醫療人工智能正在從概念走進現實

“內科怎么走?”

“請問您想找哪個內科?還是說想去內科住院大樓?”

“我找消化內科。”

“請您到大廳里乘坐扶梯或電梯到五層B區北側，科室在五層的詳細位置請看下面的地圖。”

這段對話，發生在不久前的解放軍總醫院門診樓大廳，因腹痛前來就醫的北京市民趙先生正在向智能導診機器人“曉醫”詢問看病科室的位置。

“沒想到這機器人的回復還挺準。”趙先生循著“曉醫”指的路，很快就找到了就診科室。

2017年3月，6臺由科大訊飛研發的智能導診機器人在解放軍總醫院上線，其中4臺放置在門診樓大廳。每天一早，這些樣貌討喜的機器人就被前來問診的人團團圍住，有人出于好奇，有人有事相求，對于人們提出的問題，機器人都會耐心解答，遇到和它開玩笑的人，它還能跟人逗個悶兒。

“現在它們可忙了，每個機器人每天平均要回答超過900個問題，患者想要找科室、找病房，以及咨詢醫院周邊的生活服務信息，機器人都能提供指引。”解放軍總醫院門診部主任國家喜介紹。

“如今的AI就像互聯網一樣，成了一種基礎設施。”騰訊“互聯網+醫療”負責人常佳介紹說，近年來，國內外多家涉足AI的企業加速向醫療領域布局，醫療AI正在從概念走進現實，除了智能導診，還出現了能幫醫生看片子、做篩查的智能醫生。

在中山大學附屬腫瘤醫院內鏡操作室里，病人躺在手術臺上，醫生操作內窺鏡伸入患者的食管采集照片。這些照片被實時傳輸到電腦，再接入AI系統，拍照結束后十幾秒鐘，電腦上就顯示出一行文字：“疑似癌風險55%。”醫生根據這個結果評估是否需要進一步做病理活檢，以避免癌癥漏診。

這行文字，就是來自騰訊的醫學影像AI系統“騰訊覓影”給出的癌癥風險提示。“它用起來非常方便，就像醫生的第三只眼睛。” 中山大學附屬腫瘤醫院消化內科主任徐國良介紹，“有個醫生給患者查食管內鏡，看著沒問題，就讓患者走了，后來AI提示患者的食管有異常，醫生叫人回來一復查，還真是早癌。”

具備學習能力，正在解決醫療行業難題

培養一名主治醫師，需要十幾年時間，培養一個熟練的導醫也至少需要一年。AI到底憑什么本事，能在這樣一個行業站住腳?

“智能導診機器人和幾年前遍布公共場所的電子查詢機不一樣，它們具備學習能力。”國家喜說，遇到答不上來的問題，電子查詢機可能一直“卡殼”，但智能機器人通過積累、更新數據，能夠不斷解答人們提出的新問題。

這種匯集并運用經驗的能力，正在解決一些醫療行業的難題。

第一是高效填補醫院中巨大、復雜的信息服務需要。

解放軍總醫院日門診量約1.8萬人，其中70%為外地患者。許多人來這看病，先就診還是先掛號?看病科室各自在哪?住院、手術在哪棟樓?“每碰見一個‘白大褂’，患者就上前詢問，但指路并非醫生的主業，他們也不是每次都知道答案，所以長期以來，群眾對信息服務的需要得不到很好滿足。”國家喜說。

以前醫院的解決辦法，是建立導醫團隊。2014年，解放軍總醫院在門診樓招了14個專職導醫，又外聘了17個小時工，卻依然無法滿足巨大的咨詢量。“智能導診機器人上線后，很好補充了信息需求和供給不平衡的問題。”國家喜說，“它們反應快、不厭其煩，連‘川普’‘廣普’等口音濃重的普通話都懂，這正契合實際，可以更好地幫助外地患者。”

第二是減少醫生檢查中的誤診、漏診。

上海交通大學自動化系副教授閻威武表示，在醫療領域，AI已應用到信息咨詢、醫學影像、電子病歷等方面，其中在醫學影像上進展最快。

“我國食管癌高發，但早癌診斷落后于發達國家。”徐國良分析，我國早癌發現率低的原因主要有兩點，一方面，醫生普遍工作量大，難以保證對患者的精細核查;另外，早癌表現難以察覺，比如早期食管癌，從內鏡觀察，癥狀往往表現為局部充血、黏膜粗糙或細微糜爛，同一般炎癥非常相似，一些經驗不足的醫生很容易忽視。

“當知道AI能學習看內鏡照片的時候，我們很歡迎，因為AI能對醫生主觀的疏忽做出彌補。”徐國良說，2016年底，中山大學附屬腫瘤醫院把積累的10多萬張脫敏的食管內鏡照片提供給騰訊覓影用于科研，AI通過深度學習大量照片數據，形成一套檢查標準，可以顯著提高早癌發現率。

在浙江省人民醫院，騰訊覓影已用于食管癌、糖尿病視網膜病變、肺結節(用于診斷早期肺癌)的篩查發現工作。實驗環境下，AI系統對前兩種疾病的發現準確率超過90%，對肺結節的發現準確率達85%。

浙江省人民醫院院長黃東勝認為，借助AI來分析胸片、CT、病理切片等影像資料，提高了看片效率，把醫生從辛苦的重復工作中解放出來。“這有助于醫生投身于攻克既往經驗缺乏的罕見病、疑難雜癥，這些才是目前機器無法學習的。”

社會認可度提升，技術實用性增強

常佳告訴記者，騰訊覓影自2017年8月推出，已同全國30多家三甲醫院組建“人工智能醫學聯合實驗室”，“如今，AI對行業的滲透在增加，社會認可度在提升，技術實用性在增強。”

但在現階段，醫療AI的前景并非一路坦途。

“在技術上，醫學影像設備與AI系統的兼容是個問題。不同廠商的拍照設備、數據格式和圖片質量都不同，這給機器學習的準確性帶來干擾。另外，各地醫院的AI數據庫需要精細微調，AI診斷的準確性可能受地域影響，同一疾病在不同地區會呈現微小的數據差別，對此技術人員正在解決。”常佳說。

“在用戶習慣上，老百姓對人機交互還停留在觸控方式為主，不習慣與機器人直接說話交流。還有一些人不信任機器，只選擇求助于人，這說明社會要完全接受新技術還需時間。”國家喜說。

在宏觀上，閻威武指出，醫療AI的發展面臨如下幾個障礙：一是行業認可，醫生對AI持觀望態度，這項新技術尚未完全取得醫學界信任;二是數據資源，政策上還沒有完全開放，對居民健康數據的隱私、權屬等問題有待明確;三是法律倫理，AI既不是傳統醫療設備，也不是人類，對它如何進行技術認證?醫療事故責任怎么認定?這都值得討論，畢竟AI輔助的準確率尚未達到100%。

“最重要的，是對醫療AI的解釋問題。”閻威武說，“醫學是一門嚴肅的學問，診斷病癥有一套傳統邏輯，但AI正在挑戰這種邏輯。盡管它能達到乃至超越醫生診斷的準確性，但它基于大數據的診斷原理和醫生運用醫學知識做診斷是不一樣的，對這種不同于既往醫學規律的新技術的可解釋性，影響著醫學界對AI的接受度。”

盡管離普及尚有距離，但許多業內人士對醫療AI的發展持樂觀態度。

“綜合來看，中國在醫療AI上的水平僅次于美國，發展非?？?，在很多AI競賽中成績突出，我們是國際領先的。”閻威武說，工信部此前印發《促進新一代人工智能產業發展三年行動計劃(2018—2020年)》，重點培育的8類智能產品中，就有醫療影像輔助診斷系統。“行動計劃的推出，給定了時間表，給出了發展路徑，具體的要求都提出來了，我認為在這個領域很快會實現產業化。”

“有些人對AI的安全性心存憂慮。站在醫院管理者的角度，我覺得面對一項新技術，不能一開始就抗拒它，而要先去了解它，如果驗證是好的，就應該主動去擁抱。”黃東勝說，“通過醫生和技術人員不斷合作，我認為醫療AI會越學越聰明，未來能向人們提供更高水平的服務。”