医疗+AI 面临哪些机遇和挑战？大咖们这样说道

在日前举行的“云栖大会”上，阿里健康开辟了“智慧医疗”专场，对外界分享了阿里健康如何用互联网技术、人工智能技术赋能医疗，打造智慧健康平台的规划。雷锋网AI掘金志奔赴大会现场第一时间进行了跟踪和报道。

在“智慧医疗”专场的圆桌讨论环节，中国信息协会医疗卫生和健康产业分会会长宋新作为主持人，和飞利浦医疗科技大中华区副总裁陈胜裕、阿斯利康信息技术部副总裁徐晶、辉瑞中国副总裁谷成明，以及阿里健康副总裁张亮，就医疗+AI领域的挑战和基于展开了思想交锋。

几位嘉宾一致认为，将AI应用于医疗领域主要面临两大挑战——数据和人才。飞利浦医疗科技大中华区副总裁陈胜裕指出，“中国的数据量非常庞大，但还没有形成大数据，因为很多数据还没结构化和标准化。”此外，数据的质量也参差不齐，且分散在全国各处的信息化系统中，对接起来十分困难。

主持人宋新表示，现阶段跨界复合人才的培养非常关键。中国目前的人工智能人总共不到5万人，高校每年培养出来的人才也只有不到2000人。既懂医疗又懂人工智能的更是少之又少。只有解决了人才问题，才能真正突破国家在人工智能领域发展的瓶颈。

关于医疗+AI的未来，阿里健康副总裁张亮提出了两大方向——普惠和精准医疗。一方面，中国的医疗资源十分紧缺，仅仅依靠人力无法覆盖所有人，但科技的力量可以做到这一点。张亮认为，未来可以通过可穿戴设备监测用户的健康数据，预测疾病风险，让老百姓真正享受到科技带来的福利。

另一方面，我们正在朝着精准化医疗时代迈进。未来，健康和身体都可以被数据化，将极大地推动新药研发和个性化治疗方案的发展。张亮认为，这对所有科技和IT领域的企业都是巨大的机会。

以下是几位嘉宾思想交锋的全部内容，雷锋网做了不改变原意的整理编辑：

主持人：首先请各位嘉宾介绍一下各自企业在医疗AI领域的业务探索。

徐晶：坦白说，阿斯利康最近才开始利用大数据。我们发现，大数据开始在慢病的全病程管理中发挥作用。如何用数据打通全病程的疾病管理，并提供智能化的诊疗，是我们目前正在探索的方向。

陈胜裕：可能很多人不知道，飞利浦也非常专注大数据和人工智能技术的研究。我们期待和生态伙伴一起，通过人工智能技术，将病人的个人生活状况、个人体征、专业诊断资料、病历，以及出院后的健康信息等串联起来。进而追踪其健康状况，对疾病做预防性、介入性的诊断和治疗。

谷成明：辉瑞不仅提供创新的药物，还在疾病管理方面下了非常多的功夫。我们差不多四年前就开始研究大数据和人工智能在医疗方面的应用，包括人工智能辅助的自动风险评估和临床决策系统。

我们的机器人辅助系统可以告诉医生，什么时候该做什么样的检查，采用何种治疗方案。目前国内已有超过3万人使用。

我们还满足病人端的需求，比如病人不知道得了某种病后该吃什么药，该怎么运动，我们就开发了一个机器人问答系统。

此外，医生对病人进行电话随访非常费时费力，我们正在尝试用机器人进行辅助随访，我相信在不远的将来大家就会看到这样的服务。

张亮：阿里健康在医疗AI领域的工作主要有以下几个方面：

一、医疗影像。今天影像的精度越来越高，而且病人拍片子更加频繁，可能每个月都会拍一张，所以机器在高精度影像和癌症等疾病的预测方面可以做很多事情。比如肺结节的筛查，刚开始机器也许只能识别出这是不是肺结节；但未来也许还能识别出这是什阶段的肺结节。或者对病人每隔一段时间拍的片子进行比较，分析病情的变化趋势，这是医生很难做到的。

二、基于检查、检验结果，给出用药方案。后续机器可以根据病人的检查结果，告诉他什么情况下该用什么样的药，目前这方面的准确率已经非常高了。

三、医疗大数据。机器不一定能完全替代人，但它可以帮助人记忆很多东西。很多地方的医生看过的病人数量有限，仅凭自身经验很难判断某些疾病。但未来机器可以告诉医生，之前数据库里类似的病人是怎么治疗的，大概花了多少钱，术后恢复情况如何。这样一来就能帮助提高广大医生的医疗知识水平，惠及中国广大的十几亿人口。

此外还有虚拟培训系统，通过AI模拟真实病人供医生学习：假如遇到这样的病人该如何治疗，治疗后效果如何？这是全新的高科技培训系统，而不是像过去一样的答题系统。

主持人：每家企业都有不同的发展历程，我想请教几位嘉宾，你们在医疗AI研发的过程中遇到了哪些障碍和困境。

徐晶：我们走过一些弯路，今天在这里分享体会比较深的。

谈到医疗、健康、大数据或人工智能，最大的问题在于数据的来源和质量。在座各位很多都是医疗行业出身，都了解中国医院系统的信息孤岛现象，这里暂且不提。

病人全病程的管理主要有两个重要场景：一个是医院，另一个是家里或者路上。医院里的数据有相当一部分依赖于不同的系统，需要提取出来，而且涉及很多手工操作。举个很简单的例子，虽然现在信息技术已经非常普及了，但住院查房时，还是大主任在前面查，后面的人录音下来录入系统。这种手工产生的数据，质量上存在比较大的问题。

慢病的长期管理方面，以前缺少可穿戴设备等监控手段，病人回到家后，医生无法让他自愿自发地长期提供数据。这对医生来说是一项巨大的挑战。未来，随着物联网技术的普及和传输技术的更迭，病人在家时其个人特征数据和诊断数据也能源源不断地自动上传，降低慢病管理的难度。病人在医院和家里的数据，我们称之为H2H，只有将这些数据集成在一起，才能在病人的全病程管理上发挥作用。我认为这是接下来需要克服的一个比较大的障碍。

陈胜裕：刚刚徐总提到了数据的来源和质量问题。其实我也经常和朋友聊中国的医疗大数据问题。我常常说，中国的数据量非常庞大，但还没有形成大数据，因为很多数据还没结构化和标准化。这是AI在健康医疗领域应用的最大瓶颈。

张教授提到，假如用最好的算法，仅靠小数据就能得到精准的计算结果。AI技术已经发展很久了，有很多数据可以供我们进行演算。但是在临床上这些数据是否精准，需要有临床经验的积累才能判断。不同的疾病和临床检验会产生不同的数据，如果没有经过标准化和结构化的处理就将其提供给算法，会带来很严重的问题。我认为这是人工智能技术应用于健康医疗领域需要突破的重大困境。

谷成明：我觉得最大的挑战是认知问题。现在环境好了很多，四年前我去找人合作，我说人工智能可以帮助医生看病，很多人还没听完就说不可能。很多时候我们跟合作伙伴喝了好几趟酒，工作还是没办法进展。在这一点上，南方远远好于北方。

具体到技术实践方面，我同意前面两位嘉宾讲的，数据是最大的挑战。区别好医生和差医生主要有两方面的依据，一是知识，二是经验，机器也一样。现在机器学习知识很简单，把各种论文中的知识成果放进去就行了，这在技术上没有问题。缺的是非常好的数据，数据经过机器转化后就成了经验。有些掌握了优质数据的人不太愿意跟别人分享，我希望未来在这方面能有所突破。

张亮：我认为困难主要有两方面：一方面是人才，一方面是数据。

人工智能和医疗需要两拨最聪明的人互相理解，共同合作。对于阿里巴巴来说，技术并不是挑战。阿里巴巴在人工智能领域是比较领先的，但在医疗领域，我们还是一个刚入门的小学生。我们的研发人员和产品人员需要知道，人工智能在医疗的哪个领域能够带来最大的贡献，这仅靠阿里巴巴的力量是不够的。人工智能和医疗方面的跨学科人才比其他交叉学科更为难得，需要时间和国家的培养。

再说数据方面。今天的医疗数据有很多，但用来训练模型时不能只拼数量，还要拼质量。比如肺癌，光有肺相关的数据是不够的，因为肺癌有很多分型，我们还要找到这些分型的数据，这是非常困难的。所以我们跟医院和很多厂商建立和合作关系。但数据还是非常分散，分布在全国各处的信息化系统中，对接起来非常困难。

第三，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。

主持人：我概括一下，前面提到了两个关键问题：数据问题和人才问题。确确实实，现阶段跨界复合人才的培养非常关键。中国目前的人工智能人总共不到5万人，高校每年培养出来的人才也只有不到2000人。既懂医疗又懂人工智能的更是少之又少。只有解决了人才问题，才能真正突破国家在人工智能领域发展的瓶颈。

中国的数据很多，但是不够大，质量也不够高，导致能够应用于人工智能的数据并不多。另外，今年年底网络安全法马上就要推行了，接下来国家对于数据的采集、存储和市场化应用都会有一系列要求，将提高数据整合的门槛。

关于人工智能在医疗领域的应用，国内企业侧重于辅助诊断，包括帮医生提高效率和疾病预测等；国际上则偏向新药研发。我想请问阿斯利康和辉瑞的两位老总，在用AI研发新药方面，能否给国内的药企一些建议。

谷成明：医药的研发分两块，一块是R（research）一块是D（develop）。药物的研发费用非常高，辉瑞每年的药物研发投入大概是70亿美金。药物研发需要大量的人力，每个项目都恨不得有几千个人去做，但很可能做两三年一种药也研发不出来，风险很大。现在我们可以用人工智能去模拟实验室里的化学反应，不需要所有试验都在实验室里进行。

临床研究的花费是最多的，如何通过人工智能为新药找到合适的病人呢？我们现在可以通过大数据的方法做聚类分析，把临床研究的数目变得非常小，而且避免了不良反应。我觉得国内公司可以在这方面做一些探索。

徐晶：我补充一点，做药物研发的企业和机构，首先要做好最基础的工作——数字化。现在的药物研发过程中，还存在很多手工工作。比如在研发阶段，数字化可以加速数据的提取速度。另外，在临床研究阶段，数字化也可以加速病人入组等过程。

主持人：谢谢两位专家。大概一周前，我看到多伦多有个机构开展了一个用AI研发药物的比赛，有几个团队只用了几秒钟就研发出了一种新药。我当时想，难道未来老百姓也可以用AI来设计适合自己的药物吗？现在看来，也许真会有这么一天。

我们知道，CFDA为人工智能和创新型医疗器械专门开辟了一个部门，负责审批未来智能化的高端医疗器械。我想请教陈总，如何将这些智能设备家庭化和便捷化呢？

陈胜裕：各位都知道，飞利浦有很多大型的影像设备和监护设备。现在所有的硬件都数字化了，都联网了；要提升硬件的性能，获取更清晰的影像和更精准的体征信息，必须依靠AI和软件。过去这些年，飞利浦卖出了很多医疗设备，积累了很多病人的信息和临床知识，也掌握了很精确的算法。此外，我们也在跟踪临床上的国际标准。基于这些信息，我们可以建立相应的模型，用于疾病诊断和风险评估。

那么，如何将其应用到个人和家庭场景呢？临床上非常大的挑战之一，就是如何将用户的体征信息与专业的临床信息和数据串联起来，因为很多信息是片段式、杂乱、没有经过结构化的。

未来，随着个人穿戴设备标准的规范化，这些设备采集到数据就能更好地与专业病历上的信息进行比较和分析。加上在AI、大数据蓬勃发展的背景下，大家积极推动数据的标准化和结构化，这一场景将更加容易实现。

飞利浦也在积极推动这件事情，希望基于我们在个人和专业医疗方面的洞悉，利用AI技术和生态伙伴搭建起信息串联的平台，实现数据的灵活运用。

主持人：今天整个会议的主题都围绕着智能医疗，所以我想请作为东道主的张亮副总裁描绘一下对未来智慧医疗的展望和畅想。

张亮：我对未来智慧医疗的展望可以用两个关键词概括：

第一个关键词是普惠。中国的医疗资源很紧缺，仅仅依靠人力很难照顾到全国那么多的老百姓，但科技的能力可以帮助我们做到这一点。

前面提到了很多智慧医疗的应用，对医生和医院非常重要。我们在智慧医疗市场的切入点肯定是这些专业人士，首先要让他们感受到人工智能带来的益处。但对于阿里巴巴来说，我们的长远目标是让普通老百姓也能享受到人工智能带来的福利。比如，通过智能手表上的芯片采集监测用户的健康数据，分析其患病风险。现在很多公司已经在做这方面的尝试了。阿里巴巴拥有几亿用户，具备非常好的条件最早将AI应用到普通百姓的生活当中，从根本上提升他们的健康水平。

第二个关键词是精准医疗。过去的医学主要是循证医学，但未来医学将朝着精准医疗的方向发展。这对所有IT和科技领域的公司都是非常巨大的机会。未来，健康和身体可以被数据化，每个人都有自己的数据；看病不一定要体检，也许带个U盘就够了；医生和机器在诊断中都占很大的比重。基于治疗方法和人体信息的数字化，我们还可以推出基因诊断、个性化医疗、新药研发等个性化的医疗应用。

这一切也许并没有我们想象的那么遥远，很可能只需要20年现在的医学就能取得巨大的飞跃。