后深度學(xué)習(xí)時(shí)代，如何探索醫(yī)療 AI 的突圍之路？

我們?nèi)绾瓮ㄟ^AI的眼光來看待醫(yī)療行業(yè)的過去與未來？

人工智能+醫(yī)療，被不少專家認(rèn)為是AI最具前景的應(yīng)用領(lǐng)域，也是落地實(shí)現(xiàn)難度最大的方向。2014年以來，AI技術(shù)的發(fā)展逐步進(jìn)入垂直細(xì)分領(lǐng)域，醫(yī)療影像以其標(biāo)準(zhǔn)化程度相對較高而被認(rèn)為是最早能夠?qū)崿F(xiàn)AI醫(yī)療落地的場景之一。

一直以來，產(chǎn)學(xué)融合與醫(yī)工交叉都是醫(yī)療AI的本源。而隨著深度學(xué)習(xí)技術(shù)進(jìn)入瓶頸期、產(chǎn)品的同質(zhì)化現(xiàn)象嚴(yán)重、商業(yè)化問題遲遲無解，當(dāng)下這個(gè)行業(yè)需要重新審視AI和醫(yī)療兩者的角色和關(guān)系。

黎明前的黑暗，還是寒冬的開始？

醫(yī)療是一個(gè)很特殊的行業(yè)，特殊到醫(yī)療行業(yè)的每次變革似乎都是“從外向內(nèi)”的外部推動。醫(yī)療行業(yè)的這種“遲鈍感”并不是說醫(yī)生和院長很“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(yī)療大數(shù)據(jù)項(xiàng)目，本質(zhì)上還是需要優(yōu)質(zhì)的數(shù)據(jù)。此前，有觀點(diǎn)認(rèn)為，“中國市場大、數(shù)據(jù)多，所以將來奇跡一定會發(fā)生在中國。”

但是，醫(yī)療大數(shù)據(jù)真的是“大數(shù)據(jù)”嗎？

現(xiàn)實(shí)情況可能并非如此。首先，大醫(yī)院的臨床數(shù)據(jù)很可能不適用于縣級醫(yī)院。其次，每家醫(yī)院的信息化工作都涉及幾十個(gè)廠家，對數(shù)據(jù)的采集、存儲都有各自的標(biāo)準(zhǔn)。而不同醫(yī)院系統(tǒng)、醫(yī)院不同系統(tǒng)的割裂性之間又讓信息的共享遭遇阻礙。再者，醫(yī)療數(shù)據(jù)泄露的風(fēng)險(xiǎn)，讓醫(yī)院不敢把所有的數(shù)據(jù)都開放出來給企業(yè)。

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

北京中醫(yī)藥大學(xué)東方醫(yī)院教授、信息管理處處長韋云也表示，我國醫(yī)療大數(shù)據(jù)的利用率仍然太低。“醫(yī)療大數(shù)據(jù)已經(jīng)做了十幾年，但現(xiàn)在各個(gè)醫(yī)院的大量信息還是完全沉默在那里。”

數(shù)據(jù)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)采訪時(shí)談到，深度學(xué)習(xí)吸引人的地方在于，原則上它在不同的應(yīng)用中均可以使用同樣的訓(xùn)練算法框架。只需替換訓(xùn)練數(shù)據(jù)和相應(yīng)的標(biāo)注進(jìn)行訓(xùn)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)。但這種看起來一勞永逸的框架，在實(shí)際應(yīng)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張鈸在接受《經(jīng)濟(jì)觀察報(bào)》采訪時(shí)表示，歷史上，人工智能曾因公眾期待過高而幾經(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(xí)的人工智能在技術(shù)上已經(jīng)觸及天花板。

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

張鈸的觀點(diǎn)在醫(yī)學(xué)領(lǐng)域同樣適用：醫(yī)學(xué)AI將進(jìn)入后深度學(xué)習(xí)時(shí)代。

另外，醫(yī)療AI在商業(yè)化上的難題也還沒有得到很好的解決。經(jīng)過了三年多的發(fā)展，影像AI領(lǐng)域內(nèi)的公司很多還沒有清晰的商業(yè)模式與盈利場景，醫(yī)院的付費(fèi)意愿很低。

商湯科技副總裁張少霆認(rèn)為，在中國的現(xiàn)實(shí)環(huán)境下，“人工智能+醫(yī)療”的需求是“實(shí)打?qū)嵈嬖诘摹保叭斯ぶ悄?醫(yī)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(dān)任副總裁的張京雷說，為什么醫(yī)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(yī)療，但是單純從IT角度來解決醫(yī)療問題一定是失敗的。

沈定剛教授和張京雷的觀點(diǎn)不謀而合。

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

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

醫(yī)療AI的重重困難，讓人不禁想問：現(xiàn)在，是醫(yī)療AI黎明前的至暗時(shí)刻，還是凌冽寒冬的開始？

道阻且長，多方合力

理想和現(xiàn)實(shí)之間，有很長的一段路要走。

為了推動醫(yī)療AI的發(fā)展，監(jiān)管機(jī)構(gòu)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(biāo)準(zhǔn)庫。

第二軍醫(yī)大學(xué)長征醫(yī)院影響醫(yī)學(xué)與核醫(yī)學(xué)科主任劉士遠(yuǎn)，與中國食品藥品檢定研究院合作建設(shè)了肺結(jié)節(jié)標(biāo)準(zhǔn)數(shù)據(jù)庫。這些肺結(jié)節(jié)圖像數(shù)據(jù)采集來自不同的醫(yī)院，患者數(shù)量達(dá)到1萬，并且取得倫理委員會許可。

在建設(shè)過程中，數(shù)據(jù)庫會遵循廣泛性、兼容性和醫(yī)學(xué)圖像的標(biāo)記的三大原則，最終形成沒有公司痕跡、沒有機(jī)器痕跡的標(biāo)準(zhǔn)檢測數(shù)據(jù)庫。

除了劉教授所在的中國醫(yī)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(biāo)準(zhǔn)落地的速度也在不斷加快。

2017年，國家藥品監(jiān)督管理局醫(yī)療器械技術(shù)審評中心正式成立人工智能工作組，來研究人工智能醫(yī)療器械，該中心是直接負(fù)責(zé)醫(yī)療產(chǎn)品審評的部門。

2018年4月，在原國家衛(wèi)生計(jì)生委指導(dǎo)下，中國電子、中移動、中科院分別牽頭成立的三大健康醫(yī)療大數(shù)據(jù)集團(tuán)，承擔(dān)國家健康醫(yī)療大數(shù)據(jù)中心、區(qū)域中心、應(yīng)用發(fā)展中心和產(chǎn)業(yè)園建設(shè)等國家試點(diǎn)工程任務(wù)。

2018年9月13日，國家衛(wèi)生健康委員會發(fā)布《國家健康醫(yī)療大數(shù)據(jù)標(biāo)準(zhǔn)、安全和服務(wù)管理辦法（試行）》，涉及健康醫(yī)療大數(shù)據(jù)從標(biāo)準(zhǔn)管理、安全管理、服務(wù)管理、監(jiān)督管理等諸多方面，給數(shù)據(jù)共享吃下了一顆“定心丸”。

除了從頂層設(shè)計(jì)的角度來看行業(yè)，學(xué)術(shù)界也提出了幾種解決醫(yī)療數(shù)據(jù)小樣本問題的方法。沈定剛教授提出，“我們要嘗試把大數(shù)據(jù)已經(jīng)學(xué)習(xí)好的東西遷移到小數(shù)據(jù)里面。在分布式的學(xué)習(xí)方面，可以考慮在多中心訓(xùn)練時(shí)，貢獻(xiàn)用于優(yōu)化的梯度或者是在模型訓(xùn)練結(jié)束后，通過模型的集成達(dá)到模型共享的目標(biāo)以及將上述兩種方法結(jié)合起來?！?/p>

此外，醫(yī)生對于AI的態(tài)度也有所變化。今年1月份，劉士遠(yuǎn)教授為了去學(xué)術(shù)年會講課，對科室里肺結(jié)節(jié)軟件的點(diǎn)擊率進(jìn)行了統(tǒng)計(jì)。他發(fā)現(xiàn)，軟件產(chǎn)品的點(diǎn)擊率最高的達(dá)到88%，也就是說一線寫報(bào)告的醫(yī)生有很大的可能去使用AI產(chǎn)品。醫(yī)生與AI產(chǎn)品的關(guān)系從以前的懷疑、否定，到現(xiàn)在學(xué)著接受，并把AI當(dāng)成學(xué)生，給出十分中肯的意見，這是一個(gè)十分良性的過程。

行業(yè)玩家閃轉(zhuǎn)騰挪

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

醫(yī)療AI行業(yè)的公司主要有三類：創(chuàng)業(yè)企業(yè)、互聯(lián)網(wǎng)巨頭、傳統(tǒng)醫(yī)療企業(yè)。三者的側(cè)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(yī)院提供輔助診療等服務(wù)，為保險(xiǎn)公司提供服務(wù)、達(dá)到控費(fèi)目的，為體檢機(jī)構(gòu)提供健康管理、用戶管理等服務(wù)。

例如，醫(yī)療人工智能公司Airdoc就與醫(yī)院、保險(xiǎn)公司、制藥企業(yè)等合作，投資方復(fù)星國際的執(zhí)行董事兼聯(lián)席總裁陳啟宇表示，復(fù)星看中的是Airdoc慢病篩查系統(tǒng)的技術(shù)及院外場景。除了商業(yè)保險(xiǎn)，還有一個(gè)潛在付費(fèi)方就是政府醫(yī)保。Airdoc的張大磊表示，理論上來講，政府醫(yī)保應(yīng)該是Airdoc最大的客戶，公司也在考慮這方面的變現(xiàn)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)來進(jìn)行布局。

與創(chuàng)業(yè)企業(yè)相比，醫(yī)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(xù)發(fā)布了一系列“互聯(lián)網(wǎng)+醫(yī)療”產(chǎn)品后，騰訊嘗試將多條產(chǎn)品線進(jìn)行融合，打造城市級“互聯(lián)網(wǎng)+醫(yī)療健康”解決方案?；ヂ?lián)網(wǎng)巨頭并不著急變現(xiàn)，醫(yī)療AI的項(xiàng)目也往往是與“智慧城市”的項(xiàng)目掛鉤，項(xiàng)目一旦成熟，帶來的收益將不至于經(jīng)濟(jì)層面。

傳統(tǒng)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)采訪時(shí)表示，醫(yī)療AI首先需要打好行業(yè)標(biāo)準(zhǔn)的根基，標(biāo)準(zhǔn)更多的是在體現(xiàn)在臨床層面和醫(yī)學(xué)路徑上，包括數(shù)據(jù)質(zhì)量的把控、數(shù)據(jù)共享、AI產(chǎn)品監(jiān)管、臨床測試等一些環(huán)節(jié)。

這些環(huán)節(jié)是器械商們更擅長的事情。因此，他們的變現(xiàn)之路也更加從容：銷售渠道比較成熟，醫(yī)療人工智能可以作為設(shè)備的附加品產(chǎn)生效益。此外，數(shù)據(jù)標(biāo)準(zhǔn)化的能力也能打動醫(yī)院這些付費(fèi)方。

微軟亞洲研究院副院長張益肇認(rèn)為，AI醫(yī)療不是簡單的用技術(shù)去找醫(yī)院合作。“要想技術(shù)落地，要?dú)v經(jīng)千辛萬苦找對場景，還要說服政策制定者、監(jiān)管部門、醫(yī)院采購者、科室主任、臨床醫(yī)生、病人等無數(shù)當(dāng)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)品誰來買單。?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(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權(quán)。

原文章地址為后深度學(xué)習(xí)時(shí)代，如何探索醫(yī)療 AI 的突圍之路？