什么樣的AI真正為醫(yī)療帶來價(jià)值？

上文介紹了過去一年里全球科技公司與實(shí)驗(yàn)室在AI醫(yī)學(xué)領(lǐng)域最新的研究成果與產(chǎn)品。在這一部分，我們將進(jìn)一步探討什么樣的AI能真正為臨床醫(yī)學(xué)帶來價(jià)值。

實(shí)際上，過于超前或者脫離了醫(yī)院現(xiàn)有基礎(chǔ)設(shè)施的AI技術(shù)，在臨床中可能并不能使我們的現(xiàn)有醫(yī)療體系受益。

AI＋醫(yī)療的瓶頸

毋庸置疑，未來醫(yī)學(xué)的發(fā)展路上研究者將長期與AI為伴。

Antonio Di Ieva博士曾在其發(fā)表于《柳葉刀》的文章中表達(dá)了一個(gè)觀點(diǎn)——“機(jī)器不會(huì)取代醫(yī)生，但是那些使用AI的醫(yī)生將迅速取代那些不會(huì)使用AI的醫(yī)生�！�

在Eric Topol博士看來，我們?nèi)蕴幱?span id="ewycawu" class='hrefStyle'>AI+醫(yī)療研究的早期階段。盡管AI醫(yī)療的研究成果源源不斷，并且也正逐漸向臨床推進(jìn)，但這些成果與人類的醫(yī)療需求相比仍遠(yuǎn)遠(yuǎn)不夠。

從技術(shù)上來看，Topol博士認(rèn)為當(dāng)前AI＋醫(yī)療的瓶頸包括：1）缺少大型的、多樣的、被標(biāo)注的數(shù)據(jù)集；2）缺少前瞻性試驗(yàn)；3）缺少計(jì)算機(jī)與醫(yī)生之間的深度合作；4）缺少落地，并且算法需要更多的監(jiān)督，需要防止惡意干擾、攻擊及軟件中其他可能發(fā)生的故障；5）多維度的數(shù)據(jù)需要新的、混合的模型。

而AI大師吳恩達(dá)則更關(guān)注AI實(shí)際落地時(shí)遇到的問題。他所提出的問題是，既然如此多的研究、新聞?lì)^條告訴我們，深度學(xué)習(xí)已經(jīng)達(dá)到了專家或是放射科醫(yī)生的水平，甚至已經(jīng)超越了人類專家的表現(xiàn)，但為什么它們卻沒有在醫(yī)院被廣泛地應(yīng)用？

吳恩達(dá)認(rèn)為，深度學(xué)習(xí)的廣泛應(yīng)用仍面臨著三大瓶頸。一是數(shù)據(jù)量，深度學(xué)習(xí)往往在數(shù)據(jù)量大的時(shí)候表現(xiàn)得更出色，而對于只有少量病例可供機(jī)器學(xué)習(xí)的疾�。ū热琊逇猓�，AI則往往無法達(dá)到人類專家的水準(zhǔn)。

二是穩(wěn)健性（robustness）和普遍性（generalization），即一個(gè)在已發(fā)表的論文中被驗(yàn)證的模型，在臨床中卻可能出問題。假設(shè)你光顧的醫(yī)院設(shè)備不夠先進(jìn)，或者醫(yī)護(hù)人員不夠訓(xùn)練有素，那么AI的結(jié)果可能也不盡如人意。

三是AI為醫(yī)院的管理與工作流程帶來的改變，AI必須解決如下問題：首先，包括放射科醫(yī)生、護(hù)士、醫(yī)療保險(xiǎn)公司、醫(yī)院管理者在內(nèi)的工作人員，是否能夠適應(yīng)AI所帶來的全新的工作流程；其次，患者的安全至關(guān)重要，要如何保證AI算法不會(huì)損害患者的健康？

實(shí)驗(yàn)室成果≠臨床落地

正如吳恩達(dá)所言，在現(xiàn)實(shí)世界中，即便擁有良好的理論基礎(chǔ)與實(shí)驗(yàn)結(jié)果，AI在臨床落地時(shí)也會(huì)遇到諸多問題。

近日，Google Health自曝其一項(xiàng)明星AI醫(yī)療項(xiàng)目的臨床結(jié)果不佳。這是一個(gè)檢測糖尿病性視網(wǎng)膜病變（DR）的項(xiàng)目，針對糖尿病進(jìn)行早期的篩查。早在2016年，谷歌就在《美國醫(yī)學(xué)會(huì)期刊》（JAMA）發(fā)表了研究成果，表明其算法可以實(shí)現(xiàn)90％的準(zhǔn)確率，相當(dāng)于眼科專家的水平。據(jù)了解，在訓(xùn)練算法時(shí)，谷歌研究人員建立了一個(gè)12．8萬幅圖像的數(shù)據(jù)集，在每張圖片上記錄了3－7名眼科醫(yī)生的評估結(jié)果，并使用2個(gè)獨(dú)立的臨床試驗(yàn)數(shù)據(jù)集（含1．2萬幅圖像）來驗(yàn)證算法的性能。目前，這項(xiàng)檢測系統(tǒng)已經(jīng)得到了FDA的批準(zhǔn)，并被證實(shí)有很高的準(zhǔn)確性。

然而，當(dāng)這個(gè)項(xiàng)目在泰國落地時(shí)，卻遇到了“橘生淮南則為橘，生于淮北則為枳”的困境。據(jù)悉，谷歌與泰國公共衛(wèi)生部門合作，在泰國巴吞他尼省和清邁省的11所診所安裝了這個(gè)深度學(xué)習(xí)系統(tǒng)。理論上，這個(gè)系統(tǒng)能夠在幾秒鐘內(nèi)提供專業(yè)的診斷意見，再由護(hù)士們在一分鐘內(nèi)做出初步判斷，建議患者轉(zhuǎn)診或進(jìn)一步檢查。

到了臨床上，卻出現(xiàn)了幾個(gè)意想不到的問題。首先，護(hù)士拍攝的眼球照片達(dá)不到算法的標(biāo)準(zhǔn)，他們拍攝的照片模糊、質(zhì)量差，常常被系統(tǒng)自行拒絕，導(dǎo)致流程更加復(fù)雜。這主要是因?yàn)椋�高質(zhì)量的瞳孔照片需要在專門的暗室中拍攝，只有這樣才能確�；颊咴诤诎抵型�孔放大，然而這11間診所中只有2間擁有專門的暗室。

其次，泰國診所里的網(wǎng)絡(luò)并不那么流暢，在谷歌實(shí)驗(yàn)室中只需幾秒就可以上傳的圖像，在診所里卻往往需要一分多鐘才能上傳。甚至有一家診所在進(jìn)行眼底篩查時(shí)，網(wǎng)絡(luò)中斷了2小時(shí)，導(dǎo)致200名等待篩查的患者流失了一半。還有許多患者因嫌AI診斷過程太麻煩，寧愿直接找醫(yī)生診斷。

真正帶來價(jià)值的醫(yī)療AI

谷歌的DR項(xiàng)目在泰國的折戟其實(shí)給了我們一個(gè)很好的啟示，就是當(dāng)下的醫(yī)學(xué)AI創(chuàng)新不能顛覆醫(yī)院現(xiàn)有的工作流程，要真正改善流程而不能讓流程更復(fù)雜。

醫(yī)療IT領(lǐng)域?qū)＜�、芝加哥大學(xué)醫(yī)學(xué)院Paul Chang教授曾表示，AI技術(shù)擁有極大的價(jià)值，可以預(yù)見AI將為醫(yī)學(xué)影像產(chǎn)業(yè)帶來變革，但這一過程會(huì)比大家預(yù)想的要長。因此，當(dāng)前應(yīng)更加關(guān)注與臨床緊密結(jié)合的需求，做“必須要有”的應(yīng)用，而不僅僅是“有也不錯(cuò)”。

深透醫(yī)療（Subtle Medical）的科學(xué)顧問之一、醫(yī)療IT領(lǐng)域?qū)＜�、芝加哥大學(xué)醫(yī)學(xué)院Paul Chang教授曾表示，AI技術(shù)擁有極大的價(jià)值，可以預(yù)見AI將為醫(yī)學(xué)影像產(chǎn)業(yè)帶來變革，但這一過程會(huì)比大家預(yù)想的要長。因此，當(dāng)前應(yīng)更加關(guān)注與臨床緊密結(jié)合的需求，做“必須要有”的應(yīng)用，而不僅僅是“有也不錯(cuò)”。

通過AI技術(shù)來不斷優(yōu)化流程，減少不必要的成本和醫(yī)療資源浪費(fèi)，真正為臨床帶來效率提升——這或許才是當(dāng)前AI在醫(yī)療領(lǐng)域最有價(jià)值、也最實(shí)際的發(fā)展方向。