一局棋吸引全世界的目光,并奮力“收割”未來。然而,具體延觸到醫(yī)療領域,卻好像并不那么順遂。
繼2016“人工智能元年”后,2017“人工智能應用元年”又呼嘯而過。
這一年,先是“人類最后的希望”柯潔與只靠深度學習方式成長起來的AlphaGo鏖戰(zhàn)三輪,最終0:3落敗引發(fā)世界關(guān)注——賽后柯潔甚至一度哽咽,“它太完美,我很痛苦,看不到任何勝利的希望。”
繼而,作為未來核心,人工智能上升至中國國家戰(zhàn)略——
全局以觀,AI幾近大事之成,然而若具體到醫(yī)院管理者最關(guān)心的健康醫(yī)療領域,AI是否還能繼續(xù)“驍勇善戰(zhàn)”?答曰:可能需要交給時間。
AlphaGo戰(zhàn)勝柯潔,機器人Al-Maths 22分鐘內(nèi)完成文科數(shù)學北京卷,IBM Watson閱讀10.6萬份臨床報告僅需17秒,騰訊覓影在2~3秒鐘內(nèi)即可返回內(nèi)鏡圖像計算結(jié)果。
借助深度自學習、自分析、自判斷以及不知疲倦等優(yōu)勢,人工智能可將醫(yī)療失誤降低30%~40%。
從優(yōu)化就醫(yī)流程到破解資源不均衡,人工智能表現(xiàn)出了降本增效的天然親和力。
外加“沉睡”醫(yī)療數(shù)據(jù)金礦的分散、低效利用亟須人工智能喚醒,AI賦能數(shù)據(jù)、腦力、知識密集型醫(yī)療行業(yè)價值被視作“不可估量”。
2017年,縱觀我國AI+健康醫(yī)療領域的應用,主要圍繞院前管理、院中診療、院后康復、管理決策、藥物研發(fā)五方面如火如荼地展開。
每個方面又可細化出智能導診、疾病風險管理、語音電子病歷、影像輔助診斷、醫(yī)療機器人、醫(yī)保智能監(jiān)管、藥物挖掘與臨床試驗等眾多垂直領域的應用場景。
應用背后,還積聚了火熱的資本嗅覺。數(shù)據(jù)顯示,2011-2016年間,人工智能+醫(yī)療成為資本投入最密集的領域,且被預測未來5年仍將保持40%的增速。
根據(jù)咨詢公司Frost&Sullivan的調(diào)查,2021年全球人工智能+醫(yī)療健康市場規(guī)模將從2014年的6.64億美元擴大至66.62億美元。
人工智能國家戰(zhàn)略部署進展
2017年3月5日
“人工智能”首次出現(xiàn)在政府工作報告中。
2017年5月
科技部印發(fā)《“十三五”生物技術(shù)創(chuàng)新專項規(guī)劃》,指出要突破類腦人工智能、生物大數(shù)據(jù)等若干前沿關(guān)鍵技術(shù)和共性關(guān)鍵技術(shù)。
2017年7月
國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》,將人工智能作為未來核心戰(zhàn)略,并從國家層面明確三大戰(zhàn)略目標、六項重點任務。
2017年10月
十九大報告指出,要推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合,在眾多領域培育新增長點、形成新動能。
2017年11月
科技部、國家發(fā)改委等15部門合力組建的新一代人工智能發(fā)展規(guī)劃推進辦公室成立,與此同時,新一代人工智能戰(zhàn)略咨詢委員會亦宣布成立。
本刊記者根據(jù)公開資料整理
AI帶給醫(yī)療行業(yè)的想象空間“很無限”,但要真正大規(guī)模應用于臨床,尚有不少“路途”須“跋涉”。
比如有效數(shù)據(jù)的獲取和連接。AI學習的特性決定了其初期需要依靠高質(zhì)量的數(shù)據(jù)來進行訓練并優(yōu)化算法,從而保證結(jié)果愈加精確。
但在當下醫(yī)療行業(yè)數(shù)據(jù)源頭、類型多,結(jié)構(gòu)復雜,標準不統(tǒng)一的現(xiàn)狀下,如何獲取有效數(shù)據(jù)成為AI+醫(yī)療首先需要跨越的障礙。
比如技術(shù)的研發(fā)與成熟。據(jù)統(tǒng)計,在超過100種癌癥中,人工智能技術(shù)目前僅能精準識別乳腺癌、宮頸癌、胃癌、肺癌、肝癌等少數(shù)病種;手術(shù)機器人柔性控制模塊、傳感器等軟硬件技術(shù)方面也尚不成熟。
甚至AI領域落地速度最快的電子語音病歷產(chǎn)品在門診的使用效果也不盡如人意。
比如市場的緩慢認可。目前,消費者對人工智能+醫(yī)療仍處于遠觀和存疑的態(tài)度。
根據(jù)普華永道2017年就人工智能+醫(yī)療的消費應用意愿調(diào)查顯示,近4成消費者不愿接受人工智能看病,即使對人工智能+醫(yī)療相對寬容的用戶,也僅愿用人工智能進行常規(guī)指數(shù)監(jiān)測、心率監(jiān)測、健身監(jiān)測等非治療環(huán)節(jié)。
比如法律倫理的挑戰(zhàn)。以醫(yī)療影像為例,醫(yī)生目前仍是影像決策的主要責任人,但其中卻借鑒了人工智能所發(fā)揮的輔助讀片功能。一旦人工智能的讀片結(jié)果誤導了醫(yī)生的決策,最終的法律、倫理界限該如何劃分?
比如隱私安全的隱患。2017年,安全研究機構(gòu)Kromtech Security Researchers發(fā)現(xiàn),一家醫(yī)療服務機構(gòu)存儲在亞馬遜S3上的大約47GB醫(yī)療數(shù)據(jù)意外對公眾開放,其中包含315363份PDF文件。據(jù)Kromtech Security Researchers估計,這些文件至少涉及15萬患者,泄露的內(nèi)容包括驗血結(jié)果、姓名和家庭住址等個人信息,以及醫(yī)生和他們的病例管理筆記等內(nèi)容。
比如人才支撐的稀缺。目前,在我國,人工智能領域的專業(yè)人才供求嚴重失衡,供求比例接近1:10。而在醫(yī)療行業(yè),既懂人工智能又懂醫(yī)療的人才更是稀缺。
基于此,尤其對醫(yī)院現(xiàn)實而言,“很多醫(yī)院連落后好幾年的HIS系統(tǒng)都不愿更新,電腦系統(tǒng)還用著盜版的WinXP,如果AI只是節(jié)約了一線人員的時間精力而未給醫(yī)院帶來創(chuàng)收,的確目前市場消費欲望不大?!?/p>
根據(jù)Gartner發(fā)布的2017年中國新興技術(shù)成熟度曲線顯示,智能機器人、機器學習等多項技術(shù)處于期望膨脹期,同時,鑒于醫(yī)療業(yè)務本身的復雜性和特殊性,其認為人工智能在醫(yī)療領域的應用離真正成熟至少仍需5~10年。
但未來,通過多方的共同努力,以及人工智能+健康醫(yī)療在單點、縱深領域的不斷突破,將各個散點的應用組合成更大的應用場景——
讓分級診療能夠真正落地,解決醫(yī)療的核心痛點;讓醫(yī)護告別大量重復工作,提高效率,緩解醫(yī)患矛盾;讓每個人都能夠?qū)崿F(xiàn)對自身健康的管控,使得個性化健康管理模式落地;讓新藥研發(fā)成本下降,加速藥物研發(fā)以及臨床試驗;讓行業(yè)監(jiān)管升級,行業(yè)決策被優(yōu)化,告別個人經(jīng)驗主義,未嘗不可高值期待。
只是時間長度上,頗有些耐人尋味罷了。