隨著醫療人工智能的發展，應用場景正逐步多元化。目前，AI參與的醫學領域包括可分析腹部腫瘤的腹部醫學影像處理系統、精準射頻消融肝癌手術、超聲機器人、兒童成長發育遲緩智能診斷輔助系統等。同時，為醫生提供智能診療工具、臨床決策支持系統等，也是人工智能在醫療領域的主要方向。

大數據仍是人工智能發展的掣肘因素。3月23日，在2018中華醫院信息網絡大會上，清華大學信息技術研究院Web與軟件技術研究中心副主任楊吉江認為，“數據是人工智能的基本素材。”醫療場景的復雜、決策程序的復雜，讓更多的AI＋醫療公司不止局限于算法的開發，而是逐漸回歸數據，重視數據采集和管理。

?

應用場景多元化

在歸納醫療領域人工智能的應用時，浙江大學數學學院教授孔德興介紹，目前主要包括AI＋輔助治療、AI＋醫學影像、AI＋精準手術、AI＋藥物挖掘，以及虛擬護士等AI＋健康管理產品。

楊吉江表示，在一些歐美國家，人工智能已經在自我監測和預防、癡呆癥的早期發現、胰腺癌診治、眼科影像等領域應用。

在AI輔助診療的領域中，具有典型性的案例就是IBM Watson，作為IBM開發的人工智能云平臺，Watson可幫助腫瘤醫生或臨床團隊做出治療決策。自2017年3月百洋智能科技取得了Watson腫瘤解決方案（Watson for oncology）在中國市場的獨家總代分銷權，目前沃森腫瘤會診中心已在中國29家三甲醫院或機構落地。

除此之外，AI輔助醫療也在多個領域獲得實際應用上的進展。孔德興介紹道，國內開發出了“腹部醫學影像處理系統”，已在多個醫院取得成功應用。例如，一位37歲的男性患者被診斷為胰頭腫瘤晚期，腫瘤侵犯大血管，認為無法切除，但通過上述系統卻發現，腫瘤未侵犯大血管，僅為局部壓迫，可以手術切除。由此，該病例手術成功，術后恢復良好。類似的，這類系統挽救了多名患者的生命。

?

以人工智能為依托，超聲機器人的應用則較為廣泛。在獲取合格圖像后，超聲機器人進行自動篩查、智能診斷，輔助設計手術方案，并進行療效評估。孔德興及合作者曾建立包括超聲影像、病理數據在內的超過24000個樣本的數據庫，同時在英特爾公司支持搭建的計算環境中，采用深度學習算法，研發出DE超聲機器人。2016年，在針對甲狀腺結節的超聲影像識別和診斷的人機“大戰”中，DE超聲機器人獲勝。

孔德興介紹，超聲機器人目前判斷是否有甲狀腺結節的平均準確率可達到95％，判斷良性惡性的平均準確率可達到85％以上。

醫療人工智能領域從不缺少實力雄厚的入局者。例如，科大訊飛智慧醫療BU總經理陶曉東日前向記者介紹，訊飛影像已支持線上胸部CT肺結節檢測和乳腺鉬靶腫塊檢測，另有多個病種將陸續完成人工智能輔助診斷開發。

阿里健康人工智能實驗室主任范繹表示，阿里健康的醫療AI“Doctor You”立足于推動醫療AI全方位的整體發展。3月23日，由美國梅奧醫療集團與高瓴資本聯合成立的惠每醫療集團也參加了此次會議，旗下的“惠每臨床決策支持系統”來自人工智能與大數據的結合。

回歸數據價值是關鍵

對于AI醫療公司來說，單一的算法開發如今似乎很難支撐起一家公司數據的價值重新回歸。

“實際上，人工智能是一種知識的表達。”楊吉江談到，人工智能其實是一個交叉學科，既是計算機科學的分支，又涉及心理學、哲學和語言學等。如果研究機構或公司只是單純研究算法，那么很難實際應用。不同來源的數據與算法結合，才是人工智能的根基。

自然語言學習、深度學習、虛擬助理等，都是AI的具體研究領域。在醫療方面，圖像分析的應用也比較廣泛。

楊吉江認為，從發展階段上看，人工智能從早期推理到后面的數據驅動，數據是最主要的。例如，有AI＋醫療影像的公司與業內專家探討，開始回歸數據，在數據采集、數據管理上花費很大的力氣，而不是“虛幻的”去做診斷。

?

對AI醫療來說，數據的重要性不言而喻。AI在小樣本集上做的診斷或推定，被認為是不可持久的模式，因為一旦再擴大一點范圍，換一個病種、換一個地方，結果可能就出現偏差，正確率下降。

“為什么人工智能突然爆發？實際上這跟大數據的發展也有一定關系。我們現在手上都有很多數據，但如果不去有效地利用，就不具有價值。”楊吉江說。

楊吉江有過400萬個數據清洗完后，剩下20多萬個的經歷；從某醫院拿到的200萬個眼科數據，清洗過后也差不多只剩下20萬個。作為AI醫療的基本素材，數據的準確性和質量非常重要。但“干凈”的數據并不容易獲得，需要很大的工作量。

即便數據量足夠大，在面對每個個體的差異時，AI醫療依然沒法保證100％的準確率，一旦出現問題就是誤診、漏診。因此，多位與會人員亦表達了類似的觀點，即人工智能在醫療領域的角色目前仍是輔助。

針對臨床決策的輔助系統，融合大量醫學指南與醫生的經驗智慧，針對治療目標及治療的實時效果進行決策建議，大大提升科室的綜合決策診斷水平。

邁瑞發現，作為光信號的血氧參數以及電信號的心電參數間，其實有著緊密的聯系。把兩個數據“擰在一起”，在多參數聯合分析作用下，對心率、脈搏監測準確性大大提升，并極大地增強了報警的準確性。這樣“智能報警”的結果，則是讓致命性心律失常誤報次數大幅下降65％，其他心律失常誤報次數下降50％。同時，對于心率準確性提升30％，脈率準確性提升30％。

點評：但截至目前，沒有人能保證人工智能能達到100%的準確率，但是有哪個醫生能保證自己能達到100%的準確率嗎？如果人不能達到，就要求AI一定達到，是不是對人工智能太過苛求？現階段讓人工智能在醫療的過程中提高數據的分析利用效率，給醫生的分析判斷提供參考就是最大的貢獻。其它的可以在實踐中慢慢進步。