AI医疗是风口还是泡沫 要看能够解决这六个问题

国际金属加工网 2018年05月08日

5月4日首个AI医疗概念股平安健康医疗科技有限公司(又称平安好医生)在香港联交所挂牌上市,给本来已经很火的AI医疗添了一把柴。AI医疗给了人们巨大的想象空间,但是从目前的情况来看,AI医疗尚处于起步阶段。

AI医疗到底是个风口,还是会成为泡沫,还得看以下六个问题能否得到很好的解决:

第一,医疗数据的数量和质量不佳问题。

业内人士普遍认为,数据数量和质量问题是AI在健康医疗领域应用的最大瓶颈。机器学习需要使用大规模数据进行训练,数据数量和质量最终决定了机器学习的成果。

关于数据数量,麦肯锡全球研究所在去年发布的《人工智能:下一个数字前沿》指出,当今信息高度分散,遍布整个行业,分散在电子医疗记录、实验室和成像系统、医生记录和医疗保险索赔材料等完全隔离的地方。将这些信息合并到大型的综合数据库中是很困难的,然而这又是促使人工智能深入了解疾病并寻求治疗方法的必要条件。

关于数据质量,北京天坛医院院长王拥军近日在一个论坛上表示,就像10年前医疗界准备进行医疗大数据分析时那样,我国面临一个最大的问题是数据质量不太可靠,不可靠的原因是疾病诊断不对。他举北京中风病人数据为例来说明,北京市能够收治中风病人的医院有130家,每年约有14万人住院,诊断正确率只有72%。考虑到目前我国医疗资源分配不均的,医疗欠发达地区的误诊率将远超北京。

此外,我国缺乏规范化、标准化的临床术语语义体系是导致我国医疗大数据质量不够理想的又一原因。

第二,病人隐私问题。

能否处理好病人的隐私问题与能否获取理想的数据数量和数量密切相关。AI医疗需要长期大量搜集患者的个人隐私和敏感资料,这让患者在面对医疗人工智能时产生极大的担忧和怀疑,甚至是抵抗。这已经成为AI医疗发展的一大阻碍。

去年Google旗下人工智能公司DeepMind计划与英国的Genomic England有限公司在遗传基因数据上进行合作时,《每日邮报》一篇报道指出人们对这次合作表达出的担忧就大于支持,其主要原因就是担心病人的隐私问题。AI医疗中个人数据隐私保护的复杂性和如何正确利用医疗数据,避免个人隐私信息泄露越来越引起人们关注。

第三,技术限制问题。

场景大于数据,数据大于算法。

业内人士指出,如果有足够的数据,通过开源技术两周时间就能训练出一个初步的AI产品,准确率达到90%。当前AI医疗的技术问题主要在于如何基于医疗场景提供更落地、更贴合实际的产品或服务。

麦肯锡《人工智能:下一个数字前沿》显示,技术限制是AI医疗发展的一大障碍。为了完成工作,人工智能技术必须对病人和其他人们进行深入了解,但人们对人工智能技术如何进行实际诊断或选择治疗计划仍知之甚少。

第四,观念问题。

基于人文伦理的传统观念影响,许多人很难相信人工智能可以比人类做得更好,接受人工智能医疗这一事实的过程可能比想象的要长。与此同时,真正理解和信赖的医生仍属少数。

《人工智能:下一个数字前沿》显示,有多少患者会相信人工智能工具,愿意相信人工智能诊断或遵循人工智能治疗计划仍是一个疑问。

值得一提的是,如果没有人能够解释计算机是如何做出决定的,或者如何防止某种情况再次发生,监管者就不会冒风险急于做出错误的决策去伤害一个病人。

第五,法律法规缺失问题。

阿里健康副总裁张亮认为,医疗人工智能还是新兴事物,希望国家能出台相关的法律政策进行推动和宏观把控。

确实,目前在医疗大数据和算法的使用监管方面,相较英美发达国家,我国的法律法规还不够健全。特别是人工智能要用到的医疗数据涉及到患者隐私的高度敏感信息,需要得到法律法规的有效保护。

与此同时,也有业内人士抱怨,目前我国AI医疗的商业化落地在底层技术、数据基础和政策法规上都受到了一定程度的制约。据悉,目前国内还没有一款医疗领域的人工智能产品得到国家食品药品监督管理局的批准,相关收费也没有进入医保目录。

王拥军就指出,今年国内向CFDA9(国家食品药品监督管理总局)申报了将近十项医学人工智能产品,没有一个被批准。“如果法律上不批准,未来不纳入医保,AI医疗的推广速度将极为缓慢。我想医疗AI落地的最大障碍,还是来自法规的阻碍。”他说。

第六,人才缺乏问题。

现阶段跨界复合人才的培养非常关键。领英发布《全球AI领域人才报告》,中国人工智能领域专业技术人才总数超过5万人,排名全球第七位。另外有机构统计,高校每年培养出来的人才只有不到2000人。既懂医疗又懂人工智能的人才更是少之又少。

只有解决了人才问题,AI医疗才能真正发展起来。此外,如果医疗工作者想要利用人工智能的能力,也需要做些努力。

《人工智能:下一个数字前沿》倒是给出了建议:一方面,医院必须雇用或培养受过训练的,具有部署、维护和操作人工智能系统能力的人;另一方面,医生、护士和其他医疗专业人员等传统医护工作人员要习惯在机器和人工智能工具的支持下工作。


网友评论
雷尼绍

编辑推荐

相关主题