从六十年代开始，人工智能经历了三起三落 。目前，人工智能正经历新一轮的爆发，各行业都在积极探索和发展人工智能。
“人工智能＋放射治疗”，使得在北上广的优质医疗资源得以在基层下沉；“人工智能＋新药研发”，药物研发中的微观问题得以显现；“人工智能＋诊断辅助”，在节省时间的同时还能减少诊断的错误率。
自2015年开始，人工智能浪潮重新来袭。在医疗领域，“人工智能＋影象”率先落地。尽管偶尔有质疑声发出，但我们不能否认的是，这一轮人工智能的浪潮正在席卷医疗全行业。在“人工智能＋影象”之后，“人工智能＋新药研发”、“人工智能＋诊断辅助”的风口相继来临。
在华兴资本一年一度的医疗与生命科技领袖峰会，“AI”毫无悬念的成为了讨论热点。
在Alpha Go相继战胜李世石和柯洁后，社会和行业开始思考，在医疗领域，人工智能最终是否会替代医生？来自Insilico Medicine、弘晖资本、全域医疗、晶泰科技、森亿智能的行业专家从人工智能在医疗领域的应用场景、应用门槛、数据归属等方面进行了讨论，希望从中找出答案。
AI在基层医疗：向下的力量
在全域医疗联合创始人兼副总裁康世功看来，AI在放射治疗领域中最典型的两个应用场景是资源下沉和质量控制。
AI技术使得北上广深三家医院的放疗资源能够下沉到基层。“大多数基层患者的经济能力不足以支撑他去大城市寻找肿瘤专家。”他这样说道，“AI技术的加入，就好比把一把摸得很锋利的手术刀交到了基层。”
当然，在这个过程中，AI的质量控制尤其重要。通过大数据把所有导致质量控制不佳的条件逐一判断和收集起来，做成模型和算法，用来自动监控和指导基层放疗的运作。
AI＋新药研发则是在2017年开始走向风口浪尖，人工智能的进入，使得药物研发中的微观问题得以显现。
助力药物研发，继往开来
“它是一个工具，好比是高分辨率显微镜。”谈及AI在新药研发中的应用，晶泰科技联合创始人兼大数据与人工智能研发中心负责人赖力鹏这样形容。在药物作用过程中，小分子和蛋白该怎么结合，仅靠人力是很难想象的，但AI却可以通过大量的数据去学习和发现其中的规律。
在赖力鹏看来，AI在药物研发中的应用可以用“继往开来”形容。过去积累的大量数据中包含了失败的数据，但所谓的失败其实是临床上的失败，并不代表数据是没有价值的。“继往”，即是通过统计和机器学习的方法，从过去数据中提取以往没有注意到的信息。
而“开来”部分，基于深度学习生成的模型可以帮助研发人员探索更大的化学空间，做更多开创性的工作。比如2017年《Nature》的一篇文章就提到可成药的化学空间可能有10的60次方，但目前可以实现的实体分子库约在10的13次方。
“这里还有大约40多个数量级的差距。”赖力鹏表示，“真正在实验室研究的药物分子，只是整个药物空间里的冰山一角。”AI技术的加入，可以定向的在巨大空间里去寻找我们所需的药物分子。
“另外，我觉得AI还可以重塑新药研发的工作流程。”他补充道，“现在很多现有的方法是不可能覆盖到生物体这个复杂体系的。”
比如药物在一期临床的毒性问题，同一种药物在人体和动物身上作用可能会效果迥异。AI强调端到端的预测，非常有希望能够根据分子结构等条件直接预测候选药物在人体上的一系列毒副反应，大大降低药物临床试验失败的可能性。
“更重要的一点是在药物发现和晶型预测的方法开发上。”他继续说道。在晶泰科技，他们通过物理模型和AI模型的结合，不断的提高计算效率。
AI与诊断辅助：代替人工重复工作
森亿智能选择的落地点则是AI在辅助诊疗的落地。
静脉血栓栓塞症（VTE）常见于住院较久，手术后长期住院或者产后长期卧床的病人，这种疾病有一定的概率会发展成为肺栓塞，而肺栓塞死亡率非常高。为了预防病人风险，医院会派护士每天进行人工监护，给这些病人做病情追踪、反馈。但依靠人工方法要消耗大量时间和精力，还可能出现误差。
“AI技术能改善这种状况。”森亿智能创始人兼首席执行官 张少典告诉动脉网。
森亿智能开发的医疗AI产品起到两个作用：一是评估，根据病人的病情、病史，包括住院、手术的情况，以及检验、检查的情况等，系统将自动对病人进行风险打分；二是预警，根据病人的数据去预测是不是有可能是一个高危病人。如果是高危病人，会提前发送预警消息，推送到医生工作站。
这样的产品有何作用呢？张少典透露，在与三甲医院合作的两个多月来看，这些产品能够帮助忽视节约95％对病人进行人工评估的时间，同时还能够把对高危病人的识别率提升70％。
“这是我们在辅助诊疗领域尝试的案例之一。”他补充道。
数据门槛如何跨越
但无论是药物研发还是诊断辅助、又或者是放射治疗，AI技术始终离不开大数据。在杂乱无章，五花八门的数据中，如何获得更好的数据，产生更好的结果呢？或许在数据收集之前就要设置要门槛。
“实验室是数据产生最基础的场景，但在这里获得数据的成本很高。”Insilico Medicine 首席AI官Artur Kadurin表示。通过早期的努力，Insilico Medicine在基础实验数据的获取上找到了方法，可以进一步获得更多的数据。
Kadurin认为，在中国可以获取大量数据，这在海外是办不到的。但Insilico Medicine来到中国的目的却不仅仅是数据，他们希望能够在中国、乃至整个亚洲都有更长足的发展。
“中国是一个非常巨大的市场，我们希望能够与当地的合作伙伴合作。”他如是说道。
赖力鹏对Kadurin的观点表示认同，要获得高精准计算过的数据，本身成本并不低。晶泰科技早期进行药物研发工具开发的数据主要来自两个方面：一是公开数据（public domain data）；二是自己来自自己内部高精度计算过的数据。
公开数据的量级相对较大，但由于数据质量和格式参差不齐，清洗过程就很费劲。而内部高精算的准确度虽然很高，但由于本身的规模也可以达到上亿或几十亿，获取的成本也不低。
随着与客户合作的深入，晶泰科技也获得了一部分来自合作伙伴的数据。这些数据是最靠近一线研发和特定问题。但由于部分数据搜集的时候并不是为AI建模所准备，有可能关键信息并没有完全记录。
数据是基础，但所有权不在企业
“毫无疑问，数据最AI技术而言是最基础的东西。”弘晖资本合伙人何幸补充道。除了经过处理和机构化，这些数据库还要能够实现字段提取和理解、更多智能拼图、识别。这就目前阶段而言，在中国是很难找到的。
“如果没有积累这些结构化的数据，没有基础性的东西很难得到有力的诊断结果。”他继续说道。他向动脉网透露，资本在看企业的时候，非常注重企业数据来源，是否是合法的，在使用的时候是否经过足够的脱敏处理、医院的权利和病患隐私是否得到了很好的保护。
“我们认为科技企业不应该妄想自己拥有数据所有权。”张少典对此表示赞同。他认为，科技企业应该立足自己的核心技术和能力，将技术能力形成害怕，为医院提供更好的解决方案，然后在院内通过产品使用一部分的数据。
但当前AI企业面临最重要的挑战便是数据治理的问题。为什么最先落地的是影像人工智能？因为这一类的数据相对标准。而病历类、诊疗类的产品的数据就需要大量的数据治理。比如森亿智能为三甲医院做的VIE预警监控系统。仅这一套系统，森亿智能在这家医院里对接了20多个系统。
“这背后的数据结构化、标准化和数据治理，是一个浩大的工程。”张少典向动脉网透露。
而至于AI最终是否会取代人类，在医疗体系内取代医生或者护士，其实从上文中已经可以回答。AI目前所做的，是帮助医院节省不必要的资源和经历，比如代替重复劳动、缩短时间、提高产出、减少误诊率。在药物研发端，AI的作用则是提高准确性、减少材料的损耗。
因此，无论从什么角度，AI将是整个医疗体系降低成本、提高效率和精准度的方法和工具。“在短期甚至相当长的时间内，AI都不太可能真正替代人类。但它能成为非常好的帮手。”何幸表示。
