人工智能要落地医疗领域，非结构化数据转化是关键

2017-01-28

智慧健康 2017年4期

互联网医疗出口尚在探索期，人工智能医疗项目已悄然屡获资本青睐，第三方创业关注度亦持续升温，政策红利开始陆续释放。

2017 年 3 月 5 日，国务院总理李克强在政府工作报告中首次提及人工智能（Artificial Intelligence，AI），随后众多全国政协委员、人大代表纷纷给出关于人工智能的提案和议案，如复星集团董事长郭广昌认为 " 医疗健康行业天然可以与人工智能技术相结合 "。谈及人工智能 + 医疗的结合方式及突破口，多位业内人士认为，"AI+ 医学影像 " 最有可能率先实现商业化。这一观点同样得到创新工场创始人李开复的认同。他曾发表关于人工智能的演讲，提出 " 很多产业将被人工智能颠覆 "，对医学影像领域应用的判读便是其中之一。不过，各界看好人工智能与医学影像结合的当下，其具体路径与模式仍未达成共识。一边是出身 IT 和互联网等技术工种人士的信心十足，另一边却是医生和研究学者的疑虑颇多。解决之道，莫过于同桌共议，取知、取智。一场激烈的讨论发生在 3 月 24 日，选点全球智能医疗创新论坛。

1.非结构化数据转化是关键

AI+ 医学影像，顾名思义，是将人工智能技术具体应用在医学影像的诊断上。这一实践最早出现在国外，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结构化数据进行分析，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。很显然，这两点恰恰是医生们的疑虑所在。在他（她）们看来，不管是什么病，图像只是其中一个参数，而治疗疾病则需要多个参数。此外，虽然中国的医疗数据量庞大，但 IDC Digital 的一项预测却显示，80% 的数据属于非结构化数据，亦即报告 + 影像。

影像科医生不是简单地把片上的疑似病灶投影找出来，还要涉及到很多诊断相关的医学知识，最后才能形成影像诊断报告。受制于影像诊断医生的个人习惯、执业医院、教育背景等因素，中国的影像诊断报告呈现出因医生而异的显著特点，导致不同地区不同医院的影像报告标准不同。" 中国人民解放军总医院放射诊断科主任马林分析道，"如何将海量非结构化数据转化成结构化数据至关重要 "。

持同样观点的还有浙江工业大学副教授吴福理。他认为，深度学习应建立在对医院数据的分析上，而医学影像占据了90% 以上的医学数据，但影像不仅仅是图片，医生在判读的时候用到更多的是关联的医学知识，这才是医疗流程。" 只有进入医疗流程，才能占领医疗 AI 制高点 "。但就目前来看，包括阿里和百度在内的几乎所有的公司都尚在医疗流程之外徘徊。

2.短期内仅适合做辅助诊断

无独有偶，在 2017 年初 " 开放医疗与健康联盟（OMAHA）第二届会员大会 " 上，中科院力学研究所教授陶祖莱和中日友好医院神经内科分子遗传实验室负责人顾卫红同样对 AI 持谨慎态度。

" 疾病的诊断和治疗非常复杂，甚至患者不同语气的回答，不同表情的回复都有不同的意思，这决不是 IT 的‘ 01 ’算法就可以解决的。" 陶祖莱给予忠告。

顾卫红则认为，" 人工智能所能解决的问题，包括下棋、购物、打车等，跟医疗是完全不一样的。因为医疗涉及人的健康、疾病，对治疗的探索甚至属于对自然界未知世界的探索，而这些都不是我们原本就有涉足和创造的。何况人在生病时是非常无助的，怎么可能用冷冰冰的机器看病。"包括投资人、创业者等在内的众多人士同样认为，目前 AI 在医疗领域的应用尚处于弱人工智能阶段。尽管 AI 通过构建算法模型和深度学习网络能够完成指定任务，在图像识别、语音识别等领域已得到应用并表现优异，但于影像医生们而言，仅有这点是不够的。因为这种浅层次的应用所起的作用更多是辅助诊断，比如减轻医生重复性体力劳动，提高诊断准确率等。

要想真正渗透到医疗领域，必须是强人工智能，它不仅要完成指定任务，还要有知觉、有自我意识，能推理、解决问题。目前来看，要实现这个目标，路途遥远。