人工智能的未來是醫療,而中國有世界級命題。命題決定科學工作的高度,強烈的需求能夠助推技術的發展。出身醫學又轉型做計算機,擁有交叉學科背景的倪浩很清楚,醫療行業需要人工智能,而中國場景的潛力巨大。

2017年1-11月,全國醫療機構門急診量超73億,平均每天就診人次超2100萬,且仍處于持續增長中。加上優質醫療資源分布不均,區域醫療水平發展差異大,只有以人工智能賦能醫療機構,進一步提升頂級醫療機構運行效率,放大優質醫療資源服務能力,提升基層醫療機構診療水平,推進疾病診療均質化,才能夠實現“共同富裕,全民健康”的發展目標。

中國AI醫療的世界級命題

目前,醫療人工智能相關公司大致可分成三類。第一類是如騰訊、阿里的互聯網公司;第二類是如飛利浦、西門子的跨國公司;第三類是信息系統起家的廠家。但依圖想做的醫療和這三類公司都不同。

企業若是以平臺化思維做醫療,例如將醫院的數據收集起來,用戶把片子上傳到云端獲得結果,這樣的做法和臨床結合并不多。但依圖強調的用戶體驗,是如何讓用戶秒級得到系統的響應結果,顯然平臺化的做法不能實現這個目標。

而跨國企業就涉及環境的差異性。美國作為全球樣板市場,醫療國際巨頭頂尖的研發人員大多在美國。而如今,中國企業發展醫療人工智能的優勢在于,中美醫療行業的差異本身就決定中國對于醫療人工智能的需求比美國強烈得多。

第一,美國醫療水平不平衡不充分的問題比較弱。醫生間的差異很小,基本都要接受15年以上的教育,且全科醫生體系發達,地區間、城鄉間醫療水平的差異,不像中國縣級醫院的醫生跟上海三甲醫院醫生的差距那么大。而且美國醫生尊崇臨床醫學指南,診療規范性較高,醫療服務均質化較好,中國這方面有差距。

第二,美國對醫療人工智能的需求不如中國迫切。據世界銀行數據,2015年中國衛生總支出占GDP的6%,而美國常年維持在17%以上。美國2015年的GDP是17.4萬億美元,折算成人民幣,3億多人花掉了20萬億人民幣的醫療費。而當年中國14億人在醫療上花費了4萬億。不可否認的是,中國政府對醫療衛生投入在持續增長,但差距可觀。美國整體醫療資源投入本就較充分,對利用人工智能來解決問題的需求顯得沒有那么迫切。

第三,美國發展醫療人工智能的人力成本相對高。醫療人工智能必須跟醫療領域的專家協同合作,而美國醫生是社會收入金字塔尖的人群,平均年薪超過25萬美元。反觀計算機從業者只有8萬美金,技術公司很難請得起大量高水平的醫生一起開發產品。

因此,中國醫療行業有世界級的命題。無論是從技術還是臨床、應用的深度和廣度來看,中國醫療人工智能已經走在世界前列。其最大的優勢來源于國家蓬勃的發展速度,加之人工智能被提升到國家戰略高度,而不僅是被當做一個應用創新。以從業者的角度來看,醫療人工智能的中國時代一定會出現。

AI醫療的觸手

現階段中國社會發展不平衡不充分的問題,同樣反映在醫療領域。

以腫瘤領域為例,國家正大力鼓勵腫瘤高危人群進行早期癌癥篩查。但無法迅速增長的醫院容量,滿足不了政策推動之后帶來的大量需求,因此出現醫生資源不足的問題。此外,三甲醫院和基層醫院,存在醫生水平、設備水平等綜合實力差距大的問題,經常會發生一些假陽性的案例。如某患者在基層醫院檢查,得出了癌癥的結論,但到頂級三甲醫院檢查后的結論可能完全不一樣。不平衡和不充分的問題同樣發生在兒科領域。兒科醫生資源的匱乏導致很多醫院取消兒科,或是臨時調配其它科室醫生。當年在醫學院求學,幾乎沒人愿意選擇兒科。

依圖是最早進行醫療人工智能布局的企業之一,在挑選方向時有兩個著重點,一是看醫療領域需求有多高,二是看臨床的價值有多大。依圖選擇了腫瘤、心腦血管疾病和兒科,這也是目前對人工智能需求最強的三個領域。

從2016年進軍醫療至今,依圖的思路發生過一個轉變。最初選擇的是肺癌篩查環節,當篩查環節做得比較好之后,便開始思考是否能夠在其它環節進行復制。例如驗血或拍片之后,醫生需要給出一個具體的結論,這個環節里,醫生們得出結論的差距更明顯。不僅如此,臨床對于人工智能的需求同樣巨大。因此依圖的思路從原來服務于放射科、超聲科、檢驗科等科室,轉變為布局服務臨床科室,給呼吸科、肝膽科、腫瘤內科的醫生們提供人工智能的產品。此外,依圖還將“城市輻射農村”,之前在頂級醫院落地,今年會把系統往基層推。

AI醫療大數據

正是基于對行業深入地認知,依圖才經常提到“談算法是外行的表現,內行都談標準和數據”。而對于數據的理解和處理是依圖能把人工智能落地臨床的核心競爭力。

將醫療大數據理解通透最基礎也最重要。并不是說,把各處醫療數據集中起來就叫醫療大數據,這樣只能成為“醫療數據大”。大數據的本質是支持從中進行數據的挖掘和洞察。

對于諸如臨床數據、人口健康數據、公共衛生數據等紛繁復雜的健康數據,人工智能可以發揮其強大的復雜文本數據解析能力、醫學影像數據的降維與結構化能力、質量分析與控制的提純能力、多樣化治理的數據標準化能力。

摘出米飯中的沙子,洗凈菜葉上的灰塵,以合適的溫度、高超的廚藝,將雜亂無章的數據原料薈萃成一桌井然有序、賞心悅目的醫療大數據盛宴。

當醫療大數據被理解并做到可用層面,下一步就將建立迅速的復制能力,一類病種的開發產品能夠遷移到另一類病種中,加快開發速度。

依圖一直希望國家能夠成立健康大數據聯盟,打通醫療大數據。盡管中國在2010年之后已發展出了電子病歷,每個患者都可以在醫院里查到自己的病例。但最大的問題是沒有打通,在這家醫院看的病都能查到,換一家就不行。

打通數據需要將數據進行集中存儲。現在,貴州有一個數據交易所,如果交易所能夠開放衛計委的脫敏數據,如貴州地區肺癌發病人群的數量、區域分布、病情進展等,這將助益醫療大數據的研究。

在完成對于數據的解析和處理后,人工智能還將發揮強大的場景化應用構建能力,如全維度的臨床科研數據制備、診療標準化程度的提升、中基層醫療供給的擴大等,不斷提升醫療機構的臨床服務和科研能力,最終建設成為智能醫院。

(作者系依圖醫療總裁,本報記者陳伊凡整理)

鏈接

作為獨角獸企業,成立于2012年的依圖科技,其人工智能技術已服務于醫療健康、城市公共安全、金融等眾多領域。2016年,依圖科技進軍醫療,成為唯一一家布局醫療的人工智能獨角獸企業。2017年12月,依圖科技宣布投資AI芯片公司ThinkForce、AI制藥公司AccutarBio。

如今,依圖的技術已應用在肺癌篩查、兒童骨齡判讀、乳腺疾病診斷、腦卒中診斷等領域,產品為放射科、超聲科、兒科等多個科室提供臨床診療輔助診斷和智能管理;依圖醫療肺癌影像智能輔助診斷系統已部署進近百家三甲醫院,并進入臨床工作流實際使用,診斷報告被醫生直接采納率超過92%。

 

您可以復制這個鏈接分享給其他人:http://www.28tangyi.com/node/387