人工智能撬動智慧醫療
近日，國務院發布《新一代人工智能發展規劃》（以下簡稱《規劃》），明確將人工智能（AI）作為未來國家重要的發展戰略。其中在發展便捷高效的智能服務中，智慧醫療赫然在列。
《規劃》在政策板塊中提到要‘研究完善適應人工智能的教育、醫療、保險、社會救助等政策體系，有效應對人工智能帶來的社會問題’，可見國家對人工智能在醫療行業的應用將在全方位大力支持。中國科學院院士、上海交通大學Bio-X中心主任賀林在解讀《規劃》時說。
日前，人工智能已應用到醫學影像識別、疾病輔助診斷、外科手術、基因測序以及醫療大數據等許多方面，工業機器人維修，《規劃》的出臺或將促使AI+醫療迎來爆發。
釋放利好信號
智慧醫療以人工智能技術為工具，取代人工基因測序、診斷治療、手術操作等的部分工作環節，提供基于大數據的系統化精準精細醫療服務。
《規劃》對智慧醫療發展提出了多個方向：推廣應用人工智能治療新模式新手段，建立快速精準的智能醫療體系；探索智慧醫院建設，開發人機協同的手術機器人、智能診療助手，研發柔性可穿戴、生物兼容的生理監測系統，研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診；基于人工智能開展大規�；蚪M識別、蛋白組學、代謝組學等研究和新藥研發，推進醫藥監管智能化等。
賀林對《中國科學報》記者表示，現有的人工智能應用多集中在醫學影像、病理圖片的識別和有限幾種疾病（如肺癌、肺結節、宮頸癌）的篩查和輔助診斷方面。本次《規劃》在肯定這些應用的同時，也鼓勵企業或個人在手術機器人、可穿戴設備、新藥開發、精準醫學研究、流行病學防控、醫院管理等方面加強人工智能的應用。
特別是在精準醫學研究方面，自去年國家科技重大專項十三五發展規劃精準醫學研究重點專項計劃正式啟動以來，全國各地開展的基因組學、蛋白質組學和代謝組學等研究已經產生了大量的生物醫學數據，亟待人工智能方面的專家加入進來，在這些數據中高效地挖掘出合理的可用于精準預測、診斷、預后的數理模型，協助指導臨床工作。
不僅如此，賀林表示，在復雜性疾病中，也亟需人工智能構建出隱藏在中國人群中的分子病理亞型結構，更新臨床醫生對我國人群疾病狀態的現有認識，有利于更客觀的群體性診療規范或指南的制定以及上述數理模型對大局的把握。
直擊醫療痛點
人工智能的最大特點就是高效的計算和精準的分析與決策，這一點剛好擊中現在的醫療痛點，或能從根本上解決醫療資源供不應求的局面。
人工智能可以為醫生提供完整和有效的信息，從而為疾病的診斷和治療提供科學、可靠的依據。中國工程院院士劉昌孝對《中國科學報》記者表示，人工智能可以極大提高醫學數據的測定和分析過程的自動化程度，從而大大提高工作的速度，減輕醫生的工作強度和減少主觀隨意性。
不僅如此，劉昌孝指出，人工智能還可以集中專家知識，輔助醫生作出更為可靠和正確的診斷，豐富系統的知識積累和分析，提高醫學水平，也可以從大規模的醫學歷史數據中發現規律和知識，從而為未來疾病防控提供決策支持。
談及醫療行業的人工智能，IBM的WatsonHealth（沃森健康）是公認的成熟的解決方案，它對腦瘤基因組信息的分析和解讀速度比人類專家快了近10倍。近日，IBM沃森僅用10秒就開出了癌癥處方，再次把AI+醫療推向高潮。
作為沃森健康中國地區的主要戰略合作伙伴，百洋醫藥集團董事長付鋼近日對《中國科學報》記者表示，目前國內的優質醫療資源緊張，很多地方的患者采用的腫瘤治療方案不夠規范。而人工智能可以基于患者個人的行為習慣、心理因素、過往病史、基因等信息產生更多的思考，并通過對海量數據進行分析，早期篩查出腫瘤蹤跡并對腫瘤治療提供更精準的建議。
人工智能還可通過圖形識別在影像識別這方面發揮價值。愛康集團創始人、董事長兼CEO張黎剛舉例說，通過CT進行肺癌篩查后會發現很多小結節，現在都是根據放射科醫生的經驗來判斷是惡性還是良性，但只要是人工判斷就可能會出錯。人工智能則可以根據已經確診癌癥的患者前幾年的CT片子來建立自我學習的模型，之后就可以判斷各種結節到底是不是肺癌。
賀林表示，在醫院管理方面，如何實時而快速地根據病人的情況和醫生的專業信息，下達分級診療的建議和安排、組織高效的多學科會診活動；或使用智能診療助手或分診系統減輕患者在診療過程中的常見疑問給醫務人員帶來的重復勞動力負擔，都是醫療行業值得嘗試和推廣的技術。
落地仍處磨合期
人工智能的確能為智慧醫療產業帶來足夠的驚喜，不過，賀林表示，目前國內還沒有一款醫療領域的人工智能產品得到國家食品藥品監督管理局的批準，相關收費也沒有進入醫保目錄，庫卡機器人，人工智能對于國內醫療行業來說仍然是新興事物，帶來客觀性和便捷性的同時，需要與現有的醫療模式一同經歷磨合期。
臨床醫生需要在試用中逐步建立對人工智能的信任感，才能實現后期良好的人機協作，這一點實際上對人工智能產品的服務質量提出了較高的要求。賀林說。
以當下熱門的醫學影像輔助診斷的產品為例，這些產品背后的數理模型往往在經過足夠多的高質量臨床影像數據訓練之后，才能達到普適性更強、準確度更高的診斷或分類效果，因此前期需要和各大醫院合作，投入大量時間和資金。
然而，從平均水平來看，國內醫院現有業務產出的醫療數據質量普遍不高，特別是病歷數據，不同醫院寫法不同，詳略質量參差不齊，同一個病人在不同醫院就診的數據無法鏈接、整合、形成隊列，碎片化程度高；對影像數據而言，圖片質量標準化程度低，帶專業標注的影像圖片更需要額外制作；這些都給進一步優化現有人工智能產品帶來了阻礙。
由于醫療中的數據問題比比皆是，劉昌孝也提出在醫療領域實施機器學習時的一些擔心：一是學習訓練應用人工智能‘專業數據庫’的缺乏；二是管理科學操作性，如在隱私倫理、記錄識別、健康數據保險流通等問題很難實現合法性。
劉昌孝指出，設計的人工智能技術解決方案要想順利運用到臨床實踐和病人護理中，需要高層次專家的綜合分析能力來實現。否則，錯誤的解決方案甚至可能對醫療保健行業造成傷害。對于很多臨床醫生和實踐者來說，實施并整合技術是一大難點和挑戰。
在技術層面，賀林表示，人工智能在用于獲取信息的設備上還存在較大的發展空間。比如基因組信息，目前基本上還依賴大型的測序儀器，個人甚至部分醫院都無法獨立開展測序操作。不過，他認為，未來隨著醫療領域對人工智能認可度和配合度的進一步提高以及人工智能算法在容錯性方面的改進，上述情況應該會得到改善。
人機協同是關鍵
人工智能和醫療大數據的應用將會推動整個醫療行業發生前所未有的變革。如果把醫師比作是飛行員，一旦給醫師們賦予了醫療領域的智能導航系統，那么醫療服務才有機會‘飛得更高’。張黎剛對記者說。