l辽宁快乐12走势图:人工智能:從實驗室到醫院的距離有多遠?

2019-05-23 10:31:13 來源:人人都是產品經理


Mike Barlow在《人工智能與醫學》中有這樣一個觀點:

辽宁快乐12任八中奖 www.fszfoj.com.cn 與傳統的傾向于勞動密集型的醫療保健不同,新興的醫療模式是知識驅動型和數據密集型的。許多新型醫療保健正在帶給我們一種新的模式,它將依賴于新一代用戶友好、實時的大數據分析和人工智能及機器學習工具。
 

與Mike Barlow持類似觀點的專家儼然不在少數,醫療已然成為人工智能最先落地的場景之一,AI從實驗室走進醫院,早已也不是什么技術問題,只是時間的早晚。
 

現實似乎又有些例外。IBM早在2014年就斥資10億美元成立了Watson業務集團,全面運作 Watson 的研究和商業化事宜,其中的第一份職業就是“醫生助理”,嘗試用人工智能驅動個性化治療。
 

但直到今天,有關AI+醫療的案例報道屢見不鮮,醫療AI的臨床落地卻幾乎處于空白狀態。
 

01 角色進化
 

自從2014年以來,AI進入垂直細分領域,醫療+AI就被認為是最容易落地的領域之一。盡管醫療+AI仍然存在不少問題,前進的腳步卻從未停歇。
 

IBM旗下的Watson就是該行業的先驅。在2017年9月,Watson在中國實現落地,其角色定位是“輔助醫生”。也就是說Watson并不能代替醫生下判斷,而是用人工智能幫助醫生做診斷,就像金箍棒一樣,孫悟空擁有了它更是如虎添翼。
 

Watson的工作原理是當醫生輸入患者的詳盡數據,這款AI會從數據庫里搜索已發表的研究成果,不到10秒鐘,就能給出相應的治療方案,供醫生參考,為醫生提供建議方案。
 

盡管Watson目前的作用是輔助,但是為了做好“助攻者”的角色,Watson在不斷自我優化。
 

以Watson的腫瘤解決方案為例:目前其方案覆蓋乳腺癌、肺癌和直腸癌等13個癌種,輔助全球醫生進行診療,而預計到2019年,會在現有的基礎上將新增3個癌種的解決方案。而在國內,國內的互聯網巨頭們也相繼入局AI醫療領域。
 

2016年4月,騰訊1億美元投資“碳云智能”,10月百度發布“百度醫療大腦”,2017年3月阿里云發布“ET醫療大腦”,宣布正式進入AI醫療領域。
 

盡管起步比美國晚兩年,技術還不及國外成熟,但是在國內市場依然擁有一定得壁壘。
 

中國人的身體素質和外國人有一定差異,注入Watson等國外的AI醫療系統是針對外國人的身體情況制造出來的,可能與國人不匹配。根據法律法規,國內的醫療數據不允許出境。所以服務于中國人的AI醫療系統還需中國人自己完成。
 

02 螺旋前進
 

近幾年,AI的概念一直被炒得火熱。甚至有人說只要在PPT上加“AI”兩個字,就肯定能吸引到投資。
 

那么作為醫療AI,到底是一場“海市蜃樓”,還是真真切切在顛覆醫療行業的革命呢?
 

1. “就是一坨屎”?
 

據美國媒體STAT爆料,IBM內部PPT顯示,Watson其實存在嚴重的技術問題。IBM的醫療專家和客戶都確認了多起不安全和不正確的治療建議。
 

Watson的技術沒有達到預期,引起了世界各地醫生的抱怨,不少醫生表示Watson并不適用于自己國家的患者。
 

有部分醫生認為Watson其實并沒有多大用處,醫院購入Watson是處于營銷的目的。甚至有一位醫生直言不諱地告訴IBM,“這產品只是一坨屎,大多時間沒法用。”
 

曾經有貴婦嘲諷法拉第他發明的“電磁感應裝置”有什么用,法拉第回答“沒過多久就能靠它收稅了”,此后電力是何等程度改變了世界,相信每個人都明白。
 

誠然,現階段的醫療AI算不上十分智能,更不能完全代替醫生。但是我們要看到AI的優點,比如人類的大腦是脆弱的,而機器卻能無休無止地進行高強度計算。
 

站在發展的角度去考量AI醫療,這項新生的事物能做的,也許會完全超出人們的想象。
 

2. 疑似過度宣傳?
 

自從AlphaGo戰勝人類棋手的新聞以來,AI的話題一直是媒體的寵兒。這個過熱的話題,也許賦予了大眾對現階段的人工智能過高的期待。
 

所以比如當Watson大幅裁員五成到六成的時候,比如中山大學眼科中心測試發現,AI醫生在真實臨床門診對白內障的診斷正確率只有87.4%,遠低于試驗階段的98.87%的時候,大眾會不禁質疑——醫療AI是不是宣告失敗了?
 

其實這只是事物在螺旋上升過程中經常要碰見的狀況,其問題在于媒體的過度宣傳,讓大眾對事物無法產生一個客觀的認知。大眾對技術產生過高的想象,將技術神化、將困難簡單化。
 

醫療AI有自己的螺旋上升周期,大眾應該允許失敗,媒體對該議題的關注也該回歸理性。

03 遺留問題
 

新生事物的誕生總是伴隨著陣痛。醫療AI需要克服自身存在的缺陷。
 

同時,新技術的誕生往往會遭受舊秩序的困擾,醫療AI還需要面臨何如從舊秩序中突圍的難題。
 

1. 法律責任
 

在試錯代價動輒就是生命的醫療領域,AI首當其沖要面對的就是法律問題。
 

2011年,在美國麻省的一家醫院,一位暈倒的老人被救護車送進了急救病房。他被立即安插上AI體征監控設備。如果他的生命體征出現危險,設備就會發出警告,召喚護士。然而,第二天,這個老人卻死在了病床上。
 

死之前監控設備的紅燈閃了一夜,但是被值班護士一遍一遍按掉?;な康氖櫨謚笆刈勻荒汛瞧渚?,但是從系統的角度來看,有一個問題大家都無法回避:許多醫院的AI監控設備,很多時候都只是誤報。
 

患者的死亡,責任到底該由誰承擔,AI是否能為誤診負起責任,這是一個需要思考的問題。
 

2. 數據孤島
 

就像汽車需要汽油才能行駛,數據是AI能運行起來的基礎。AI通過“吃進”海量的醫療數據,來增加自己的“經驗”,從而讓自己變得更“智能”。然而在中國,醫療數據看似很豐富,而事實上可用性并不高。
 

比如:醫院之間的數據互通就做得不好,如果一個病人在不同醫院就診,那么取得該病人完整的歷史數據就變得十分困難。
 

而且不同醫院之間,由于使用的硬件儀器不同,導致數據格式各異,難以標準化。各個醫院之間的數據,就像汪洋上的一個個孤島,彼此獨立,無法連成一片,無法互通有無。
 

許多業界專家呼吁,將各個醫院數據的私有格式轉化為標準格式,讓醫療數據能夠通用,但是響應者寥寥。
 

即使AI能獲得高質量的醫療數據,它還有無法回避的棘手問題:患者的數據會被AI公司泄露嗎?畢竟應該沒有一個人會希望自己的隱私被泄露。
 

3. 落地艱難
 

除數據問題外,AI在醫療行業的落地還存在模式和制度的問題。
 

比如:美國特拉雅諾娃實驗室開發了一套結合影像和AI的心臟造影方案,構建出整個3D全息心臟模型。它能夠模擬心臟動態,利用它,醫生可以準確地找出患者病灶。
 

然而這項技術真的要從實驗室走向醫院,前景并不樂觀。
 

其最大的挑戰來自于美國食品藥監局(FDA)的監管和審查。任何一項技術想要投入臨床應用,都免不了和FDA進行一場曠日持久的拉鋸戰。如果無法將研究成果轉化為審批標準,那么無論產出再多研究成果都是無用功。
 

04 總結

盡管醫療AI還沒有大規模落地,從實驗室到醫院還有很長的一段路要走,而且在現階段,醫療AI無法像人類醫生那樣做診斷,不能取代人類醫生。
 

但是AI醫療是很好的工具,它的出現切實地提高了醫生的診斷效率,提升了醫療質量,減少了誤診的可能性。
 

在科學急速發展的今天,我們需要更高水平、更科學的技術進入醫療領域,而AI或許是最好的、也是時代最合適的技術。未來,AI將在醫療領域有著舉足輕重的作用。


免責聲明:本文由作者原創。文章內容系作者個人觀點,轉載目的在于傳遞更多信息,并不代表EETOP贊同其觀點和對其真實性負責。如涉及作品內容、版權和其它問題,請及時聯系我們,我們將在第一時間刪除!

全部評論

X