AI医疗迎来中国时代

2018-06-11 18:44:00经济观察报

人工智能的未来是医疗,而中国有世界级命题。命题决定科学工作的高度,强烈的需求能够助推技术的发展。出身医学又转型做计算机,拥有交叉学科背景的倪浩很清楚,医疗行业需要人工智能,而中国场景的潜力巨大。

2017年1-11月,全国医疗机构门急诊量超73亿,平均每天就诊人次超2100万,且仍处于持续增长中。加上优质医疗资源分布不均,区域医疗水平发展差异大,只有以人工智能赋能医疗机构,进一步提升顶级医疗机构运行效率,放大优质医疗资源服务能力,提升基层医疗机构诊疗水平,推进疾病诊疗均质化,才能够实现“共同富裕,全民健康”的发展目标。

中国AI医疗的世界级命题

目前,医疗人工智能相关公司大致可分成三类。第一类是如腾讯、阿里的互联网公司;第二类是如飞利浦、西门子的跨国公司;第三类是信息系统起家的厂家。但依图想做的医疗和这三类公司都不同。

企业若是以平台化思维做医疗,例如将医院的数据收集起来,用户把片子上传到云端获得结果,这样的做法和临床结合并不多。但依图强调的用户体验,是如何让用户秒级得到系统的响应结果,显然平台化的做法不能实现这个目标。

而跨国企业就涉及环境的差异性。美国作为全球样板市场,医疗国际巨头顶尖的研发人员大多在美国。而如今,中国企业发展医疗人工智能的优势在于,中美医疗行业的差异本身就决定中国对于医疗人工智能的需求比美国强烈得多。

第一,美国医疗水平不平衡不充分的问题比较弱。医生间的差异很小,基本都要接受15年以上的教育,且全科医生体系发达,地区间、城乡间医疗水平的差异,不像中国县级医院的医生跟上海三甲医院医生的差距那么大。而且美国医生尊崇临床医学指南,诊疗规范性较高,医疗服务均质化较好,中国这方面有差距。

第二,美国对医疗人工智能的需求不如中国迫切。据世界银行数据,2015年中国卫生总支出占GDP的6%,而美国常年维持在17%以上。美国2015年的GDP是17.4万亿美元,折算成人民币,3亿多人花掉了20万亿人民币的医疗费。而当年中国14亿人在医疗上花费了4万亿。不可否认的是,中国政府对医疗卫生投入在持续增长,但差距可观。美国整体医疗资源投入本就较充分,对利用人工智能来解决问题的需求显得没有那么迫切。

第三,美国发展医疗人工智能的人力成本相对高。医疗人工智能必须跟医疗领域的专家协同合作,而美国医生是社会收入金字塔尖的人群,平均年薪超过25万美元。反观计算机从业者只有8万美金,技术公司很难请得起大量高水平的医生一起开发产品。

因此,中国医疗行业有世界级的命题。无论是从技术还是临床、应用的深度和广度来看,中国医疗人工智能已经走在世界前列。其最大的优势来源于国家蓬勃的发展速度,加之人工智能被提升到国家战略高度,而不仅是被当做一个应用创新。以从业者的角度来看,医疗人工智能的中国时代一定会出现。

AI医疗的触手

现阶段中国社会发展不平衡不充分的问题,同样反映在医疗领域。

以肿瘤领域为例,国家正大力鼓励肿瘤高危人群进行早期癌症筛查。但无法迅速增长的医院容量,满足不了政策推动之后带来的大量需求,因此出现医生资源不足的问题。此外,三甲医院和基层医院,存在医生水平、设备水平等综合实力差距大的问题,经常会发生一些假阳性的案例。如某患者在基层医院检查,得出了癌症的结论,但到顶级三甲医院检查后的结论可能完全不一样。不平衡和不充分的问题同样发生在儿科领域。儿科医生资源的匮乏导致很多医院取消儿科,或是临时调配其它科室医生。当年在医学院求学,几乎没人愿意选择儿科。

依图是最早进行医疗人工智能布局的企业之一,在挑选方向时有两个着重点,一是看医疗领域需求有多高,二是看临床的价值有多大。依图选择了肿瘤、心脑血管疾病和儿科,这也是目前对人工智能需求最强的三个领域。

从2016年进军医疗至今,依图的思路发生过一个转变。最初选择的是肺癌筛查环节,当筛查环节做得比较好之后,便开始思考是否能够在其它环节进行复制。例如验血或拍片之后,医生需要给出一个具体的结论,这个环节里,医生们得出结论的差距更明显。不仅如此,临床对于人工智能的需求同样巨大。因此依图的思路从原来服务于放射科、超声科、检验科等科室,转变为布局服务临床科室,给呼吸科、肝胆科、肿瘤内科的医生们提供人工智能的产品。此外,依图还将“城市辐射农村”,之前在顶级医院落地,今年会把系统往基层推。

AI医疗大数据

正是基于对行业深入地认知,依图才经常提到“谈算法是外行的表现,内行都谈标准和数据”。而对于数据的理解和处理是依图能把人工智能落地临床的核心竞争力。

将医疗大数据理解通透最基础也最重要。并不是说,把各处医疗数据集中起来就叫医疗大数据,这样只能成为“医疗数据大”。大数据的本质是支持从中进行数据的挖掘和洞察。

对于诸如临床数据、人口健康数据、公共卫生数据等纷繁复杂的健康数据,人工智能可以发挥其强大的复杂文本数据解析能力、医学影像数据的降维与结构化能力、质量分析与控制的提纯能力、多样化治理的数据标准化能力。

摘出米饭中的沙子,洗净菜叶上的灰尘,以合适的温度、高超的厨艺,将杂乱无章的数据原料荟萃成一桌井然有序、赏心悦目的医疗大数据盛宴。

当医疗大数据被理解并做到可用层面,下一步就将建立迅速的复制能力,一类病种的开发产品能够迁移到另一类病种中,加快开发速度。

依图一直希望国家能够成立健康大数据联盟,打通医疗大数据。尽管中国在2010年之后已发展出了电子病历,每个患者都可以在医院里查到自己的病例。但最大的问题是没有打通,在这家医院看的病都能查到,换一家就不行。

打通数据需要将数据进行集中存储。现在,贵州有一个数据交易所,如果交易所能够开放卫计委的脱敏数据,如贵州地区肺癌发病人群的数量、区域分布、病情进展等,这将助益医疗大数据的研究。

在完成对于数据的解析和处理后,人工智能还将发挥强大的场景化应用构建能力,如全维度的临床科研数据制备、诊疗标准化程度的提升、中基层医疗供给的扩大等,不断提升医疗机构的临床服务和科研能力,最终建设成为智能医院。

(作者系依图医疗总裁,本报记者陈伊凡整理)

链接

作为独角兽企业,成立于2012年的依图科技,其人工智能技术已服务于医疗健康、城市公共安全、金融等众多领域。2016年,依图科技进军医疗,成为唯一一家布局医疗的人工智能独角兽企业。2017年12月,依图科技宣布投资AI芯片公司ThinkForce、AI制药公司AccutarBio。

如今,依图的技术已应用在肺癌筛查、儿童骨龄判读、乳腺疾病诊断、脑卒中诊断等领域,产品为放射科、超声科、儿科等多个科室提供临床诊疗辅助诊断和智能管理;依图医疗肺癌影像智能辅助诊断系统已部署进近百家三甲医院,并进入临床工作流实际使用,诊断报告被医生直接采纳率超过92%。


2
Top