AI辅助看片难在哪？——“IT生存法则” 之智慧医疗

“胡主任，咱们医院同A公司合作的AI（注：人工智能）辅助医疗诊断的项目可能进行不下去了！他们说公司投资方认为项目看不到收益，所以……”

又来了，真想揍这帮骗子！

想起在人工智能辅助诊断领域的几次合作最后都是这样虎头蛇尾，某三甲医院信息中心的胡主任气就不打一处来，忽悠技术如何领先、公司如何资金雄厚、团队如何高端的是他们，说干不下去的也是他们，别的不说，这么多的高端医疗资源多年的付出就这么不了了之了，实在是罪过呀，如果把这些时间用在研究、诊断、医治病人上，可是会多挽救很多人的生命的！

也难怪胡主任愤慨，在风起云涌的智慧医疗领域，AI辅助看片诊断，主要是通过图片与视频大数据分析，对诊疗病人的检查片子(注 ：CT、核磁等)进行自动化诊断，将其中关键片子抽取出来，并打上可能的病症标签，供主治医生参考，以提高诊疗的准确率和工作效率。

这本是利国利民的好事，可是却不断出现上述半途而废的情况，甚至有些是资金雄厚、技术领先的国际大公司，那根本原因是什么呢？

这当中的关键是需要不间断地积累足够多的病种样本，通过机器学习技术，总结出规律。于是，才出现了许多类似的合作项目，其本质是借助高端医疗资源对样本片子进行标注（注：也称为打标签），进而形成某病种的知识图谱，再应用到门诊与临床诊断中，如此循环往复，持续提高精度，直至达到实用的级别，再向外推广应用。

高洪福，清华大学研究生，具有二十多年甲、乙方企业信息建设、管理与服务跨界实践，擅长IT治理、服务管理、信息化建设等，其倡导的金阳光ICT服务、嵌入式服务模式、主动式服务产品、基于客户感知的服务理念使之成为影响国内IT服务实践发展进程的重要推手。

个人邮件：gaohfd@126.com

那问题就来了:一个有效的样本是需要长时间跟踪、采集、观察、分析、标注、归类的，根据病种的不同，对样本的数量，以及每个样本的跟踪时间都是有科学的测算标准的，其中越是有那价值的病种，其需要跟踪的时间越是长达十几、二十年，同时为保证质量和最终结果的实用性，必须同时采样的样本基数又需要高达上千份以上，也难怪当投身其中的公司在发现这个本质后，绝大多数都坚持不下去了。

那么，要怎么样做，才能取得实实在在的成果呢？

首先，要确定可实现的目标。由于高端医疗资源的稀缺性，最好把项目的范围尽可能聚焦，根据可用资源情况，主要指符合要求的高端医师的时间、精力，以及可取得和跟踪的有效样本，把目标定在某具体病种，甚至是子病种上，避免撒胡椒面式的分散投资，因面太广却无法持续的情况发生，才有可能在某聚焦领域取得实用成果。

其次，要有长期的规划。鉴于这类项目需要很长时间的样本积累，极其考验项目方的运作能力，所以一定要制定比较长远的计划，在技术、资金、人员，以及资源的使用上都要有打持久战的准备，还要有在相当长的时间内（注：10-20年）只能产生阶段性成果，而无法通过产出可实用的成果，并进而通过推广成果产生应用收益的共识，这才是合作方立项的基础。

最后，要广泛的协作。正是因为此类项目时间跨度特别长，甚至有可能跨越了单一组织（公司）的生命周期，所以要形成接力棒式的组织形式，如建立联合实验室、联盟、项目公司等，甚至借鉴开源、众筹等模式，整合尽可能多的社会资源共同开发、共享成果，才能避免资源的重复浪费，从日积月累到累变引起质变。

随着信息技术的越来越成熟，越来越多资本的加入，越来越多高端医疗资源的重视，都预示着AI辅助诊断已成为大数据与人工智能应用的新风口，但如果不看清事物的本质，并采取正确的路径推进，最终当强风刮过之后，依然会一地鸡毛。

—IT语录：只有脚踏实地，才有AI看片的未来！

“胡主任，听说A公司那个项目干不下去了，让我们接手吧，我们可是刚拿到新一轮融资，准备靠AI应用上市呢！”

“离我远点！”

……

胡主任是真受到伤害了。