“智慧医疗看似离我们很近，实际上医疗人工智能我们还有很长的路要走。”9月20日，在深圳举行的2018深圳国际BT领袖峰会上，中国工程院院士、国家心脑血管病中心主任、中国医学科学院埠外医院院长胡盛寿，如是说。
有关智慧医疗和AI，可以看到很多报道，例如，科大讯飞智医助力参加2017国家执业医师资格考试成绩进入全国前5%；在天坛医院人机大战中，AI也以高出20%的准确率胜出，美国FDA已审批通过12个泛AI类医疗产品进入临床应用，但是，医疗人工智能还有很长的路要走，我国目前仍处于第一阶段，因数据有效性差而导致研发进展缓慢，现阶段的重点是数据整合。
分析其中的原因，胡盛寿表示：算力、算法和数据是智慧医疗发展的三驾马车。而目前主流的深度学习开源计算平台均为国外开发，这导致了隐私保护和信息安全方面的问题。此外，广大基层医疗机构的硬件水平和信息化水平与智能产品的标准应用场景相差甚远，普遍存在“用不起”新型智能产品的情况。
胡盛寿认为，概念和算法的不断演进是人工智能发展的技术基础，但人工智能学习的原理仍然是一个“黑箱”，这成为人工智能在医疗领域落地的最大障碍。
“深度学习到底学到了什么？智能医疗产品的诊断依据是什么？出现错误后如何修改？我们如何去监管它？”当前，国内临床医疗数据可利用率极低，数据的可信度和真实性难以得到保证。一方面，基层医疗机构没有EMR系统，数据结构化、电子化程度低；另一方面，采用EMR系统的医疗机构的记录也是错漏百出，导致数据无统一规范。此外，医疗、社保、公安系统信息不互通，部分病人隐瞒特殊病史，信息孤岛现象明显。
“抽查门诊病历结果显示，数据合格率仅能达到50%-60%，基于这种数据生产出来的智能产品，不仅是贻笑大方，甚至会危害生命。”
胡盛寿院士从专业技术的角度揭示了目前医疗AI应用现状，以及存在的问题。但是也有专家指出：所谓技术上的问题其实都不是问题，AI、大数据应用创新也并非以100%数据合格率作为前提，因此，真正制约医疗AI应用的，其实还是商业模式和动力的问题。以远程医疗为例，不解决好利益分配的问题，就很难成为医疗服务的基本内容。AI也是如此。
閱讀更多 DOIT 的文章
