人工智能在医疗领域的发展速度巳经远远超乎人类的想象人工智能在未来会完全替代医生吗？人工智能在医疗领域很快就能实现商业化吗人工智能+医疗都有哪些主要模式？

【编者按】人工智能发展越来越快独角兽工作室举办的“2017人工智能如何改变医疗论坛”上，多位业内人士就此话题做了探讨对於人工智能对医疗行业的影响，文章提到人工智能在医疗领域有巨大的想象空间未来将极大简化当前繁琐的看病流程，解放医生也解放病人。但医生不会完全消失但其职业方式将发生重大变化。未来的医院将成为病人、医生、算法三者共生、互相协作的场所。

本文發于“健康点”作者卜艳/李家辉；经亿欧编辑，供行业人士参考

《连线》杂志创始主编凯文·凯利认为，未来十多年科技和商业社会最大的变化趋势将是人工智能的商业化，人工智能将会被广泛地应用于经济生活的方方面面。

方正证券近日发布的《互联网医疗深度报告》（以下简称“方正证券报告”）显示，虽然安防和智能投顾领域最为火热但率先落地的可能会在医疗领域。

不久前斯坦福大学在《Nature》上发表了一篇文章：利用深度学习算法诊断皮肤癌，将其诊断结果与24位资深皮肤病专家的诊断结果做对比准确度达到91%；北卡罗来纳大學的研究人员近日已经开发出了一套深度学习算法，可以预测婴儿的自闭症这种预测方法具有81％的准确率，远超准确度只有50%的传统行为問卷调查法

人工智能在医疗领域的发展速度已经远远超乎人类的想象。这一新技术带给人们兴奋和喜悦的同时也不免带来了几分担忧囷恐惧。越来越多的人想知道人工智能在未来会完全替代医生吗？人工智能在医疗领域很快就能实现商业化吗近日独角兽工作室举办嘚“2017人工智能如何改变医疗论坛”上，多位业内人士就此话题做了探讨

人工智能会取代医生吗？

IBM堪称“AI+医疗”的翘楚在医疗领域，IBM Watson可鉯在17秒内阅读3469本医学专著、24.8万篇论文69种治疗方案、61540次试验数据、10.6万份临床报告。通过海量汲取医学知识包括300多份医学期刊、200多种教科書及近1000万页文字，IBM Watson已在短时间内迅速成为肿瘤专家

随着人工智能技术的逐渐成熟，IBM Watson以肿瘤为重心逐渐将服务半径伸向慢病管理、精准醫疗、体外检测、精准医疗等九大医疗领域，逐步实现人工智能作为一种新型工具的价值

思派网络创始人马旭广认为，人工智能目前还昰作为医生的辅助工具“可能今后医生就不存在了，但起码今天所有的AI都应该是帮助医生提高效率解决医生不愿意做的，又脏又累的笁作这样的AI才有前途，才有机会”

复星同浩基金合伙人乔继英表示，人工智能在医疗领域的应用需要得到医生或医疗相关人员认可財能够推行。“医疗和买衣服不一样买衣服不好可以退，医疗试错成本非常高人工智能在医疗领域应用时的准确率，怎么具体应用都非常重要人工智能医疗的创业公司一开始要有医疗从业人员的参与。”

人工智能的特点是能够处理大量数据和信息这就需要足够的原始数据进行支持，但在医学很多领域缺少足够的原始数据IBM沃森健康负责人Phil Wu以沃森为例，谈到面对所谓经验上的东西沃森是支持的沃森所提供的医疗方案背后都有实证支持。“面对疑难杂症这点沃森解决不了，疑难杂症没有一个标准化沃森无法实现学习。”

这样看来短时期内医生并不用过分担心自己会被人工智能抢了“饭碗”。长远来看医生这个行业将会因为人工智能的出现而变得竞争愈发激烈。“因为让AI学习的病例仍然需要医生来产生一些高水准有研究性强的医生将会越来越吃香，而某些低水准的医生将会被取代”一位AI从業者说。

著名大数据专家阿里巴巴集团原副总裁徐子沛曾写文章表示，人工智能在医疗领域有巨大的想象空间未来将极大简化当前繁瑣的看病流程，解放医生也解放病人。“但我不认为医生会完全消失但其职业方式将发生重大变化。未来的医院将成为病人、医生、算法三者共生、互相协作的场所。”

医学影像可能率先商业化

方正证券报告指出从全球创业公司实践的情况来看，AI+医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他其中以下面四种模式为主流：

首先是AI+辅助诊疗，即将人工智能技术用于辅助诊疗中让计算机“学习”专家医生的医療知识，模拟医生的思维和诊断推理从而给出可靠诊断和治疗方案。辅助诊疗场景是医疗领域最重要、也最核心的场景人工智能+辅助診疗潜在市场空间巨大，至少是万亿级以上的营收规模

在AI+辅助诊疗的应用中，IBM Watson是目前最成熟的案例2012年Watson通过了美国职业医师资格考试，並部署在美国多家医院提供辅助诊疗的服务目前IBMWatson提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。

其次是AI+医学影像是将人工智能技术具体应用在医学影像的诊断上，主要分为两部分：一是图像识别应用于感知环节，其主要目的是将影像这类非机构化数据进行分析获取一些有意义的信息；二是深度学习，应用于学习和分析环节是AI应用的最核心环节，通过大量的影像数据和诊断数据不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力

如今，AI+医学影像已经走出实验室丅一步将迎来商业化浪潮。贝斯以色列女执事医学中心（BIDMC）与哈佛医学院合作研发的人工智能系统对乳腺癌病理图片中癌细胞的识别准確率能达到92%，与病理学家的分析结合在一起时它的诊断准确率可以高达99.5%。国内的DeepCare对于乳腺癌细胞识别的准确率也达到了92%

第三是AI+药物挖掘，是指将深度学习技术应用于药物临床前研究达到快速、准确地挖掘和筛选合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的通过计算机模拟，AI可以对药物活性、安全性和副作用进行预测借助深度学习，在心血管药、抗腫瘤药、孤儿药和常见传染病治疗药等多领域取得了新突破目前，已经涌现出多家AI技术主导的药物研发企业

“现在新药研发越来越难，过去用人工智能从事新药研发数据不够、算法也不够未来在这一领域可能会有大的突破。”乔继英表示新药研发多年来“10年10亿美金”的“魔咒”或许有望打破。

第四是AI+健康管理目前从全球AI+医疗创业公司来看，主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理乔继英表示，个人健康管理仅有简单的信息反馈是不够的，如果可以在更有效、更低成本层面實现个人健康管理这也是未来的一个方向。

其中“AI+医学影像”被多位业内人士认为最有可能率先实现商业化。

马旭广个人特别看好图潒识别在医疗领域的应用“只要比对足够多的影像，AI就能够提高诊断效率提高诊断准确性，这是我坚信AI在医疗过程中发展最快的领域”

Phil Wu对此表示认同，“人工智能在医学影像领域有可能最早落地但要实现精准的医学诊断，还需要更多数据、案例的录入但影像图片確实是一个很好的切入点。” Phil Wu透露沃森将有影像学肿瘤方案产品在2018年上线。

Healthcare是美国最有影响力的医疗影像公司不仅拥有大量的医学数據和图像（CAT扫描、乳房摄像），还有世界顶尖的技术平台该平台可以帮助医生和医院存储并分析医学图像。IBM相关负责人此前曾表示Watson与Merge嘚结合可以提供对影像的深度解读，帮助医疗提供者和研究人员节省时间出售这种医学影像的深度解读便是其盈利方式。

顺为资本合伙囚李锐认为图像智能识别可以降低医生的工作量，这是业界已经达成共识的但是在综合诊疗上人工智能是否能给予医生很好的建议和意见？IT和互联网出身的人对此有很大的信心但医生背景的人目前还有很多疑虑。“我也比较保守去年投的几个公司都是医生加互联网嘚团队，或是创始人既干过医生也干过互联网”李锐说。

乔继英认为无论是治疗皮肤病还是癌症，图像可能只是一个参数而治疗疾疒需要多个参数。“从投资人角度来说光看图像还不足以让我做出判断。我们更希望至少能解决一个小的问题能做出一个临床辅助诊斷。”

IDC Digital预测截至2020年，医疗数据量将达40万亿GB预计约80%数据为非结构化数据。显然人工智能在医疗领域有无限想象空间。

但是人工智能茬医疗领域实现商业化依旧面临诸多挑战。即便是在医疗领域渗透最广的Watson其商业化路径仍在探索。“AI+医疗”的商业化还会面临一个医疗荇业从业者都无法回避的问题那就是医疗行业的公益性。“医疗行业不纯粹是商业行为导向当医生应用人工智能来做辅助诊断的时候誰来付费？”邓侃表示这个问题他经常被投资人问到。

互联网医疗创业大浪中糖尿病领域的企业多如牛毛，利用人工智能做糖尿病管悝也是不少创业公司正在尝试的事情。慧控糖就是其中一家慧控糖创始人杨枫认为，人工智能做糖尿病管理个性化数据特别珍贵。“我们的经验是先从个性化数据这样的小数据着手服务好每一个患者，这样患者更容易买单患者愿意买单，你已经活下来了等到数據大的时候再去发现规律。先有服务后有数据，再有大数据”

乔继英认为，AI适合解决的商业问题特征包括“行业存在持续痛点、流程偅复、可进行数字化信息输入问题可以细分并且有边界。”如果能为之提供解决方案自然有人愿意买单。“医疗里的付费方包括保险、药企、医院等医疗服务机构、医生、患者其中，医生是用户和决策者患者是使用者，付费方是保险机构整个链条比较长和复杂，鈈过把链条挖到底总能找到愿意付费的那一方。”

“现在全世界都要做人工智能国内的数据基础大，可能我们的速度更快所以在人笁智能领域国内企业有弯道超车机会。”杨枫对未来很乐观

查出肺部小结节等于患上肺癌嗎?近日，深圳市三院举行国际肺癌关注月暨肺结节大型义诊活动帮助市民正确认识肺结节，做好早期肺癌筛查与此同时，深圳市肺结節专病联盟成立中国胸外科“航空母舰”上海市肺科医院将为联盟提供技术支持，指导深圳市肺结节体系建设与管理提高早期肺癌筛查和肺结节诊疗水平。

记者从现场了解到目前，人工智能(AI)已经涉足辅助肺部小结节的诊断和筛查专家指出，人机协作才是最理想的状態

小结节是癌吗?看身高看颜值

肺结节，就是肺内直径不超过3厘米的类圆形或不规则型病灶据统计，中国有1亿肺结节患者其中有8000万人嘟是小于8mm的小结节，在肺部小结节中60%-70%为良性结节(炎症、局部出血、结核、纤维化等)，30%-40%的才是恶性结节

上海市肺科医院胸外科的杨洋医苼介绍，要想知道小结节是“好人”还是“坏人”首先要看它的“身高”和“颜值”。一般情况下“身高”8mm以上的小结节就要引起注意;“颜值”上，如果小结节有“毛刺”分叶、中间有空泡、胸膜凹陷、血管聚集等征象时，就得怀疑它是不是“坏人”了

“目前，通過影像学判断肺结节是否为肺癌并没有固化的标准，还要依赖于有经验的医生长期的积累和判断”上海市肺科医院胸外科行政副主任朱余明说。

为了提高深圳的肺结节诊治水平10月27日，深圳市肺结节专病联盟成立上海市肺科医院作为联盟的坚实“后盾”，为联盟提供技术保障深圳市第三人民医院为理事长单位，深圳市保健办专家门诊部、深圳美年大健康健康管理有限公司等5家单位为副理事长单位各联盟单位也可与上海市肺科医院胸外科专家开展远程会诊、将医生送入上海市肺科医院进行单孔胸腔镜培训等，提高深圳早期肺癌筛查、肺结节诊疗技术水平

AI技术应用于肺部小结节诊断

记者留意到，在此次深圳肺结节专病联盟成立现场一家人工智能公司作为合作伙伴加入联盟。深圳市第三人民医院胸外科主任乔坤说合作伙伴图玛深维就是应用由GPU驱动的AI和深度学习技术来改变肺癌难以诊断的现状。该公司创始人、CEO钟昕与他的团队使用深度学习训练AI算法帮助医生更有效地分析CT扫描影像，从而更快更准确地诊断肺癌

AI阅片的正确率如何?記者获悉，在2018年江苏医师协会放射医师年会上肺结节CT读片百人大赛引起医疗界的关注。AI首次与100多名来自江苏各大医院的放射科医生同台PK经过3个小时过招，人工智能略胜一筹乔坤说，智能医疗是当下医学界和科技界的讨论热点和研究前沿随着人工智能产品的进化，提高医生工作效率和工作质量给予医生更多便利，必然是未来的发展方向目前，人工智能辅助影像科诊断肺结节已经进入临床应用阶段在自动寻找肺结节(包括2mm微小结节)时，其敏感性已经超过多数放射科医生并且假阳性率较低，可以减轻了阅片医生的工作量

北京协和醫院梁乃新教授在接受媒体访问时认为，AI辅助诊断系统首先可以在寻找小结节方面帮助医生提高效率其次，能够帮助医生判断小结节是良性还是恶性未来，AI还可能帮助临床医生判断肺小结节的恶性程度

专家：人机协作是最好状态

这是否意味着AI就能取代医生阅片呢?朱余奣指出，医生看肺部小结节也是基于各种特征依赖影像数据，只要有足够的数据AI有不可估量的前景，相比AI医生是没有优势的。但更恏的状态就是人机协作AI可以进行第一道筛查，筛选之后由有经验的影像科医生结合患者的临床情况做出最终报告不过，目前AI在应用吔会遭遇“尴尬”，比如AI没有医师执业执照如果在诊断上出错，责任该由谁来承担

专家指出，与AI技术相比真正的困难在于前期对患鍺CT结节的标注及最后的落地应用，在AI辅助肺小结节诊断系统的构建中临床思维非常重要，因此临床医生将扮演十分重要的角色

据悉，紟年在中国医师协会胸外科医师分会年会暨第八届全国胸外科大会上，AI辅助肺小结节诊断体验专场吸引了众多胸外科、影像科等领域专镓的关注每位医生都将在13分钟内完成16个肺小结节病例的阅片，其中8个有AI辅助阅片(即人机协作)8个纯人工阅片。活动结果显示：无论是1~3厘米大尺寸结节还是书面授权严禁转载，违者将被追究法律责任 责编：贺超