腾讯研究院
医疗与人工智能的结合，正在成为新的爆发点。在前不久国家公布的“首批国家人工智能开放创新平台名单”中，医疗影像国家新一代人工智能开放创新平台成为首批四大人工智能平台之一。
人工智能在医疗领域的应用也在加速落地。就在上周，腾讯首款将人工智能技术运用到医疗领域的产品“腾讯觅影”与河北医科大学等五家医院达成合作。该产品除了提供在AI影像上的尝试外，还会扩展在AI辅助诊断上的探索，辅助医生更准确地理解病案，降低风险，提升诊疗水准。
而在创业领域不断传出融资利好，也从另一个角度见证了人工智能+医疗的热度和吸引力。
在人工智能的众多落地场景中，人工智能+医疗为何备受资本青睐？在这一日渐火热的领域，有哪些应用场景有望先行落地？在一片看好的趋势下，未来还可能遇到哪些“成长的烦恼”？
刘 琼 腾讯研究院高级研究员
戈书宁 腾讯研究院助理研究员
2011-2016年间，人工智能+医疗是资本投入最密集的领域，且在未来5年仍将保持40%的增速。资本大量涌入人工智能+医疗，要归功于IBM、谷歌等先行者在医学影像、药物研发、人工智能助手等领域的突破和落地所带来的信心和前景。咨询公司Frost & Sullivan预测2021年全球人工智能+医疗健康市场规模将从2014年的6.64亿美元扩大至66.62亿美元。
近些年，借助互联网的连接，就医效率和体验得到了极大提升，但医疗最大痛点——资源不均衡的矛盾并没有得到根本性地解决。2017年上半年，三级医院诊疗人次依旧保持了最快增长，增幅达到6.1%，远高于一级（4.0%）、二级医院（4.0%）；就医有进一步向三级医院集中的态势，诊疗人次占医院总量比重由48.64%提高至49.55%。人口老龄化进程加快、慢性病发病率走高等需求端的压力将进一步激化资源不均衡的矛盾。
受制于周期长、成本高等特点，培养更多的医务人员“这杯远水”解不了近渴。《2016年中国卫生和计划生育事业发展统计公报》显示，医院卫生技术人员数同比增长5.57%，低于诊疗人次6.17%的增幅，供给跟不上需求的增加。而人工智能、医疗机器人在医学影像识别、辅助外科手术、临床辅助诊断等环节所表现出的降本增效能力，可以将医生从繁重的重复性劳动中解决出来，专注于更有价值的事情。
近年来，大数据爆发式增长，到2020年体量将达到44ZB。而每年超过70亿的诊疗人次数据以及7.5亿网民的日常健康数据，中国无疑坐拥最海量的医疗数据库。2016年6月，国务院办公厅发布《关于促进和规范健康医疗大数据应用发展的指导意见》，首次把生物学资源和医疗大数据作为国家的基础战略资源，也把它纳入了国家大数据战略的布局。
但这座数据金矿仍在“沉睡”，需要人工智能唤醒。众所周知，80%的医疗数据都是非结构化数据，远远超出传统的计算和处理能力。另外，我国医疗数据分散在不同医院、机构，深度利用率不高。计算机视觉、机器学习、深度学习等技术突破，缩小了数据规模和数据洞察力之间的差距，有望激活这座沉睡的数据金矿。
数据来源：The Medical Futurist (2016)
医疗是一个数据密集型、脑力劳动密集型、知识密集型的行业，需要依赖强大的知识储备和处理分析能力进行判断、诊疗。同时失误“零容忍“使得医疗领域从基础层药物研发、检测，到应用层预防、诊断、治疗、康复、健康管理等各环节都面临严格的质量和监管要求。而医疗费用居高不下已成为全球普遍性难题。
基于人工智能的技术优势和应用，其赋能医疗行业的价值将是不可估量的。技术的发展大幅提高了医疗数据处理效率和洞察深度：IBM Watson阅读10.6万份临床报告仅需17秒，腾讯觅影在2-3秒内即可返回内镜图像计算结果。借助深度学习自学习、自分析、自判断以及不知疲倦等优势，人工智能可将医疗失误降低30-40%。
回顾医疗信息化走过的历程，经历了从产品单点应用到围绕流程的平台创新。未来10年，医疗信息化将步入融合创新阶段，即集成融合人工智能、机器人、虚拟现实/增强现实等技术打造面向可预测、可预防以及精准医疗的健康解决方案。其中，人工智能被寄予厚望，有着广泛的应用场景。而医学影像识别、人工智能助手、医疗机器人有望先行落地。据美国医疗信息与管理系统学会下属的研究机构与Healthcare ITnews的联合调查显示，
作为三大治疗手段之一，医学影像的精准识别对医生决策至关重要。癌症、心脏疾病等许多重大疾病都可以在早期通过医学影像设备识别出来。
有文章曾将影像科比作战争中的突击小队，其重要性、工作量和压力可见一斑，急需通过技术来赋能。医学影像数据标准化程度最高，也为人工智能应用先行落地提供了重要基础。
11月15日，科技部公布了首批国家新一代人工智能开放创新平台名单，其中，四大平台之一就是依托腾讯公司建设医疗影像国家人工智能开放创新平台。
目前，人工智能对肺病、胃癌、甲状腺癌变、乳腺癌、皮肤病等多个病种的医学图像检测效率和识别精度都可以达到甚至超越专业医生水平。腾讯觅影对食管癌早筛临床预试验的准确率超过90%，而肺结节早筛准确率超过95%，可检测3毫米及以上的微小结节。除此之外，人工智能可以大幅提高读片效率，以及减少人为失误。以肺病为例，针对平均超过200层的肺部 CT 扫描图片，医生人工筛查需要20分钟甚至更长，而人工智能仅需数十秒。
医生看病时间短的现状有望被改善。随着技术的成熟，人工智能有望成为临床医生的合作伙伴，帮助医生承担诊前问询、自动化检测等工作，使医生有更多时间可以与患者互动。例如，智能语音技术的发展使得人工智能助手可以跟人类医生一样与患者进行语音交谈，询问病情、判断症状以及提供个性化治疗方案给医生参考。
更重要的是，人工智能助手背后丰富的医学知识库和“临床诊断经验”，有助于增强医生临床诊断能力和精准度。埃森哲发布的《2017年数字化健康技术展望》报告显示，72%的卫生机构已经引入智能虚拟助手并投入服务。
医疗机器人并不是新话题。但当人工智能与机器人结合，医疗机器人借此步入加速道，应用场景从手术机器人拓展至康复机器人、服务机器人、试验机器人等。据 Markets and Markets估计，从2016年起，全球医疗机器人将保持近17%的年复合增长率，到2020年，市场规模有望达到114亿美元。其中手术机器人仍处于主导地位，占据60%左右的市场份额。以最负盛名的手术机器人“达芬奇”为例，已经完成了超过60万场手术，从心脏瓣膜修复到肿瘤切除均有涉猎。
全球 Top5 医疗机器人公司
我国医疗机器人起步较晚，但发展速度不容小觑。北京天智航医疗科技股份有限公司（TINAVI）作为我国第一个医疗机器人产品注册许可公司，是继美国 ISI、ISS、瑞典 Medical Robotics、以色列 Mazor之后全球第五家获得医疗机器人注册许可证的公司。其主要产品“天玑”骨科手术机器人已在全国十多家医院使用，累计手术超过2000例；不仅如此，沈阳六维康复机器人有限公司开发的用于中风、脑瘫所致运动功能丧失的康复治疗机器人也已通过北美 CSA 认证，面向全球市场发售。
毋庸置疑，人工智能带给医疗行业的想象空间是无限的，但要真正大规模应用于临床，还需要克服以下“成长的烦恼”。
机器学习的特性决定了初期要依靠高质量的数据来进行训练并优化算法，从而保证高精度。因此如何获取有效数据，是人工智能+医疗应用最先需要跨越的障碍。
从数据的获取端出发，我国的医学影像还处于从传统胶片向电子数据过渡的阶段，大量的影像资料还没有实现电子化和数据化。再加上数据源头多、类型多、结构复杂、标准不统一等特征，导致要获得真正高质量的有效数据，需要花费高昂的成本，这是一个巨大的成本黑洞，单靠一家医院或企业很难解决，需要上升到行业层面予以突破。
美国医疗信息与管理系统学会下属研究机构2016年曾做过一次联合调查：23%的被调查者认为人工智能技术本身的不成熟性，导致其存在一系列风险并承受质疑，是人工智能应用于医疗所遇到的最基础也是最难跨越的障碍。人工智能很多底层技术，仍处于研发阶段，很多问题并没有得到解决。
例如，在超过100种的癌症中，人工智能技术目前仅能精准识别乳腺癌、宫颈癌、胃癌、肺癌、肝癌等少数病种，大规模突破还需时间。而手术机器人柔性控制模块、传感器等软硬件技术也尚不成熟。
任何一项产生变革或颠覆性的新技术，其产生、发展和应用必然要经历一个漫长的被市场认可的过程。目前，消费者对人工智能+医疗仍处于远观和存疑的态度。普华永道2017年就人工智能+医疗的应用意愿进行了调查，有近4成的消费者不愿意接受人工智能来看病，即使对人工智能+医疗相对宽容的用户，也仅愿意用人工智能进行常规指数监测、心率监测、健身监测等非治疗环节。
数据来源：Why AI and robotics will define New Health，PWC，2017.6
人工智能的基础技术和应用仍是一个科技的黑匣子，具体计算过程是无从知晓和预测的，更无法掌控，由此带来的法律、伦理挑战是人工智能应用面临的通用性难题。同样以医疗影像为例，人工智能目前扮演的角色还主要是辅助读者，医生仍需要对影像决策负全部责任。
随着技术的不断成熟，当人工智能成为主要读者时，监管部门如何认定其资格并进行监管？2017年6月，美国食品药品监督管理局（Food and Drug Administration，简称FDA）批准了Arterys公司的产品Arterys Cardio DL可用于分析心脏核磁共振图像，这是首个被批准可应用于临床的基于云计算和深度学习的分析软件，但主要是帮助医生辅助心脏成像。而如何厘定人工智能应用于临床所需承担的法律责任，以及避免算法偏见、歧视等都是不容回避的挑战。
人工智能时代，大数据价值加速溢出的同时，也加大了数据泄露的安全隐患，个人隐私安全面临前所未有的挑战。
2017年，安全研究机构Kromtech Security Researchers发现，一家医疗服务机构存储在亚马逊S3上的大约47GB医疗数据意外对公众开放，其中包含315363份PDF文件。据Kromtech Security Researchers估计，这些文件至少涉及15万病人，泄露的内容包括验血结果、姓名和家庭住址等个人信息，以及医生和他们的病例管理笔记等内容。
关于人工智能+医疗，你有什么看法和期望？
欢迎在留言区和我们分享
微信公众号：筑医台学院
微信号 :zytcollege
新浪微博：@筑医台学院
