“如果把算法和數據的有效性作為橫座標，我們國家尚處在初級階段，第一階段的數據整合我們還沒做完。”今日，中國工程院院士、國家心血管病中心主任、中國醫學科學院阜外醫院院長鬍盛壽在2018深圳國際BT領袖峰會上發表了以“智慧醫療——離我們很近，也很遠”為主題的演講。
智慧醫療熱情高漲，落地卻犯了難
2017年5月Alpha GoMaster問世，以3：0戰勝我們國家頂級九段棋手柯潔，讓人們瞭解到了計算機的智慧。隨後，“人工智能”、“大數據”等這些詞彙開始逐漸火爆。從醫療領域來看，2015年前，“移動醫療”是熱度話題，但2015年年後，人們談論話題已經被替換成了數字醫療，到近一兩年，“Al+醫療”又成了人們口中熱詞。
為何人工智能會火起來？在胡盛壽看來，這和國家、企業、高校三方的努力分不開。在國家層面，2017年7月，國務院就曾印發《新一代人工智能發展規劃》，提出到2020年，人工智能產業競爭力進入國際第一方陣；而企業更是不可能錯過這一波風口，BAT巨頭均在加快對人工智能領域的佈局；在高校方面，北京大學、清華大學、南京都建立了人工智能專業，人工智能甚至已經進入了中學的教材。
在人工智能蓬勃發展的浪潮下，人工智能技術在醫療領域也取得了諸多進展，胡盛壽舉例說，科大訊飛智醫助力參加2017國家執業醫師資格考試成績進入全國前5%，在天壇醫院人機大戰中，AI也以高出20%的準確率勝出，美國FDA已審批通過12個泛AI類醫療產品進入臨床應用。
智慧醫療的火熱程度不言而喻。據相關數據顯示，2018年智慧醫療市場規模有望超過200億。此外，今年6月，億歐就曾在上海舉辦一場“智能+大健康”的峰會，峰會當天，現場觀眾爆滿，也可見大家對於智慧醫療的專注程度。
“智慧醫療雷聲大雨點小，落地非常困難。”胡盛壽說。目前中國還沒有一款真正的智慧醫療產品通過FDA認證。而落地十分困難的原因，主要和醫療數據的有效性有莫大關係。
數據有效性依舊是智慧醫療的“攔路虎”
胡盛壽看來，數據、算力和算法是智慧醫療的三駕馬車。人工智能離不開機器的深度學習，深度學習需要對大量數據進行標記，進行上萬張圖的訓練，才能夠做出正確的診斷。據瞭解，預計到2020年，人類產生的醫療數據總量將達到40萬億GB。但數據大不等於大數據，我國在數據方面主要存在不完整和不真實問題，比如診斷行為不規範，信息產生、採集的錯誤百出。
“我是一個心臟外科醫生，也是一家醫院的院長，我們電子病例經常查，全國很多醫院，非常知名的醫院，抽查門診病例，合格率能達到50%到60%已經相當不錯了，經常出現醫院把性別搞錯了，比如很多醫院說男性有月經史的情況。”胡盛壽說。
一旦在數據源頭出問題，就會影響Al輔診後期的病情診斷。這也是到目前中國還沒有智慧醫療產品通過FDA認證的原因。
2016年10月21日，2017年12月12國家衛計委分別確定兩批健康醫療大數據中心試點省份及城市，包括：福州、廈門、南京、常州四市及山東、安徽、貴州三省。確定醫療大數據中心其中目的就是要從底層開始促進數據的標準化、結構化、規範化。這是智慧醫療的基礎。
此外，胡盛壽談到，計算機在進行深度學習過程中，需要有人參與，對病例進行標註，因而這個過程也十分漫長。
智慧醫療，助力基層醫療服務能力提升
毫無疑問，醫療人工智能在中國還有很長的路要走。胡盛壽認為，中國目前還處於數據整合階段，美國已經進入了第二階段，數據的共享和感知智能。而第三個階段是認知智能+健康大數據，形成基於大數據智慧醫療產品臨床的應用進入現實的醫療健康產業中。
智慧醫療發展任重而道遠，但為何各級部門還要大力推動這件事？在胡盛壽看來，智慧醫療對於提高基層醫療的服務能力有很大的幫助。
目前我國醫療存在最大的問題是醫療資源配置不均，大醫院人滿為患，而基層醫院卻門前羅雀。其主要原因是基層醫療服務水平不夠，基層醫生的執業能力不足。
在胡盛壽看來，基於健康大數據的智慧醫生系統是可以解決這個問題。以高血壓患者為例，目前中國的高血壓患者已經超過3個多億，如果開發了1.0版的高血壓醫生，藉助互聯網+人工智能技術，它就可以對兩三千種高血壓藥物數據，患者個人的信息、家庭信息、遺傳背景因素數據都進行收集整理，並且基於算法幫助醫生更精準地對患者病情進行診斷。
“解決人工智能的核心問題，我們現在是需要平心靜氣、紮紮實實的做好基礎工作，做到數據的準確、完整、結構化，這樣我們的機器才可讀，才能基於正確的數據產生正確的AI產品。”胡盛壽說。
閱讀更多 億歐網 的文章
