AI醫(yī)療作為目前人工智能應(yīng)用當(dāng)中對于社會而言最有意義與價值的方向，其技術(shù)研發(fā)和商業(yè)落地層面存在一系列的問題。
深度學(xué)習(xí)起源于神經(jīng)網(wǎng)絡(luò)研究，從2010年起在計(jì)算機(jī)視覺、自然語言處理領(lǐng)域得到了廣泛應(yīng)用，它也是目前最火熱的機(jī)器學(xué)習(xí)方法。影像診斷是現(xiàn)階段國內(nèi)深度學(xué)習(xí)在醫(yī)療領(lǐng)域主要應(yīng)用方向之一，基于深度學(xué)習(xí)高效的診斷使人們對未來醫(yī)療產(chǎn)生了無限遐想。
但是深度學(xué)習(xí)應(yīng)用于醫(yī)療行業(yè)卻存在著一些局限性。
“深度學(xué)習(xí)很擅長視覺和聲音的認(rèn)知，但是它很難理解深度學(xué)習(xí)產(chǎn)生的結(jié)果背后的理由是什么，比如它得出一個診斷，他知道這是某種腫瘤，它不能給出為什么，它沒有推理能力，沒有解釋的能力。”卡內(nèi)基梅隆大學(xué)的Tom Mitchell教授這樣說道。
深度學(xué)習(xí)之所以對結(jié)果背后的成因無法進(jìn)行解釋，原因便在于深度學(xué)習(xí)卷積網(wǎng)絡(luò)中的黑箱問題。深度學(xué)習(xí)的本質(zhì)是對大量數(shù)據(jù)進(jìn)行不受人為干預(yù)的數(shù)據(jù)特征挖掘，而數(shù)據(jù)的一些特征是超出人類現(xiàn)階段理解能力的，這也就是所謂的黑箱。
黑箱對現(xiàn)代醫(yī)學(xué)的強(qiáng)邏輯性產(chǎn)生了巨大的沖擊，推導(dǎo)過程的不明也讓醫(yī)生對黑箱內(nèi)容產(chǎn)生質(zhì)疑，深度學(xué)習(xí)在醫(yī)療行業(yè)的應(yīng)用與發(fā)展一定程度上也因?yàn)楹谙鋯栴}的存在而受到制約。
除了深度學(xué)習(xí)本身的局限性，在我國醫(yī)療領(lǐng)域，作為AI醫(yī)療發(fā)展基石的醫(yī)療大數(shù)據(jù)在質(zhì)量上也不容樂觀。
“就像十年前我們討論用數(shù)據(jù)做知識研究的時候，中國面臨一個最大的問題就是中國的數(shù)據(jù)質(zhì)量其實(shí)做大數(shù)據(jù)目前是不太可靠的，不可靠的原因就是疾病診斷不對。
以我們拿到的北京中風(fēng)病人數(shù)據(jù)為例，北京能夠收中風(fēng)病人的醫(yī)院是130家，大概每年住院病人14萬人，診斷正確率是72%，另外的28%診斷是錯的。”，北京天壇醫(yī)院王擁軍院長在GMIC生命科學(xué)如是說道。
基于我國目前醫(yī)療資源分配不均的特點(diǎn)，醫(yī)療欠發(fā)達(dá)地區(qū)的誤診率將遠(yuǎn)超北京。深度學(xué)習(xí)需要使用大規(guī)模數(shù)據(jù)進(jìn)行訓(xùn)練，細(xì)微的數(shù)據(jù)誤差均會為深度學(xué)習(xí)帶來負(fù)面影響。這樣的數(shù)據(jù)質(zhì)量不免令人為目前醫(yī)療AI做出的結(jié)果產(chǎn)生質(zhì)疑。
另外弓孟春博士提到，我國醫(yī)療大數(shù)據(jù)的質(zhì)量低下一方面是因?yàn)樵\斷水平不足造成的高誤診率，另一方面還和我國缺乏規(guī)范化標(biāo)準(zhǔn)化的臨床術(shù)語語義體系有關(guān)。不同醫(yī)生使用的醫(yī)學(xué)術(shù)語不同，只有做好醫(yī)學(xué)術(shù)語管理，才能挖掘出醫(yī)療大數(shù)據(jù)背后的真正含義。
2018年以來，國內(nèi)對AI醫(yī)療的質(zhì)疑聲越來越多。除了上述底層技術(shù)和數(shù)據(jù)的問題之外，商業(yè)化前景不明也是人們不看好醫(yī)療AI的關(guān)鍵一點(diǎn)。一種產(chǎn)品能否商業(yè)化落地，政策是起到?jīng)Q定性作用的，而我國在AI醫(yī)療的相關(guān)政策上似乎有點(diǎn)“拖后腿”。
“今年國內(nèi)向CFDA申報了將近十項(xiàng)醫(yī)學(xué)人工智能的產(chǎn)品，沒有一個被批準(zhǔn)。如果法律上不批準(zhǔn)，如果未來不納入醫(yī)保，AI醫(yī)療的推廣速度將極為緩慢，我想醫(yī)療AI落地的最大障礙，還是來自法規(guī)的阻礙?！保鯎碥娫洪L提到。
由于對醫(yī)療AI底層技術(shù)和數(shù)據(jù)上的質(zhì)疑，資本與醫(yī)療相關(guān)機(jī)構(gòu)對醫(yī)療AI總體持觀望態(tài)度。在沒有融資注血的情況下，商業(yè)化又受到政策制約而無法進(jìn)行自身造血，這將對醫(yī)療AI企業(yè)造成毀滅性打擊。
目前我國AI醫(yī)療的商業(yè)化落地在底層技術(shù)、數(shù)據(jù)基礎(chǔ)和政策法規(guī)上都受到了一定程度的制約，但從現(xiàn)在到AI在醫(yī)療領(lǐng)域取得成功的那一天將極為漫長，對于AI醫(yī)療頭部集團(tuán)之外的公司而言，這漫長的冬天恐怕有些不好熬。
原標(biāo)題：我國AI醫(yī)療商業(yè)化落地的三大阻礙：醫(yī)療數(shù)據(jù)質(zhì)量不樂觀
登錄
立即注冊