AI 改变医疗，还有多远
观众在世界机器人大会会场参观手术机器人（李欣/摄）
2018年这个夏天，北京推想科技有限公司（以下简称推想科技）CEO陈宽格外忙碌。他不仅要推进产品技术迭代，还要亲自跑市场、参加论坛、见医生，每个月一半以上的时间出差在外。
“这是因为，市场和行业对于医疗人工智能（AI）的接受度越来越高，越来越多的医院愿意尝试使用AI产品。”陈宽在接受《瞭望东方周刊》采访时说。
他回想2014年回国创业时，医疗圈还甚少有人提及深度学习，“AI技术在学术界已经流行开来，但包括医疗行业在内的产业界还几乎没有人工智能的概念。”
如今3年过去了，AI已经成为医疗大咖们聚在一起必聊的话题，他去参加一些医疗领域的会议或论坛，经常会听到一些大医院的院长们互相询问，“你们上人工智能设备了吗？”
然而，首都医科大学附属北京友谊医院副院长王振常却认为，AI要想大规模进入医疗体系，真正改变传统医疗模式，仍有待时日。
AI“浪潮”来袭
2015年之前，陈宽一直在美国芝加哥大学读博士，并且一边上学一边从事AI+金融的相关工作。
在国际上，2012年前后，以Google为代表的互联网巨头开始关注深度学习神经网络。Google当年便做出了一个大型的神经网络，并推出了图像识别技术，随后包括Google实验室的语音识别面世。人工智能技术就此爆发，并在2013年开始应用于医疗领域。
随着技术的发展，人们开始将人工智能技术应用到金融领域，做股票波动预测和自动化交易等。“在美国，2013年时已经有70%的股票交易是通过人工智能技术自动完成的。”陈宽介绍道。
因此，他在工作中得以接触AI技术。随着对AI理解的逐渐加深，他认为应该将其应用到更具社会价值的民生领域，如医疗、教育等。
2014年年底，陈宽回国创立了医疗AI企业推想科技。当时正值医疗AI领域创业高峰期的前夕，目前许多活跃在医疗AI市场上的公司均创立于之后的2015年。“当时，2年内中国就出现52家医疗AI创业公司。”行业研究机构亿欧智库分析师尚鞅在接受《瞭望东方周刊》采访时说。
他指出，2014年开始，国内资本市场开始关注人工智能技术。随之而来的便是许多医疗AI创业公司涌现，百度、阿里巴巴、腾讯、科大讯飞等科技企业和华大基因等传统医疗企业也纷纷布局医疗AI。
2016年，AlphaGo打败柯洁等热点事件被媒体大量报道后，人工智能的热度迅速席卷全球。
在中国，则有大批机构开始将自己的投资赛道直白地称为人工智能，资本市场大热。“医疗、教育、安防、金融、自动驾驶等成为AI技术的热门应用领域”。尚鞅指出。
2016年前后，一系列旨在鼓励发展人工智能的政策密集出台，尤其是2017年7月，国务院发布《新一代人工智能发展规划》，明确了人工智能发展的6项重点任务，智能医疗即是其中之一。“这些政策成为推动人工智能行业发展的一种重要力量。”尚鞅表示。
亿欧智库发布的《2017人工智能赋能医疗产业研究报告》中的数据显示：2012~2016年，中国人工智能领域的投资金额不断上升。尤其是自2015年第二季度以来，投资金额和投资频次均进入爆发式增长阶段，其中仅2016年第二季度投资额就达到4.7亿，投资频次达65次。此外，截至2017年8月，中国医疗AI企业累积融资额已超过180亿元，完成融资的企业达到104家，而当时中国共有131家医疗AI企业。
政策的刺激和资本市场的追逐，以及医疗市场需求的不断释放，使医疗AI迅速发展。
中国行业研究报告网发布的《2017-2021年中国智能医疗行业市场现状及未来投资发展研究报告》（以下简称研究报告）显示：2016年中国医疗AI的市场规模达96.61亿元，较上年增长37.9%，2018年这一数字有望达到200亿元。
应用不断加快
进入2018年之后，医疗AI行业显现出新的发展趋势。
首先医疗AI在技术上日渐成熟，应用落地的速度不断加快。
以智能影像辅助诊断系统为例，目前针对肺癌和糖尿病眼底筛查的智能辅助诊断技术最成熟，且随着训练数据的积累，一般影像系统都能够在30秒钟之内完成识别和初步诊断，其中肺结节筛查的AI产品平均准确率更是达到90%以上。
“但针对其他病种的智能影像辅助诊断系统大多处于研发或试用阶段，还远未成熟。”尚鞅坦言。
技术的成熟和应用的不断增加，也改变了医院和医生的态度，“可以明显地感受到，大家更愿意接受和尝试医疗AI产品了。”陈宽说。
2015年，陈宽找医院谈合作时，多数医院都是听一听就没了下文，一些思想保守的医生甚至认为他们是骗子，“小半年的时间下来，我们跑了三四十家医院，没有一家愿意跟我们合作。”
如今，不到3年的时间，他所在的公司已经与全球超过200家三甲医院建立了合作关系，其中排名前50的三甲医院渗透率更是达到了50%，包括美国、日本、德国等国家的医院。
“日本政府已经通过了推想科技智能辅助诊断系统的医疗设备申请，随后它就可以进入日本的医疗诊断体系，这是第一个获得日本政府认可的AI诊断应用。”日本厚生劳动省医疗AI审查委员会委员中田典生曾透露。
更为重要的是，医生开始频繁使用这些AI产品。
“现在我们的医生已经习惯了使用AI辅助诊断系统进行影像分析。”王振常说。
推想科技的后台检测数据也显示：其近200家合作医院中日常50%的胸片会借助AI完成诊断。
阿里健康高级副总裁柯研告诉《瞭望东方周刊》，最初医疗领域并不认可人工智能，但现在许多顶级专家都在牵头或积极参与医疗人工智能的研发。
与此同时，资本市场对于医疗AI行业的投资也逐渐趋于理性，越来越偏好技术水平和落地能力。“目前资本更加关心商业化，也就是说产品要有好的财务模型，将来要有变现的能力。”尚鞅解释道。
未来尚远
即便如此，医疗AI想要为医疗领域带来颠覆式的革命，仍有许多问题需要解决。
以医学影像智能辅助诊断类产品为例，AI产品必须要有鲁棒性，即产品不仅是在某个小数据集里能训练出来好结果，在真实的临床应用时，面临开放的环境、不同品牌、不同型号的影像设备同样能保持良好的效果。“只有稳定的AI才是临床可用的AI。”陈宽说。
鲁棒性
一般用于描述某种事物的稳定性或者稳健性，也是在行业或者领域内是否具有稳定性的表现。此处是指AI产品的稳定性与适用性。
临床可用的AI产品对于医生来说也必须是简单、易操作的，王振常认为这一点至关重要。他说，经过不断迭代升级，目前市场上一些优秀医疗AI产品的操作界面开始变得越来越简便易操作，但大多数产品仍属于后人工智能产品，即在影像拍摄出来以后，医生阅片时使用，而非拍片过程中。
“希望未来的AI技术能够整合到PACS系统或影像设备中，拍片后直接给出AI辅助诊断的数据，然后由医生进行解读。”王振常设想道。
PACS系统
影像归档和通信系统，主要应用于医院影像科室。其主要任务是把日常产生的各种医学影像通过各种接口以数字化的方式海量保存起来，以便日后调用。具有节省物料和管理成本、提高工作效率和医疗水平、辅助诊断管理等优点。
数据的安全性也是不容忽视的问题。据王振常透露，目前大多数AI企业都是在医院的影像科自建服务器或云端，“这存在着巨大的安全隐患，与国家对网络安全的要求还有一定的差距。”
此外，王振常认为，目前的医疗AI产品还很难匹配医院的工作流程。如市场上常见的医疗AI产品多是从单一疾病入手，其中肺结节的辅助诊断技术相对最为成熟，但临床上不仅仅肺部需要影像检查，其他疾病同样需要影像检查。
“友谊医院每天要拍1500张影像，其中只有15%~20%是肺结节检查，因此我们不得不与3家医疗AI企业合作，未来如果不整合，这个数字肯定还要增加。”王振常希望，未来的医疗AI产品能与医院的临床工作流程一致，这样AI的效果才能得到充分发挥，也才能真正颠覆现有的医疗模式。