盘点：AI医疗发展三大瓶颈！

我国现有人工智能企业1100余家，医疗作为人工智能最火的领域，医疗AI应用约占总体份额的5%至10%，随着人工智能技术的大举前进，AI+医疗的发展也如火如荼。

近日，有专家直言：医疗人工智能从目前应用趋势来看，仍需继续突破人才缺失、数据孤岛、政策留白三个主要瓶颈，才能在医疗健康领域迎来更多更好的发展，为人类健康带来利好。

亟待医工融合人才

人才信息的鸿沟，是阻碍我国人工智能深度发展的瓶颈。中国科学院院士、北京航空航天大学常务副校长房建成教授说，医工交叉是医学发展高端仪器的必经之路。医学、工程学的交叉融合，可以带来医学技术的变革;但现实中，医学和工程学人才尚处于“两张皮”，学医的人才不了解理工科，而工科人才一点医学也不学，学科未能完好交叉融合，人工智能发展也因此受限。他举例，以第一代机器人专家、中国工程院院士张启先教授为例，他研究了我国首套双栖自由度机器人手，最初应用于空间机器人。第二代机器人专家将机器人应用于医疗，目前该机器人在神经外科、骨科领域都有良好实践。

目前，信息技术处于爆发期，这为医学发展带来重大机遇。北航依托大数据科学与脑机智能，开展人工智能算法研究，启动生物力学工程，同时依托大数据实现精准医疗。目前，北航将一部分工科资源应用与支持医疗健康，并将医工交叉作为发展医疗健康和生命科学的战略新方向，以此从源头培养人才，为我国医学人工智能发展探索人才培养路径。

数据呈“孤岛”人工智能训练仍不足

我国人工智能发展处于国际前列，医疗健康目前是我国人工智能应用的最大场景。中国信息通信研究院云计算与大数据研究所所长何宝宏对媒体说，计算机视觉人工智能探索，成就了诸多疾病筛查与辅助诊断，堪称功不可没。例如眼底病筛查、肺结节筛查、乳腺癌筛查等，基于疾病的病理特征，视觉图像的高清晰度等，实现了人工智能的辅助诊疗。但论及进一步扩展应用，高质量的数据明显不足。而目前我国医疗信息数据处于孤岛状态，人工智能所进行的医疗专业训练量远远不足。

飞利浦大中华区副总裁陈胜裕面对媒体直言：我国八成以上的医疗数据都是非结构化数据，只有厘清非结构化数据，转化成为高质量数据，才可能为医学和健康带来有意义的价值。在这一过程中需要自然语言处理、深度学习、大数据挖掘和分析三个步骤。他举例，在国外医生在每位患者身上花去1小时，就需要将近两个小时的时间从各种报告中获取整合相关信息作为临床诊断依据。此前，飞利浦与中山医院合作发现，结构化数据报告可节省医生85%的时间，因此，打破数据“孤岛”可以让人工智能发挥更大作用，真正成为诊疗的帮手。

政策尚未到位导致医院“想用不敢用”

数据显示，我国近十年来人工智能发展位列国际前列，无论从论文发表还是专利数量，我国处于领先地位，但论及转化则略逊一筹。由于相关政策细则迟迟未出台，医疗人工智能在辅助诊断领域发展受限。一些专家提及，现有方法与操作无法判断人工智能的诊断水平是否高，此外风险、法律等一系列伦理没有明确说法，由于缺乏统一的标准评估，许多医疗机构对人工智能的态度是“想用不敢用”。作为医疗器械的人工智能，需要统一的标准化评估、以及准入资质，只有明确了标准，才能让人工智能尽快进入试验阶段，继而独立应用在临床。

中华医学会放射学分会主任委员金征宇则认为，只有在更好的政策扶持下，新技术才有可能落地在医院，实现AI医疗的价值最大化。以定量化的医学影像为例，设立的标准可涵盖功能易用性、医学临床专业性、应用多样性、效果Robust等。在专家看来，加强产学研合作，鼓励创业企业贡献好的方法和结论，医生一并融入进来，会有更好的产出和转化。