從一度火爆到漸入困境，歷經起伏的醫療AI行業，隨著人工智能及大數據在疫情中得到多方應用與驗證，這個行業的關注度再度升溫。

不論是科技巨頭還是初創企業，都爭相涌入這一賽道。像谷歌、微軟、百度、阿里巴巴、騰訊等已在醫療AI領域投入大量資源，展開密集布局。

不過時至今日，雖然醫療AI作為新興科技產業已得到廣泛認可，但其臨床應用難、商業化落地難的窘境依然無法突破，絕大多數醫療AI企業仍擺脫不了“賠錢”的命運。此外，缺乏行業標準的人工智能醫療還存在可靠性與安全性等隱藏風險。如何讓人工智能更安全地投入臨床使用，這也是行業目前亟待解決的難題。

賽道火熱背后的難題與風險

雖然人工智能醫療競技場已經略顯擁擠，但不可否認的是AI與醫療的融合仍然是個新事物，尚處于探索起步階段。

在眾多AI醫療公司中，美國IBM“沃森”無疑是走在技術和應用前端的先鋒，但同時，隨著時間的深入，沃森也逐漸被貼上“過度炒作”的標簽。

2016年，東京大學醫學研究院利用IBM的人工智能系統“沃森”診斷一位女性患有罕見的白血病，而這只用了10分鐘的時間。在看到AI醫療發展的希望后，IBM把寶都押在了沃森身上。2017年，投資2.4億美元與麻省理工學院共建MIT-IBM沃森人工智能實驗室。同時還計劃投資30億美元打造沃森全球藍圖。

但藍圖尚未完全落實，沃森就遇到困境。最近一兩年，沃森被眾多行業專家所質疑，并曝出諸多問題，包括可能開出危險和錯誤的癌癥治療方案。2018年7月，美國健康醫療媒體STAT曝出的IBM內部文件顯示，IBM在訓練沃森時，對假想患者推薦的治療方案，是基于紀念斯隆-凱特琳癌癥中心專家的方案，而非醫療指南或真實證據。

清華大學自動化系教授、生命學院和醫學院兼職教授張學工向21世紀經濟報道記者說道：“對類似沃森的醫療AI發展受阻我并不吃驚，醫療AI如果在技術層面沒有特別優秀的技術，更多只是在媒體和宣傳層面的炒作，很難得到發展。”

除了沃森以外，其他投身醫療AI的科技企業也面臨著不少行業痛點等待解決。像我國國內企業在醫療影像方面面臨著數據流轉的問題，患者無法保存和管理自己原始的影像資料。

上海交通大學人工智能研究院發布的《2019中國人工智能醫療白皮書》顯示，中國醫療AI面臨著醫療人才、數據、器械審批等方面的挑戰。具體而言，包括醫療AI人才缺乏、數據歸屬不明確、數據標準不統一、器械分類要求高等問題。

疫情期間，醫療AI的應用得到了進一步的創新與推廣。但不可否認的是，醫療AI在發展中還有著各種各樣的瓶頸與痛點。如何打破瓶頸尷尬期，進而推動行業向前發展，是擺在醫療AI行業人士面前十分關鍵的課題。

張學工表示：“人工智能包含很多的挑戰，不是突破了一個瓶頸，就能解決所有的醫學問題，并沒有那么戲劇性。而是要一點一滴去完善人工智能，并使其在醫學領域中解決過去的一些問題，這是一個逐漸的擴展和突破。”

阿里健康董事長兼CEO朱順炎11月14日在廣州腫瘤大會上表示，醫生與人工智能（簡稱AI）的關系應該是醫生+AI，即醫生在前，AI是輔助醫生的工具，而非相反。他指出，醫療領域里最重要的是準確度，需要在綜合一系列由人工智能計算出的指標的基礎上，由醫生來做出最后判斷和決策。

中國工程院院士樊代明則指出，把人工智能引入醫學是一種必然的結果。他認為，最好的科技，就是“大數據+人工智能”，用它來幫助醫學來提高人類的健康水平，這是一種必然。“人工智能具有廣闊的前景，我們醫生要好好學習人工智能，借它來為我們更好地服務。”樊代明說。

雖然被認為過度炒作，但醫療AI具有巨大的潛在經濟效益確實是公認的事實。據國際管理咨詢公司羅蘭貝格發布的《人工智能白皮書》顯示，預計到2030年，人工智能將在中國產生10萬億元的產業帶動效益。其中醫療產業，使用AI預計可帶來約4000億元的降本價值。由此，醫療AI成為人工智能領域的熱門風口，受到了不少資本的青睞，吸引著無數玩家入局。

目前，醫療AI的主要應用場景在肺部CT、眼底篩查及醫療影像等多個方面。今年1月，南開大學與北京推想科技的聯合項目團隊就在疫情初發期研發出新冠肺炎CT影像AI篩查系統。第一時間將此前積累的基于肺炎、肺結核CT影像智能識別技術，部署應用于華中科技大學同濟醫學院附屬同濟醫院、武漢大學中南醫院等，輔助醫生快速診斷新冠肺炎。

而醫療影像則為醫學診斷提供了圖像方面的信息。張學工指出，在醫療AI具體臨床和商業化應用方面，圖像具有清晰易懂的特點，因此在醫療AI領域被率先落地應用，但其仍有局限性，影像并不能把所有生命系統中的數據給予到醫生和病人，歷史的數據、主觀的感覺，各種自然語言的描述，這些都不能通過影像去分析。

一些罕見病上并沒有典型的一些癥狀，一般依靠模糊的描述去判斷癥狀。倘若積累了大量病例以后，靠機器去做分析判斷，會比人的判斷更全面，因為人的經驗判斷是有限的。張學工說到這是醫療AI的一大作用。

但目前，AI技術甚至在一些有關人體生命安全的醫學領域也有應用，AI系統亦深入到診斷、預測甚至治療康復等環節，開發出了眾多新的AI工具，相應的研究也得以發表在一些權威醫學期刊上。但由于試驗設計質量參差不齊，具體的有效性很難進行比較和評估。

沒有統一行業評判的標準，可能會給數百萬患者帶來風險。同時也易助長醫療企業宣傳、炒作AI實效性的火焰。隨著眾多巨頭紛涌而至，AI賽場展示出巨大的潛力，但游戲規則亟需建立。

交叉領域深度融合或成新發力點

在人口老齡化以及慢性疾病患者數量增長的情況下，如今對醫療技術人員及醫療資源的需求不斷上升。而現有醫療體系在處理需要大量長期診治、病狀復雜的患者等多方面仍存在諸多不足。

此外，優質醫療資源還存在分布不均的狀況，區域之間差異較大。據國家衛健委發布的《2019年國家醫療服務和醫療質量安全報告》顯示，從患者異地就醫情況看，患者流出比例最高的5個地區為西藏、安徽、內蒙古、河北、甘肅，而患者流入比例居前5位的地區為上海、北京、江蘇、浙江和廣東。隨著醫療數據量增長迅速，借助AI大數據可節省人力資源，彌補醫療勞動力短缺的不足。

張學工坦言，目前AI醫療也確實需要更多應用在要大量重復勞動去解決的問題上。從更長遠的角度來看，人工智能發展要和生命研究本身結合起來。

近年來，深度學習在AI醫療領域再度成為焦點。張學工對此表示：“整個人工智能的領域要比機器深度學習的領域寬很多，深度學習有強項也有其局限性，并不能把所有的希望都寄托在深度學習上，還要重視基礎知識。從大量數據中去找簡單規律，從少量數據中去找復雜規律，這需要深度學習之外的方法或者深度學習自身去往更好方向發展。”

據近日由中國發展研究基金會發布的《人工智能在醫療健康領域的應用研究》報告表示，現階段，人工智能在全球醫療領域應用廣泛，風頭正盛。新技術主要集中應用于虛擬助理、醫學影像、輔助診療、疾病風險預測、藥物挖掘、健康管理、醫療管理、輔助醫學研究平臺等領域。

報告指出，人工智能在醫療健康領域的應用，將推進健康技術革新和醫療服務模式的轉變，促進醫療成本的降低與醫療服務效率的提高；同時，也將有助于形成同質、標準、易于延展的醫療服務體系，優化資源配置，保障需求側，特別是偏遠地區的民眾，人人享有高質量、高標準的醫療服務的權利，促進健康公平性及可及性。

未來，AI醫療將延展到幾乎每一個領域、每一個類別。從醫療器械，手術裝備，各類無源類植入體，像人工關節、人工器官、心血管支架等，AI醫療機器人等也將應運而生。AI與醫療器械兩個領域的交叉深度融合發展，需要跨學科團隊整體建設，包括人才培養以及深度融合的課題研究等。AI醫療發展將要走向“快、穩、準”的道路。企業也不應滿足當前的需求，要為未來智慧醫療高速迭代的發展做好準備。
責任編輯:tzh