中国特色的医疗AI之路

人工智能大健康

    临近年底医疗AI依然热得一塌糊涂,写书的开会的,拍砖的互怼的,投资的创业的,谁都不想错过这个风口,丝毫没有减弱的迹象。不过这个领域出尽风头的主要还是大公司尤其是进口的产品,例如从自动驾驶到百度医疗大脑;从AlphaGo到AlphaGo Zero,还有IBM Watson认知医疗。
    所谓树大招风,医疗界对AI 的态度分为两极:乐观派捧上天的心态,动辄“人工智能即将取代XX职业”、“XX即将失业”甚至人工智能将统治人类,颇有5-6年内让医院关门让医生失业的架势;悲观派对AI的质疑就没有间断过:算法不高级、数据质量差、难训练、“人工智障”“和缺乏使用场景等等,说它是医生的辅助工具就已经算客气的了。
    独角兽工作室的观点例来是“搁置争议,共同实践”,今年9月组织了国际医疗人工智能大会,跟国内数得上的医疗AI专家和公司都交流过,还调研了数千名一线临床医生对医疗AI的看法,发现临床对AI总体还是“欲拒还迎”,虽然问题不少,但还是期待有机会能使用。所以“AI无用论”和“AI统治论”都是扯淡,抛开那些毫无意义的空谈,从具体的临床病例和实用性入手才是医疗人工智能的方向。
    
    目前医疗AI在临床使用较多的主要是四类:一是智能影像,二是智能语音,三是医学机器人,四是临床智能决策。
    医疗智能影像和语音是基于图像和语音识别技术发展起来的,由于医学影像资料获取门槛较低且更为标准化,语音数据识别技术成熟,所以智能医学影像目前发展最为成熟,临床接受程度最高,只是仍然不属于医疗最核心领域。
    以Watson在国内的应用为例,其大力推广国际治疗规范和最新临床文献,但是也明显地带有美国MSK肿瘤中心治疗风格和习惯,缺少对中国“本土化”疾病特点,治疗习惯和药品选择的融合,比如没考虑国内治疗指南、医保目录、常用治疗方案等。另一方面由于现阶段临床最需要的疑难杂症的诊疗决策缺少数据和经验,如晚期癌症和少见肿瘤,因为临床病例少,也只能给出模糊的建议,这就给本土的医疗AI 提供了一些突破口。本土医疗AI 公司也巧妙地在汉语语义识别上发力,如森亿智能等,而能全面布局智能医疗决策的项目还非常罕见。
    直到上周在杭州参加国际智能医疗大会,看到浙大睿医联合微医推出的“微医云“平台,并在会场现场观看了基于微医云开发的睿医智能医生和华佗智能医生两款工具,还包括医疗影像辅助诊断系统和全科辅助诊疗系统。据说睿医智能医生在部分病种上,灵敏度已超过AI巨头谷歌。真是不看不知道,原来本土医疗AI也这么强大了!
    另外就是微医云在定位上与Watson有了明显的区隔:在会上微医格外突出一个词“基层卫生机构”,也就是说微医的这两款产品,主要针对的既不是重大疾病也不是大医院,而是切入基层以及常见病场景,服务基层医生和患者的日常需求。其作用是围绕“帮助”和“提升”基层医疗,主要发力在挂号分诊、疾病定位、提升筛查效率、降低漏诊误诊等几个方面。
    再者,微医云不单单是“学习”大三甲专家的诊疗经验和快速检索临床文献,它还具有AI 最重要的机器学习和自我进化的功能,已经不止是个超级知识库了。这样不仅降低了开发的技术难度,降低了可能的医疗风险。又符合基层医生和机构的需求,还贴近分级诊疗的国家政策,自然临床接受程度高。其定位及策略决定了拥有丰富可行的使用场景和大规模应用的潜力,大规模应用既能带来可观的商业收益,从而进一步支持技术研发;又能从应用中返回海量的使用数据,其价值远远超出静态收集的数据,从而实现技术→应用→数据→技术再提高的“滚雪球式”的正循环,将其他AI项目远远抛在身后。
    这就是马云所说的“数据型业务+业务型数据”的威力。这来自于对中国国情的精准把握,这也就是中国的本土公司和研究机构的独特优势吧。
    AI的火热预计还会持续较长一段时间,相比于之前仅有的那几家被奉若神明的人工智能公司,越来越多的国产医疗AI也开始大放光彩,相信微医云产品也只是初露端倪。随着政策对人工智能的持续利好,各级政府对AI的持续补贴投入,中国作为网络应用全球第一大国,会有更多的本土产品实现医疗AI的弯道超车。