“智慧醫療看似離我們很近，實際上醫療人工智能我們還有很長的路要走。”9月20日，在深圳舉行的2018深圳國際BT領袖峰會上，中國工程院院士、國家心腦血管病中心主任、中國醫學科學院埠外醫院院長鬍盛壽，如是說。
有關智慧醫療和AI，可以看到很多報道，例如，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，但是，醫療人工智能還有很長的路要走，我國目前仍處於第一階段，因數據有效性差而導致研發進展緩慢，現階段的重點是數據整合。
分析其中的原因，胡盛壽表示：算力、算法和數據是智慧醫療發展的三駕馬車。而目前主流的深度學習開源計算平臺均為國外開發，這導致了隱私保護和信息安全方面的問題。此外，廣大基層醫療機構的硬件水平和信息化水平與智能產品的標準應用場景相差甚遠，普遍存在“用不起”新型智能產品的情況。
胡盛壽認為，概念和算法的不斷演進是人工智能發展的技術基礎，但人工智能學習的原理仍然是一個“黑箱”，這成為人工智能在醫療領域落地的最大障礙。
“深度學習到底學到了什麼？智能醫療產品的診斷依據是什麼？出現錯誤後如何修改？我們如何去監管它？”當前，國內臨床醫療數據可利用率極低，數據的可信度和真實性難以得到保證。一方面，基層醫療機構沒有EMR系統，數據結構化、電子化程度低；另一方面，採用EMR系統的醫療機構的記錄也是錯漏百出，導致數據無統一規範。此外，醫療、社保、公安系統信息不互通，部分病人隱瞞特殊病史，信息孤島現象明顯。
“抽查門診病歷結果顯示，數據合格率僅能達到50%-60%，基於這種數據生產出來的智能產品，不僅是貽笑大方，甚至會危害生命。”
胡盛壽院士從專業技術的角度揭示了目前醫療AI應用現狀，以及存在的問題。但是也有專家指出：所謂技術上的問題其實都不是問題，AI、大數據應用創新也並非以100%數據合格率作為前提，因此，真正制約醫療AI應用的，其實還是商業模式和動力的問題。以遠程醫療為例，不解決好利益分配的問題，就很難成為醫療服務的基本內容。AI也是如此。
閱讀更多 DOIT 的文章
