科技猎AI代替传统医疗，建立消费者互通桥梁是否可行
【编者按】人工智能技术发展已趋成熟，透过AI医疗影像诊断疾病的准成率随之而长。有效的AI医疗影像可大大提升医疗水平；反之亦然。因此，为使AI科技和医疗配合更上层楼，未来还需要更多革命性的改进。
本文首发于AI基地，作者吉吉吴；经亿欧大健康编辑，供业内人士参考。
AI代替资深医师？躺在医院吃灰是AI医疗影像的结局
人工智能 技术作为新兴的技术力量，驱动传统产业的升级转型。具备革命气质的人工智能正与古老而保守的医疗体系相互交织，在激烈的碰撞与融合中推进医疗体系智能化改革的进程，使人工智能始终走向在服务人类的轨道上。
AI医疗 影像硕果累累， 疾病筛查 率居高不下？
医疗影像行业门槛高、体量大，工作量繁杂且庞大，且日益增长的医学影像数据与放射科医师数量的增长速率极不匹配，导致医疗影响行业人才供给与市场需求之间出现断层。人工智能作为一种效率工具，能够在解放人力的同时提升阅片速度与诊断效率，赋能医疗诊断的全流程。 AI医疗影像 也因此成为AI企业寻求技术落地的最佳窗口，也是AI医疗中最具落地价值的板块。
伴随着人工智能落地潮的开启，寻求合适的落地场景，快速找到技术商业化变现的道路成为AI企业发展的第一准则。因此，技术成果的数量与质量成为彰显企业商业价值的维度之一。
在医疗影像领域，关于疾病筛查以及疾病诊断等AI模型识别的准确率则成了衡量技术具体使用成效的标准。华为与中国内地第三方医学检验机构金域医学合作研发了AI辅助宫颈癌筛查模型在排阴率高于60%的基础上，阴性片判读的正确率高于99%，阳性病变的检出率也超过99.9%。腾讯觅影研发的AI眼底疾病筛查系统支持7大常见眼底疾病与20余种罕见眼底疾病的检测，并能在几秒内检测出结果，准确率堪比资深医师。
类似的AI筛查诊断系统还有很多，层出不穷的AI疾病筛查模型，居高不下的AI筛查准确率，令人惊叹的诊断速度似乎昭示着AI医疗影像技术成熟水平已臻至化境。
AI医疗影像矛与盾：双重保险下的误诊危机
经过几十年的积累与沉淀，人工智能技术正在经历过从能用到好用的阶段，应用落地场景也处于逐渐开拓与深化的阶段中，AI企业间的角逐也更加激烈，AI技术的发展也逐步进入垂直细分领域，医疗影像以入场容易以及标准化程度相对成熟而被认为是最早能够实现AI落地的场景之一。
“降低人力成本”、“缓解医疗人员的工作压力”、“媲美甚至超越资深医师的诊断效率与能力”是媒体以及企业想要传达给医疗机构以及大众的认知，这也是企业开启AI技术商业化大门的钥匙。得益于AI影像技术的正面宣传，其被认为是医生最得力的医疗助手，能够在医生+AI的双重审核下降低误诊效率。
据乐晴智库数据显示， 中国每年的影像误诊人数约为5700万。事实上，AI技术并未造成误诊人员的大幅缩减，AI影像技术倒也是上演了一回“图片仅供参考”。
除此之外，已有的AI诊断模型准确率并未达到100%，差之毫厘，谬以千里，这句话放这里再合适不过。
“最初我们很期待，但用了之后发现不太习惯，加上刚开始系统可能不稳定、准确率也不高或漏诊或多筛，作用没有想象中那么大。用AI看一遍，自己再检查一遍，也没有节省时间。”一家使用依图医疗以及推想科技影像技术的医院人员如是说。
事实上，出于绝对的安全性，AI医疗影像与最初研发的初衷相违背，反而增加了医生的工作量，着实有些偷鸡不成蚀把米。
锦上添花or雪中送炭？
事实证明，在企业过于追求技术落地忽视产品打磨的时候，AI医疗影像与众多的AI技术一样，预期远超实际效果，产品噱头远不及实际实力。
AI医疗影像领域内的企业并未将业务中心放于产品打磨以及追寻清晰的商业模式与盈利场景上，导致医院的付费意愿很低。现阶段，AI医疗影像产品能力盈利受限的根本原因在于企业并未找到真正合适的应用场景，且产品并未满足医疗机构的真正刚需，就像滴滴打车之于用户出行，电视之于家庭娱乐，是锦上添花而非雪中送炭也。
新技术的崛起决定了其将在去泡沫化的过程中需要历经锤炼，达到能够解决实际问题的水平，这样才能革命性提升医疗能力与服务水平。针对医疗影像领域而言，企业需要构建医疗领域的标准化数据库，持续优化算法模型，为企业自身建立起护城河。除了确保技术的高壁垒性以外，企业还需要实际场景出发，洞察用户的真正需求，构建医院、市场和消费者互联互通的桥梁，最终撬起AI医疗大时代的生态繁荣。
2019年7月25日-27日，亿欧大健康将主办
“GIIS 2019第四届中国大健康产业升级峰会”
，峰会以“雁栖健谈——从【规模】到【价值】的医疗变革”为主题，围绕医疗大数据、医药创新、非公医疗和科技医疗四大细分领域的市场环境、投资热点和产业变革等话题展开探讨。
活动报名链接：
https://www.iyiou.com/post/ad/id/785
本文已标注来源和出处，版权归原作者所有，如有侵权，请联系我们。