医疗AI新风口

张曙霞

在人工智能场景下，图像识别、深度学习等前沿技术的应用，有助解决就医效率和医疗资源分布不均难题。

医疗和人工智能（AI）的结合，或将成为撬动互联网医疗下半场博弈的关键。

“目前，国内互联网医疗正在向智能医疗跨越，特征是云化、智能化和个性化。”微医集团联合创始人张晓春说。

一直以来，互联网医疗的宗旨在于通过医疗服务流程再造，提高服务效率和质量，推出了在线挂号问诊、远程医疗、健康管理、移动支付等功能。但本质上改变的依然只是就医的空间距离，对于经验、数据、知识、脑力劳动密集的医疗行业而言，互联网面临技术瓶颈，效率提升遭遇天花板。

在人工智能场景下，图像识别、深度学习、神经网络等前沿技术的应用，则有望在很大程度上解决就医效率和医疗资源分布不均的难题。

正因如此，醫疗AI的出现，对于渴望突破的互联网医疗老兵和急于站稳脚跟的新入局者而言，似乎看到了新风口，以医学影像、辅助诊疗和疾病预测为主的人工智能产品大量涌现。

但热捧之下，必须认清的现实是，目前医疗AI依然处于初创期，大部分企业还在技术研发阶段。且过去多年来困扰互联网医疗的诸多难题——数据规范和标准缺失、尚无成熟的变现模式以及监管挑战等，医疗AI入局者同样需要直面并破解。

“医疗AI要想真正落地临床，帮助医生做诊断，还有很多工作要做。”科大讯飞医疗常务副总经理鹿晓亮认为，企业必须要有耐心，要有愿坐十年冷板凳的韧性，不要期望一两年就赚到钱。

纷纷入局

互联网医疗发展到现阶段，与人工智能的结合是水到渠成。

“国内医疗行业最大的矛盾是优质医疗资源稀缺，只有引入AI才能解决。”阿里健康人工智能实验室主任范绎说。

医疗AI在医学影像识别、辅助外科手术、临床辅助诊断等环节已初显成效。公开报道显示，图像数据、病例首先通过机器初审，再由专家进行复核，效率会提升70%以上。而且，在成熟人工智能工具协助下，约80%的常见病治疗和治疗方案可以按照标准诊疗路径完成。

布局医疗AI最积极的是微医集团。去年3月，微医向浙江大学捐赠一亿元成立睿医人工智能研究中心，旨在通过“产学研”一体化模式，构建中国首个开放式医学人工智能平台。随后的11月，微医发布智能医疗云平台“微医云”以及基于微医云开发的睿医智能医生和华佗智能医生。

微医董事长兼CEO廖杰远表示，通过推进医疗AI的应用，一方面可以把大医院、大专家从重复性工作解放出来，另一方面可以提供面向基层医生的辅助诊疗和针对老百姓的自主连续健康管理。

无独有偶，去年8月，平安好医生宣布陆续投入30亿元专项资金，打造医疗AI产业链和服务链。

在技术上具有天然优势的阿里健康更是不甘落后，去年7月推出“Doctor You”智能医疗系统。据了解，Doctor you提供医学影像云平台、肺结节智能检测、科研数据平台和医师能力培训平台四种解决方案，目前已与浙江大学医学院附属第一医院、浙江大学医学院附属第二医院和上海交大医学院附属新华医院达成合作。

除了互联网医疗企业，在技术或医疗资源连接上有天然优势的玩家也纷纷入局。

去年8月，腾讯携人工智能医学影像产品“觅影”正式进入医疗AI领域，觅影包含6大人工智能系统，主攻早期癌症诊断，已展开肺癌、食管癌、糖尿病视网膜病变、宫颈癌和乳腺癌筛查，并已进入临床预试验。

百度在去年年初裁撤医疗事业部后，专心做技术，聚焦医疗AI。去年4月，百度医疗大脑宣布与国内社区医疗服务领导者社区580合作，将人工智能赋能医疗社区，并上线“美乐医”为用户提供24小时医疗咨询服务。

科大讯飞则以布局全、成果多在医疗AI领域占得一席之地，目前其产品线包括语音电子病历产品、影像辅助诊断系统、智医助理等。

传统的医疗信息厂商和医药服务企业也不甘落后。如专注医疗机构HIS系统建设的卫宁健康，去年年初成立AI实验室，目前已研发出智能肺结节检测CAD系统和智能骨龄评估系统。百洋医药集团旗下百洋智能科技去年3月与IBM签约，获得IBM沃森在中国市场的三年独家总代分销权。据百洋智能科技提供的数据，目前百洋沃森智能治疗中心在中国落地43家，已有5500位患者使用，覆盖肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌等治疗领域。

此外，一大批专注医疗AI的创业类公司涌现，例如汇医慧影、依图医疗、推想科技、深睿医疗等，以开发医学影像辅助诊断产品为主。

影像先行

走出实验室，落地医院是人工智能需要迈出的第一步。

“从可行性和专业性来讲，AI在医疗里面一定是影像先行，影像辅助诊断会先落地、先执行、先商业化。”汇医慧影创始人兼CEO柴象飞说。

目前，癌症、心脏疾病等重大疾病都可以在早期通过医学影像设备识别出来，其精准度的提升对医生决策至关重要。

腾讯觅影应用中心主任吴明柱说，智能影像辅助诊断系统应用场景非常明确，很大一块就是用于提高基层医疗机构和经验相对不足的医生的诊断效率和水平。

从实际情况看，人工智能对肺病、胃癌、甲状腺癌变、乳腺癌、糖网病变等多个病种的医学图像检测效率和识别精度已可以达到甚至超越专业医生水平。

例如，吴明柱介绍，觅影对肺结节早筛准确率超过95%，对食管癌早筛临床预试验的准确率超过90%，糖网病变识别准确率高达97%。目前，腾讯已与10多家三甲医院建立人工智能联合实验室，并与上百家医院达成合作意向。

阿里健康高级副总裁、智慧医疗负责人柯研介绍，“Doctor You”CT肺结节影像检测技术快速确诊阳性病例，准确率在90%以上。而且，就阳性病例而言，通过医疗AI事先筛查出病症，初诊医生可以快速判别，审核医生可以提高效率达50%以上。endprint

又如，科大讯飞与安徽省立医院合作研发的人工智能医学影像辅助诊断系统，通过学习68万张肺部CT影像资料，已辅助医生诊断1.1万人次的CT影像资料，准确率达94%。

成长的烦恼

毋庸置疑，人工智能带给互联网医疗行业巨大的想象空间。但要规模应用，还需直面“成长的烦恼”。

“最大困难在数据获取方面。”柴象飞认为，以智能诊断为例，要把影像及包括基因数据、病理数据、临床数据等在内的更多维度且在时间上持续的医学数据进行整合计算，只有这样机器才能达到更加精准、定量的诊断。

因此，如何获取有效数据，是医疗AI应用最先需要跨越的障碍。困难在于，目前很多互联网医疗企业数据的真实性、有效性有待商榷，而各医院数据不共享，要获得真正高质量的有效数据，需付出较大的成本。

一方面是有效数据难以获得，另一方面医疗信息标准化的缺失也是难题。以医疗影像为例，目前国内还处于从传统胶片向电子数据过渡的阶段，大量影像资料尚未实现电子化和数据化。

“现阶段医学问题定义非常模糊，比如影像领域采用一些形态学特征，不同专家对结节、毛刺、分页等判定和识别都有差异。”依图医疗副总裁郑永升认为，人工智能是强数理、强逻辑的工具，要求输入输出非常精准和标准化的内容。

公开报道显示，中国食品药品检定研究院作为国家监管技术支撑机构，承担了医疗AI產品质量评价与研究工作，正在逐步完善AI产品的审批标准。

困扰互联网医疗的盈利、商业化问题，在医疗AI领域同样在上演。目前，整个医疗AI行业依旧缺乏成熟的变现模式。“医疗AI领域，短期看场景很重要，没有场景落地能力，都活不到发挥技术的那一天。”鹿晓亮说，目前，影像识别、辅助诊断都面临应用场景和收费模式的问题。比如一例CT收费200块，但并没有规定医生诊断费有多少，“这种情况下人工智能想从里面分点钱出来，是没有基础的。”

柴象飞表示，美国的医疗体系以私立医疗机构和保险付费为主，对人员费用非常敏感。同时美国的阅片诊断费用非常高昂，病人做一次影像诊断可能需要花费几百美元。所以美国医院对于能提升效率、节约时间的 AI 辅助诊断工具十分关注。

据了解，目前国内大多数医疗AI都是人工智能相关企业与医院共同构建联合实验室，在实验室框架下开展合作。

柴象飞认为，将技术产品化，让医生接受并形成使用黏性很关键，医疗AI要真正产生商业价值，形成闭环，需要按照to B的逻辑和规则。

“医疗AI的商业化、收费模式的设计，单凭创业公司做不好，需要医疗主管部门、医疗机构和技术公司的共同参与。”鹿晓亮说。endprint