医疗人工智能遭遇三大发展困境

技术难题须突破 准入门槛待明确 商业模式未建立

通过语音交流，机器人能够帮助患者进行导诊；阅读影像资料之后，机器能够出具诊断报告……随着科技的进步，人工智能（AI）医疗逐步从前沿技术转变为现实应用。

然而，《经济参考报》记者了解到，我国医疗人工智能在快速发展的过程中，面临着三大发展困境：技术难题有待突破，准入门槛有待监管层加以明确，商业模式也亟待建立。对此，专家建议，由国家主导数据库建设，打破数据壁垒实现医疗数据共享，尽快制定标准，促进高端人才聚集，以实现全方位突破。

应用前景广阔

广州市妇女儿童医疗中心主任夏慧敏认为，当前我国面临人口老龄化、医疗资源供需严重失衡以及地域分配不均等问题，催生了对医疗人工智能的巨大需求；同时，我国人口基数大、市场应用规模广等特点，又给人工智能的发展提供了很好的基础。因此，发展医疗人工智能的意义不言而喻。

首先是缓解医疗人力资源紧张状况。夏慧敏认为，在当前我国优质医疗人力资源欠缺的背景下，有了医疗人工智能的帮助，一方面，基层和偏远地区的患者可通过远程人工智能医疗获得发达地区医疗机构和医务人员的服务，提高医疗人力资源的使用效率；另一方面，借助人工智能对病人就医大数据分析，可以优化医院的医疗服务结构和流程。

其次是重构医疗服务模式，变“治疗”为“预防”，将被动就诊改为随时随地的健康服务。专家认为，人工智能可以高效、精准整合医学检验数据，让患者拥有自己的电子健康档案并形成健康大数据。通过智能的可移动终端和可穿戴设备等的监测，医疗机构及其医务人员就能主动发现健康状况异常的个体和人群，提前给予健康风险提示、健康改进或医疗措施建议。医疗人工智能还可以通过智能工具的分析、整理和归纳，从群体和个体双重角度总结出疾病预防、诊断、治疗和康复的规律。

再次是助力国家制定更加科学的医疗卫生政策。中国工程院院士、中华医学会副会长李兰娟认为，人工智能通过海量的数据模拟出医疗流程、医疗诊断、医疗建议和治疗方案，这将是医疗卫生方面一个大的变革。大数据智能诊疗技术日新月异，将推动公共卫生政策的制定更为科学。

业内人士认为，我国有望凭借这些优势实现在医疗人工智能领域的“弯道超车”，与此同时，随着人工智能逐步从前沿技术转变为现实应用，或将为当前医疗格局带来重大变革。

技术有待突破

《经济参考报》记者走访发现，目前我国人工智能医疗仍面临技术难题。据了解，海量大数据和计算能力是人工智能发展的必备要素，特别是在医疗数据共享方面，目前我国亟须补足短板。

“数据孤岛”现象与数据标准不统一，使得医疗数据难以实现共享。人工智能的准确性需要学习大量的数据，专家认为，我们国家在医院病例数方面有很大优势，但由于医疗数据没有共享，存在“孤岛”现象，不利于人工智能技术发展。

为全国两万多家医疗机构定制软件的智业互联（厦门）健康科技有限公司总经理侯浩天告诉记者，医院使用人工智能产品时，需要和互联网公司连接，然而这个对接过程中出现一些难题：医院的系统之前相对封闭，不同医院的电子系统由不同的企业承建，企业之间的系统又存在壁垒。

侯浩天说，人工智能企业很难对不同客户医院反馈的数据进行整合研究，这也就限制了人工智能机器的反馈训练，怎样把医院的信息合理、合法地向外网开放，仍然面临着挑战。

此外，数据录入欠缺标准。广州金域医学检验集团股份有限公司首席科学官于世辉介绍，以病理人工智能辅助诊断机构为例，企业训练模型的数据来源通常是公开数据集，或者企业与个别医院合作获得的扫描图片数据。于世辉举例说，人工智能做膜性肾病的研究学习需要阳性标本一万多例，广东一家著名医科大学专业团队积累多年才有两千多份标本，金域医学虽有两万多份标本，但想要合作就要把每一个标本重新标注，让机器在同样一个疾病分类标准下深度学习。我们国家有很多肾脏病分类体系，标准不统一导致大量优质数据无法为医疗人工智能的发展服务。

专家表示，以肺结节CT筛查为例，目前业内对肺结节、糖网病检查等场景的医疗人工智能产品诊断准确率普遍很高，但企业在训练自己的模型时通常有自己的数据库，各自的算法都是按照自己的数据进行训练，然后以自己的数据来验证准确性。

第二，在人工智能输入的数据和其输出的答案之间，通常存在着无法洞悉的“隐层”，它被称为“黑箱”，“黑箱”存在的后果就是难以判断人工智能是否出错。“如果能让医生看到计算机是怎么想的、怎么得出结论的，就能让人类更相信计算机，让人类更加对它放心。”广州市妇女儿童医疗中心教授张康说。

路径尚待明确

从监管层面来看，人工智能刚刚应用于医疗健康领域，一些监管政策还有待明确，人才积累仍显不足，而可持续的商业模式也亟待建立。

一是准入政策不明朗。“药品和器械在国家的监管层面有很详细的规定，但是医疗人工智能产品是新产品，详细的标准还在制定中。”上海长征医院影像医学与核医学科主任刘士远说，目前已经有九项医学人工智能产品向国家药品监督管理局申报三类器械，但没有一个被批准，用什么样的标准和规范也仍在讨论当中。

2017年国家药品监督管理总局发布的《医疗器械分类目录》中的分类规定，若诊断软件通过算法提供诊断建议，仅有辅助诊断功能不直接给出诊断结论，则按照二类医疗器械申报认证；如果对病变部位进行自动识别并提供明确诊断提示，则必须按照第三类医疗器械进行临床验证管理。业内人士介绍，目前我国有部分企业已经申请了二类证，但申报三类器械的产品都尚未得到认证。

二是人才缺口大。据业内统计，目前我国人工智能行业的从业人员不足5万人，每年通过高校培养出来的技术人员也不足2000人，而在人工智能行业从业者中，美国拥有10年以上工作经验的人才占比接近50%，我国只有不到25%。

不仅如此，夏慧敏认为，人工智能从实验室走到临床、更好为临床服务，最重要的是能够找到医疗中的痛点和急需解决的问题，当前很多医疗人工智能团队都是算法工程师在主导，既懂医学、又懂计算机的复合型人才在中国相对紧缺。

三是可持续的商业模式亟待建立。金蝶医疗软件科技有限公司总经理尹治国表示，医疗人工智能产品期望能以销售软件的形式让医院付费，以建立可持续的商业模式，但是目前来说直接向消费者收费并不现实，如何构建商业模式形成商业闭环，业界仍在探索。

   【 相关阅读 】

    专家：以医疗数据共享为基础 发挥优势全面突破

业界普遍认为，从技术、商业模式及政策等多方面来看，医疗人工智能未来的发展机遇与挑战并存，“火势燎原”之后，还需要稳健的模式和理性的市场来验证。对此，广州市妇女儿童医疗中心主任夏慧敏、广州金域医学检验集团股份有限公司首席科学官于世辉等专家建议：

国家主导数据库建设，连接“孤岛”，实现医疗数据共享。于世辉认为，人工智能其实是重新创造数据的过程，数据壁垒、样本壁垒最根本的问题还是企业、机构维护各自的利益。解决数据共享的问题需要政府主导、企业参与，联合形成样本库，解决数据的标准化问题。

明确针对医疗人工智能诊断进入临床应用的法律标准。对于“人工智能诊断的主体在法律上是医生还是医疗器械”，业内建议，目前医疗影像人工智能已经进入了发展的关键阶段，其重中之重就是做好标准建设，完善相关政策。根据美国经验，以医疗影像产品为例，一是用于检测身体状况，二是用于评估疾病，前者属于二类器械，后者则是风险级别更高的三类器械。目前，美国食品药品监督管理局通过的医疗影像人工智能产品大多定性为二类设备，在对这类设备的审批方面已经积累了很多经验，可以提供相应的审批标准。

建议通过政企合作促进高端人才聚集。2017年科技部公布首批国家人工智能开放创新平台名单，百度、阿里云、腾讯、科大讯飞等四大企业入围，企业深度参与交叉学科的研究，将为国家人工智能发展聚集大量人才资源，进一步推进产学研合作。专家认为，中国有可能在自动驾驶、语音识别等技术上取得世界级的成果，有望整合这些领域的研究人才，深度参与医学人工智能。

发挥现有优势嫁接算法实现“弯道超车”。夏慧敏建议，中国企业应借助大数据开发的优势，利用已有的国际共享平台进行引进消化吸收再创新，例如通过谷歌平台开发的新算法，通过“迁移学习”举一反三，就能够在短时间内、在一些项目上达到甚至超越国际先进水平，并且以点带面形成大规模的全面优势。

  国内外巨头纷纷布局医疗人工智能

    近年来，人工智能技术与医疗健康领域的融合不断加深，以人工智能医疗发展最为迅速的美国为例，科技巨头和资本巨头都在积极布局智能医疗产业，大批专注细分领域的初创公司也蓄势待发。

IBM、谷歌、微软等科技巨头近年来都在布局人工智能医疗。例如IBM Watson能够快速筛选癌症患者记录，为医生提供可供选择的循证治疗方案；谷歌在糖尿病、神经性疾病诊疗和医疗器械的研究方面发力，谷歌deepmind与英国国家健康体系（NHS）合作共同开发新技术；微软发布了面向个人的健康管理平台，整合不同的健康及健身设备搜集的数据，苹果、脸谱等公司也通过设立医疗健康部门、开发医疗健康类应用、收购医疗健康类初创企业等方式，逐步踏入医疗健康行业。

 

责任编辑：陈近梅