打開手機(jī)掃描二維碼
即可在手機(jī)端查看
近日，工業(yè)和信息化部科技司、國(guó)家藥品監(jiān)督管理局醫(yī)療器械注冊(cè)司發(fā)布“人工智能醫(yī)療器械創(chuàng)新任務(wù)揭榜入圍單位名單”，此次共有221個(gè)項(xiàng)目入圍。揭榜任務(wù)主要面向智能產(chǎn)品和支撐環(huán)境2個(gè)方向，聚焦智能輔助診斷產(chǎn)品、智能輔助治療產(chǎn)品、醫(yī)學(xué)人工智能數(shù)據(jù)庫(kù)等8類任務(wù)。業(yè)內(nèi)眾多知名企業(yè)在列，如百度、邁瑞、科大訊飛（002230）、聯(lián)影醫(yī)療、鷹瞳科技等。
雖然近年來AI科技不斷升溫，醫(yī)療AI的故事也廣受追捧——匹配優(yōu)質(zhì)醫(yī)療資源、提高醫(yī)院效率、加強(qiáng)質(zhì)量控制、降低誤診率，但是從科研到應(yīng)用再到商業(yè)化，醫(yī)療AI仍需要翻越數(shù)個(gè)鴻溝。
中國(guó)醫(yī)師協(xié)會(huì)超聲醫(yī)師分會(huì)婦產(chǎn)專委會(huì)、中山大學(xué)附屬第一醫(yī)院婦產(chǎn)超聲科主任謝紅寧教授對(duì)
記者表示：“醫(yī)生在一線臨床工作，同時(shí)還要兼顧帶學(xué)生、醫(yī)教科研都要做，每天還要面對(duì)很多就診病人。從醫(yī)生端來說，我們希望醫(yī)療人工智能能夠真正落地幫助到我們，提升我們的工作效率，分擔(dān)工作壓力，而不是只停留在僅有的科技研究，真正能拿出產(chǎn)品幫助我們?！?/p>
然而，醫(yī)療行業(yè)的強(qiáng)監(jiān)管與復(fù)雜性已決定了醫(yī)療AI從概念到落地應(yīng)用的坎坷。目前，超聲是醫(yī)學(xué)影像領(lǐng)域中應(yīng)用AI技術(shù)最廣泛的專科，AI逐步在一線醫(yī)療中為醫(yī)生提供輔助性功能。
受挫之后的定位切換
早在上世紀(jì)七十年代，國(guó)外便開始了計(jì)算機(jī)與疾病之間的探索，開始時(shí)主要用于病癥與疾病之間的匹配。1974年匹茲堡大學(xué)研發(fā)了INTERNIST-I內(nèi)科疾病的專家系統(tǒng)，該知識(shí)庫(kù)包括了572種疾病，約4500種癥狀，以及10萬種疾病與疾病表現(xiàn)之間的聯(lián)系。該系統(tǒng)在80年代進(jìn)入了商業(yè)化階段，但受制于當(dāng)時(shí)計(jì)算機(jī)的算力和算法，90年代進(jìn)入瓶頸期。
隨后進(jìn)入了AI影像時(shí)代。伴隨70年代CT投入臨床實(shí)用，醫(yī)學(xué)影像數(shù)字化設(shè)備誕生，圖像存儲(chǔ)和傳輸標(biāo)準(zhǔn)進(jìn)一步發(fā)展，AI影像出現(xiàn)不少嘗試。然而，受當(dāng)時(shí)圖像分辨率和算法的掣肘——直到2006年深度學(xué)習(xí)的突破——IBM 沃森是該領(lǐng)域的典型探索者。
理論上說，沃森能大大提高醫(yī)療效率。當(dāng)前，每73天醫(yī)學(xué)文獻(xiàn)會(huì)翻2倍，沃森每秒能學(xué)習(xí)267萬頁(yè)，相比之下醫(yī)生需要每周花160小時(shí)。
然而實(shí)際上沃森的商業(yè)化也并不順利，營(yíng)收與投入差距極大。近年來，沃森花費(fèi)幾十億并購(gòu)機(jī)器學(xué)習(xí)、醫(yī)療臨床數(shù)據(jù)、人口健康數(shù)據(jù)、醫(yī)學(xué)圖像算法等背景的公司，單2016年就花費(fèi)近40億美元。然而，2020年其財(cái)報(bào)顯示營(yíng)收只有15億美元。2020年12月，傳出沃森將被IBM出售。
隨著醫(yī)療AI步入深水區(qū)，以往替代醫(yī)生的發(fā)展趨勢(shì)也成為進(jìn)一步賦能輔助醫(yī)生，幫助醫(yī)生提高工作效率，加速下沉醫(yī)療發(fā)展。
謝紅寧教授表示：“在超聲應(yīng)用方面，人工智能這種自動(dòng)識(shí)別功能，能夠幫助我們快速的提高工作效率。平常檢查一個(gè)孕婦，需要掃查胎兒的多個(gè)部位，包括胎兒的顱腦、心臟、四肢、胸腹部臟器等。但醫(yī)生的長(zhǎng)期工作容易出現(xiàn)疲倦，忙的時(shí)候就很容易漏。這時(shí)候我們需要的就是能夠有切實(shí)提升我們自身工作效率的醫(yī)療AI提醒醫(yī)生每個(gè)檢測(cè)部位?！?/p>
此外，醫(yī)療AI也在下沉市場(chǎng)有更大的應(yīng)用場(chǎng)景。中國(guó)超聲醫(yī)學(xué)工程學(xué)會(huì)副會(huì)長(zhǎng)李安華教授向記者指出，目前上級(jí)醫(yī)院的虹吸現(xiàn)象嚴(yán)重，許多鎮(zhèn)級(jí)醫(yī)院培養(yǎng)出來的B超醫(yī)生被縣級(jí)醫(yī)院調(diào)走，導(dǎo)致鎮(zhèn)級(jí)醫(yī)院留不住人才。以乳腺癌篩查為例，目前仍有很大的篩查缺口。另一方面即便篩查出來，有多少婦女最終去看病治療的也仍是未知。許多鄉(xiāng)鎮(zhèn)醫(yī)院自負(fù)盈虧，即便有機(jī)器也沒有醫(yī)生會(huì)使用，甚至有嶄新的B超機(jī)器放在角落里，怎么通過醫(yī)療AI解決下沉區(qū)域人員的缺口也至關(guān)重要。此外如何利用醫(yī)療AI引入標(biāo)準(zhǔn)化的質(zhì)量控制體系也將對(duì)乳腺癌下一步篩查賦予新的意義。
醫(yī)療AI利用機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘兩項(xiàng)核心技術(shù)，探索在醫(yī)學(xué)場(chǎng)景中模擬、延伸和拓展人類智能。臨床醫(yī)療中那些基于大量標(biāo)準(zhǔn)化數(shù)據(jù)的重復(fù)勞動(dòng)，醫(yī)療AI可以分擔(dān)。比如，醫(yī)學(xué)影像、病理判讀等以客觀數(shù)據(jù)為支撐的疾病診斷。
在醫(yī)院里，醫(yī)生往往越老越吃香，而醫(yī)療AI深度學(xué)習(xí)的數(shù)據(jù)庫(kù)里包含全球的臨床數(shù)據(jù)和研究文獻(xiàn)，這些數(shù)據(jù)體量可能遠(yuǎn)超普通醫(yī)生一生掌握的醫(yī)學(xué)資料量。換言之，讓計(jì)算機(jī)學(xué)習(xí)醫(yī)療大數(shù)據(jù)之后再做判斷，其效率和準(zhǔn)確性完全有可能超越醫(yī)生。當(dāng)然，這是后話。
隨著一次次的碰壁,我們不得不承認(rèn)現(xiàn)在醫(yī)療AI的角色現(xiàn)實(shí)，是嵌入醫(yī)療全程，輸出接近醫(yī)生水平的決策支持,而非取代醫(yī)生。
難點(diǎn)突破方向在哪？
在未來，醫(yī)療AI面對(duì)的諸多難點(diǎn)仍聚焦在數(shù)據(jù)算法、落地與付費(fèi)，技術(shù)與臨床需求的結(jié)合。
此外，國(guó)內(nèi)醫(yī)療AI公司普遍缺少自創(chuàng)算法，計(jì)算機(jī)算力也有很大掣肘?！澳壳暗钠款i是算法。中國(guó)公司沒有自創(chuàng)的算法，或者說是取自于國(guó)外的算法，如果不做大量的重新編譯工作，那么算法的匹配度就不高?！崩畎踩A說，“另一方面懂技術(shù)的人和懂臨床需求的人的結(jié)合也至關(guān)重要?！?/p>
廣州愛孕記CEO創(chuàng)始人汪南博士也指出：“目前能發(fā)明算法的人還是主要集中在谷歌、微軟等，但是原始的算法基本是對(duì)自然圖像的識(shí)別，對(duì)企業(yè)來說未來如果想用在影像學(xué)或超聲上運(yùn)用，我們必須對(duì)底層的算法做大量的編譯優(yōu)化工作，讓其適應(yīng)應(yīng)用場(chǎng)景的屬性，并且編譯完成后需要大量測(cè)試，最后形成自己的算法。而這些工作也需要大量的投入，目前中國(guó)公司很少在做?！?/p>
廣東省人工智能產(chǎn)業(yè)協(xié)會(huì)常務(wù)副會(huì)長(zhǎng)兼秘書長(zhǎng)張璽向記者表示：“未來醫(yī)療AI行業(yè)需要解決技術(shù)人才和醫(yī)學(xué)人才難以結(jié)合的難題。隨著人工智能技術(shù)的不斷發(fā)展，人工智能在醫(yī)療行業(yè)的各個(gè)細(xì)分領(lǐng)域也逐步地深度融合，智能醫(yī)療也逐步細(xì)分出了基于圖像識(shí)別的輔助診斷系統(tǒng)，基于大數(shù)據(jù)處理及NRP技術(shù)的數(shù)字化醫(yī)院，以及基于深度學(xué)習(xí)的藥物研發(fā)等多個(gè)細(xì)分的賽道?！?/p>
醫(yī)療AI的用戶群體主要能分為To-C和To-B。
To-C主要面對(duì)個(gè)人用戶，主要有智能問診和健康管理兩類。To-B包括藥企和醫(yī)院，前者主要應(yīng)用于藥物研發(fā)；后者包括醫(yī)學(xué)影像、虛擬助手、醫(yī)學(xué)研究、醫(yī)院管理和基因測(cè)序等。
其中，AI醫(yī)學(xué)影像是目前醫(yī)療AI熱門領(lǐng)域，AI醫(yī)學(xué)影像能夠幫助醫(yī)生病灶篩查、靶區(qū)勾畫、三維成像、圖像分析、定量分析等。相對(duì)醫(yī)生根據(jù)經(jīng)驗(yàn)逐張機(jī)械重復(fù)的人工閱片，AI能夠根據(jù)標(biāo)準(zhǔn)批量初篩，閱片時(shí)間短，準(zhǔn)確率穩(wěn)定。
此外，圖像識(shí)別算法相對(duì)成熟，市場(chǎng)需求大（影像科醫(yī)生供不應(yīng)求——影像數(shù)據(jù)年均增長(zhǎng)30%，放射科醫(yī)生年均增長(zhǎng)4.1%）。目前，醫(yī)學(xué)影像數(shù)據(jù)占全部臨床數(shù)據(jù)的80%以上，是臨床診斷、疾病治療及健康管理的基石。由于我國(guó)醫(yī)療資源分布不均，許多偏遠(yuǎn)地區(qū)的醫(yī)生經(jīng)驗(yàn)及配備不足，對(duì)醫(yī)學(xué)影像的分析不夠準(zhǔn)確且效率低下。
在一線醫(yī)療場(chǎng)景中，醫(yī)學(xué)影像的分析復(fù)雜且耗時(shí)，醫(yī)生必須將多層影像數(shù)據(jù)與精細(xì)的決策過程相結(jié)合，并解讀評(píng)估。汪南表示：“醫(yī)療AI在醫(yī)學(xué)影像方面能夠幫助醫(yī)生解決一些機(jī)械重復(fù)的勞動(dòng)，把醫(yī)生的時(shí)間釋放出來，做一些創(chuàng)造性和決策性的工作，這個(gè)是醫(yī)療AI的定位”。
在行業(yè)早期，醫(yī)療AI企業(yè)主要就是想解決醫(yī)院臨床場(chǎng)景中的這些實(shí)際痛點(diǎn)，如推想醫(yī)療等都是秉持著“從臨床中來、到臨床中去”的研發(fā)思路，和醫(yī)院以科研合作的方式進(jìn)行算法和產(chǎn)品的打磨。人工智能技術(shù)的發(fā)展則有望帶來解決方案。隨著產(chǎn)品的成熟，醫(yī)療AI逐漸進(jìn)入醫(yī)院的實(shí)際臨床場(chǎng)景，供影像科、放射科等科室使用。目前，醫(yī)院場(chǎng)景是醫(yī)療AI目前商業(yè)化最為成熟的場(chǎng)景，也是目前競(jìng)爭(zhēng)最為激烈的場(chǎng)景。
而在醫(yī)學(xué)人才的培養(yǎng)方面，醫(yī)療AI也有相應(yīng)的賦能場(chǎng)景。
謝紅寧指出，高年資醫(yī)生在培訓(xùn)年輕醫(yī)生時(shí)往往因?yàn)榻釉\患者過多常常沒法抽出時(shí)間。如果加入醫(yī)療AI的輔助，工作的效率提高，導(dǎo)師便能與學(xué)生多講一講課或者就這個(gè)病例與學(xué)生多聊一聊。在教學(xué)考核方面醫(yī)療AI的加入也可以對(duì)規(guī)范化教學(xué)與提高教學(xué)質(zhì)量有很大幫助?！皩W(xué)生在實(shí)踐時(shí)人工智能就會(huì)反饋，這個(gè)結(jié)構(gòu)沒看對(duì)，只能打五分。對(duì)于考核來說，以前做題目很容易，畢竟分?jǐn)?shù)很客觀，但是落實(shí)到操作考試就很難。如果人工智能加入，學(xué)生自己練習(xí)操作后，便能在幾秒鐘就打出分?jǐn)?shù)，這將對(duì)教學(xué)有極大幫助?！?/p>
智慧醫(yī)療網(wǎng) ? 2022 版權(quán)所有 ICP備案號(hào)：滬ICP備17004559號(hào)-5
