今年的新冠疫情，
大概是有史以來最“高科技”的一次抗疫戰鬥：
科學家第一次用基因檢測的方法，最快定位了病毒，
5G和大數據，隨時可以精準追蹤病毒的流動，
算法輔助醫生看CT片，
10分鐘的診斷時間變2秒，
機器人送藥、送飯、做消殺，
線上診療讓患者無需與醫生面對面……
“互聯網+”的風潮吹了好幾年，
終於全面吹到了醫療行業。
現在國內疫情逐漸平息，
很多人好奇，這些“黑科技”究竟是什麼？
疫情過後，它們會徹底改變我們的生活嗎？
抑或只是個曇花一現的噱頭？
一條採訪了奮戰在“醫療AI”一線的5個人，
有程序員、工程師、主任醫師、社區醫生……
他們親歷了這場“AI抗疫”的戰鬥，
同時也提醒我們，
智慧醫療最後還是為人服務的：
“科技應該讓人離人更近
而不是讓人離機器更近。”
醫生肉眼閱片要5-15分鐘，我們的AI只要2秒
魏東 騰訊天衍實驗室 研究員
我是2018年9月加入騰訊天衍實驗室的，主攻醫療AI影像分析的算法研製。簡單地說，就是讓計算機看數以千計的圖像，並告訴它哪些圖像中的器官是正常，哪些是有問題的，問題在哪裡。經過足夠多的學習之後，它自己就能判斷圖像中的器官是否正常。
這個技術2017年以來就在飛速發展，用於診斷心血管疾病、眼部疾病和肺炎等等。
新冠肺炎疫情爆發後，我們實驗室一直在關注疫情的發展，但苦於無用武之地。直到2月5日，湖北省宣佈把CT結果也納入診斷標準，疑似病例只要拍CT有新冠肺炎肺部病變的特徵，就能獲得確診。
騰訊AI診斷輸出圖
我們當時都隔離在家放假，聽到這個消息，大家馬上在線上組織了一個團隊，開始研製新冠肺炎CT影像的AI診斷模型。因為不能面對面溝通，而且時間很緊，我們壓力還是很大的。
一開始遇到的最大問題就是數據不夠，AI就像一個學生，要讓它精確地識別疾病，就需要看很多肺部圖像才能學會判斷能力。我們當時從全國各地的合作醫院取得了一些新冠肺炎的數據，但還是不夠。
所以我們決定，先讓AI學習其他肺炎的數據，看了可能有上千例。在它見過這些肺炎數據之後，就有一個整體的肺炎知識積累，知道哪些是得了肺炎的肺部圖像，哪些不是。
我們在算法上再進行調整，給AI一點“提示”，告訴它新冠肺炎跟它見過的肺炎圖像不同的地方。這樣它就能在圖像中捕捉到新冠肺炎的特徵，對病人作出診斷。
因為疫情緊急，我們這次進度非常趕，10天左右就調試好算法，2月21日就已經在武漢日海方艙醫院部署好了。
投入使用後，醫護人員給的反饋都非常理想，因為閱片不用那麼累了。當時醫生閱讀、分析CT影像的壓力非常大，臨床診斷標準改變以後，每日新增確診病例暴漲將近十倍，每位患者做一次胸部CT，會產生300張影像，每次醫生肉眼閱片要耗費5-15分鐘。
已經確診的治療期患者，每5天也要做一次CT檢查，當時整個湖北省累計超過6萬例確診患者。
AI最快兩秒鐘就能判斷出這個人是否得了肺炎，他得的肺炎是不是新冠肺炎。如果AI判斷這個人是新冠肺炎，它還會在CT影像中圈出標示出病灶，告訴醫生它判斷的依據，標示的過程最多需要一分鐘。
AI的判斷不能直接作為醫療診斷的依據，但是可以為醫生提供參考，大大提高了診斷效率。
有些醫生剛用的時候，擔心AI的準確率。但根據我們的研究，我們的AI模型比淺資歷的醫生診斷準確率高。而且隨著病例數據越來越多，我們會不斷訓練、調整算法，讓它的準確率不斷上升。
在湖北的時候，我們遇到一個疑似新冠肺炎的患者，這個病人的CT影像顯示，他肺部病灶很大，看起來很像新冠肺炎，基層醫院的醫生都說，這應該就是了。但有個比較資深的醫生覺得不是。
然後我們的算法判斷也說，這個病例不是新冠肺炎。最後診斷出來，這個病人是肺水腫。所以說我們模型的鑑別能力還是挺強的。
用AI看CT結果，應該說是智慧醫療目前發展最成熟的部分。因為這部分具有很客觀的衡量指標，越是客觀、越少人為因素參與其中的工作，算法就能表現得比人工更好。
之前消毒機器人賣不動，這次疫情卻火上央視
殷超 鈦米機器人 技術市場經理
2018年是智慧醫療站上風口的一年，那時候我覺得，智慧醫療肯定要有機器人吧，於是就決定加入鈦米機器人了。我們主要生產的機器人種類有：消毒機器人、物資配送機器人和導引機器人。
我們公司很早就發現新冠肺炎疫情爆發了，因為我們有很多醫院客戶在武漢，每個客戶都有銷售負責跟進。
1月中旬，銷售們發現，本來這個醫院只買了一臺消毒機器人，專門用在手術室，結果卻經常有別的科室來藉機器人用，感染科要借來消毒，ICU又要借來消毒。我們馬上就意識這次疫情很嚴重。
鈦米機器人在新冠抗疫一線工作
在1月20日，鈦米就已經配置好工程師隊伍，準備調集機器人直接送往武漢。但在這個時間點，又是春運，又是疫情，物流交通反而成了最讓我們頭疼的問題。我們去聯繫物流公司，他們根本不接你的單。
機器人制造非常依賴上游的供應商，如果你要出貨的話，一定需要原材料源源不斷地供應。有一種原材料供應不上，最後這個機器人就不完整，沒法運作。機器人組裝好之後，還要將機器人運往武漢，這些都需要順暢的物流交通。
這種情況下，我們當時就將倉庫裡的原材料全部拉出來，確認目前我們能組裝多少機器人。然後自己組織車輛和人手，規劃貨物和工程師的運輸線路，將機器人押運過去。我們將第一批10臺消毒機器人送到武漢協和醫院的時候，是1月21日凌晨兩點。
消毒機器人在工作
送到醫院之後，剩下的工作就很簡單了。我們的工程師會開始掃地圖，就是讓機器人識別周圍的環境。像我們人類到一個陌生的地方，要先熟悉環境，我要看一眼周圍，知道桌子在這，板凳在那，下次走路我就會避開。
機器人也是一樣，它會把所有的空間走一遍，然後自主學習，知道這是個桌子，這個桌子在消毒的時候，需要重點照顧。在掃完地圖之後，工程師就可以離開，讓機器人自己消毒。
有人可能覺得，這種機器人有什麼特別的？我家的掃地機器人都能做到。但在醫院裡，對安全和清潔的要求，比酒店、餐廳，或是工廠的標準都要高得多。
比如說，在手術室裡用機器人消毒。我們的手機進了手術室，哪怕滿格的信號，電話都打不出去。機器人在裡面，如果用傳統的GPS導航和傳統的避障算法，就很容易發生碰撞，那就要出大問題。所以醫療機器人會有獨特的算法，保證它們的平穩性與避障能力。
在疫情之前，醫院其實更喜歡買我們的物資配送機器人。因為他們之前覺得消毒用人工消毒或是紫外線消毒就行了，為什麼要花大錢去買消毒機器人？但這次他們發現這兩種消毒方式都沒法徹底，而且人工消毒，會面臨暴露的危險。
我們的消毒機器人在設計之初，就是按照人機分離的設計理念去做的。不需要人在現場，機器人自己就可以把該消毒的地方消毒好了之後，人再進去。
那時候武漢的疫情特別嚴重，醫院消毒特別頻繁，本來一臺消毒機器人只用消毒4樓的手術室，現在不僅要消毒整層樓，還要把這棟樓都消毒一遍，有時候還要搬到隔壁樓去用。除了消毒醫院，也會給醫護人員的辦公室和宿舍消毒。
當時他們醫護人員的家屬中有個小朋友，畫畫的時候就把我們的消毒機器人“大白”畫了進去，因為他覺得我們的機器人在守護他們的安全。我們看到之後都很感動，覺得自己的工作是有意義的。
小朋友畫的鈦米機器人“大白”
我們的線上診療，服務了武漢十分之一的重症患者
郝南 NCP（新冠）生命支援網絡發起人
“NCP（新冠）生命支援網絡”是一個線上診療的項目，我是1月22日晚上起心動念想做的。那時候收到信息說武漢醫院已經不夠用了，醫生也不夠用了。但你不可能讓生病的人不去醫院啊，那生了病、卻看不上病的人怎麼辦？
我之前在北大醫院當過7年醫生，1月23日，我就在北大校友群裡發行動倡議，最後招到了400多個醫務工作者，包括醫生、護士和醫學生。我還聯繫了合作多年的一個心理關懷團隊，招收了一些志願者當“小天使”，給線上問診的人提供心理關懷輔導。
我們和其他線上診療平臺很不一樣，在它們那裡，病人打進來問診完了之後就結束了。我們希望能夠做到診療與關懷並重，所以我們把微信群分級別，搞的是和現實醫院一樣的三線。
分門別類地處理患者信息
一線就相當於門診。你進到這裡來之前，會先有志願者跟你打招呼，讓你填表格，問你哪裡不舒服，有什麼症狀，是否嚴重。根據你填表的情況，判斷你應該去哪個科室，等於是一個分診臺。
在一線的門診群，醫生會在微信上為病人答疑解惑。區別就是這些患者問完了以後不走，留在群裡，他有什麼新的問題，可以繼續問，保持和大夫的聯繫，而不是不停地換不同人看診。
如果病人病情變重了，或者我們發現他的問題沒法解決，我們就會把它轉到二線。二線群裡的醫生都是更高級別的大夫，這些資深的醫生會在線上持續關注病人的狀況。
如果是病得很重，有生命危險的病人，我們就把他轉到三線的群裡去。三線就相當於重症監護室，在這個群裡，都是幾個醫生圍著一個病人轉。
隨著患者的增加，不斷招募和儲備醫生
這樣的設置如果放在線下，會需要很大的空間，而且服務到的人不會很多。在線下，就算病人能進到醫院裡，也看不到醫生幾眼。
這是線上診療最大的優勢：它能夠最大化醫療資源的利用。線上的大夫可以遠程看十幾個病房，在不同的群裡同時關注很多病人的狀況。
我們最核心的幾個大夫經常一邊去戶外出診，一邊在我們的二、三線病房指導危重患者的搶救，這樣並沒有超出他們的負荷。讓我們用不多的資源，服務到最多的人。
那時候大部分來諮詢的人，諮詢的都是新冠肺炎，但也有諮詢其他病的，所以我們配備了各個科室的大夫。
NCP生命支援製作的物資無接觸發放流程
我當過醫生，我知道醫生在線上看病時是很不耐煩的。線上診療隔著屏幕，視頻畫質也不好，有時候，就算從醫生那裡得到了專業意見，病人還是會體驗不好，甚至心理崩潰。
所以我們有專門的社工志願者提供陪伴和關懷，在線對一些個案進行一對一的心理輔導。我遇到一個個案，他父母都在這次疫情去世了，他自己也患了新冠肺炎，我就一直跟進他的狀況，對他進行心理輔導。
從我開始做這個項目，到方艙醫院在2月5日到位之前，這中間10天左右的時間，是我們工作最緊張的時候。我們大概估算了一下，我們直接或間接地服務過武漢市當時差不多十分之一的重症患者。
獲得救助的患者家屬發來感謝的消息
以我們現在的科技水平，其實完全可以讓醫生的工作更輕鬆，對接足夠的社工資源，讓醫患關係更多地變成人和人之間的關係，而不是僅僅止於人和機器的交流。
老百姓很簡單，對智慧醫療只有三個要求：有幫助，好操作，有配套服務
潘向東 上海市“十佳家庭醫生”
我是長寧區虹橋街道的社區醫生。很多人會覺得，你不就是坐社區醫院裡開藥的嗎？實際上，看門診只是我其中一項工作，我還要負責轄區內基本的公共衛生管理，比如追蹤高血壓、糖尿病這種慢性病患者狀況，防控傳染病等等。
1月28日我們就接到命令要提前開工，防控疫情。那個時候湖北的疫情已經爆發了，上海從大年夜開始就組織醫療隊支援湖北，我們社區要防止後院失火，還要保證日常工作的正常開展，滿足社區內慢性病患者的健康需求。
我所在的社區，有1600個糖尿病患者。我們每個月都要對這些病人進行隨訪，監測他們的血糖。每三個月還要做一次糖化血紅蛋白的測量，根據他們的病況調整用藥。
測量血糖
這次新冠肺炎來了以後，很多老人因為怕感染，都不敢出門了。以前他可能每個禮拜都會到我這邊來一次，我每次就會像敲木魚一樣，不停和他說糖尿病的注意事項，一直給他敲好，血糖基本上就都很穩定。
現在全亂掉了，老人本來就困在家裡沒法運動，飲食可能也不太注意。我們醫生又沒辦法遠程監測，他們現在的血糖水平就控制得好差。
我之前考慮過引進一些便攜式的測血糖設備。當時接觸的是一種像貼紙一樣的儀器。貼上去以後，14天內你不管洗澡也好、游泳也好、健身也好，它都不會受影響，你可以拿掃描儀實時監測自己的血糖情況。
我自己感受了一次，覺得這種便攜式設備最大的影響就是會改變你的生活方式。因為戴著這個儀器，我腦子裡隨時隨地會想到自己的血糖。那段時間，我喝完一杯咖啡，也會用掃描儀測一下，看看我的血糖波動是多少。我那時候發現，自己夜間的血糖會有會比較明顯的波動，我就會真的開始注意自己晚飯的飲食。
便攜式貼紙，可以隨時監測血糖數值
但我後來發現，很多患者不想使用這種智能化的便攜式設備。一方面，這些患者大部分是老人，他們都比較保守，覺得這些設備還很陌生，而且還需要他們自己花錢購買，他們感覺不到直觀的好處，就會拒絕使用或者中途棄用。
另一方面，這些便攜式設備的數據，按照法律規定，目前還只能給社區醫生當診斷參考，不能作為診斷標準。
其實老百姓很簡單，想要普及智慧醫療的設備，滿足三個條件就行了：第一要對我要有幫助，第二要好操作，第三要有配套的醫療服務。
我覺得，如果監測血糖的便攜式設備可以自上至下得到普及的話，社區醫生對慢性病患者的管理會更有效。
現在，每個患者我都是線下人工去追蹤關注，一個一個上門隨訪，確認他有沒有問題，要花很多無用功。隨著老齡化的發展，我們需要關注和管理的慢性病患者越來越多，完全靠醫務人員人力去一個個覆蓋，其實是不現實的。
未來，如果採用智能設備，患者的數據可以遠程上傳，醫生這邊統一監控，有異常的患者先由機器篩一輪，推送給我，我一個人可以管100個人，成本很低，效率也會更高。有需求的患者就能更及時地得到醫療幫助。
智慧醫療不是突然冒出來的“黑科技”，它已經蟄伏了幾十年。
上個世紀五十年代，人工智能剛剛被髮明出來不久，就被應用在醫療領域。但是直到2006年，神經網絡深度學習的算法被髮明出來以後，AI的學習能力才開始發生質的飛躍。十年後，Alpha Go打敗李世石，人工智能的議題在全球大熱，醫療AI又一次成為焦點。
2016年這一年，被稱為國內“AI醫療投資元年”。27家企業在這一年融資，其中16家企業融資金額在千萬元以上。2017、2018年，國內AI醫療行業公佈的融資事件近30起，在醫療影像診斷領域的融資總額達到1.42億美元，根據畢馬威的數據，這個融資規模相當於同期該行業全球投資的四分之一。
然而，2018年以來，許多醫療AI企業的產品在實際應用中都碰上了落地變現的難題，“只燒錢不賺錢”，到2019年底，醫療AI已經步入寒冬，等待洗牌。
2020年初爆發的新冠肺炎疫情，被認為加速了這個洗牌過程。
人類可能錯過的東西，AI不會
在這次新冠肺炎疫情中，阿里達摩院研發的AI+CT影像診斷技術，平均識別不到 20 秒，準確率達 96%。
影領科技、推想科技、深睿醫療等公司，也都紛紛推出了針對新冠肺炎的CT影像AI篩查產品。武漢市中心醫院使用了數坤科技的AI輔助診斷系統，能夠快速讀取胸片，2到3秒內識別炎性病灶，醫院影像科主任王翔說，這一系統“為醫生提升了50%的工作效率”。
事實上，AI醫學影像，被公認是目前最成熟，也是最有可能率先實現商業化的醫療AI產品。幾千份病例的數據，就可以開發出一套準確率相對較高的診斷產品。
2019年，國內從事醫療AI的企業有140多家，其中將近120家都在做醫學影像業務，約100家企業在做肺結節影像產品。
疫情爆發前，國內影像醫生資源已經處於嚴重短缺中：每年全國放射科門診量的年增長率是30%，但是影像科醫生的數量年增長率僅為4.1%。
根據樂晴智庫的數據，中國每年的影像誤診人數約為5700萬。此外，患者拍片常年需排隊預約。
疫情突然爆發，給一線的影像醫生帶來兩個巨大的挑戰：一是閱片量激增，大量都是高強度的重複性體力勞動，二是基層醫院設備不足，醫生經驗和素質參差不齊。這兩點都會導致誤診和漏診。
武漢市金銀潭醫院放射科主任樊豔青說：“我時刻提醒自己，告訴自己不要流淚，因為眼睛要用來看海量的CT和X光片子。”
按照疫情最嚴重時的狀況，湖北省每天新增1萬多名疑似患者，他們的CT片總計超過數百萬張。與此同時，還有幾萬名確診患者的複查需求，據估計，一線的閱片醫生們每天的工作量達到500萬張。
機器人分析X射線腦層析成像
AI可以解決醫生們的燃眉之急。
中國工程院院士潘雲鶴說，目前用於分析胸片的AI模型，對肺癌的檢測率達到了98%以上，遠遠高於人工。
浙江大學邵逸夫醫院用AI分析角膜炎圖像，準確率已經超過80%，比參與測試96%的醫生都更加精準。
3月16日，微軟研究院、美國國立衛生研究院與白宮科學技術辦公室等機構聯合發佈了COVID-19開放獲取數據庫，人們開始用AI挖掘學術論文之間的聯繫。
AI會比訓練有素的學者更快地理解論文內容，追蹤目前疫情最關鍵的問題的一些答案：新冠病毒是怎麼傳播的？我們對它的起源和進化了解多少？我們要如何製造疫苗與特效藥？
美國聯邦的首席技術官邁克爾·克拉希歐斯對媒體說：人類可能錯過的東西，AI不會。
當AI誤診時，我們怎麼辦？
儘管AI診斷的準確率很高，達到了96%，甚至99%，但是仍然存在1%或者4%的失誤。
統計學上的一個數字，落到個人頭上就是一座山。一旦發生，誰來為這個失誤負責？
2018年7月3日《日本經濟新聞》報道，由於AI存在誤診的可能，日本厚生勞動省把AI醫療設備定位為輔助醫生進行診斷的設備，規定診斷的最終責任，由醫生承擔。
《英國醫學雜誌》(BMJ) 的研究人員最近警告說，“許多研究和媒體聲稱人工智能在解釋醫學圖像方面達到與人類專家一樣的水平，甚至比專家還好，但實際上 AI 的質量很差，而且被誇大了，這對患者的安全構成了風險。”
倫敦帝國理工學院的研究人員發現，在一項AI臨床診斷準確率的研究中，350名中國白內障患者參與實驗，有一些人是AI診斷，有一些人是專家診斷。AI診斷的平均時間比專家的診斷速度快，但是準確率為87%，而專家醫生的準確率達到99%。
AI就像一個孩子，需要成長，它的表現，與它能夠獲取的“食物”的質量有關，那就是數據。
我們生成和共享數據的速度在迅速增加，據IDC（國際數據公司）的預測，到2020年，全世界醫療數據總量將達到40萬億GB，是2010年的30倍。
但是，這其中有80%的數據，是非結構化數據。它們藏在醫院的病例資料裡，藏在海量的影像片子中，沒有被適當地量化，也就不能被AI提取、識別和處理。
2020年初，諾華製藥的首席執行官Vas Narasimhan解釋了數據如何成為醫療AI的研發痛點：“我們學到的第一件事是，擁有出色的數據來實際建立機器學習的重要性。我們不得不花費大部分時間來整理數據集，然後才能運行這個算法。”他認為，我們低估了現有的高質量數據有多麼少，整理和鏈接數據的難度有多高。
在國內，目前醫療保健行業的數據處於分散狀態。醫院是醫療數據的最大生產機構，但是現實中，沒有哪家醫院願意無償把醫療數據共享出來。另一方面，這些數據也涉及到患者隱私。
國內的AI醫療創業公司需要病人的數據來訓練AI、讓AI學習時，只能挨家和各個醫院去談，這樣就產生了很多“灰色地帶”。
中華醫學會放射學分會主任劉士遠曾建議，如果能以政府出面牽頭，在一個省的範圍內建一個大的數據中心，將該省所有醫院的數據彙總使用，未來可能將更加合法有效地推動醫療AI的發展。
醫療是人和人的關係，不是人和機器的關係
這次AI抗疫，另外兩個亮眼的應用是醫療機器人和線上診療。
在上海兒童醫學中心，機器人“小白”上崗，在防護資源不足的情況下，減少醫生和患者面對面溝通的頻率，降低了醫患交叉感染風險。
火神山、雷神山醫院，也都用上了智能遞送機器人，能夠根據醫院的需求，遞送化驗單、藥品，給患者送飯。
掃地機器人，長得完全不像人也沒問題。但是用在醫院裡的機器人，除了它正常履行功能之外，我們似乎總是期待它能更多地模擬人的外形，像人的樣子。
這與患者的心理有關。中國陸軍軍醫大學的研究人員，近期進行了一項“患者對人工智能醫療的認知及信任度”調查，發現對人工智能應用於臨床醫療，患者接受度和信任度最高的是醫療後勤環節，其次為醫患接觸較少的醫療輔助環節。
在做手術等醫療核心環節，人工智能介入的工作越多，佔據角色越重，患者接受度和信任度越低。
在生死攸關的時候，我們還是傾向於信任我們的同類，而不是看起來有些冰冷的AI。
復旦大學附屬華山醫院內分泌科副主任醫師吳晞告訴我們，他們科室現在就在用AI分析糖尿病視網病變的圖像。他認為，AI完全有能力取代人類醫生下診斷。這是由醫學的本質決定的。
“不同醫生根據某些症狀一定能得出相同的診斷，除非有些症狀被忽略了。既然人和人能做出一樣的診斷，人和AI做不是一樣的嗎？AI會更靈敏仔細，犯錯的概率更小。”
今年2月，《自然》雜誌報道了一種最新的抽血機器人。抽血總成功率為87%，對於靜脈清晰的受試者來說，成功率為97%。這個結果，可以說優於大部分人類護士。
攝影：Miriam Dörr
“我們以後的工作，可能就是和AI合作，不是去研究怎麼戰勝疾病，而是去搞清楚什麼是病，什麼是病人，什麼是健康。”
疫情期間，線上診療的幾個大平臺，流量都呈爆發式增長：平安好醫生在疫情期平臺訪問量11億人次，新增用戶日均訪問量是平時的9倍，新用戶註冊量增長了10倍。
春雨醫生在開通新冠肺炎義診後，武漢及其周邊地區患者提問量跟之前相比增長了10倍。丁香園的在線問診平臺，單日問診量的增幅超過300%。
在線上平臺上回應這些患者的，是一個個活生生的人。平安好醫生的自有醫療團隊，截止到2019年12月31日，是1409人。丁香園的APP上，疫情期間在線的活躍醫生超過1.5萬人。
NCP生命網絡的發起人郝南說，關懷有時候比醫療幫助本身更重要。美國首個研究肺結核的實驗室的創辦者、醫學家愛德華·特魯多留下了一句至今為醫學界尊崇的名言：“有時治癒，常常關懷，總是安慰”。
醫療AI的發展，也許未來將讓我們更加靠近醫學的本質：促進人和人之間的關係，而不是人和機器之間的關係。讓我們拭目以待。
閱讀更多 一條 的文章
