AI诊断来袭，我们该何去何从

A

BOUTBEAUTY

关于研究君

每天精选深度互联网业内文章、收集最新互联网业界资讯、移动互联网报道、研究、服务为己任的第三方行业研究机构。

从 2014 年互联网医疗崛起至今，我们经历了一个完整的医疗产业技术渗透周期，享受过牛市的甜蜜期，也体会过商业模式迟迟未能兑现所带来的阵痛。看当下，以春雨医生、微医为代表的互联网医疗平台，继续在政策的夹缝中艰难摸索商业模式；传统的医疗 IT 厂商们仍然埋头做着医院、政府的项目。当颠覆医疗的口号慢慢平息，医疗健康产业似乎重新归于平静之时，新一轮人工智能的风暴开始向医疗产业袭来，我们观察到医疗这个号称最难被颠覆的产业，正在出现新的变化。

互联网医疗到医疗人工智能，是对医疗行业从表层到实质、从边缘到中心的全面升级

医疗是一个人力、智力密集型行业，医疗服务供给与需求的严重失调是我国医改面临的根本问题。为了变革升级产业，解决看病难的问题。1.0 时期的互联网医疗，大部分商家都将自身定位为平台，强调平台的连接属性、放大互联网的流量优势。典型的商业模式就是轻问诊平台，以挂号为切入口，希望通过更高效的链接患者和医生，提升医疗服务的资源配臵效率。2.0时期，互联网医疗平台尝试通过开通互联网医院、或者到线下开诊所的形式来提供医疗服务，从增加医疗服务供给的角度去变革产业，但受限于人力的瓶颈，变革仍然是有限度的。到了医疗人工智能时期，AI 对医疗的渗透有望大幅变革医疗服务的成本和效率，从根本上解决医疗服务资源的供给瓶颈，彻底改善看病难的问题。

现代医学是数据驱动的学科

一提到技术对于医学的作用，可能大家的第一反应就是医疗是一门手艺活，靠的是经验和实践，技术本身并没那么重要。我们认为这是一种偏见或者无解，事实上，中西医分科治学后，现代医学已经是一门数据驱动的学科了。传统医学的底层驱动其实是经验医学；到了现代医学，特别是西医，强调的是循证医学，其背后的支撑是基础理论的研究+临床经验（以数据的形式呈现）。循证医学会采集大样本的临床数据，进行系统性的评价，最后把临床数据总结成临床诊疗指南、临床路径；循证医学发展到精准医疗时代，数据的重要性更加明显。精准医疗在循证医学的基础上，更加强调患者个体的个性化诊疗，通过对患者的数据的分析结合临床经验，给出最佳的治疗方式，甚至会出现“同病不治”、“同治不同病”的情况。因此，如果我们承认数据是现代医学的基础，那么将人工智能技术引入医疗领域显然是历史发展的必然。

以医学影像为例

新一代人工智能技术在精确度上已经实现了“ 超越人类水平” 的技术临界点。以前的医疗影像 CAD（计算机辅助诊断）依旧主要表现为事先输入的预先假设和病例特征结构之间的判断程序，计算机识别不够精确，敏感度和特异性不够，漏诊（假阴性）和误诊（假阳性）的可能性还是比较大，因此对于一个放射科医师还是临床专业医师都无法起到很好的辅助作用，反而可能在使用的时候拖慢效率，极大地阻碍了 CAD 在临床医疗实践中的推广和发展。引入深度学习之后的医疗人工智能与过去传统的人工智能模型的区别在于，传统人工智能模型的成本非常高，需要一大批的专家来教机器某一种疾病的各种类型的特征。这种模型准确率本身不高，而且能够做出来的病种也非常有限。但深度学习的模型，本质上有点类似一个普通医学生的自学习过程，只要有足够的数据量作为学习材料，就能实现更精准、覆盖病种更多的模型。从2013 年开始，已经有多个医疗影像人工智能的学术研究以及商业化的案例，通过引入深度学习算法，在某些病种的识别和诊断上，达到“超越人类水平”的技术临界点。

我们医学影像分析工作复杂繁琐，工作量也很大，且极度消耗医生的精力

我们以肺结节检测为例，一家三甲医院平均每天需要接待200例左右的肺结节筛查患者，而每位患者在检查环节会产生200-300张左右的CT影像，放射科医生每天至少需要阅读4W张影像，且任务繁重，精力消耗，导致漏诊误诊率上升。既然影像科医生们这么累，且痛点长期存在，那么干脆开发出一个能够自动筛查识别的人工智能来帮助诊断岂不美哉？于是AI+医学影像应运而生，极大程度的帮助医生完成诊断工作。

一时间质疑声此起彼伏，而担心丢掉饭碗的同道更是日渐增长。质疑、不屑、轻蔑、担心的负能量暴涨，冲垮了那本就劳累不堪、星光黯淡的心灵之堤。

总 结

其实，目前阶段的AI，仅仅只是进行病灶识别与标注，靶区自动勾画与自适应放疗以及影像的三维重建。

所谓病灶识别与标注，主要是针对医学影像进行图像分割、特征提取、定量分析、对比分析等工作；而靶区自动勾画与自适应放疗则是针对肿瘤放疗环节的影像进行处理；至于影像三维重建，则是指在人工智能进行识别的基础上进行三维重建，针对手术环节的应用。

人工智能和医学影像的结合，能够为医生阅片和提供辅助和参考，大大节约医生的时间，同时还能提高诊断、放疗及手术的精度。

与此同时，人工智能在运行过程中，基于深度学习不断优化，通过大量已有的影像数据和临床诊断信息不断训练自我，使得其具备独立的诊断疾病的能力，如果到了这一步，人工智能是否能够替代医生，或者说替代那些知识浅薄还不思进取的医生，还真不好说。

多研究，多了解，研究君精选互联网业内的趣事、要闻、收集最新互联网业界资讯的认知欢迎精英们分享！！

hulwang2046|互联网研究家