0
在日前舉行的“云棲大會”上，阿里健康開辟了“智慧醫療”專場，對外界分享了阿里健康如何用互聯網技術、人工智能技術賦能醫療，打造智慧健康平臺的規劃。雷鋒網奔赴大會現場第一時間進行了跟蹤和報道。
在“智慧醫療”專場的圓桌討論環節，中國信息協會醫療衛生和健康產業分會會長宋新作為主持人，和飛利浦醫療科技大中華區副總裁陳勝裕、阿斯利康信息技術部副總裁徐晶、輝瑞中國副總裁谷成明，以及阿里健康副總裁張亮，就醫療+AI領域的挑戰和基于展開了思想交鋒。
幾位嘉賓一致認為，將AI應用于醫療領域主要面臨兩大挑戰——數據和人才。飛利浦醫療科技大中華區副總裁陳勝裕指出，“中國的數據量非常龐大，但還沒有形成大數據，因為很多數據還沒結構化和標準化。”此外，數據的質量也參差不齊，且分散在全國各處的信息化系統中，對接起來十分困難。
主持人宋新表示，現階段跨界復合人才的培養非常關鍵。中國目前的人工智能人總共不到5萬人，高校每年培養出來的人才也只有不到2000人。既懂醫療又懂人工智能的更是少之又少。只有解決了人才問題，才能真正突破國家在人工智能領域發展的瓶頸。
關于醫療+AI的未來，阿里健康副總裁張亮提出了兩大方向——普惠和精準醫療。一方面，中國的醫療資源十分緊缺，僅僅依靠人力無法覆蓋所有人，但科技的力量可以做到這一點。張亮認為，未來可以通過可穿戴設備監測用戶的健康數據，預測疾病風險，讓老百姓真正享受到科技帶來的福利。
另一方面，我們正在朝著精準化醫療時代邁進。未來，健康和身體都可以被數據化，將極大地推動新藥研發和個性化治療方案的發展。張亮認為，這對所有科技和IT領域的企業都是巨大的機會。
以下是幾位嘉賓思想交鋒的全部內容，雷鋒網做了不改變原意的整理編輯：
主持人：首先請各位嘉賓介紹一下各自企業在醫療AI領域的業務探索。
徐晶：坦白說，阿斯利康最近才開始利用大數據。我們發現，大數據開始在慢病的全病程管理中發揮作用。如何用數據打通全病程的疾病管理，并提供智能化的診療，是我們目前正在探索的方向。
陳勝裕：可能很多人不知道，飛利浦也非常專注大數據和人工智能技術的研究。我們期待和生態伙伴一起，通過人工智能技術，將病人的個人生活狀況、個人體征、專業診斷資料、病歷，以及出院后的健康信息等串聯起來。進而追蹤其健康狀況，對疾病做預防性、介入性的診斷和治療。
谷成明：輝瑞不僅提供創新的藥物，還在疾病管理方面下了非常多的功夫。我們差不多四年前就開始研究大數據和人工智能在醫療方面的應用，包括人工智能輔助的自動風險評估和臨床決策系統。
我們的機器人輔助系統可以告訴醫生，什么時候該做什么樣的檢查，采用何種治療方案。目前國內已有超過3萬人使用。
我們還滿足病人端的需求，比如病人不知道得了某種病后該吃什么藥，該怎么運動，我們就開發了一個機器人問答系統。
此外，醫生對病人進行電話隨訪非常費時費力，我們正在嘗試用機器人進行輔助隨訪，我相信在不遠的將來大家就會看到這樣的服務。
張亮：阿里健康在醫療AI領域的工作主要有以下幾個方面：
一、醫療影像。今天影像的精度越來越高，而且病人拍片子更加頻繁，可能每個月都會拍一張，所以機器在高精度影像和癌癥等疾病的預測方面可以做很多事情。比如肺結節的篩查，剛開始機器也許只能識別出這是不是肺結節；但未來也許還能識別出這是什階段的肺結節?；蛘邔Σ∪嗣扛粢欢螘r間拍的片子進行比較，分析病情的變化趨勢，這是醫生很難做到的。
二、基于檢查、檢驗結果，給出用藥方案。后續機器可以根據病人的檢查結果，告訴他什么情況下該用什么樣的藥，目前這方面的準確率已經非常高了。
三、醫療大數據。機器不一定能完全替代人，但它可以幫助人記憶很多東西。很多地方的醫生看過的病人數量有限，僅憑自身經驗很難判斷某些疾病。但未來機器可以告訴醫生，之前數據庫里類似的病人是怎么治療的，大概花了多少錢，術后恢復情況如何。這樣一來就能幫助提高廣大醫生的醫療知識水平，惠及中國廣大的十幾億人口。
此外還有虛擬培訓系統，通過AI模擬真實病人供醫生學習：假如遇到這樣的病人該如何治療，治療后效果如何？這是全新的高科技培訓系統，而不是像過去一樣的答題系統。
主持人：每家企業都有不同的發展歷程，我想請教幾位嘉賓，你們在醫療AI研發的過程中遇到了哪些障礙和困境。
徐晶：我們走過一些彎路，今天在這里分享體會比較深的。
談到醫療、健康、大數據或人工智能，最大的問題在于數據的來源和質量。在座各位很多都是醫療行業出身，都了解中國醫院系統的信息孤島現象，這里暫且不提。
病人全病程的管理主要有兩個重要場景：一個是醫院，另一個是家里或者路上。醫院里的數據有相當一部分依賴于不同的系統，需要提取出來，而且涉及很多手工操作。舉個很簡單的例子，雖然現在信息技術已經非常普及了，但住院查房時，還是大主任在前面查，后面的人錄音下來錄入系統。這種手工產生的數據，質量上存在比較大的問題。
慢病的長期管理方面，以前缺少可穿戴設備等監控手段，病人回到家后，醫生無法讓他自愿自發地長期提供數據。這對醫生來說是一項巨大的挑戰。未來，隨著物聯網技術的普及和傳輸技術的更迭，病人在家時其個人特征數據和診斷數據也能源源不斷地自動上傳，降低慢病管理的難度。病人在醫院和家里的數據，我們稱之為H2H，只有將這些數據集成在一起，才能在病人的全病程管理上發揮作用。我認為這是接下來需要克服的一個比較大的障礙。
陳勝裕：剛剛徐總提到了數據的來源和質量問題。其實我也經常和朋友聊中國的醫療大數據問題。我常常說，中國的數據量非常龐大，但還沒有形成大數據，因為很多數據還沒結構化和標準化。這是AI在健康醫療領域應用的最大瓶頸。
張教授提到，假如用最好的算法，僅靠小數據就能得到精準的計算結果。AI技術已經發展很久了，有很多數據可以供我們進行演算。但是在臨床上這些數據是否精準，需要有臨床經驗的積累才能判斷。不同的疾病和臨床檢驗會產生不同的數據，如果沒有經過標準化和結構化的處理就將其提供給算法，會帶來很嚴重的問題。我認為這是人工智能技術應用于健康醫療領域需要突破的重大困境。
谷成明：我覺得最大的挑戰是認知問題。現在環境好了很多，四年前我去找人合作，我說人工智能可以幫助醫生看病，很多人還沒聽完就說不可能。很多時候我們跟合作伙伴喝了好幾趟酒，工作還是沒辦法進展。在這一點上，南方遠遠好于北方。
具體到技術實踐方面，我同意前面兩位嘉賓講的，數據是最大的挑戰。區別好醫生和差醫生主要有兩方面的依據，一是知識，二是經驗，機器也一樣?，F在機器學習知識很簡單，把各種論文中的知識成果放進去就行了，這在技術上沒有問題。缺的是非常好的數據，數據經過機器轉化后就成了經驗。有些掌握了優質數據的人不太愿意跟別人分享，我希望未來在這方面能有所突破。
張亮：我認為困難主要有兩方面：一方面是人才，一方面是數據。
人工智能和醫療需要兩撥最聰明的人互相理解，共同合作。對于阿里巴巴來說，技術并不是挑戰。阿里巴巴在人工智能領域是比較領先的，但在醫療領域，我們還是一個剛入門的小學生。我們的研發人員和產品人員需要知道，人工智能在醫療的哪個領域能夠帶來最大的貢獻，這僅靠阿里巴巴的力量是不夠的。人工智能和醫療方面的跨學科人才比其他交叉學科更為難得，需要時間和國家的培養。
再說數據方面。今天的醫療數據有很多，但用來訓練模型時不能只拼數量，還要拼質量。比如肺癌，光有肺相關的數據是不夠的，因為肺癌有很多分型，我們還要找到這些分型的數據，這是非常困難的。所以我們跟醫院和很多廠商建立和合作關系。但數據還是非常分散，分布在全國各處的信息化系統中，對接起來非常困難。
第三，醫療人工智能還是新興事物。希望國家能出臺相關的法律政策進行推動和宏觀把控。
主持人：我概括一下，前面提到了兩個關鍵問題：數據問題和人才問題。確確實實，現階段跨界復合人才的培養非常關鍵。中國目前的人工智能人總共不到5萬人，高校每年培養出來的人才也只有不到2000人。既懂醫療又懂人工智能的更是少之又少。只有解決了人才問題，才能真正突破國家在人工智能領域發展的瓶頸。
中國的數據很多，但是不夠大，質量也不夠高，導致能夠應用于人工智能的數據并不多。另外，今年年底網絡安全法馬上就要推行了，接下來國家對于數據的采集、存儲和市場化應用都會有一系列要求，將提高數據整合的門檻。
關于人工智能在醫療領域的應用，國內企業側重于輔助診斷，包括幫醫生提高效率和疾病預測等；國際上則偏向新藥研發。我想請問阿斯利康和輝瑞的兩位老總，在用AI研發新藥方面，能否給國內的藥企一些建議。
谷成明：醫藥的研發分兩塊，一塊是R（research）一塊是D（develop）。藥物的研發費用非常高，輝瑞每年的藥物研發投入大概是70億美金。藥物研發需要大量的人力，每個項目都恨不得有幾千個人去做，但很可能做兩三年一種藥也研發不出來，風險很大?，F在我們可以用人工智能去模擬實驗室里的化學反應，不需要所有試驗都在實驗室里進行。
臨床研究的花費是最多的，如何通過人工智能為新藥找到合適的病人呢？我們現在可以通過大數據的方法做聚類分析，把臨床研究的數目變得非常小，而且避免了不良反應。我覺得國內公司可以在這方面做一些探索。
徐晶：我補充一點，做藥物研發的企業和機構，首先要做好最基礎的工作——數字化。現在的藥物研發過程中，還存在很多手工工作。比如在研發階段，數字化可以加速數據的提取速度。另外，在臨床研究階段，數字化也可以加速病人入組等過程。
主持人：謝謝兩位專家。大概一周前，我看到多倫多有個機構開展了一個用AI研發藥物的比賽，有幾個團隊只用了幾秒鐘就研發出了一種新藥。我當時想，難道未來老百姓也可以用AI來設計適合自己的藥物嗎？現在看來，也許真會有這么一天。
我們知道，CFDA為人工智能和創新型醫療器械專門開辟了一個部門，負責審批未來智能化的高端醫療器械。我想請教陳總，如何將這些智能設備家庭化和便捷化呢？
陳勝裕：各位都知道，飛利浦有很多大型的影像設備和監護設備?，F在所有的硬件都數字化了，都聯網了；要提升硬件的性能，獲取更清晰的影像和更精準的體征信息，必須依靠AI和軟件。過去這些年，飛利浦賣出了很多醫療設備，積累了很多病人的信息和臨床知識，也掌握了很精確的算法。此外，我們也在跟蹤臨床上的國際標準?；谶@些信息，我們可以建立相應的模型，用于疾病診斷和風險評估。
那么，如何將其應用到個人和家庭場景呢？臨床上非常大的挑戰之一，就是如何將用戶的體征信息與專業的臨床信息和數據串聯起來，因為很多信息是片段式、雜亂、沒有經過結構化的。
未來，隨著個人穿戴設備標準的規范化，這些設備采集到數據就能更好地與專業病歷上的信息進行比較和分析。加上在AI、大數據蓬勃發展的背景下，大家積極推動數據的標準化和結構化，這一場景將更加容易實現。
飛利浦也在積極推動這件事情，希望基于我們在個人和專業醫療方面的洞悉，利用AI技術和生態伙伴搭建起信息串聯的平臺，實現數據的靈活運用。
主持人：今天整個會議的主題都圍繞著智能醫療，所以我想請作為東道主的張亮副總裁描繪一下對未來智慧醫療的展望和暢想。
張亮：我對未來智慧醫療的展望可以用兩個關鍵詞概括：
第一個關鍵詞是普惠。中國的醫療資源很緊缺，僅僅依靠人力很難照顧到全國那么多的老百姓，但科技的能力可以幫助我們做到這一點。
前面提到了很多智慧醫療的應用，對醫生和醫院非常重要。我們在智慧醫療市場的切入點肯定是這些專業人士，首先要讓他們感受到人工智能帶來的益處。但對于阿里巴巴來說，我們的長遠目標是讓普通老百姓也能享受到人工智能帶來的福利。比如，通過智能手表上的芯片采集監測用戶的健康數據，分析其患病風險。現在很多公司已經在做這方面的嘗試了。阿里巴巴擁有幾億用戶，具備非常好的條件最早將AI應用到普通百姓的生活當中，從根本上提升他們的健康水平。
第二個關鍵詞是精準醫療。過去的醫學主要是循證醫學，但未來醫學將朝著精準醫療的方向發展。這對所有IT和科技領域的公司都是非常巨大的機會。未來，健康和身體可以被數據化，每個人都有自己的數據；看病不一定要體檢，也許帶個U盤就夠了；醫生和機器在診斷中都占很大的比重?；谥委煼椒ê腿梭w信息的數字化，我們還可以推出基因診斷、個性化醫療、新藥研發等個性化的醫療應用。
這一切也許并沒有我們想象的那么遙遠，很可能只需要20年現在的醫學就能取得巨大的飛躍。雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
