AI医疗仍处探索阶段

　　AI医疗仍处探索阶段

　　文｜ 王倩

　　误诊、漏诊是医患矛盾突出的原因之一，造成误诊、漏诊的情况又是复杂的。医疗影像做为医生诊断的重要判断依据，其作用尤为重要。于是，人工智能有了用武之地，其在医疗领域的应用，将辅助医生提升诊断准确率、替代医生进行重复工作。

　　通过计算机深度算法辅助医疗诊断

　　目前每年中国的医疗影像产生量大概是14亿份，中国的放射科医生只有84000人左右，医生们的工作负荷可想而知，这也成为误诊、漏诊发生的原因之一。英特尔专家指出，在临床，医疗影像是协助医生判断病情的重要信息，医疗数据中有超过90%的数据来自医学影像。从基因序列到影像分析，患者会产生大量的数据，医生需要从这些大量的数据中分析出患者的病情。通常在临床实践中，病理诊断方法需要大量成本，而且，培养一位优秀的病理专家所需要的周期相当长。

　　AI的应用，会提升医院的诊断效率，为患者带来实惠。

　　目前肺癌具有发病率高、死亡率高的特征，生存率仅有17%。不管是从政府层面，还是区域的治疗机构都非常重视肺癌的应对和防治。在临床实践中，肺癌一经确诊基本已经是中晚期。GE肺癌早筛早诊解决方案专家告诉《商学院》记者，人工智能辅助肺结节诊断的技术的出现实际上是应对目前中国放射科医生的巨大读片量的挑战，从而帮助他们快速地做相应诊断，降低漏诊。通过人工智能的深度学习能力，建立深度学习神经元数学模型，从海量医疗影像的原始像素出发，让模型自己挖掘影像组学特征，学习和模仿医生的诊断技术，为医生提供相应的诊断依据。

　　人工智能辅助技术的介入，能够通过神经网络模型化，降低维度、相关特征的构建，进行参数求导，对肺癌结节进行识别，从而给出较为精准的建议。

　　“从实际效果来看，人工智能辅助技术在肺癌筛查方面显示出了非常快的速度，辨别更微小病变的准确性也在提高。” GE医疗大中华区首席市场营销官王飚谈到，“一些阶段性成果显示，对于钙化结节，半实性+磨玻璃结节，人工智能自动识别的敏感度相对于一般的医师，它的识别率会高20%左右。”

　　除了癌症之外，糖尿病也成为困扰现代人的常见病之一。英特尔医疗与生命科学集团亚太区总经理李亚东介绍，糖尿病性视网膜病变是糖尿病最常见的并发症之一，我国糖尿病患者目前已超过1亿人，且数量逐年增加，其中糖尿病性视网膜病变患者占糖尿病患者的三分之一左右。老年性黄斑变性是当前老年人致盲的重要疾病，大多发生于45岁以上，其患病随年龄增长而增多。糖尿病视网膜病变或者老年性黄斑变性，可通过定期眼科检查来检测，从而对其提前进行预防或者减缓。但是，现阶段在中国服务这一领域的眼科医生非常稀少，早期筛查开展比较少，同时，中国医疗资源的匮乏使得基层社区甚至没有眼底设备进行筛查。因此，通过技术创新对有风险的患者进行有效的早期筛查和发现，并及时治疗，以防止患者失明，显得尤为重要。

　　英特尔与合作伙伴一道，开发DR和AMD人工智能识别系统，目前临床诊断正确率已达到90%以上。

　　目前人工智能在医疗领域的应用主要包括：辅助诊疗、医学影像、药物挖掘、健康管理、急救室和医院管理、可穿戴设备、营养管理、虚拟助手等。仔细分析各个应用场景不难发现，人工智能所起到的作用依然是辅助作用。

　　王飚强调，“人工智能技术只是辅助医师诊断，而不会替代医生，最终还会由医生给出诊断报告和治疗建议。”

　　人工智能在辅助医疗中，更多的是把医生从繁重的简单重复的劳动中解放出来，让医生做更有价值的事情，让整个诊断的效率得到大幅度提升。“一般来讲一套肺部检查CT大概是300多张片子，医生平均耗时15分钟，那人工智能读片大概1分多钟，在提升效率的同时，能够精准发现容易漏掉的微小结节。”

　　根据王飚介绍，目前人工智能在医疗中的应用，更多的是在医学影像这块应用，其他的方面也都在初步探索。

　　夯实基础才能有无限的商业价值

　　据了解，目前人工智能医疗的产业链主要包括基础层、技术层、应用层，每个层面的进入门槛、核心优势都不一样，参与者、投资机会和回报也不尽相同。

　　“人工智能在医疗领域的发展空间我们相信是会非常大，目前我们的探索也在不断深入，从实际角度出发，我们还是要脚踏实地去看每一步我们可以做到什么样的层面，然后不断地夯实基础。”王飚强调。

　　信息壁垒是目前医院中存在的主要障碍。医疗数据对于人工智能而言等同于维系生存和成长的主食，有了数据才能训练人工智能机器，应用转化也需要跟临床数据相对接。数据的获取成为人工智能辅助医疗技术的重要挑战。

　　在设备供应商、医学影像技术提供者的角度来看，目前国家还是在谈更多的互联互通，包括分级诊疗的、医联体的概念，更多就是通过政府层面会进一步的去推动信息的共享，人工智能是其中的一种解决方式。

　　从商业模式来看，通过筛查服务，分析报告，提供整体的解决方案称为人工智能主要的变现模式。然而，在后期人工智能技术能够升级到什么程度、数据积累能否达到一定的质变，还需要时间的验证。