医疗AI 要落地,这几大问题不容忽视

医疗健康 来源: 八点健闻

“人工智能是新一代信息技术的综合集成和集中代表,是引领当前和未来经济社会发展的战略性技术。”4月1日,2019国际医学人工智能论坛暨ITU(国际电信联盟)与WHO(世界卫生组织)健康医疗人工智能焦点组(AI4H)研讨会在上海世博中心开幕。会上,工业和信息化部总经济师王新哲表示,“智慧医疗”是人工智能在社会生活中的一个重要应用。

近年来,随着AI技术的发展和政策环境的优化,我国医疗卫生事业发展进入快车道。无论是传统的医院和相关企业,还是新兴的互联网平台,都乘着人工智能的东风,进行着相关布局。目前,医疗 AI已经覆盖了医疗产业链条上的医疗、医药、医保三大环节。其中,医学影像是目前人工智能在医疗领域应用最广泛的。

中国信息通信研究院云计算与大数据研究所所长何宝宏在会上表示,计算机视觉人工智能探索,成就了诸多疾病筛查与辅助诊断,堪称功不可没。例如眼底病筛查、肺结节筛查、乳腺癌筛查等,基于疾病的病理特征,视觉图像的高清晰度等,实现了人工智能的辅助诊疗。

医疗AI 的市场前景固然十分诱人,但这个行业所面临的挑战也不容忽视。目前,医疗人工智能从应用层面来看,仍需突破数据孤岛、政策标准缺失、人才缺失的三个瓶颈。

基层与三甲都需要AI

医疗 AI 发展初期,许多产品是企业与三甲医院合作研发训练的。彼时,人们对医疗 AI 的期待是将大医院的技术通过 AI 下沉到基层,从而帮助基层医生提高医疗服务水平。

“AI在基层有很大的潜力。”海军军医大学长征医院影像医学与核医学科科主任、中华医学会放射学会候任主任委员、中国医师协会放射医师分会副会长刘士远教授表示,我国医疗资源分布不均衡,基层地区缺医少药,看病难看病贵的问题突出。近年来国家也一直在鼓励分级诊疗,希望优质医疗资源下沉。他提到,“有了AI以后,可以让优质医疗资源以AI作为载体,下沉到基层地区和单位,让原来基层单位不能发现的病变被发现,原来缺医生的地区可以通过AI补充。”

值得注意的是,在刘士远看来,除了基层需要 AI 外,大医院对医疗 AI 也有很强烈的需求。他提到,“中国医学影像的检查需求增长很快,每年产生的医学影像数据增长率也达到了40%,每个大医院都人满为患,磁共振要提前两个月预约,CT约一个月也是常见的事。”

如何缓解这个矛盾?刘士远的答案是让AI替代医生做一部分工作。如果AI能够把常规的、重复性的、低技术含量的工作做完,医生就可以集中精力参与疑难病例的临床多学科讨论,可以看门诊,更好体现自身的价值。

刘士远告诉八点健闻,影像科医生走到临床、走到门诊,这可能是未来的趋势。目前海军军医大学长征医院影像医学与核医学科正在尝试“让主治医生为患者解释报告”,做影像科咨询门诊。此前,长征医院对“病人拿到报告以后是否有进行咨询的需求”进行调研,结果显示20%的患者是有相关需求的。在刘士远的设想中,未来如果AI产品能够满足使用场景,可以为患者提供AI处理的影像报告,患者如果想了解更详细的内容,就可以来影像科做进一步咨询。

“替代重复性劳动”是AI在基层和三甲医院的一个重要作用,而年轻医生在从业过程中是需要重复性劳动培养经验的。那么,AI的出现会不会给年轻医生的成长造成造成断档呢?

对此,刘士远表示,这就像以前开车认路是必备技能,后来导航出现了,专业司机开车基本上都不用自己认路了。对于影像科医生来说,找结节就是一个基本技能,但是需要花费很多的时间去培养、训练医生这个技能,如果未来 AI 产品已经非常可信可靠,比如产品敏感性达到99%、特异性达到95%,那么医生就可以从更高阶的技能开始培养,比如疾病的鉴别诊断、疑难病例的分析或分析AI报告的内容。

挑战:有标准是产品落地的前提

即便医生们对医疗 AI 期待很高,但目前的医疗 AI 产品还无法满足这种期待。

“需要医疗 AI的场景非常多,现在能解决的只是一小部分。”提到医疗 AI所面临的挑战,刘士远告诉八点健闻,目前的医疗 AI产品,真正能够解决的只是几个维度较低的场景中的问题,比如肺结节的检测、骨折的检测、骨龄的检测或脑出血等。针对复杂维度的使用场景,现在还没有很好的产品能够落地。另外,目前的医疗 AI 产品并没有融入医院的PACS、RIS系统工作流,使用时还需要单独操作,“不方便,速度也慢”,刘士远说到。

造成医疗 AI 产品落地难的原因有很多。首先,医疗 AI 产品的高质量数据的训练明显不足。人工智能与现实中的医生一样,需要大量有素的训练,积累丰富经验,才能习得高明的诊断技巧。但是目前中国医疗信息数据处于孤岛状态,人工智能训练量远远不足。

飞利浦大中华区副总裁、整体解决方案中心总经理陈胜裕提到,目前中国80%以上的医疗数据都是非结构化数据,只有厘清非结构化数据,转化成为高质量数据,才可能为医学和健康带来有意义的价值。

将医疗数据结构化的过程需要自然语言处理、深度学习、大数据挖掘和分析三个步骤。陈胜裕举例,在国外医生在每位患者身上花去1小时,就需要将近两个小时的时间从各种报告中获取整合相关信息作为临床诊断依据。此前,飞利浦与中山医院合作发现,结构化报告可节省医生85%的时间,专家强调,打破数据“孤岛”可以让人工智能发挥更大作用,真正成为诊疗的帮手。

除了熟练量不足的问题外,缺乏标准也是影响医疗 AI 产品落地的重要原因。刘士远告诉八点健闻,“对于AI产品到底是好还是不好,医生也缺少一些标准的考核体系,或者评判标准,没人帮我们评判。”他提到,“没有机构提前帮助医生判断筛选,会造成很大的盲目性。”

诚然,相关政策、标准迟迟未出台,是医疗人工智能局限在辅助诊断的一大原因。何宝宏在会上提到,现有方法与操作无法判断人工智能的诊断水平是否高,此外风险、法律等一系列伦理没有明确说法,由于缺乏统一的标准评估,许多医疗机构对人工智能的态度是“想用不敢用”。作为医疗器械的人工智能,需要统一的标准化评估、以及准入资质,只有明确了标准,才能让人工智能尽快进入试验阶段,继而独立应用在临床。

中华医学会放射学分会主任委员金征宇也表示,更好的政策扶持下,新技术才有可能落地在医院,实现价值最大化。

实际上,目前很多相关部门都在开展相关的工作。比如,王新哲就提到,作为产业发展主管部门,工业和信息化部将围绕医疗领域重点迫切需求,加大关键核心技术攻关,加快智能产品培育创新,促进人工智能和医疗健康领域的深度融合。其接下来的一个重要工作就是,积极协同有关方面开展人工智能技术和产品的试点应用,支持建设高质量人工智能医疗训练资源库、标准测试数据集并推动共享。

国家药品监督管理局医疗器械技术审评中心是直接负责医疗产品审评的部门。据国家药品监督管理局医疗器械技术审评中心副主任邓刚介绍,目前人工智能产品主要归口在审评一部与审评二部。与此同时,为了深化审评审批制度改革,器审中心还设置了临床与生物统计一部(侧重医疗器械注册临床评价资料)、临床与生物统计二部(侧重体外诊断试剂临床评价资料),进一步加强对医疗器械(含体外诊断试剂)临床评价资料的科学、高效审评。

此外,邓刚透露,截止目前申报创新的人工智能产品共计6项(主要涵盖眼科、骨科、心内科、呼吸科),申报注册的人工智能产品共计1项(心内科),不过,目前尚无人工智能类产品通过创新审查及获准注册。

医谷链

医疗AI成为“兵家必争之地”,资本如何助力产业升级?

来源: 八点健闻

医谷,分享创业的艰辛与喜悦,如果您是创业者,期望被更多的人关注和了解,请猛点这里  寻求报道

意见
反馈

扫码
关注

扫码关注医谷微信

手机访问

扫码访问手机版

返回顶部