2 從實驗室到醫(yī)院到底還有多遠？

看來，在AI讀片成為“普世”服務前，如何讓AI真正從實驗室走向醫(yī)院，從科研走向臨床，或許才是眼下更務實、也是更緊迫的思考。

首當其沖的，是AI的合法“身份”問題。

“我國對醫(yī)療器械有著嚴格的分類和監(jiān)管，醫(yī)療產(chǎn)品需要有國家許可才能用于患者。在醫(yī)療產(chǎn)品用到AI前，需要先把AI注冊成為三類醫(yī)療器械，門檻還是很高的。更何況，目前有關(guān)AI產(chǎn)品的審查機制尚不明確，因此還沒有任何一款國內(nèi)的AI產(chǎn)品可以直接用于臨床” ，楊光教授解釋道。

其次不得不提的，是誰來為AI埋單的問題。

在上述論壇上就有嘉賓提出，醫(yī)院要實現(xiàn)AI看片，必然會涉及成本投入。那么，額外的成本投入是否會轉(zhuǎn)嫁給患者？患者又是否愿意為AI埋單呢？如果不解決誰出錢的問題，AI都將很難在醫(yī)院和患者層面得到大規(guī)模應用。

對此楊光教授認為，在醫(yī)療資源中，醫(yī)生是最昂貴的資源之一。如果AI確實能在某些方面替代醫(yī)生工作，就會使整個醫(yī)療體系中的醫(yī)生數(shù)量占比下降。從這一意義來看，AI反而是節(jié)省了成本。

他同時指出，AI能否在醫(yī)院臨床中發(fā)揮實質(zhì)性作用，另一個關(guān)鍵點在于是否可能進入醫(yī)保。他相信，有朝一日當AI的可靠性、認知度達到一定程度，讓醫(yī)院和患者都能真正受益于AI，那么AI進入醫(yī)保也將沒有障礙。

另外，圖像識別類AI無法跳脫的，還有數(shù)據(jù)問題。

影像類AI是典型的基于大數(shù)據(jù)的AI，自然會面臨數(shù)據(jù)來源的問題。以上海市磁共振重點實驗室為例，作為華東師范大學的一個實驗室，并不掌握病患的影像數(shù)據(jù)，最初的AI模型訓練也只能使用公開數(shù)據(jù)，數(shù)量有限。

但楊光教授的視野則更為廣闊。他說，如果把數(shù)據(jù)比作金礦，那么現(xiàn)在的礦主就是醫(yī)院�！拔覀兗茸隹蒲幸沧龉こ�，就相當于做礦山機械。我們的目標是面對同樣的金礦，我們可以挖出更多金子，與醫(yī)院分享這些多挖出來的金子，所以醫(yī)院也愿意和我們合作�！�

他坦言，確實有一些醫(yī)院非�？粗睾捅Ｗo自己手中的數(shù)據(jù)金礦，有這樣的想法也很自然。礦主確實應該把金礦看管好，但如果不去挖掘的話，金礦是沒有價值的，何況數(shù)據(jù)金礦是可以重復挖掘的。從這層意義來說，挖掘能力的價值和金礦的價值是同等重要的。

楊光教授強調(diào)，基于大數(shù)據(jù)的AI并不會受制于數(shù)據(jù)隱私保護意識和措施的提升，關(guān)鍵在于以更合理的方式實現(xiàn)數(shù)據(jù)共享。據(jù)他介紹，在美國，醫(yī)療數(shù)據(jù)可以通過一些中立的組織匯總在一起，再開放給全社會，這樣就帶動了整個行業(yè)的發(fā)展，而我國在這方面還相對欠缺。

他建議，政府應該推動數(shù)據(jù)共享工作，這并不意味著政府應該把所有數(shù)據(jù)匯總在一起。楊教授對算力智庫表示，非�？春梅植际降臄�(shù)據(jù)共享方式，通過隱私計算確保各方數(shù)據(jù)不出本地就能實現(xiàn)共享。

在政策方面，白皮書提出了3點建議。第一，出臺引導政策，將AI醫(yī)療影像輔助診斷產(chǎn)品盡早納入“醫(yī)療行業(yè)優(yōu)先使用國產(chǎn)設備政策”。第二，加強基層診療，搭建AI影像中心和實驗室建設。第三，將AI影像輔助診斷新技術(shù)使用明確納入醫(yī)院評分內(nèi)容。