如何解锁AI医疗落地之难

AI（人工智能）医疗的出现为减轻临床医生工作负担、加大医疗服务供给提供了备受期待的解决方案，但记者近期采访发现，AI医疗落地远非想象中顺利。

“垃圾数据”制约AI医疗施展拳脚

在近日中国半导体行业协会集成电路设计分会和芯原微电子（上海）股份有限公司主办、都江堰市人民政府等协办的“青城山中国IC生态高峰论坛”上，多位与会专家提及制约AI医疗施展拳脚的关键因素——“垃圾数据”。

“AI医疗最大的挑战不是机器学习、神经网络和人工智能算法，而是各类医疗机构中的‘垃圾数据’。”北京太一科技有限公司创始人解渤说，一些医院决策者认为，只要有患者疾病和数字化健康档案数据就足够了，但很多数据由于诊断标准不统一、书写不规范、记录不完整，数据质量其实很低，对于AI机器学习而言几乎是“垃圾数据”。

该公司将AI与中医学理论体系结合开发了智能脉诊仪，在整理中医数据过程中，研发团队发现由于缺乏针对脉诊进程、发展和未来变化的统一客观评价标准，如果不逐一对既有病例进行规范、整理和数据清理和规范，“AI机器学习几乎是‘垃圾进’‘垃圾出’。这话听起来很不舒服，却是无奈的事实”。

汇医慧影创新事业部总监左盼莉也表示，数据标识和诊断标准不统一是目前AI在医学影像领域主要的限制因素，为帮助训练AI算法模型建立“金标准”数据库，需要基于统一、规范的诊断标准，得出比较准确的训练结果，最终辅助临床诊疗。

商业模式不清，AI医疗成“餐后甜点”

“核高基”国家科技重大专项技术总师魏少军判断，我国人口多，对健康的重视程度逐年提升，医疗水平处于加速换挡期，AI智慧医疗很可能成为新时代具有独特发展优势，有望实现高速发展的重点领域，每个环节都会产生大量商业机遇。

在众多落地场景中，目前AI医学影像是最为成熟的一个。然而，上海联影医疗科技有限公司X射线事业部CEO向军说，尽管当前AI医学影像已经在肺结节、眼底、乳腺等病种筛查准确率上比医生出色，但AI所能覆盖的疾病种类依然有限，很难明显降低医生的负担、减少临床对医生数量的需求。目前，AI医疗好比“餐后甜点”，只是局部突破没法成为“刚需”。

如何把AI医疗变成刚需？参与论坛讨论的博恩思医学机器人有限公司CEO李耀认为，AI医疗商业模式不清，还需探索建立“商业闭环”。比如，如何分类AI提供给医生的服务，AI到底能在什么场景下影响医生的判断、协助医生的工作，谁是AI医疗的最终受益方等。

元禾华创投资管理有限公司董事总经理陈智斌认为，短期内，AI医疗产品商业化落地需要依靠制度供给和政策环境优化，激发医院、药厂、政府、个人等多方主体的支付动力；长期看，支付动力的增强需要市场认同及配套运行机制加以维持。

临床痛点有待精准“治疗”，小芯片或能撬起大生态

项舟是四川大学华西医院外科副主任，长期从事骨科创伤领域临床工作。在论坛演讲伊始，他就对与会专家说：“我是带着临床上碰到的问题向大家求助的。”他以临床骨盆骨折治疗为例，谈到目前虽然临床上可以绘制骨的三维图像，甚至可以通过3D打印得到骨形态，但骨盆微创复位、精准固定等仍是医生手工 *** 作。项舟希望未来能提前将骨盆复位后的三维图像信息输入计算机，然后借助AI、手术机器人的 *** 作实现更加精确地复位。

目前，项舟带领团队自主设计了一套骨盆三维数字化定位及复位的智慧化治疗方案，但他坦言下一步还需人工智能专家、芯片专家以及硬件设计工程师的助力。

对此，业内专家认为，一方面需要提升AI算法准确率。以肿瘤治疗为例，手术前，医生希望对肿瘤位置、大小、形态等要素进行分析，进而做出3D模型打印和手术分析规划。“现在，肿瘤规划过程需要好几小时，如果AI算法能在更短时间帮助医生提高诊断精度，AI医疗发展会更快。”美国加州大学欧文分校生物医学工程系教授陈忠平说。

另一方面，AI医疗需要“芯片级创新”，从粗放型布局走向高质量发展。上海微技术工业研究院总经理丁辉文表示，如果说医院常用的CT、核磁共振等影像设备可以看米到毫米之间的东西，到了微米甚至纳米量级，仅凭“看”是不行的，要用“分析”的方法，因此必须有可大规模集成的生物芯片等生物光电子技术的支撑，实现生物技术与信息技术融合创新。

长期从事集成电路知识产权开发和芯片设计的代工企业芯原微电子（上海）股份有限公司董事长戴伟民认为，AI开启了新一轮计算革命，AI芯片作为底层关键技术，是整个信息技术产业最上游，也是AI的开路先锋。“AI芯片企业需要用专业算法、核心知识产权和先进工艺，从硬件、软件以及应用入手，增进与医院、市场和消费者的互联互通，最终撬起AI医疗大时代的生态繁荣。”