人工智能撬动智慧医疗

近日，国务院发布《新一代人工智能发展规划》（以下简称《规划》），明确将人工智能（AI）作为未来国家重要的发展战略。其中在发展便捷高效的智能服务中，智慧医疗赫然在列。

《规划》在政策板块中提到要‘研究完善适应人工智能的教育、医疗、保险、社会救助等政策体系，有效应对人工智能带来的社会问题’，可见国家对人工智能在医疗行业的应用将在全方位大力支持。中国科学院院士、上海交通大学Bio-X中心主任贺林在解读《规划》时说。

日前，人工智能已应用到医学影像识别、疾病辅助诊断、外科手术、基因测序以及医疗大数据等许多方面，工业机器人维修，《规划》的出台或将促使AI+医疗迎来爆发。

释放利好信号

智慧医疗以人工智能技术为工具，取代人工基因测序、诊断治疗、手术操作等的部分工作环节，提供基于大数据的系统化精准精细医疗服务。

《规划》对智慧医疗发展提出了多个方向：推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系；探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊；基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化等。

贺林对《中国科学报》记者表示，现有的人工智能应用多集中在医学影像、病理图片的识别和有限几种疾病（如肺癌、肺结节、宫颈癌）的筛查和辅助诊断方面。本次《规划》在肯定这些应用的同时，也鼓励企业或个人在手术机器人、可穿戴设备、新药开发、精准医学研究、流行病学防控、医院管理等方面加强人工智能的应用。

特别是在精准医学研究方面，自去年国家科技重大专项十三五发展规划精准医学研究重点专项计划正式启动以来，全国各地开展的基因组学、蛋白质组学和代谢组学等研究已经产生了大量的生物医学数据，亟待人工智能方面的专家加入进来，在这些数据中高效地挖掘出合理的可用于精准预测、诊断、预后的数理模型，协助指导临床工作。

不仅如此，贺林表示，在复杂性疾病中，也亟需人工智能构建出隐藏在中国人群中的分子病理亚型结构，更新临床医生对我国人群疾病状态的现有认识，有利于更客观的群体性诊疗规范或指南的制定以及上述数理模型对大局的把握。

直击医疗痛点

人工智能的最大特点就是高效的计算和精准的分析与决策，这一点刚好击中现在的医疗痛点，或能从根本上解决医疗资源供不应求的局面。

人工智能可以为医生提供完整和有效的信息，从而为疾病的诊断和治疗提供科学、可靠的依据。中国工程院院士刘昌孝对《中国科学报》记者表示，人工智能可以极大提高医学数据的测定和分析过程的自动化程度，从而大大提高工作的速度，减轻医生的工作强度和减少主观随意性。

不仅如此，刘昌孝指出，人工智能还可以集中专家知识，辅助医生作出更为可靠和正确的诊断，丰富系统的知识积累和分析，提高医学水平，也可以从大规模的医学历史数据中发现规律和知识，从而为未来疾病防控提供决策支持。

谈及医疗行业的人工智能，IBM的WatsonHealth（沃森健康）是公认的成熟的解决方案，它对脑瘤基因组信息的分析和解读速度比人类专家快了近10倍。近日，IBM沃森仅用10秒就开出了癌症处方，再次把AI+医疗推向高潮。

作为沃森健康中国地区的主要战略合作伙伴，百洋医药集团董事长付钢近日对《中国科学报》记者表示，目前国内的优质医疗资源紧张，很多地方的患者采用的肿瘤治疗方案不够规范。而人工智能可以基于患者个人的行为习惯、心理因素、过往病史、基因等信息产生更多的思考，并通过对海量数据进行分析，早期筛查出肿瘤踪迹并对肿瘤治疗提供更精准的建议。

人工智能还可通过图形识别在影像识别这方面发挥价值。爱康集团创始人、董事长兼CEO张黎刚举例说，通过CT进行肺癌筛查后会发现很多小结节，现在都是根据放射科医生的经验来判断是恶性还是良性，但只要是人工判断就可能会出错。人工智能则可以根据已经确诊癌症的患者前几年的CT片子来建立自我学习的模型，之后就可以判断各种结节到底是不是肺癌。

贺林表示，在医院管理方面，如何实时而快速地根据病人的情况和医生的专业信息，下达分级诊疗的建议和安排、组织高效的多学科会诊活动；或使用智能诊疗助手或分诊系统减轻患者在诊疗过程中的常见疑问给医务人员带来的重复劳动力负担，都是医疗行业值得尝试和推广的技术。

落地仍处磨合期

人工智能的确能为智慧医疗产业带来足够的惊喜，不过，贺林表示，目前国内还没有一款医疗领域的人工智能产品得到国家食品药品监督管理局的批准，相关收费也没有进入医保目录，库卡机器人，人工智能对于国内医疗行业来说仍然是新兴事物，带来客观性和便捷性的同时，需要与现有的医疗模式一同经历磨合期。

临床医生需要在试用中逐步建立对人工智能的信任感，才能实现后期良好的人机协作，这一点实际上对人工智能产品的服务质量提出了较高的要求。贺林说。

以当下热门的医学影像辅助诊断的产品为例，这些产品背后的数理模型往往在经过足够多的高质量临床影像数据训练之后，才能达到普适性更强、准确度更高的诊断或分类效果，因此前期需要和各大医院合作，投入大量时间和资金。

然而，从平均水平来看，国内医院现有业务产出的医疗数据质量普遍不高，特别是病历数据，不同医院写法不同，详略质量参差不齐，同一个病人在不同医院就诊的数据无法链接、整合、形成队列，碎片化程度高；对影像数据而言，图片质量标准化程度低，带专业标注的影像图片更需要额外制作；这些都给进一步优化现有人工智能产品带来了阻碍。

由于医疗中的数据问题比比皆是，刘昌孝也提出在医疗领域实施机器学习时的一些担心：一是学习训练应用人工智能‘专业数据库’的缺乏；二是管理科学操作性，如在隐私伦理、记录识别、健康数据保险流通等问题很难实现合法性。

刘昌孝指出，设计的人工智能技术解决方案要想顺利运用到临床实践和病人护理中，需要高层次专家的综合分析能力来实现。否则，错误的解决方案甚至可能对医疗保健行业造成伤害。对于很多临床医生和实践者来说，实施并整合技术是一大难点和挑战。

在技术层面，贺林表示，人工智能在用于获取信息的设备上还存在较大的发展空间。比如基因组信息，目前基本上还依赖大型的测序仪器，个人甚至部分医院都无法独立开展测序操作。不过，他认为，未来随着医疗领域对人工智能认可度和配合度的进一步提高以及人工智能算法在容错性方面的改进，上述情况应该会得到改善。

人机协同是关键

人工智能和医疗大数据的应用将会推动整个医疗行业发生前所未有的变革。如果把医师比作是飞行员，一旦给医师们赋予了医疗领域的智能导航系统，那么医疗服务才有机会‘飞得更高’。张黎刚对记者说。