人工智能風起雲湧
如果我們在搜索引擎裡查閱一下最時髦關鍵詞，出現頻率最高的關鍵詞可能是大數據、人臉識別等等，這些關鍵詞頻繁出現的背後，預示著我國在大數據、智慧醫療領域裡已經發生了深刻的變化。
人工智能的概念火熱，甚至在老百姓中都產生非常大的共鳴，而這一切都要歸功於Alpha Go的出現。2016年，Alpha Go學習人類的棋譜，以4：1的成績戰勝了韓國最知名的九段棋手李世石。2017年5月，Alpha Go Master問世，實現人類棋譜自我對弈，並以3：0的成績戰勝我們國家頂級九段棋手柯潔，比賽到第三盤的時候，柯潔流下傷心的眼淚，這個畫面影響很多人。2017年12月，Alpha Go的升級版zero出臺，和上一代Master進行比拼，以100：0的成績完勝上一代。胡盛壽說道，人類的智慧在和所謂計算機的智慧之間的較量，給我們打開了完全不同的一扇窗。
隨後，人工智能迅速得到各國的關注。2016年10月12日，美國白宮發佈了《準備迎接人工智能未來》。2017年7月8日，我國國務院印發了《新一代人工智能發展規劃》。各大院校對於人工智能的關注更是風起雲湧，包括北京大學、清華大學、南京等都建立了人工智能專業，該學科甚至進入了中學的教材。此外，人工智能在醫療領域也取得了諸多進展，比如說科大訊飛智慧醫療的助理醫療參加2017年國家執業醫師資格考試比試，排名前5%。天壇醫院進行人機大戰，準確率遠遠超過醫生們的答卷。
過去幾年中，美國FDA已經審批通過12個泛AI醫療產品進入臨床，比如說Apple Watch 、Dr Master。包括百度、阿里健康，大量的企業紛紛踏入這個行業，智慧醫療似乎離我們很近。
雷聲大雨點小
然而，醫療人工智能產業一直面臨著雷聲大雨點小，落地非常困難的窘境。胡盛壽如是說。智慧醫療昔日的老大Watson，在Jeopardy節目上打敗人類，2016年診斷罕見白血病只花了十分鐘，風頭十足……可是，好景不長，2018年Watson的股價持續下跌，健康部門裁員70%。這也說明，人工智能一方面得到初步認可，另一方面產業自身發展又非常艱難。中國亦是如此，2018年智慧醫療市場規模超過200億，新成立的公司不斷出現，醫療人工智能的熱度不斷高漲，然而到目前為止國內還沒有一款真正的智慧醫療的產品通過了監管部門的認證，應用於臨床。
胡盛壽思考著，突破點或許在於智慧醫療的產業鏈條中三個非常重要的環節：一是研發；二是應用；三是評價監管。
智慧醫療的研發：數據、算力和算法這是智慧醫療的三駕馬車。算力也就是通常所說的硬件，在過去的二三十年中，計算機技術的硬件已經得到了長足的發展，無論是從CPU到現在的GPU，硬件快速的發展，還在不斷的更新，為智慧醫療奠定了物質基礎。但是我們也看到，目前使用的主流深度學習計算機平臺均是國外公司開發的，需要將數據上傳到雲端，自然存在數據全方位安全性的問題，東西都存在別人的手上。而且基層醫療機構用不起智慧醫療產品。
其次是算法，概念和算法的不斷進步是人工智能發展的軟件基礎，從最早的人工智能到機器學習，再到當下的深度學習，都在不斷演進，而且演變的過程實際上是充滿了爭議和不可預知。軟件的開發和相對的硬件成熟形成了非常大的反差，其實我們現在所說的機器學習、深度學習只是整個人工智能軟件開發中的幾個小的分支，從這個意義上講，我們在算力、算法方面還有很長的路要走。
再者是數據，人類現在得到數據的量級，從它的完整性和系統性上講只是鳳毛麟角。從數據的完整性、系統性的角度講，現有的智能產品失真的可能性有多大？可想而知。國內臨床醫療數據可利用率低下，這是我們不可迴避的事實。數據之所以可以用，它與結構化、電子化的程度統一規範是緊密相連的，缺了這個數據再多也是垃圾。數據是智慧醫療的核心，基礎不穩沒有真實的數據做依託，產生出來的產品一定是效率低下甚至可能是貽害大方的。所以，從底層完善數據的標準化、結構化、規範化，成為智慧醫療最關鍵的基礎。
智慧醫療的應用：智慧醫療工具可以輔助醫生，也可以間接輔助患者，同時醫生又可以監督智慧工具。三者之間到底是什麼樣的關係？很大程度上要取決於應用過程中不同產品在不同場合、不同的領域、不同的疾病中確定相互關係。這就構成在應用領域裡使用更加複雜，而應用的過程決定了這個產品是否有價值。
智慧醫療的評價：其實不僅包括產品上市之後，研發開始，數據層面要對它進行監管、評價，算法層面上也要對它進行分析、監管，最後它用到患者進入臨床實驗的時候必須要進行所謂的臨床評價，三個環節我們設想一下，我們對AI的監管能力、觀念、行為、路徑幾乎是個空白。
第三次人工智能浪潮
胡盛壽指出，醫療人工智能還有很長的路要走。以算法和數據的有效性作為橫座標來說明，我們國家尚處在初級階段，第一階段是數據整合階段我們還沒做完，美國進入了第二階段，數據的共享和感知智能。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，中美醫療智能反戰的差距，心血管大數據層面來看，現階段在數據的有效性方面我們還有很大的距離。
好消息是，我國有著發展人工智能得天獨厚的優勢：騰訊、華為等全球領先的互聯網產業在深圳，微信、淘寶走在世界的前列，這些領域已經積累了相當多的資源和能力；加上中國13多億人口，龐大的市場資源和需求以及政府層面的大力支持等。
此外，從我國實際臨床需求出發，胡盛壽覺得，智慧醫療在改變基層醫療公共服務能力大有可為。大醫院人滿為患，我們國家醫療改革很重要的就是要解決醫療配置合理的問題，優質醫療資源下沉，解決基層服務能力的問題。大部分的常見病基層醫生可以診斷，那我們如何提升基層醫生的服務能力，還是對基層全科醫生進行培訓嗎？把家庭醫生、基層醫生培養成讓患者相信的基層醫生耗時多久？傳統的路顯然是有很多問號或是走不通，我們需要藉助基於健康大數據的智慧醫生系統。
解決人工智能的核心問題，胡盛壽表示，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，才能基於正確的數據產生正確的AI產品。還需要搭建一個機制，將各方面的人才聚集到一起，資金融入到正確的項目、正確人的身上，才能高效的產出需要的人工智能產品。從政府來講，監管在一開始就要走在前面，從產品的開始研發階段，監管系統就必須要進入。
人工智能不是一個新話題，1956年就開始談人工智能，我們經歷了第一次浪潮和第二次浪潮，現在是第三次人工智能浪潮的到來，我們衷心的期待真正形成可以持續影響我們國家基於大數據的醫療健康產業，這個領域我們國家應該有所作為，也一定能有所作為。胡盛壽如此期待著。
備註：本文根據演講實錄整理，未經嘉賓本人審核。
本網站所有註明“來源：生物探索”的文字、圖片和音視頻資料，版權均屬於生物探索所有，其他平臺轉載需得到授權。本網所有轉載文章系出於傳遞更多信息之目的，且明確註明來源和作者，不希望被轉載的媒體或個人可與我們聯繫([email protected])，我們將立即進行刪除處理。所有文章僅代表作者觀點，不代表本站立場。
閱讀更多 生物探索 的文章
