一直以來，我國醫(yī)療都存在醫(yī)生培養(yǎng)周期長，誤診率高，優(yōu)質(zhì)醫(yī)療資源供配不均等痛點，這使得看病難、看病貴已成不易根治的“頑疾”。而近兩年來，隨著人工智能走進醫(yī)療領(lǐng)域，醫(yī)療成了AI落地的又一萬億級場景，成為眾多企業(yè)競相涌入的風(fēng)口，然而AI的賦能真的能有效地消除這些“頑疾”嗎？AI+醫(yī)療的痛點又在哪里呢？

五年前，IBM Watson高調(diào)進軍醫(yī)療領(lǐng)域，并于2015年實現(xiàn)Watson系統(tǒng)的商用，為醫(yī)院提供癌癥的輔助診療服務(wù)，成為全球AI醫(yī)療行業(yè)的領(lǐng)導(dǎo)者。然而近幾年，IBM Watson的發(fā)展并不如預(yù)期那般順利，2017年2月，休斯敦安德森癌癥研究中心（MD Anderson Cancer Center）終止了與IBM Watson的合作，稱其輔助診療效果始終達不到預(yù)期。2018年5月24日，IBM Watson又傳出對醫(yī)療部門大幅度裁員的消息，其背后暴露的問題不禁令人反思。

數(shù)據(jù)是AI醫(yī)療發(fā)展一大瓶頸

實際上，當(dāng)人工智能打破了算法算力的技術(shù)壁壘之后，也愈發(fā)凸顯其對數(shù)據(jù)的依賴性，而Watson系統(tǒng)在醫(yī)療診斷時頻頻出錯的根本原因之一正是數(shù)據(jù)問題。雖然X光掃描識別惡性腫瘤并不算太難，但要制定出某種癌癥的治療方案是一件很復(fù)雜的事情，影像診斷需要經(jīng)過大量專業(yè)醫(yī)師標注的數(shù)據(jù)進行模型訓(xùn)練才行。但根據(jù)IBM的內(nèi)部文件，Watson使用的訓(xùn)練數(shù)據(jù)并不豐富，例如，訓(xùn)練肺癌治療方案的數(shù)據(jù)僅有635例，況且這些數(shù)據(jù)并非全部來自真實患者，有些是來自合成的案例或假設(shè)的患者。

此外，北美對醫(yī)療數(shù)據(jù)有嚴格的隱私保護機制，并且每種疾病所需要的數(shù)據(jù)都不同，數(shù)據(jù)碎片化問題嚴重，這些因素便導(dǎo)致了數(shù)據(jù)獲取途徑困難且成本高昂。醫(yī)療數(shù)據(jù)成為了影像診斷行業(yè)發(fā)展的瓶頸。

而在我國，數(shù)據(jù)歸醫(yī)療機構(gòu)和患者所共有，并且在2017年的《“十三五”全國人口健康信息化發(fā)展規(guī)劃》中，國家提出了要有序推動人口健康信息基礎(chǔ)資源大數(shù)據(jù)的開放和共享的政策方針。在政策支持下，三家醫(yī)療大數(shù)據(jù)公司也開始積極建設(shè)醫(yī)療數(shù)據(jù)庫，這給AI醫(yī)療的發(fā)展提供了很大的技術(shù)和數(shù)據(jù)支持。因此解決數(shù)據(jù)問題，是助推我國AI醫(yī)療實現(xiàn)彎道超車的關(guān)鍵點。

我國醫(yī)療大數(shù)據(jù)在質(zhì)量上也不容樂觀

然而在我國醫(yī)療領(lǐng)域，作為AI醫(yī)療發(fā)展基石的醫(yī)療大數(shù)據(jù)在質(zhì)量上也不容樂觀。

就電子醫(yī)療記錄而言，雖然目前醫(yī)院普及率很高，但其可及性和數(shù)據(jù)質(zhì)量都并非最優(yōu)，并且不同醫(yī)院使用的信息系統(tǒng)提供者達300多家，其數(shù)據(jù)結(jié)構(gòu)和標準都有所差異。

除此之外，由于醫(yī)療資源分配不均衡，我國各地區(qū)醫(yī)生水平參差不齊，醫(yī)療欠發(fā)達地區(qū)的誤診率遠超一線城市，從而導(dǎo)致了整體疾病診斷正確率偏差很大。

“就像十年前我們討論用數(shù)據(jù)做知識研究的時候，中國面臨一個最大的問題就是中國的數(shù)據(jù)質(zhì)量目前是不太可靠的，不可靠的原因就是疾病診斷不對。以我們拿到的北京中風(fēng)病人數(shù)據(jù)為例，北京能夠收中風(fēng)病人的醫(yī)院是130家，大概每年住院病人14萬人，診斷正確率是72%，另外的28%診斷都是錯的?！?，北京天壇醫(yī)院王擁軍院長在GMIC生命科學(xué)如是說道。

我國醫(yī)療大數(shù)據(jù)之所以質(zhì)量低下，一方面是因為高誤診率，另一方面則是因為缺乏標準化的臨床術(shù)語語義體系。雖然自2002年我國已采用了國際疾病編碼和國際手術(shù)編碼，但單憑這兩大術(shù)語并不能覆蓋醫(yī)療記錄中所有臨床信息，并且目前應(yīng)用較為廣泛的醫(yī)學(xué)系統(tǒng)命名法在我國并不使用。因此只有做好醫(yī)學(xué)術(shù)語管理，才能挖掘出醫(yī)療大數(shù)據(jù)背后的真正含義。

除此之外，醫(yī)療大數(shù)據(jù)的隱私問題也不容忽視，但目前我國并無相關(guān)具體法律或指引，在不影響數(shù)據(jù)完整性的基礎(chǔ)上出臺隱私保護規(guī)則也很必要。

醫(yī)療大數(shù)據(jù)對人工智能在醫(yī)療領(lǐng)域的發(fā)展至關(guān)重要，在提高診斷準確性和優(yōu)化臨床決策等方面發(fā)揮著巨大作用，我國AI醫(yī)療行業(yè)要想取得實質(zhì)性發(fā)展，進一步完善數(shù)據(jù)系統(tǒng)，發(fā)展大數(shù)據(jù)收集、儲存、整合、管理和應(yīng)用等各種新技術(shù)是關(guān)鍵一步。