新一代的人工智能能否掀起工業(yè)革命？這不僅僅是AI開發(fā)企業(yè)的問題，也是醫(yī)生、患者等AI技術(shù)受益方關(guān)心的問題。

4月12日下午，同渡資本主辦，動(dòng)脈網(wǎng)、清華經(jīng)管學(xué)院協(xié)辦的同渡時(shí)光第12次沙龍“‘醫(yī)療+AI’路在何方”對(duì)新一代人工智能在醫(yī)療領(lǐng)域的應(yīng)用價(jià)值及商業(yè)化潛力進(jìn)入了深入討論。

本次會(huì)議邀請(qǐng)了清華大學(xué)生物醫(yī)學(xué)工程系、類腦研究中心教授宋森 ；上海市第一婦嬰保健院教授、春田醫(yī)管創(chuàng)始人段濤；深睿醫(yī)療聯(lián)合創(chuàng)始人李一鳴；深度智耀創(chuàng)始人李星；連心醫(yī)療聯(lián)合創(chuàng)始人李曉東；丹華資本合伙人張大地；宣武醫(yī)院信息中心總工程師費(fèi)曉璐及中電健康基金合伙人余慧為本次沙龍的嘉賓。同時(shí)，還有眾多業(yè)內(nèi)專家、投資人和創(chuàng)業(yè)者參加了本次活動(dòng)。

“醫(yī)療+AI”應(yīng)該何去何從，讓我們一起從會(huì)議的內(nèi)容中尋找答案。

利用圖像發(fā)現(xiàn)病灶

影像檢查是患者去醫(yī)院檢查的最常規(guī)手段，現(xiàn)階段醫(yī)學(xué)影像設(shè)備非常普及�，F(xiàn)在，80%的臨床治療都需要事先進(jìn)行CT、MRI等檢查。通過這些設(shè)備產(chǎn)出的數(shù)據(jù)具有標(biāo)準(zhǔn)化特點(diǎn)，非常容易處理。

但在日常工作中，放射科醫(yī)生一般需要耗費(fèi)大量時(shí)間用于瀏覽醫(yī)學(xué)圖像。每份圖像的瀏覽過程一般僅在五分鐘左右，且長(zhǎng)時(shí)間重復(fù)的瀏覽與識(shí)別會(huì)降低醫(yī)生的正確率，因此誤診情況時(shí)有發(fā)生。

深睿醫(yī)療聯(lián)合創(chuàng)始人李一鳴在會(huì)議上指出：“在如今的醫(yī)療體系中，我們沒有足夠的資源去支撐大量的優(yōu)質(zhì)醫(yī)療資源需求，這就是‘醫(yī)療+AI’的機(jī)會(huì)，通過AI來彌補(bǔ)當(dāng)前的巨大缺口。深睿醫(yī)療便以醫(yī)學(xué)影像為切入點(diǎn)，慢慢發(fā)掘‘醫(yī)療+AI’的價(jià)值�！�

很多醫(yī)生不愿意把自己的精力投入到健康人群的檢查中，他們尚不能為患病的人群提供及時(shí)服務(wù)，就更沒有時(shí)間去服務(wù)健康人群了。以肺部CT為例，若是門診時(shí)要求的CT，醫(yī)生往往會(huì)做得非常細(xì)致。但如果是體檢過程中做的CT，醫(yī)生可能不會(huì)花時(shí)間細(xì)致瀏覽，如此下來，小的病灶易于被忽略。

肺結(jié)節(jié)檢出（圖片來源于深睿醫(yī)療）

AI技術(shù)在圖像領(lǐng)域可以發(fā)揮很大效果，一方面，圖像數(shù)據(jù)結(jié)構(gòu)標(biāo)準(zhǔn)，數(shù)據(jù)量大，易于AI學(xué)習(xí)；另一方面，AI不會(huì)因?yàn)橹貜?fù)的勞動(dòng)而感到困倦，即便AI對(duì)圖像的診斷存在誤判，但實(shí)際的誤判率也遠(yuǎn)遠(yuǎn)低于放射科醫(yī)生。

AI能把醫(yī)生從重復(fù)的低水平勞動(dòng)解放力中解放出來，讓醫(yī)生去做更多有意義的事。在未來，患者更需要人文關(guān)懷，這是冰冷的機(jī)器無法完成的。

AI能否解決醫(yī)療信息痛點(diǎn)

醫(yī)療信息存在三個(gè)問題：不完整、不準(zhǔn)確、非結(jié)構(gòu)化。

春雨醫(yī)管創(chuàng)始人段濤在本次會(huì)議上談?wù)摰搅酸t(yī)療信息的問題。他認(rèn)為，醫(yī)療信息出現(xiàn)以上問題的根源，來源于醫(yī)療資源不足，過少的優(yōu)質(zhì)醫(yī)療資源承擔(dān)了過多的負(fù)擔(dān)。衛(wèi)健委雖然向醫(yī)生發(fā)放了足夠多的表格收集信息，但醫(yī)生始終處于高負(fù)荷工作的狀態(tài)，連工作都應(yīng)付不來，如何花時(shí)間整理醫(yī)療數(shù)據(jù)？這導(dǎo)致醫(yī)生對(duì)相應(yīng)表格敷衍了事，表格失去了它本身的意思，收集到的數(shù)據(jù)也是殘缺的、沒有用處的數(shù)據(jù)。

AI可以從間接途徑和直接途徑兩個(gè)方面來解決這個(gè)問題。

一方面，AI可以直接對(duì)病情作出分析，判斷患者的身體狀況。這種情況下，AI需要兩種數(shù)據(jù)——病人的基因型數(shù)據(jù)和表型數(shù)據(jù)。醫(yī)院可以將患者的病例提前交給AI，AI在接受基因型數(shù)據(jù)后，再接受患者自行輸入或醫(yī)生親自就診得到的表型數(shù)據(jù)，即可判斷出病情。

這此情況下，醫(yī)生可省去大量時(shí)間，而經(jīng)過確認(rèn)的數(shù)據(jù)也具有標(biāo)準(zhǔn)化、結(jié)構(gòu)化、完整準(zhǔn)確等特點(diǎn)。AI可通過這種方式，釋放醫(yī)生的時(shí)間，解決醫(yī)療數(shù)據(jù)痛點(diǎn)。

AI輔助分析必然存在誤判率，但我們必須對(duì)機(jī)器抱有足夠的耐心，因?yàn)榧词故琴Y深的醫(yī)生，也會(huì)因?yàn)楦鞣N原因出現(xiàn)誤判。據(jù)段濤醫(yī)生所說，就2017年一項(xiàng)實(shí)驗(yàn)顯示，在分析病情方面，某AI系統(tǒng)打敗了95%的醫(yī)生。

另一方面，AI可以就圖像等數(shù)據(jù)進(jìn)行標(biāo)注、分析；對(duì)醫(yī)療器械產(chǎn)生的信息進(jìn)行自動(dòng)化處理；根據(jù)算法自行整理分析大數(shù)據(jù)，這些功能都會(huì)降低醫(yī)生的負(fù)擔(dān)，而醫(yī)生有更多的精力去分析一些AI不能處理的數(shù)據(jù)，間接解決以上醫(yī)療信息痛點(diǎn)。

AI領(lǐng)域在未來如何發(fā)展？

清華大學(xué)生物醫(yī)學(xué)工程系宋森教授在會(huì)議上講述了自己從清華畢業(yè)至MIT學(xué)習(xí)這段時(shí)間與醫(yī)學(xué)圖像結(jié)下的不解淵源。并從中引出了兩個(gè)主要問題，均關(guān)乎于AI未來的發(fā)展。

1、如何用AI技術(shù)進(jìn)行小樣品學(xué)習(xí)？

宋森教授認(rèn)為，至今為止，有很多疾病屬于小眾病，但這些疾病致死率高，現(xiàn)在醫(yī)學(xué)技術(shù)難以攻克，收集到的數(shù)據(jù)也不如常見病充足。

盡管有如此多的問題，宋森教授認(rèn)為這些問題并非毫無解決可能。事實(shí)上，我們可以通過交互性標(biāo)記的方法，讓AI用大數(shù)據(jù)進(jìn)行學(xué)習(xí)，用小數(shù)據(jù)進(jìn)行訓(xùn)練，并從中逐漸找到規(guī)律。

2、AI是如何進(jìn)行決策的？

人類在學(xué)習(xí)分析的過程中，總是會(huì)量化各種指標(biāo)，即便是憑借經(jīng)驗(yàn)作出的決策，也一定是源于遙遠(yuǎn)過去的某一件事的啟示，而非憑空產(chǎn)生的。AI能夠通過大數(shù)據(jù)進(jìn)行學(xué)習(xí)、分析作出決策，但在整個(gè)過程中，研究人員始終無法得知AI是如何作出決策。AI的分析過程就像研究人員把數(shù)據(jù)放入一個(gè)黑箱的一側(cè)，然后從另一側(cè)取得結(jié)果，至于中間發(fā)生了什么事，無人知曉。

但如果人們能理解AI是如何作出決策的，就能通過分析這些思考方法獲得新的結(jié)論，也能改進(jìn)現(xiàn)有AI運(yùn)算中的不足之處。宋森教授認(rèn)為，如果我們能從AI角度來看問題，理解AI如何思考，就能在醫(yī)療技術(shù)上取得突飛猛進(jìn)的進(jìn)展。讓AI對(duì)醫(yī)療的分析過程既有直覺又有推理。

基于深度學(xué)習(xí)和基于概率的貝葉斯模型為AI決策提供依據(jù)（來源于同渡資本）

投資方：盈利才是投資方參與的動(dòng)機(jī)

AI的商業(yè)方式如何落地是投資方最為關(guān)心的問題。AI的人才非常昂貴，且AI公司要不斷地開發(fā)產(chǎn)品，拓展預(yù)約渠道，并不斷補(bǔ)充人才。然而，收入端并沒有比較明確的收入方式。很多AI企業(yè)在開始的幾年只能靠不斷地融資生存，它的虧損會(huì)越來越大。

即便如此，中電健康基金合伙人余慧認(rèn)為：“一個(gè)是醫(yī)療行業(yè)發(fā)展不會(huì)那么快，短期確實(shí)很難看到有一個(gè)很好的商業(yè)盈利模式。但從長(zhǎng)期來看，2018年三季度或者四季度，這個(gè)行業(yè)會(huì)出現(xiàn)有利好的消息。2018年的趨勢(shì)，將會(huì)向上行駛，可能到2019，甚至2020年依然會(huì)保持持續(xù)向上的趨勢(shì)�！�

丹華資本合伙人張大地認(rèn)為：“AI項(xiàng)目的商業(yè)模式探索不僅是中國(guó)的問題，而且是全世界的問題。我國(guó)有這么好的病源數(shù)據(jù)，國(guó)家肯定不希望在人工智能方面有所落后。所以國(guó)家在規(guī)劃的過程中，已經(jīng)把AI寫入國(guó)家發(fā)展戰(zhàn)略之中，很少有國(guó)家這樣做。所以，我們國(guó)家不僅僅會(huì)跟隨美國(guó)FDA的步伐，還會(huì)加速發(fā)展AI。這對(duì)我們目前在做AI的創(chuàng)業(yè)公司而言，是一個(gè)非常大的利好消息。只要堅(jiān)定的做下去，價(jià)值就一定會(huì)體現(xiàn)出來。”

張大地在與動(dòng)脈網(wǎng)記者的交談中談到：“我們不看技術(shù)屬于哪個(gè)領(lǐng)域，AI也好，區(qū)塊鏈也好，我們只會(huì)投未來可能盈利的項(xiàng)目。”所以，即使AI看上去前程似錦，但若仍不能找到好的方向解決盈利問題，投資人也會(huì)逐漸失去信心。

醫(yī)院：怎樣的項(xiàng)目值得我們付費(fèi)？

宣武醫(yī)院信息中心總工程師費(fèi)曉璐在會(huì)議的圓桌討論階段點(diǎn)明了一些當(dāng)下AI面臨的實(shí)際問題。她認(rèn)為AI現(xiàn)在仍不能落地的最大原因依然存在于技術(shù)方面。以醫(yī)院圖像為例，某一AI只能對(duì)某一病種進(jìn)行篩選標(biāo)記，但在實(shí)際中，醫(yī)生拿到一份CT，會(huì)對(duì)其進(jìn)行全面的分析，而不會(huì)以一種先入為主的思維——先得知患者患有某一疾病，再用相應(yīng)AI進(jìn)行檢測(cè)。醫(yī)院沒有足夠的資金去部署足夠的AI，這是不合理的，也是現(xiàn)在無法解決的問題。

所以，細(xì)分領(lǐng)域醫(yī)院對(duì)AI的需求很高，但對(duì)于綜合性大醫(yī)院，現(xiàn)階段AI并不能滿足醫(yī)院的需求�！癆I只要能夠達(dá)到我們醫(yī)院神經(jīng)科的水平，不用企業(yè)主動(dòng)提出，我們也會(huì)去主動(dòng)推廣，這都是有可能的。但是我是覺得，這還需要科技企業(yè)繼續(xù)努力，找準(zhǔn)問題的核心�！�

新事物的發(fā)展總是蜿蜒曲折的，但毋庸置疑，AI作為人類智慧的延伸，取得人們的認(rèn)可，僅僅是時(shí)間問題。我們需要對(duì)AI行業(yè)抱有信心，對(duì)AI開發(fā)者抱有有心，終有一天能看到我們夢(mèng)想的科技世界。