11月5日的第十一届中国医院院长年会“创想空间： 智引未来（下）——AI新局：全流程医学诊断实践”论坛中，业内专家学者就AI如何改变医疗展开了讨论。

 

厦门市卫生计生委副主任孙卫指出，现在人工智能在图片和声音识别技术上已经有了一些突破，但让机器正确理解人类知识和语言还有很大困难，这也是AI面临的重大挑战之一。因为语言理解领域缺乏大规模标记数据集，机器学习时，很难对该领域的相关环境进行模拟。在四部委联合发布的《互联网+人工智能三年行动实施方案》中，指出培育发展人工智能新兴产业时，主要任务之一就是要推进自然语言理解等关键技术的研发和产业化。

孙卫介绍道，人工智能医疗，是指把人工智能和以经验为主的生物医学融合起来，建立模型预测出比较准确的医疗结果，它的基础有四个，一是智能传感技术的核心，二是庞大的医疗数据积淀，三是人工智能技术，四是互联网+人工智能初创。目前，传统的医学边界已经被打破，和我们过去的学医已经完全是两回事。从应用领域来讲，目前有医疗器械、医疗服务、生物技术；从业务分类的纬度来讲，有智能医疗、辅助诊疗还有辅助诊断等等。

虽然在国内市场还存在中国化、本地化的问题，但是在美国效果不错的，比如可以诊断出十分罕见的白血病。其次是中医体质识别。再次是病例的自然语言处理，就是要读懂医生的语言。通过人工智能学习以后，就转为有经验的医生来读取各种各样的病例，把有意义的东西摘取出来，把我们原来没有结构化的病例结构化。四是健康档案智能化，把健康档案从存储型转为智能应用型，对于健康档案进行智能化处理，从现有个人电子健康档案当中，自动智能提取主要的健康问题，包括个人基本信息、主要节点诊疗信息等，医生只要浏览摘要，就能获取主要的健康问题和主诉症状，对于患者过去一目了然，应用非常便捷。现在就是综合运用大数据，通过人工智能、云计算、互联网技术，结合患者的家族史等，对海量的健康数据进行整理，主动推送给医生。

在人工智能真正实现临床支持的道路上，还有很多难点和问题，因此，需要严格按照遵循临床路径的原则进行相关产品研发和落地实践。孙卫表示，目前主要有四个难点是不能忽视的。第一，就是数据质量和数据异构化问题，如果在数据质控标准上不能够很好地控制，那么无论是训练模型还是临床测试都会有问题；第二，按照循证医学的原则，需要遵循现有的临床路径以及经验，以在可靠安全的范围内进行人工智能技术的引入；第三就是合法合规，符合相关规定，取得相关资质；最后就是算法的可解释性，大量黑箱的存在对于医疗这个领域显然是不适用的。

 

沈阳军区总医院院长侯明晓表示，医生是难以复制的，但如果医生的经验可以通过人工智能软件加以复制，而这种复制还可以产生新的判断，这将可能使更多人享受到更高水平的诊疗。达芬奇和ROSA机器人已经在某些医疗领域取得了巨大的成功，未来复杂的手术将可以通过手术机器人的帮助得到简化。人工智能基因测序正在运用于人们的日常生活，未来，人工智能破解了基因的秘密，重大疾病监测将会变得更容易。谷歌、苹果、微软、阿里巴巴、腾讯等世界IT巨头都在为智能健康管理领域加大投入，智能手环、手表、眼镜等新品层出不穷。

侯明晓透露，目前，3D打印在口腔外科、骨科和口腔内科做了诸多尝试，比如通过3D打印把健康的耳朵实现完全复制，大大地缩短了手术准备和操作时间。增强现实和虚拟现实也在探讨，通过术中的增强现实和达芬奇手术机器人系统配合，把实时、完整、准确的手术过程向外科医生展示出来；机器人在做手术过程当中，能够更精准地判断手术部位。比如通过这种技术做肾脏活检，可以减少操作过程带来的并发症。利用虚拟现实，应用达芬奇手术机器人，比普通的外科开刀要精准，而且创伤小，但它的学习曲线可能要长，成本也是一个很大的负担，应用于胸外科接近1000例。这种技术如果掌握了，对手术患者的创伤会极大降低，而且外科医生的工作寿命也会延长。神经外科引入阿尔法机器人，通过高质量地融合形成三维图象，根据手术的需要360度来标记，非常精准，像帕金森、癫痫误差可以减少到0.2个毫米。

从我国医疗卫生现状出发，该院最重要的应用领域还是在医疗机构的智能诊疗，通过人工智能将资深医师的经验、标记后的数据、随访的趋势进行综合学习，有可能在各级医院部署人工智能终端，协助医生更高效、更准确地完成从筛查、确诊、治疗到预后评估的过程。这对于强化基层能力，提升各级机构医疗水平有着重大而积极的意义。同时，围绕智能诊疗，对于影像的人工智能分析、手术机器人、外骨骼机器人、加速药物研发以及慢性病的有效管理，都是有着广阔应用前景的。

 

人类的知识就是以人类的视角对世界探索得出的规则与结论。这些规则抽象来看都经历过不断尝试，猜想结果的验证与验证结果固化成结论的过程。福建医科大学附属第一医院院长杨立勇认为，所谓的AI就是把人类对世界的探索过程用机器来模拟、学习、自学习的一种方法，以期提高效率，从而由量变到质变。

首先，通过流程再造，通过机制、政策还有商医联动与管理模式的改变，能够更好地优化资源，甚至通过分级治疗，让优质的医疗资源能够更加合理地分配。第二是提高现有的诊疗诊断效率。大规模的云计算技术，通过大数据的存储以及机器的识别能力等，使得人工成本大幅度降低。比如可以通过人工智能技术，给患者提供自我检查、自我管理、自我照顾，医疗资源也可以相应节省，患者自我保健的能力会提高。人工智能还可以用于临床诊断的早发现、早管理、早期干预。第三个人工智能的手段还可以提高整个医疗机构医生的工作效率，解放人力。

杨立勇认为，目前阶段，用AI来提升医疗效率主要集中在以下几个场景：通过人工智能提高患者自查自诊自我管理的比例，降低医疗支出；实现更早期发现、更好管理，减少后续的医疗费用支出；提高医疗机构、医生的工作效率，降低医疗成本；制定科学合理的健康医疗方案，减少不合理的医疗支出；解决医生资源不足的问题需要很长的周期，人工智能的最根本需求和动力是希望机器能给人看病，缓解医疗资源紧张。

 

目前，我国健康服务业已经形成一个包括医疗、医药、医保、保健品、健康食品、健康管理、美容养生、健康信息、健康文化等各个方面的、相对完整的产业体系。但是，目前我国健康服务业仅占国内生产总值的5%左右，而美国2007年就达到了17.6%，这都说明我国健康服务业发展潜力巨大。

贵州省人民医院院长田晓滨表示，新版的AlphaGo仅自学了3天，就以100:0战胜了老版的AlphaGo，投资阿里巴巴的孙正义表示，未来30年内，AI的智商将达到10000。人类平均智商是100，而AI的智商将是人类的100倍。我们不得不承认，人工智能的时代已经来临。人工智能将杀入世界的每一个角落，全世界一场关于人工智能的战争将轰轰烈烈地开启。

2017年7月，国务院印发了“新一代人工智能发展规划的通知”。规划明确指出，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能技术应用成为改善民生的新途径；到2025年人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展；到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。为跻身创新型国家前列和经济强国奠定重要基础。

 

宁波市第二医院副院长郑建军指出，人工智能和机器学习有助于加速重塑卫生行业的形貌。医疗与人工智能的结合和持续推进，可以在科研、转化、辅助诊断等方面起到重要作用，将不断提升和优化诊疗、科研、服务、管理和决策水平。

郑建军表示，原本在医疗、科研、服务、管理上很多没有打通的环节，可以通过在人工智能平台上进行有效的联通，通过人工智能最终的落地，能够真正地提升诊疗的水平和诊疗的质量，那么可以相信，通过人工智能和机器学习，一定有助于加速卫生行业整体的发展。

在这个实施过程之中，也有一些体会和感悟，郑建军坦言。首先，人工智能要有助于政策的导向，比如分级诊疗，如何能够帮助全科医生来提高他们的诊疗水平。其次是住院医师规划培训，如何来评价一个住院医师规划培训，也是在医学培养的路口关，如果能够用人工智能的手段，这样的产品也是有它的市场的。

郑建军认为，现在所谓的大数据，不是真正的大数据，这个是数据大，另一方面，还需要法律和人员的验证。数据的标准一定基于寻证医学论证的标准，才能够成为人工智能深入学习有用的数据，第二个是标准化的工具，通过标准化的工具，对医生进行标准化的规范，同时提升大家对于标准化的认识。

 

AI的作用就是用来更高效地探索世界，解放人力。就像从农业时代过渡到工业时代，用机械的力量来替代耕种的体力劳动，从而带来了人类文明的大规模进步，我们今天正在经历着从工业时代到信息时代的变革，在这次变革的本质就是用信息技术来替代认知规则的人力，从而带来新一轮繁荣发展。

在医疗领域，我们长期积累的影像、生化数据、病例数据都可以很好地为人工智能提供养料。通过人工智能发掘数据关联、学习医生经验、模拟诊断过程、评估治疗效果，都是可以尝试的领域。

对此，浙江大学医学院附属第一医院副院长裘云庆表示，通过搭建医联体数据平台实现数据安全可靠的互联互通，形成医疗大数据中心，为影像智能诊断和临床疾病诊断提供有效支撑，并通过智能云平台辐射至基层医院。裘云庆坦言，智慧医疗正在改变未来医学的发展。智慧医疗未来的发展空间巨大，前景无限，但仍需要解决医疗数据获取、清洗、归一和结构化等关键问题。

 

对于AI的未来，北京雅森科技发展有限公司CEO陈晖则认为，医疗产业高速发展，辅助诊断是大势所趋。面对超过2300亿元的年度市场规模；地方政府配资助推设备升级与私营医院、独立影像中心需求增长；大资本纷纷投入第三方独立影像中心，设备商与运营方合作，逐步形成连锁化、集团化、远程化的规模。远程阅片、区域影像云的推广，都使得智能化、自动化的医疗影像分析成为医疗市场急需。

陈晖表示，可以通过三个步骤去完成一个医院内部的AI中心的建设，第一步，要构建一个海量特征的数据史。第二步要做数据模型渐变，实际上现在针对不同病种和分享的算法，要做的工作就是帮助医院把所有的这些事物的算法去基于上一步的大数据值去提供出来，医生和专家可以基于现在采集的数据去加载自己需要的，有放射科医生需要的，有病理科医生需要的。第三步，要构建真正的全流程、相对完整的系统，做成全流程的诊断产品。在这个过程当中，要结合三个方面，一个是医生，第二个是用户体验，第三个临床路径。

陈辉坦言，现在不可能完全取代医院现有的体验之外去构建一个额外的体验。但可以看到，在这个领域上起到的作用有两个方向，一方面是辅助诊断，其实还有很重要的一个方向，就是科研医药学，包括医生规培，因为平台在实施过程当中，它本身实际上就已经在积累大量的完整的全流程的病例数据库。