人工智能醫療不應只是機器人和智能影像管理

劉婷婷

日前，平安好醫生斥巨資30億入主人工智能醫療，而且主打中醫治療。無獨有偶，科大訊飛在安徽也建成了最新的人工智能醫院。

回顧近一兩個月的新聞，人工智能醫療的布局比比皆是：8月初，騰訊發布人工智能醫學影像產品一一“覓影”用于早期癌癥診斷。7月初，阿里攜手萬里云正式發布“DoctorYou”AI系統，主攻方向是醫學影像診斷領域。同在7月，百度宣布開放運算平臺。

人工智能醫療早已成為各方瞄準的香餑餑，以算法平臺的技術優勢確立領先成為各大巨頭的策略。之所以瞄準醫療領域，則是看準了民生熱點和痛點眾多的現狀醫療資源緊張、醫患矛盾突出、醫療資源不均等問題長時間成為吐槽對象。從人工智能來說，技術的不斷升級之后，尋找落地場景成為關鍵，兩方由此一拍即合。

從最初的不到10家創業公司出現，到現在全國的人工智能醫療創業公司已達數百家、甚至上千家，從最初的無人理解人工智能醫療做什么、為什么做，到現在市場資本開始主動追逐潛力股，人工智能醫療公司現在也許迎來了自身的春天。

在人工智能領域，從統計數字來看，醫療領域人工智能初創公司所獲投資數額中，從事醫學影像與診斷、醫學研究、醫療風險分析和藥物挖掘四個方面的公司吸納投資總額超過80%以上。除此之外，醫療機器人成為另一熱門領域。這從日前的機器人大會也可見一斑。

從影像管理來說，目前主要是病灶識別與標注、靶區自動勾畫與自適應放療和影像三維重建。從這些來看，嚴格來說并不算是人工智能醫療的領域，或者說主要是借助已有的標準和醫學知識進行定向尋找。如果從機器學習角度來看，還很難通過計算機自主發現發病之前的特定影像，或者突破人類認知的情況下自主尋找早期特征的規律。

醫療機器人的廣泛應用還更多體現在導購或迎賓角色，即使通過語音交互功能提供服務，也還不能提供類似智能問診或虛擬醫生的服務。當然，這類服務屬于人工智能的較高階段成果，難度較大，而且面臨監管、法律法規和社會接受度的考驗，確實不是一日之功。不過，這也讓機器人的溫度開始降溫，提醒入局者開始注意積累用戶數據、做好深度挖掘。

不過，對以上兩個業務的未來還應持樂觀態度。例如，醫療影像數據是醫療中最常見數據，而且數據量極大，如果能夠深入挖掘影像數據背后的故事，對患者治療和今后的健康管理都是大有裨益的。

提到數據，也就觸及了人工智能的本質，畢竟只有通過大數據才能訓練計算機自主學習，從而找到突破已有認知的最優解決方案，或者為人類提供預測未來的服務，提前做好預案。

與未來的理想目標來看，當前的人工智能入局者還存在一定差距。縱觀多數市場主體來看，多數人工智能醫療公司都是從某一局部切入，特別是很多公司是從互聯網醫療公司轉型而來，收集醫療數據多為用戶主動上傳，依靠之前用戶群體支撐人工智能的數據挖掘。這直接導致數據量較少，而且多為某領域的單一數據，內容較局限，很難進行真正的深度挖掘和應用服務的開發。

人工智能醫療公司的驅動是技術，長遠發展的關鍵不在于以往互聯網時代重視的流量，而是結合人工智能時代的特點著重積累數據，從而利用深度挖掘讓大數據發揮預測未來的功能。依靠數據的不斷積累和算法模型的不斷優化，對于人工智能醫療來說，未來可以在積累數據后從藥物效果分析和健康數據管理的角度做大，做好技術支撐之后全盤思考人工智能醫療的應用服務。

積累用戶數據是基礎，從戰略布局上看，這有助于人工智能醫療公司全面瞄準頂層設計，從醫療市場痛點出發，全盤考慮業務布局。

針對數據體量不夠、數據內容單一的問題，應該從多方獲取患者數據，除了公立醫院之外，還可以從體檢中心、研究機構等多方合作獲得。其次還需和保險公司、研究機構、企業等打通市場化渠道，將人工智能挖掘結果用于廣大民眾，借助B端接觸c端。最后，仍需不斷提高技術支撐水平，優化算法、模型，讓人工智能提供更多未來預測服務。endprint