隨著新興技術的發(fā)展，醫(yī)療產(chǎn)業(yè)作為AI與垂直行業(yè)緊密結合的一個重點領域，已經(jīng)越來越多地落地到實際運用場景中。根據(jù)前瞻產(chǎn)業(yè)研究院發(fā)布的報告，中國醫(yī)療AI的市場規(guī)模在2016年已達到96.61億元，有望在2018年達到200億元。

從幾秒成像的智能CT輔助影像診斷系統(tǒng)，到涵蓋量血壓測脈搏的自助導診儀，在上海一些三甲醫(yī)院的急診大廳或是醫(yī)務人員的辦公室，都可以找到AI(人工智能)技術的身影。

上海交通大學人工智能研究院副院長王延峰告訴記者，當前AI在醫(yī)療領域產(chǎn)生還未產(chǎn)生變革性的創(chuàng)新，但已經(jīng)開始運用的這些場景對于提高醫(yī)生的診療效率是毋庸置疑的，AI可以幫醫(yī)生完成冗余重復、低技術含量的工作，成為超級助手，更大效能發(fā)揮醫(yī)生的醫(yī)學專業(yè)技術。

醫(yī)學影像領域是AI發(fā)力重點

從全球?qū)用婵?，美、英、日等國均高度重視AI在醫(yī)療領域的應用。

中國信通院《人工智能發(fā)展白皮書產(chǎn)業(yè)應用篇》顯示，美國的FDA(食品藥品監(jiān)督管理局)實施了“數(shù)字健康創(chuàng)新行動計劃”，重構數(shù)字健康產(chǎn)品監(jiān)督體系，并單獨組建成立AI與數(shù)字醫(yī)療審評部，加速 AI 醫(yī)療發(fā)展;英國 NHS(國家醫(yī)療服務系統(tǒng))正計劃在整個衛(wèi)生服務部門大規(guī)模擴展AI，用于日常操作和治療;2016年起，日本厚生勞動省就開始規(guī)劃AI醫(yī)療相關政策，包括醫(yī)療費用的修正、采用AI醫(yī)療的激勵措施等，并預計在2020年全面實施與推動AI醫(yī)療制度。

我國也相繼印發(fā)了《關于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應用發(fā)展的指導意見》、《新一代人工智能發(fā)展規(guī)劃》、《“十三五”衛(wèi)生與健康科技創(chuàng)新專項規(guī)劃》、《關于促進“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》等文件，規(guī)范和引導AI技術在醫(yī)療領域的應用。

上海于4月發(fā)布的12個首批AI試點應用場景中，就有來自復旦大學附屬腫瘤醫(yī)院、上海第十人民醫(yī)院等單位入選。

記者在走訪中發(fā)現(xiàn)，AI在醫(yī)學影像技術中的應用，已經(jīng)成為部分醫(yī)院較為成熟的領域，這也和全球的數(shù)據(jù)相吻合。

由于醫(yī)療影像診斷有著可存儲、可傳輸，又相對標準化的特點，也成為最早應用在AI研發(fā)和落地的領域。根據(jù)Global Market Insight的數(shù)據(jù)報告，從應用劃分的角度來說，AI醫(yī)學影像市場作為AI醫(yī)療應用領域第二大細分市場，將以超過40%的增速發(fā)展，在2024年達到25億美元規(guī)模，占比達25%。

“隨著AI技術的發(fā)展，機器對圖像的理解能力上升到了新的高度，而相當一部分醫(yī)療數(shù)據(jù)來自影像數(shù)據(jù)，利用深度學習對影像內(nèi)容作檢測分類和量化已達到了較高的準確率。”王延峰告訴記者。

技術在發(fā)展，但我國還存在醫(yī)療資源分布不均的問題。截至2018年底，中國每千人醫(yī)師數(shù)是2.4人，醫(yī)生密度低也造成了醫(yī)院無法滿足患者居高不下的需求。

這一表現(xiàn)在影像領域更為突出。根據(jù)《中國人工智能醫(yī)療白皮書》，以肺結節(jié)檢測為例，一家三甲醫(yī)院平均每天接待200例左右的肺結節(jié)篩查患者，每位患者在檢查環(huán)節(jié)會產(chǎn)生200~300張左右的CT影像，放射科醫(yī)生每天至少需要閱讀4萬張影像。不同于智能機器，人每天在長時間處理機械式閱片工作后，精力和準確度會下降，這就有可能出現(xiàn)誤診的情況。

同時，每年上升30%的影像檢查量和平穩(wěn)增長的影像醫(yī)生資源(4%)也讓影像診斷有了發(fā)展空間。

上海第十人民醫(yī)院放射科主任湯光宇對第一財經(jīng)記者直言，就算是像他這種經(jīng)驗豐富的老教授，也無法保證在長時間看片時沒有遺漏，而對于肺結節(jié)病人，最擔心的就是漏看。

“有的病人一個肺里有很多結節(jié)，這種情況下，即使95%的結節(jié)都沒有問題，但漏了一個可能就會帶來嚴重后果。”湯光宇說，至少AI在醫(yī)療影像識別領域幫了醫(yī)生一個大忙。“能將醫(yī)生診斷效率提升30%~50%，比如解放一些老專家，讓他們有更多時間進行深度研究。”

但AI就不會存在遺漏的情況嗎?湯光宇表示，醫(yī)生可能更需要注意AI系統(tǒng)的“過度”診斷，由于AI辨識非常靈敏，因此偶爾會出現(xiàn)過度診斷的情況，這時候醫(yī)生最后的甄別也就更為重要。

《中國人工智能醫(yī)療白皮書》顯示，據(jù)第三方統(tǒng)計，從100家與AI相關的非上市企業(yè)2018年預計營收來看，1/10是AI醫(yī)療公司，這10家AI醫(yī)療公司里有6家屬于AI醫(yī)學影像領域。在融資方面，AI醫(yī)學影像是獲得融資最多的醫(yī)療領域。

未來的超級助手

不只是醫(yī)學影像領域，在上海的一些三甲醫(yī)院，導診機器人、智能助理等AI輔助手段都已經(jīng)開始嘗試運用。

在上海第十人民醫(yī)院的急診樓大廳，一個蛋殼式的導診儀器引起了記者的注意。一名胸痛患者自己在“蛋殼”內(nèi)量血壓、測脈搏、測體溫后，直接前往醫(yī)生處進行下一步診斷。此時，醫(yī)生電腦里已經(jīng)同步出他的初診情況，整個過程不到十分鐘。

類似情況還出現(xiàn)在復旦大學附屬腫瘤醫(yī)院。數(shù)據(jù)顯示，過去一年，該醫(yī)院年門診量達144.72萬次，如何有效分配資源成了他們亟需解決的問題。如今，他們在掛號環(huán)節(jié)就利用AI實施了定向分級。

“其實有很大一部分病人是不用掛專家號的，我們能否在病人掛號前分析病人病情，為其匹配相應專家，避免號源浪費呢?”復旦大學附屬腫瘤醫(yī)院副院長吳炅對包括第一財經(jīng)在內(nèi)的記者表示，這種情況下就出現(xiàn)了“精準預約”的預約掛號模式，通過患者上傳的真實病例資料，讓AI引擎有了“分診功能”。

在該項服務下，每位患者平均節(jié)省2.5小時的就診時間，患者掛專家號的等待時間平均減少7.4天，到診率提高了7%。專家門診的效率平均提高了3.5倍左右，并且有效打擊了黃牛號的現(xiàn)象。

可以發(fā)現(xiàn)，上述的諸多“AI+醫(yī)療”的應用場景，目前還是處于比較基礎的圖像、語音等AI應用層，并未出現(xiàn)深度學習的場景，這也和人工智能以及醫(yī)療行業(yè)發(fā)展的自身特點有關。

“目前‘AI+醫(yī)療’的運用主要還是為了提高醫(yī)生能力，代替醫(yī)生完成冗余重復、低技術含量的環(huán)節(jié)為主。”王延峰說，以智能輔助診斷為例，雖然如今應用得越來越多，但是仍處于起步階段。AI的深度學習依賴海量數(shù)據(jù)提升模型性能，但醫(yī)療數(shù)據(jù)獲取和標注的難度遠比公共數(shù)據(jù)要大。另外，部分公眾對于智能化診斷的接受程度相對較低，基層醫(yī)生也習慣于傳統(tǒng)的診療模式。

不過，王延峰認為，未來我國“AI+醫(yī)療”的應用前景可期，尤其可以在診斷、推理、管理、手術、護理、病歷、培訓等多個領域充當醫(yī)生的“超級助手”。“比如AI護理機器人可以補充我國護理人員缺口。培養(yǎng)年輕醫(yī)生過程中，智能模擬系統(tǒng)以及已經(jīng)運用比較多的智能輔助影像系統(tǒng)，都可以提高這些經(jīng)驗不足的年輕醫(yī)生處理問題的能力。”

我國市場上大致成型的AI醫(yī)學影像產(chǎn)品大多正處于醫(yī)院試用階段，該領域的公司基本還沒實現(xiàn)盈利。“AI醫(yī)療企業(yè)如何獲得盈利是一個值得思考的問題。在一個公益服務體系下如何構建盈利模式，是他們未來的一個挑戰(zhàn)。”王延峰認為。