近年来，智慧医疗热持续升温，人工智能热又推波助澜，使医疗AI成为焦点中的焦点。所谓医疗AI，是指运用人工智能技术进行智能诊疗、健康管理等等，位于医疗信息化的最尖端，通常以采纳推理技术为特征，以IBM的Watson为代表。落地，就是指有人用。因此，医疗AI的落地是指让实验室研究的医疗AI技术真正服务于大众。
11月13日，由OFweek中国高科技行业门户、OFweek医疗科技网承办的“OFweek 2017（第二届）中国医疗科技大会”在深圳举办。哈尔滨工业大学教授/博士生导师关毅分享了哈尔滨工业大学在医疗AI落地方面的经验和体会，为医疗AI的研究早日落地提供参考。
关毅教授表示：“从2013年起，我的团队全面转向了医疗健康信息学相关的探索。四年过去了，在医疗AI的应用方面，我们至今还没有收获。回顾这四年多走过的路，一个刻骨铭心的经验就是深切地体会到医疗AI落地之难，这是我们出发时没有料到的。”
关毅教授认为，医疗AI研究需要翻过三座大山。第一座大山：医疗大数据，对医疗大数据的计算机自动分析处理是医疗AI的基础，这是我们至今未能逾越的大山；第二座大山：医疗行业大量存在的各种规则与禁忌。一种新药研制出来，要经过非常复杂繁琐的安全性评价才能付诸临床应用。AI新技术的落地也是如此；第三座大山：按量收费。这是医疗行业国际通行的收费模式，它决定了医疗AI即使落地，使用率也将微不足道。翻越这三座大山，仅靠技术手段是不够的，还需要全社会所有人的共同努力，还需要医疗体制的改革。
医疗大数据的挑战
医疗AI的应用已经具备了医疗大数据的充分支持。医疗大数据的挑战主要来自四个方面：数据来源、数据质量和数据加工和数据处理能力。
由于我们这些年专注在中文电子病历数据的知识挖掘，其他种类的医疗大数据尚未涉及，因此我仅谈谈中文电子病历的有关情况。数据来源方面，目前可以获得的中文电子病历主要来自于住院病历，住院病历中，大多是某一特定患者一次住院的记录，同一患者的多次住院记录较少。门诊病历多数为手写，电子化程度滞后。病历内容可视为患者的健康快照，时间信息缺乏，从而使预测相关的研究缺乏支持。在数据质量方面，需进行费时耗力的数据清洗，另外多数电子病历的内容描述偏于简单，没能真实反映丰富细腻的医疗实践。中文电子病历主要挑战来自于数据加工，需要医疗专业人士的参与，不同科室的病历内容差别较大，制定统一的数据加工规范较为困难。在数据处理能力方面，现有的机器学习方法尚无法达到人类的临床决策水平。
目前，虽然我们初步具备了从医疗大数据中获取知识的能力。但是，我们在心血管疾病风险预测的落地方向上，由于电子病历数据缺乏时间信息，因此构建预测模型无从谈起。医疗手环方面，我的合作伙伴朱聪慧老师团队尝试了几款国内品牌的手环，总的结论是问题多，不实用。在研究方面，我们从中文电子病历中提取的知识的形式还比较单一，其精细化程度和个性化的程度还达不到临床应用的水准，特别是医疗知识的提取量还远远不足，我们目前已经开始了新形式知识表示的研究以及知识量的积累工作。
医疗行业规则与禁忌
人命关天。医疗是事关生死的高风险行业。所谓规则与禁忌，是指人们在长期的医疗实践中为降低医疗实践的风险而积累的对人们在医疗过程中的行为进行约束的规定。这些规则与禁忌在有效地降低了医疗活动的风险的同时，也对新技术的采用产生限制、阻碍甚至排斥的作用。通常疾病的风险越大，规则和禁忌越多，集中体现在各种各样临床指南中。这些指南不仅卷轶浩繁而且不断更新，不仅给医疗AI带来了不断增加的医疗大数据的压力，而且抑制了医疗AI的落地。
由于我们在知识积累的数量方面尚有巨大的差距，因此，我们下一步工作的重点是积累知识，我们制定了三年规划。计划将研究室构建的语料库规模扩大一倍，与此同时启动医疗本体资源的建设，将疾病相关的规则与禁忌也纳入到本体建设的内容中。考虑到心血管疾病的风险以及规则与禁忌的挑战，加上前面提到的两个原因，我们将心血管疾病预警的落地计划转向面向用户的健康推荐系统的落地方向。
值得庆幸的是，今年七月，国务院印发了“新一代人工智能发展规划”，提出到2025年初步建立人工智能法律法规、伦理规范和政策体系，形成人工智能安全评估和管控能力。到那时，医疗AI受到的来自医疗行业的规则与禁忌的阻力将大大减弱。
按量收费
不远的将来，假设技术手段已经发展到足以应付医疗大数据的挑战，在医疗决策中已经达到或超过了人类智能。假设医疗AI突破了重重规则禁忌的束缚，开始为医生的日常工作提供智能服务。医疗AI就可以顺利落地了吗？其实，还有一个难以克服的障碍在等待着它，这个障碍，在相当长的时间内是无法克服的。这就是按量收费。
所谓按量收费，是指按照医疗服务的数量来收费，而非按照医疗服务的质量收费。根据这种收费模式，对患者更多的检查或者过度的治疗将使医生以及医生所在的医院获得更多利益。有趣的是，调查显示，如果患者是公费医疗而非自费，患者也乐于做更多的检查，买更多更贵的药品以获得心理的满足感。
在智能诊疗方面，我们也在寻找新的落地点，最好能够选择风险相对较低的疾病，从而尽可能地避开行业中的各种规则与禁忌，更不能妨碍医生挣钱，而是应该通过引入医疗AI让医生能够光明正大而又尽可能轻松愉快地获利。现在有一个初步的计划，我在这里提一下，想听听大家的意见。我们想构建一款针对皮肤病远程诊疗的微信小程序，供单个医生在其朋友圈中使用。选择皮肤病是因为皮肤病人人都有，且危险性不大。可以通过网上对话以及上传病患图片确定大多数皮肤疾病，也免去了患者为一点点肌肤之患跑医院的麻烦。供单个医生在朋友圈中使用，使人们自然地通过微信中的互信关系进行医患互动。这种小程序在专业医生中推广之后，既可以给医生带来收入，也可以使我们积累一定的皮肤病相关医疗文本和图片。可以利用我们在智能诊疗方面的积累以及皮肤科的数据训练我们的AI模型，在AI模型达到一定的准确度的情况下，在专业医生的授权下，可以代替医生自动进行皮肤病的诊疗。
由此可见，医疗大数据、规则与禁忌、按量收费，横亘在所有志在让医疗AI落地的朋友们面前。一座比一座更加险峻。这个出发时看上去很接地气的研究方向恰恰落地是最为艰难的。但是，正是这种艰难，决定了医疗AI的一点点真正落地的进步，都将对保障全社会人们的健康发挥积极的作用，都将产生深远的社会影响。
最后，关毅教授对于医疗AI的落地进行了自己的建议：首先，每一个医疗AI的研究者都要自觉地向落地的方向努力奋斗，因为没有落地的顶天全都是浮云。看上去热热闹闹、轰轰烈烈、有时甚至能够挡住太阳的光辉，但风一吹就会消散得无影无踪。其次，不能低估医疗大数据的挑战和高估AI的能力。AI技术的发展还处于比较初级的阶段，翻越医疗大数据的山峰尚需时日。不能做不切实际的乐观估计，而要做扎扎实实，数十年如一日的艰苦努力。第三，医疗AI助力医疗行业已经是大势所趋，医疗行业只能迅速适应这个变化，扬弃旧的规则与禁忌，为医疗AI提供发展空间，并借此获得高速发展的机遇。第四，只有按质付费才能使医疗AI真正有落地的机会。
更多详细内容，敬请关注OFweek医疗科技网后续专题报道！
