新时代下的智慧医疗该怎样落地

美国著名神经外科医生保罗·卡拉尼什在他的临终著作《当呼吸化为空气》中曾写道：“我们背负着无形的枷锁，肩负着生死攸关的责任，也许病人鲜活的生命就在我们手中。”

确实如此，医疗的严肃性，让这个行业天然拥有一种“迟钝感”。然而，最近这几年，人工智能不断地进入垂直细分领域，AI+医疗却被认为是最容易落地的领域之一。

从可穿戴设备掀起健康管理热潮，到影像辅助技术用于病灶精准识别，再到远程医疗让大山里的病人也能享受到先进的医疗服务，技术红利大大提高了医疗服务质量，也深刻改变着医疗服务模式和理念，为构建新型医疗体系提供了重要支撑。

事实上，除了传统的医疗器械公司，各大科技公司也在医疗领域正在上演新一轮的军备竞赛。国外的IBM、Google、苹果、微软、亚马逊等均已布局医疗人工智能，国内的阿里巴巴、腾讯、百度、科大讯飞、华大基因等先后以“智慧医疗大脑”或其他形式切入市场。

此外，围绕人才培养、技术创新、产业融合、产品落地等，世界各国纷纷展开布局。就国内而言，早在2015年，《政府工作报告》就将医疗领域纳入“互联网+”行动计划，去年4月发布的《关于促进“互联网+医疗健康”发展的意见》，推动医疗人工智能研究和应用进入高潮。

那么，人工智能在哪些方面可以帮助改善医疗环境？目前活跃在智慧医疗领域的企业有哪些？在落地的过程中有哪些痛点与难点呢？

AI+医疗是什么？就是将人工智能技术应用到医学诊疗中，让计算机“学习” 医疗专家的医疗经验和医学文献知识，模拟医生的诊治思维和推理过程，从而给出可靠的诊治疗方案，其价值可以从不同维度来观察：

首先，从应用场景来看，智慧医疗最大的市场在基层。我们知道，基层医疗医务人员需要承担大量常见病、多发病、慢性病的病人，因此更需要提高诊疗水平和效率的工具。

目前，国家正在提倡分级诊疗，而基层首诊是分级诊疗制度的重要基础，分级诊疗需要基层医疗机构做好 “守门人” 和 “健康管理者”。这里说的基层主要是指医疗服务能力比较薄弱的地方，比如说具备“老三件”、简单生化仪器的社区卫生服务中心或村卫生室等。

值得注意的是，虽然智慧医疗在基层的推广和普及，可能是一种“搅局式”创新，但是这些技术创新有助于推动原来需要专家才能做到的诊断、治疗，让基层医生在缺乏高端仪器设备的情况下，也能为患者提供初步的诊治工作。

其次，从技术应用来看，比较常见并且高效运转的智慧医疗，主要是自然语言处理类辅助诊断系统和医学影像识别类辅助诊断系统两个细分领域。实际上，医疗人工智能作为一种提高效率的工具，目前已经覆盖了医疗产业链条上的医疗、医药、医保、医院四大环节，主要应用于医学影像、虚拟助手、药物发现、医院管理、健康管理、疾病预测、精准治疗以及辅助诊疗等方面。

其中，最热门的领域当属医学影像。第三方市场调研机构Global Market Insights数据显示，医疗影像和诊断技术将成为2017年－2022年智慧医疗领域增速最快的行业，预计到2024年，行业将达到250亿美元，增速超40％。

事实上，在医疗诊断中，影像的价值是无可取代的，90％的医疗数据需要医生通过影像来判断病理情况、手术方案、用药风险等。但在临床应用中，影像解读高度依赖于医生经验，具有较大的主观性，因此，寻求客观、有效的评估方法是一个重要的研究方向。使用“医学影像＋AI”能更全面地获取病灶信息，降低漏检概率，具有重要的临床意义。

除此之外，像上海、北京、广州等地的大医院都承担着一些附属医院的会诊工作，但让这些医院的医生每次都去现场指导是不现实的。通过 AI+5G 的方式可以让大医院的医生从去隐私、脱敏的病人基本信息输入到病情的分期、病理诊断方案、用药的顺序对附属医院的医生进行演示，对远程会诊、远程医疗起到比较好的作用。

客观来说，目前人工智能的应用更注重场景。实际上，如果没有具体的产品落地去满足用户的需求，仅是拥有超强的计算能力，AI+医疗只能是一个空中楼阁。所以，智慧医疗需要结合行业应用，一方面利用精准数据资源、算法，另一方面根据特定的应用场景设计商业模式。

众所周知，目前国内面临优质医疗资源的供需不平衡，医生培养周期长，疾病谱变化快，技术日新月异，人口老龄化加剧，慢性疾病增长等问题待解决。公开数据显示，全球医疗行业，平均每万人拥有医生14人，在中国这一数字也是14人，美国在27人左右。随着人们对健康重视程度提高，大量需求催生了医疗AI的快速发展。

毫无疑问，将AI应用于医疗领域已成为眼下的科技热点。麦肯锡有一项预测，到2025年，全球智慧医疗行业规模将达到总254亿美元，约占全球人工智能市场总值的1/5。但在实际的产业发展中，中国智慧医疗仍处于起步阶段，赛道里的玩家熙熙攘攘，大体上可以分为三类，简单来说：

第一类，是传统医疗器械公司，主要有三大巨头GPS，即GE、飞利浦以及西门子医疗。近几年，三大巨头相继转型：GE将医疗业务拆分，聚焦于数字医疗应用和解决方案；飞利浦以医疗AI为突破点，自建生态平台、并购初创企业、联合生态合作伙伴；西门子医疗正从头开始构建AI能力，希望建立数字化医疗“App store”。

值得一提的是，几年前对这些企业的定义更侧重于工业侧，但现在它们已经完全被业界认可为健康科技企业。

第二类，是科技巨头。较为典型的就是IBM旗下的Watson Health，成立四年来，Watson Health收购多家医疗数据公司，砸下数十亿美元，发布了超过120个解决方案，覆盖医疗支付、服务提供、政府管理、生命科学四大领域。除此之外，国外的Google、苹果、微软、亚马逊等均已在智慧医疗领域有所布局。

不同于中国互联网公司在20年前的跟随姿态，在人工智能领域，国内科技巨头也不枉多让，阿里巴巴、腾讯、华为、百度、科大讯飞、华大基因等均有所布局。

比如，腾讯在此前的昆明大会上，公布了七大智慧医疗新科技，既涵盖AI医学影像、AI辅助诊疗、AI运动视频分析、AI病理分析等技术层的突破，也包含互联网医院、电子健康卡、医学科普等创新解决方案；阿里健康携手万里云发布“Doctor You”AI系统，并在去年宣布启动面向医疗AI行业的第三方人工智能开放平台，12家医疗AI公司成为首批入驻平台的合作伙伴；华为通过大数据、云计算技术的深度融合打造健康档案区域医疗信息平台，利用物联网技术实现患者与医务人员、医疗机构、医疗设备之间的互动，构建智慧化医疗服务体系。

第三类，是创业公司。近两年，已经有超过100家以医疗为重点的AI创业公司拔地而起，资本市场对AI 医疗行业也颇为青睐。据不完全统计，2018上半年有18家从事医疗人工智能行业的公司获投，总金额超过31亿元。其中，云知声先后完成C轮和C+轮融资、深睿科技一年内获得三次融资。

值得一提的是，2017全年国内有关医疗人工智能行业的融资总额才18亿元左右。由此可见，资本对于医疗人工智能市场的热情是持续增长的。

毫无疑问，未来随着人工智能在医疗应用领域的不断拓展，医疗人工智能研究和应用将进入高潮，国内优质医疗资源的供需不平衡等现状将得到改善，智慧医疗也将不再仅存在于愿景之中。

当然，AI+医疗的融合并不是“一蹴而就”的，在落地的过程中，依然会有很多的痛点和难点，主要表现在以下几个方面：

一是，数据难题。根据IDC Digital的预测，截至2020年医疗数据量将达到40万亿GB，是2010年的30倍。即使医疗数据量巨大，但其中80%左右都是非结构化数据，发挥不了“大数据”的价值。

我们知道，目前国家乃至全世界都推行使用电子病例，目的就是将医疗数据信息化、结构化，以便于智慧医疗的发展。然而中国大部分患者的数字化病例资料都是不完全的，这就对医疗数据的数字化整合带来一定的难度，那么企业获取优质医疗数据的难度也随之增加。

同时，不同的医疗机构或者企业，其数据录入标准也是不一样的，而单个医疗机构或者企业积累的数据难以训练出有效的深度学习模型。因此，在不同医疗机构或者企业合作时，容易因标准不一导致优质的医疗数据丢失。

可以说，AI医疗是基于大数据来发展的，而其要想为医生辅助诊断疾病提供最好的支持，首先必须要解决数据的难题。

二是，复合型人才缺口。据业内统计，目前我国人工智能行业的从业人员不足5万人，每年通过高校培养出来的技术人员也不足2000人，而在人工智能行业从业者中，我国拥有10年以上工作经验的人才占比不到25%。

更为关键的是，在人工智能人才短缺的大背景下，医疗人工智能的复合型人才更是短缺。据动脉网统计发现，在47名医疗人工智能创业公司的CTO或者首席科学家中，与医学专业相关的人才仅有7人，占比14.9%。

不同领域的人才之间的交流还是会存在比较大的困难，一个领域的专业人才去了解另外一个自己不熟悉的领域，其困难也是显而易见的。因此，复合型人才在智慧医疗行业尤为重要，如果让越多具备医学知识和AI知识的复合型人才加入，必然对AI医疗的发展起到事半功倍的效果。

三是，技术基石尚待巩固。从技术的角度来说，目前AI医疗大多还处于弱人工智能的阶段。虽然AI医疗的应用场景很广泛，比如虚拟助理、药物研发、健康管理、医疗影像辅助诊断等，但是真正落地、符合医院使用场景的产品还是比较少，因此，相关技术和产品的研发还有待进一步提升。

目前，大多数公司在多学科联合诊断算法上还存在技术瓶颈。医学算是一个比较前沿的行业，随时都有可能碰到疑难杂症，也就会出现新的数据，那么AI医疗产品的数据算法就要不断的更新，而数据算法的技术难度也会随之增大。

总的来说，我国在人工智慧医疗方面仍有很大的进步空间，绝大多数的产品都还没到商业化阶段。对于那些掌握人工智能技术的计算机专家和技术的公司来说，AI+医疗就是兴奋剂，但依然存在诸多需要突破的壁垒。毋庸置疑的是，只有那些真正有实力的公司，才能在大浪淘沙的竞争中留存下来。