AI（人工智能）醫療的出現為減輕臨床醫生工作負擔、加大醫療服務供給提供了備受期待的解決方案，但記者近期採訪發現，AI醫療落地遠非想象中順利。

“垃圾數據”制約AI醫療施展拳腳

在近日中國半導體行業協會集成電路設計分會和芯原微電子（上海）股份有限公司主辦、都江堰市人民政府等協辦的“青城山中國IC生態高峰論壇”上，多位與會專家提及制約AI醫療施展拳腳的關鍵因素——“垃圾數據”。

“AI醫療最大的挑戰不是機器學習、神經網絡和人工智能算法，而是各類醫療機構中的‘垃圾數據’。”北京太一科技有限公司創始人解渤說，一些醫院決策者認為，隻要有患者疾病和數字化健康檔案數據就足夠了，但很多數據由於診斷標准不統一、書寫不規范、記錄不完整，數據質量其實很低，對於AI機器學習而言幾乎是“垃圾數據”。

該公司將AI與中醫學理論體系結合開發了智能脈診儀，在整理中醫數據過程中，研發團隊發現由於缺乏針對脈診進程、發展和未來變化的統一客觀評價標准，如果不逐一對既有病例進行規范、整理和數據清理和規范，“AI機器學習幾乎是‘垃圾進’‘垃圾出’。這話聽起來很不舒服，卻是無奈的事實”。

匯醫慧影創新事業部總監左盼莉也表示，數據標識和診斷標准不統一是目前AI在醫學影像領域主要的限制因素，為幫助訓練AI算法模型建立“金標准”數據庫，需要基於統一、規范的診斷標准，得出比較准確的訓練結果，最終輔助臨床診療。

商業模式不清，AI醫療成“餐后甜點”

“核高基”國家科技重大專項技術總師魏少軍判斷，我國人口多，對健康的重視程度逐年提升，醫療水平處於加速換擋期，AI智慧醫療很可能成為新時代具有獨特發展優勢，有望實現高速發展的重點領域，每個環節都會產生大量商業機遇。

在眾多落地場景中，目前AI醫學影像是最為成熟的一個。然而，上海聯影醫療科技有限公司X射線事業部CEO向軍說，盡管當前AI醫學影像已經在肺結節、眼底、乳腺等病種篩查准確率上比醫生出色，但AI所能覆蓋的疾病種類依然有限，很難明顯降低醫生的負擔、減少臨床對醫生數量的需求。目前，AI醫療好比“餐后甜點”，只是局部突破沒法成為“剛需”。

如何把AI醫療變成剛需？參與論壇討論的博恩思醫學機器人有限公司CEO李耀認為，AI醫療商業模式不清，還需探索建立“商業閉環”。比如，如何分類AI提供給醫生的服務，AI到底能在什麼場景下影響醫生的判斷、協助醫生的工作，誰是AI醫療的最終受益方等。

元禾華創投資管理有限公司董事總經理陳智斌認為，短期內，AI醫療產品商業化落地需要依靠制度供給和政策環境優化，激發醫院、藥廠、政府、個人等多方主體的支付動力﹔長期看，支付動力的增強需要市場認同及配套運行機制加以維持。

臨床痛點有待精准“治療”，小芯片或能撬起大生態

項舟是四川大學華西醫院外科副主任，長期從事骨科創傷領域臨床工作。在論壇演講伊始，他就對與會專家說：“我是帶著臨床上碰到的問題向大家求助的。”他以臨床骨盆骨折治療為例，談到目前雖然臨床上可以繪制骨的三維圖像，甚至可以通過3D打印得到骨形態，但骨盆微創復位、精准固定等仍是醫生手工操作。項舟希望未來能提前將骨盆復位后的三維圖像信息輸入計算機，然后借助AI、手術機器人的操作實現更加精確地復位。

目前，項舟帶領團隊自主設計了一套骨盆三維數字化定位及復位的智慧化治療方案，但他坦言下一步還需人工智能專家、芯片專家以及硬件設計工程師的助力。

對此，業內專家認為，一方面需要提升AI算法准確率。以腫瘤治療為例，手術前，醫生希望對腫瘤位置、大小、形態等要素進行分析，進而做出3D模型打印和手術分析規劃。“現在，腫瘤規劃過程需要好幾小時，如果AI算法能在更短時間幫助醫生提高診斷精度，AI醫療發展會更快。”美國加州大學歐文分校生物醫學工程系教授陳忠平說。

另一方面，AI醫療需要“芯片級創新”，從粗放型布局走向高質量發展。上海微技術工業研究院總經理丁輝文表示，如果說醫院常用的CT、核磁共振等影像設備可以看米到毫米之間的東西，到了微米甚至納米量級，僅憑“看”是不行的，要用“分析”的方法，因此必須有可大規模集成的生物芯片等生物光電子技術的支撐，實現生物技術與信息技術融合創新。

長期從事集成電路知識產權開發和芯片設計的代工企業芯原微電子（上海）股份有限公司董事長戴偉民認為，AI開啟了新一輪計算革命，AI芯片作為底層關鍵技術，是整個信息技術產業最上游，也是AI的開路先鋒。“AI芯片企業需要用專業算法、核心知識產權和先進工藝，從硬件、軟件以及應用入手，增進與醫院、市場和消費者的互聯互通，最終撬起AI醫療大時代的生態繁榮。”

（據新華社）

分享讓更多人看到