深度 | 人工智能医疗落地崎岖，折戟 15 年后今天他们再出发

雷锋网按：从基因检测到医疗大数据挖掘，从智能诊断到精准医疗，智慧医疗的实现并非医学界或科技界，基因组学或影像学单方面能够完成的事情。基因数据、影像信息到规范化大数据，是不可断裂的链条。众所周知，人工智能的价值数十年前被发掘，但迫于实际条件，医疗创新先驱一次又一次经历着突破和失败。至今，AI医疗仍处于萌芽阶段，但时代的进步赋予了我们新的基础。今天本文将通过对医学界、科技界和产业界人士的访谈，讲述创新者们如何再次起航，从全局出发盘活人工智能医疗。

2016 年 6 月，自动化所中科院分子影像重点实验室田捷研究员团队和广东省人民医院放射科合作，采用新兴的影像组学（Radiomics）方法在结直肠癌淋巴结转移预测研究方面取得了重要进展。和传统 CT 影像学评估相比，影像组学预测模型将术前淋巴结预测准确率提高了 14.8%。

早在 2003 年，中国就启动了第一个医疗影像大数据研究项目。但因为当时数据很难做到归一化，项目以失败告终。近 15 年过去了，我们才刚刚正式地有机会来开始做这件事。

——飞利浦大中华区临床科学部高级总监周振宇博士

人工智能大热的当下，金融、医疗等存量数据巨大的行业，成为了该技术落地应用的首选行业。除了先行一步的金融，近一两年来，BAT、初创公司等也纷纷开始布局人工智能医疗。

而值得一提的是，在日前由智能医疗影像平台初创企业汇医慧影在北京主办的 “医疗人工智能前沿峰会” 上，雷锋网通过对来自飞利浦、西门子、一线医疗工作者、学界高校、医疗科技创新、英特尔等医疗行业人士的访谈发现，在盘活人工智能医疗这件事上，各界对于智慧医疗、医疗普惠的探索，比我们想象中要早很多；业界内的联合联动，也非其他同样寻求 AI 创新的行业所能及。

医疗资源分配不均、政策受阻，AI 为中国医疗困境带来希望

在当前中国的医疗市场中，国家投入巨大，但医疗资源分配矛盾依旧突出。据公开数据显示，庞大的医疗机构体系中，拥有优质医疗资源的医院仅占卫计委医疗总数的 0.1%。

大量的病人来自基层，但数量极少的三甲医院门庭若市。事实上，病人对基层的不信任不在于设施，而是人。据统计，目前我国基层医院误诊率较高，医学影像领域误诊次数达到每年 5700 万次；医院总体而言，肿瘤误诊率达到 60%。更不用说早年。

因此，对于国家出台的分级诊疗方案，实施起来也有难度。不管是三甲医院的医生下基层，还是远程医疗，这还是需要优秀医生贡献时间，所以都解决不了根本问题——优秀医生资源缺乏，服务效率不高。

与此同时，英特尔医疗和生命科学集团李亚东称，此外在中国，人口老龄化与慢性病增长的趋势驱动了市场对 AI 更大的需求。因此，AI 成为医疗创新的必由之路——让产品化人工智能来赋能，让优秀医生的能力可复制。

这是一个蓝海市场，也是一个充满温情的事业。

多年来智慧医疗的最大抵抗力

事实上，中国早在 1984 年 10 月，原教育部副部长、东南大学校长韦钰院士就创立了东南大学生物科学与医学工程系，该系正是在 2006 年 8 月成立的生物科学与医学工程学院的前身。而生物科学与医学工程学院的创立，其科学研究及学生培养方向就是瞄准 21 世纪主导学科——生命科学与电子信息科学，强调这两个学科的交叉与渗透。

飞利浦大中华区临床科学部高级总监、接受中国最早医工双学士改革教育的周振宇博士向雷锋网 (公众号：雷锋网) 讲述他那一代人探索智慧医疗的历程时表示，“生命学工程系，最早是进行医工双学位的培养，学生们都需要先去学工科，然后再学医。在那个时候，我们就想创建这样的影像方面的大数据平台了。”

据了解，在 2003 年，中国启动了第一个医疗影像大数据研究项目，周振宇博士也参与了其中。但在那个年代，项目虽然获得了高达 500 万人民币的资金支持，但最终还是失败了。因为，算法问题已经成熟，但还存在许多无法克服的挑战：设备成像的质量，数据，以及计算机能力的滞后等。

在今天英伟达、英特尔等半导体厂商的加入下，CPU\GPU\FPGA 等的补足让计算处理能力有了长足的进步。但是，如斯坦福大学医学物理部主任、终身教授邢磊指出，数据不集中不规范是目前智能医学发展的最大障碍之一。因为标准、系统兼容性和互通性而导致的数据归一化问题，至今任然存在。这也是为什么，汇医慧影希望打造跨设备互联的医疗影像云平台。

邢磊教授表示，对于医学影像与病例病史等资料的整合，从而做出综合的智能分析决策，现在尚处于非常原始的阶段。

“现在医院对病人进行系统的综合的智能分析决策做得还非常不够，比如今天一名病人的核磁结果来了，就分析一下，但实际上，这名病人也许在十年前也留下了相关的核磁、CT 及病例病史等结果，这些历史数据是否能够整合呢？如有了全面的智能分析决策之后，效果会好的多。”

基因数据、影像信息到规范化大数据，是不可断裂的链

所以，当数据端的完善成为共识时，如何获取数据？什么样的数据才是智慧医疗实现的原材料呢？

3 月 28 日，IBM 与国内互联网医疗平台百洋医药集团签署战略合作协议，旗下百洋智能科技将成为 Watson Health（沃森健康）中国地区的战略合作伙伴。

此前媒体分析称，百洋的数据量正是 IBM 所看重的，因为 Watson 的能力是基于西方患者数据库、医学理论得出的循证医学诊治，但是，由于种族基因、生活环境的差异，中西方患者在癌症疾病的发病以及治疗都存在一定差异。因此，对于 Watson 而言，成功获得足够的中国医疗机构的病例病史数据，并进行循环的认知计算训练。

事实上，业内人士指出，IBM 的数据瓶颈，并不在于基因差异影响诊断，而是需要数据训练做基因检测，推动精准医疗。众所周知，Watson 也与世界基因治疗巨头 illumina 合作，基于后者最新的测序仪推测序结果的自动解及筛选靶向药物。

同样，周振宇博士向雷锋网表示，人类健康问题从基因开始，从基因信息、到影像学信息、到规范化的大数据分析——是一条线的。“如果没有前期的信息，谈智慧医疗是不完整的。从最基本的基因测序，到整个人的健康系统管理，比如慢病管理，整个概念串在一起才能实现大数据智能诊断和研究。”

因此，除了在院内，据汇医慧影 CEO 柴象飞表示，为了将分散的数据统一起来，汇医慧影的云平台，也需要与飞利浦、西门子等设备合作打通。在院外，以飞利浦为例，作为 2017 年 3 大医疗设备巨头率先转型落地的一家，该公司为了统一链接基因、影像诊断、诊疗方案等过程，把信息的该公司医疗设备的转型中，illumina、华大基因是不可或缺的合作对象。

就华大基因而言，该机构运行着国家的基因库，覆盖面广泛。周振宇博士透露，未来华大基因将有 1 亿样本用于基础（理论）研究，5 亿样本用于临床研究；而飞利浦正计划将两台大型影像设备部署在国家基因库，届时将能够在同一个地点去采集人的基因信息和影像学信息 。

高能的是，这个涉及到整个数据流的读取、存储、写出的工作，会碰撞出怎样的效果呢？郑州大学第五附属医院教授、党委书记王新军博士表示，神经影像和基因组学的完美结合形成了影像基因组学，这样能更加准确地诊断疾病，或预测一些疾病的发展。

举例来说，胶质瘤是在神经系统最顽固的疾病，需要手术放射化疗。放射治疗是非常有效的，但是会带来放射性坏死的副作用。而放射性坏死过程中，对于细胞是复发还是坏死的判断，光从影像上判断，现在还是个难题。因此，基于大数据、深度学习的影像基因组学就可以把基因组学和影像学的优势结合起来做预判诊断。

如果仅依靠计算机做辅助诊断，那么世界最早在 1959 年便有了相关技术，叫 “计算机辅助诊断（CAD）”；但是，疾病虽然有共性，但诊断中最主要是每个个体发病的情况不同。周振宇表示，在今天强化学习、深度学习有了进一步发展之下，要实现计算机能够自我训练的过程，需要不断有更多的信息摄入。

未来的挑战：特征的寻找

2016 年 6 月，广东省人民医院放射科与自动化所中科院分子影像重点实验室田捷研究员团队合作，采用新兴的影像组学（Radiomics）方法在结直肠癌淋巴结转移预测研究方面取得了重要进展，相关研究成果已经在临床肿瘤学顶级期刊 JCO 上发表。

据介绍，影像组学（Radiomics）是利用数据挖掘等信息技术，从影像、病理、基因等海量数据中挖掘提取并量化肿瘤海量特征，解析影像与基因和临床信息（分型、疗效和预后等）关联的新方法。近年来影像组学已成为影像学领域最受关注的研究热点和前沿方向之一。

数据显示，和传统 CT 影像学评估相比，影像组学预测模型将术前淋巴结预测准确率提高了 14.8%。

只是，这一类 AI 医疗成果，当前在浙江大学、吉林大学等附属医院，以及中科院等机构中都陆续产生，但大部分尚处于科研阶段。

众所周知，基因治疗方案的未成熟原因在于，目前人类医生尚未能够发现太多基因信息与临床表征之间的联系。在工业界通用类图像识别领域，有教机器分类物体的数据库：Caltech 101 和 ImageNet。两个数据库的原理是，通过特征标签，让机器读懂图像。同样，在 AI 医学影像领域也会面临这样的问题。

吉林大学第一医院放射科张惠茅主任表示，影像学表征非常多，对于皮肤病等 2D 图像的处理还比较顺利，但诊断其他的疾病就变得很复杂。“如果不能做到成像、图像处理的规范化，那么拿到这些数据也是没有用的，也谈不上今天的大数据智慧医疗。”

她表示，如何提取有效数据、规范化管理之后要提取什么样的数据特征才有效，都需要包括临床、基因组学、影像组学，以及设备商等联合起来，制定出有效的特征，才能让人工智能医疗更有效。

当然，目前 AI 医疗创新还面临着政策监管滞后的问题，同时也引发起一部分人对 “AI 取代论” 的焦虑。但如汇医慧影联合创始人郭娜所言，

人工智能更重要的是尊重生命，关爱生命。

面对生命的界限，人人都会屈服。当呼吸化为空气——留给我们的唯有是前行。