深度丨医疗AI“两重天”:巨头争相入局卡位 商业化难过临床关
医疗AI如何摆脱“叫好不叫座”的局面?
从一度火爆到渐入困境,历经起伏的医疗AI行业,随着人工智能及大数据在疫情中得到多方应用与验证,这个行业的关注度再度升温。
不论是科技巨头还是初创企业,都争相涌入这一赛道。像谷歌、微软、百度、阿里巴巴、腾讯等已在医疗AI领域投入大量资源,展开密集布局。
不过时至今日,虽然医疗AI作为新兴科技产业已得到广泛认可,但其临床应用难、商业化落地难的窘境依然无法突破,绝大多数医疗AI企业仍摆脱不了“赔钱”的命运。此外,缺乏行业标准的人工智能医疗还存在可靠性与安全性等隐藏风险。如何让人工智能更安全地投入临床使用,这也是行业目前亟待解决的难题。
赛道火热背后的难题与风险
虽然人工智能医疗竞技场已经略显拥挤,但不可否认的是AI与医疗的融合仍然是个新事物,尚处于探索起步阶段。
2019年,美国APCO Worldwide公司发表了一篇题为“Artificial Intelligence in Healthcare: Hype or Hope?”(“医疗保健中的人工智能: 赞美还是希望?”)的文章,质疑医疗AI究竟是“炒作”还是“希望”。AI确实有改变医疗保健领域的巨大潜力,但目前各方对AI的宣传可能过度,关于AI在医学实践中的应用仍存在争议。
在众多AI医疗公司中,美国IBM“沃森”无疑是走在技术和应用前端的先锋,但同时,随着时间的深入,沃森也逐渐被贴上“过度炒作”的标签。
2016年,东京大学医学研究院利用IBM的人工智能系统“沃森”诊断一位女性患有罕见的白血病,而这只用了10分钟的时间。在看到AI医疗发展的希望后,IBM把宝都押在了沃森身上。2017年,投资2.4亿美元与麻省理工学院共建MIT-IBM沃森人工智能实验室。同时还计划投资30亿美元打造沃森全球蓝图。
但蓝图尚未完全落实,沃森就遇到困境。最近一两年,沃森被众多行业专家所质疑,并曝出诸多问题,包括可能开出危险和错误的癌症治疗方案。2018年7月,美国健康医疗媒体STAT曝出的IBM内部文件显示,IBM在训练沃森时,对假想患者推荐的治疗方案,是基于纪念斯隆-凯特琳癌症中心专家的方案,而非医疗指南或真实证据。
清华大学自动化系教授、生命学院和医学院兼职教授张学工向21世纪经济报道记者说道:“对类似沃森的医疗AI发展受阻我并不吃惊,医疗AI如果在技术层面没有特别优秀的技术,更多只是在媒体和宣传层面的炒作,很难得到发展。”
除了沃森以外,其他投身医疗AI的科技企业也面临着不少行业痛点等待解决。像我国国内企业在医疗影像方面面临着数据流转的问题,患者无法保存和管理自己原始的影像资料。
上海交通大学人工智能研究院发布的《2019中国人工智能医疗白皮书》显示,中国医疗AI面临着医疗人才、数据、器械审批等方面的挑战。具体而言,包括医疗AI人才缺乏、数据归属不明确、数据标准不统一、器械分类要求高等问题。
疫情期间,医疗AI的应用得到了进一步的创新与推广。但不可否认的是,医疗AI在发展中还有着各种各样的瓶颈与痛点。如何打破瓶颈尴尬期,进而推动行业向前发展,是摆在医疗AI行业人士面前十分关键的课题。
张学工表示:“人工智能包含很多的挑战,不是突破了一个瓶颈,就能解决所有的医学问题,并没有那么戏剧性。而是要一点一滴去完善人工智能,并使其在医学领域中解决过去的一些问题,这是一个逐渐的扩展和突破。”
阿里健康董事长兼CEO朱顺炎11月14日在广州肿瘤大会上表示,医生与人工智能(简称AI)的关系应该是医生+AI,即医生在前,AI是辅助医生的工具,而非相反。他指出,医疗领域里最重要的是准确度,需要在综合一系列由人工智能计算出的指标的基础上,由医生来做出最后判断和决策。
中国工程院院士樊代则指出,把人工智能引入医学是一种必然的结果。他认为,最好的科技,就是“大数据+人工智能”,用它来帮助医学来提高人类的健康水平,这是一种必然。“人工智能具有广阔的前景,我们医生要好好学习人工智能,借它来为我们更好地服务。”樊代明说。
虽然被认为过度炒作,但医疗AI具有巨大的潜在经济效益确实是公认的事实。据国际管理咨询公司罗兰贝格发布的《人工智能白皮书》显示,预计到2030年,人工智能将在中国产生10万亿元的产业带动效益。其中医疗产业,使用AI预计可带来约4000亿元的降本价值。由此,医疗AI成为人工智能领域的热门风口,受到了不少资本的青睐,吸引着无数玩家入局。
目前,医疗AI的主要应用场景在肺部CT、眼底筛查及医疗影像等多个方面。今年1月,南开大学与北京推想科技的联合项目团队就在疫情初发期研发出新冠肺炎CT影像AI筛查系统。第一时间将此前积累的基于肺炎、肺结核CT影像智能识别技术,部署应用于华中科技大学同济医学院附属同济医院、武汉大学中南医院等,辅助医生快速诊断新冠肺炎。
而医疗影像则为医学诊断的提供了图像方面的信息。张学工指出,在医疗AI具体临床和商业化应用方面,图像具有清晰易懂的特点,因此在医疗AI领域被率先落地应用,但其仍有局限性,影像并不能把所有生命系统中的数据给予到医生和病人,历史的数据、主观的感觉,各种自然语言的描述,这些都不能通过影像去分析。
一些罕见病上并没有典型的一些症状,一般依靠模糊的描述去判断症状。倘若积累了大量病例以后,靠机器去做分析判断,会比人的判断更全面,因为人的经验判断是有限的。张学工说到这是医疗AI的一大作用。
但目前,AI技术甚至在一些有关人体生命安全的医学领域也有应用,AI系统亦深入到诊断、预测甚至治疗康复等环节,开发出了众多新的AI工具,相应的研究也得以发表在一些权威医学期刊上。但由于试验设计质量参差不齐,具体的有效性很难进行比较和评估。
没有统一行业评判的标准,可能会给数百万患者带来风险。同时也易助长医疗企业宣传、炒作AI实效性的火焰。随着众多巨头纷涌而至,AI赛场展示出巨大的潜力,但游戏规则亟需建立。
交叉领域深度融合或成新发力点
在人口老龄化以及慢性疾病患者数量增长的情况下,如今对医疗技术人员及医疗资源的需求不断上升。而现有医疗体系在处理需要大量长期诊治、病状复杂的患者等多方面仍存在诸多不足。
此外,优质医疗资源还存在分布不均的状况,区域之间差异较大。据国家卫健委发布的《2019年国家医疗服务和医疗质量安全报告》显示,从患者异地就医情况看,患者流出比例最高的5个地区为西藏、安徽、内蒙古、河北、甘肃,而患者流入比例居前5位的地区为上海、北京、江苏、浙江和广东。随着医疗数据量增长迅速,借助AI大数据可节省人力资源,弥补医疗劳动力短缺的不足。
张学工坦言,目前AI医疗也确实需要更多应用在要大量重复劳动去解决的问题上。从更长远的角度来看,人工智能发展要和生命研究本身结合起来。
近年来,深度学习在AI医疗领域再度成为焦点。张学工对此表示:“整个人工智能的领域要比机器深度学习的领域宽很多,深度学习有强项也有其局限性,并不能把所有的希望都寄托在深度学习上,还要重视基础知识学习。从大量数据中去找简单规律,从少量数据中去找复杂规律,这需要深度学习之外的方法或者深度学习自身去往更好方向发展。”
据近日由中国发展研究基金会发布的《人工智能在医疗健康领域的应用研究》报告表示,现阶段,人工智能在全球医疗领域应用广泛,风头正盛。新技术主要集中应用于虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医疗管理、辅助医学研究平台等领域。
报告指出,人工智能在医疗健康领域的应用,将推进健康技术革新和医疗服务模式的转变,促进医疗成本的降低与医疗服务效率的提高;同时,也将有助于形成同质、标准、易于延展的医疗服务体系,优化资源配置,保障需求侧,特别是偏远地区的民众,人人享有高质量、高标准的医疗服务的权利,促进健康公平性及可及性。
随着技术的发展,未来人工智能还将应用于这些场景中:疾病诊疗;帮助医生进行病理、体检报告等的统计;通过大数据和深度挖掘等技术,对病人的医疗数据进行分析和挖掘;研发医疗机器人,如外科手术机器人、康复机器人、护理机器人和服务机器人等;以及在医学影像方面进行更深度的发展。
未来,AI医疗将延展到几乎每一个领域、每一个类别。从医疗器械,手术装备,各类无源类植入体,像人工关节、人工器官、心血管支架等,AI医疗机器人等也将应运而生。AI与医疗器械两个领域的交叉深度融合发展,需要跨学科团队整体建设,包括人才培养以及深度融合的课题研究等。AI医疗发展将要走向“快、稳、准”的道路。企业也不应满足当前的需求,要为未来智慧医疗高速迭代的发展做好准备。
(作者:唐唯珂 编辑:徐旭)
21世纪经济报道及其客户端所刊载内容的知识产权均属广东二十一世纪环球经济报社所有。未经书面授权,任何人不得以任何方式使用。详情或获取授权信息请点击此处。