醫(yī)療作為放療AI應(yīng)用權(quán)威企業(yè)，也參加了正和島創(chuàng)新大集關(guān)于醫(yī)療行業(yè)的探討，全域醫(yī)療依照放療的場景打造了全面的醫(yī)療生態(tài)。 

全域醫(yī)療副總裁康世功說到“手術(shù)，很難與人工智能和互聯(lián)網(wǎng)相結(jié)合的?；?，中國的化療比例屬于濫用狀態(tài)。放療，成為了中國腫瘤治療的發(fā)展方法。國內(nèi)目前的現(xiàn)狀是：第一，我們放療設(shè)備嚴重不足；第二，人員更是嚴重不足；放射治療恰恰是和互聯(lián)網(wǎng)、IT信息技術(shù)聯(lián)系最緊密的治療方法，面對這樣的現(xiàn)狀，我們就想到了“互聯(lián)網(wǎng)+醫(yī)療”。”

全域醫(yī)療所有的工作都圍繞著傳統(tǒng)放療場景構(gòu)建?？悼偨忉尩?ldquo;我們傳統(tǒng)的醫(yī)療或者是放射治療無非是科室籌建、設(shè)備安裝，但是信息化和信息科技，用現(xiàn)在的互聯(lián)網(wǎng)手段給我們插上翅膀，我們可以把診前診后、院內(nèi)、院外，所有的信息互聯(lián)互通起來。于是，全域圍繞著我們新型放射治療診療模式，推出了“互聯(lián)網(wǎng)+”放療模式，放療AI的能力是包括在這個模式內(nèi)的。” 

放射治療的場景是這樣的，依靠的是院內(nèi)的系統(tǒng)及設(shè)備，一個放射治療診療流程，首先，患者進到醫(yī)院來采用放療，設(shè)備利用直線加速器照射腫瘤細胞、殺死腫瘤細胞，是無創(chuàng)而精準的手術(shù)刀。如何保證這臺電子設(shè)備非常準確地切割我們不規(guī)矩、非常個性化的腫瘤，就需要對治療進行放射治療的計劃，AI的能力應(yīng)用就在此處。 

全域做的第一件事，是通過遠程協(xié)作系統(tǒng)來保證各級醫(yī)院都有好的治療計劃。通過這樣的協(xié)作系統(tǒng)，讓上級醫(yī)生支持下級醫(yī)生，在自己的醫(yī)院像用自己的設(shè)備一樣，指揮下面的醫(yī)院。 

為了保證好的治療計劃能被好的實施，全域又開發(fā)了云智控設(shè)備，再先進的設(shè)備也是人來操控的，又同時把遠程培訓(xùn)做了一下。這三個系統(tǒng)立足，基本可以保證各級醫(yī)院都可以相當高水平的治療計劃并被很好地實施。 

康總又提到了一個關(guān)鍵問題，放療是一件長時間的操作，而放療醫(yī)生數(shù)量不足，因此醫(yī)療治療數(shù)量一直難以提升，放療產(chǎn)能不足，解決的辦法就是用人工智能。 

AutoPlan是全域正在應(yīng)用的放療AI系統(tǒng)，可以把放療經(jīng)驗不斷地自動化。全域開發(fā)研制了一套國家放射治療質(zhì)量控制系統(tǒng)，把所有應(yīng)用的硬件設(shè)備以及整個放療流程都涵蓋進來，在系統(tǒng)中，把放療常見的設(shè)備都連通了進來，包含放療設(shè)備中的機械參數(shù)、病人圖像參數(shù)等，并且病人全療程計劃，在放射過程的開始可以了解的非常清楚，可以預(yù)知需要預(yù)警的地方。

寫在最后 

數(shù)據(jù)、算法、細分領(lǐng)域場景的產(chǎn)品把握直接決定了落地能力，在每一個完善的醫(yī)療體系中，可以構(gòu)成一個相互驅(qū)動的循環(huán)。每一個因素的良好能力輸出，都能把整體的輸出能力提高。

目前AI醫(yī)療可能達到的層次一個弱AI，能夠做到的僅僅是幫助醫(yī)生做一些勞動強度大、重復(fù)性高、附加值低的工作，例如每天幾萬張的閱片數(shù)量、基本放療計劃的替代。 

當數(shù)據(jù)足夠精準，技術(shù) 能力再升級的時候，AI機器人能夠真正實現(xiàn)跨科室的多學(xué)科綜合診斷，成為人類醫(yī)生的專家顧問，幫助醫(yī)生做一些復(fù)雜的病歷診斷， 

當然，對于普通大眾以及醫(yī)療人士，最終希望的還是，AI會和人類專家一起去探索一些現(xiàn)在人腦還沒有辦法達到的領(lǐng)域，提取成百上千的病灶特征，拓展醫(yī)生認知的邊界，逼近醫(yī)學(xué)的極限認知。 

風口促進了這一想法的誕生，數(shù)據(jù)加速了進度，當場景的應(yīng)用數(shù)量非常多的時候，這樣的目標也許就能實現(xiàn)。

來源：品途商業(yè)評論