AI+医疗

医疗AI落地:缓慢发展,并非革命

发布时间:2019-11-21 11:54:27 发布人: 阅读量:

近日,Mayo Clinic的一项研究显示,通过AI技术分析心电图能够准确筛查出早期无症状左心室功能障碍症,准确性要高于其他常见的筛查手段。与此同时,美国斯坦福大学的一项研究也证实了AI技术在心脏领域的优势,通过分析监测设备产生的心电数据,能够诊断出10种不同类型的心律失常病症,准确性甚至一度超过了心内科医生的诊断。

人工智能在医疗领域的发展速度已经远远超乎人类的想象。这一新技术带给人们兴奋和喜悦的同时,也不免带来了几分担忧和恐惧。越来越多的人想知道,人工智能在未来会完全替代医生吗?人工智能在医疗领域很快就能实现商业化吗?


医疗AI落地:缓慢发展,并非革命



人工智能在未来会完全替代医生吗?

举个例子:虽然医疗影像AI已经取得长足进展,但取代放射科医生仍显得言之甚早。一方面,由于数据的限制,医疗影像AI的适用面仍然较窄。目前只有针对肺部结节、脑部肿瘤、骨科等少部分领域的AI技术相对成熟,大大限制了医疗影像AI的临床应用。另一方面,深度学习本身的“黑盒”、不可解释的特性使得我们难以对其结果进行分析归因。不论是出于安全性还是医学伦理上的考虑,医疗影像AI在可预见的未来里仍只能扮演助理角色,难以成为最终的决策者。

除此之外,医疗影像的分析并不只依赖于图像自身。医生在对影像进行诊疗时会结合病人的病史、其他检查、疾病的相关医学知识进行综合考量。相比之下,医疗影像AI大多情况下只能依靠图像内在的特征进行判断,使得较复杂的、与影像形态不直接相关的病情分析效果不佳。


医疗AI落地:缓慢发展,并非革命



不过,作为医生的助手,AI的精准检测可以有效减少漏诊情况,帮助医生快速定位相关病灶。自动生成的影像分析等数据资料也可以为医生提供良好的参考,大大提升他们的工作效率。这一点,在各医院影像检查数量均大幅增长的现在,显得尤为重要。并且深度学习算法需要大量的标注数据,这需要放射科医生的鼎力支持。比如在肺结节筛查任务中,医生需要预先标注成百上千张CT影像里的肺结节的具体位置、类型。借助这些训练数据,算法才能最终找到这些结节的隐含特征,实现准确的检测、分析。

目前看来,这场AI+医疗的变革,更多地是从普通马到汗血宝马式的渐进性进化,而非从马匹到汽车的时代革命。

人工智能在医疗领域很快就能实现商业化吗?

IDC Digital预测,截至2020年,医疗数据量将达40万亿GB,预计约80%数据为非结构化数据。显然,人工智能在医疗领域有无限想象空间。但是,人工智能在医疗领域实现商业化依旧面临诸多挑战。即便是在医疗领域渗透最广的Watson,其商业化路径仍在探索。“AI+医疗”的商业化还会面临一个医疗行业从业者都无法回避的问题,那就是医疗行业的公益性。医疗行业不纯粹是商业行为导向,当医生应用人工智能来做辅助诊断的时候谁来付费?。


医疗AI落地:缓慢发展,并非革命



现阶段医疗AI的产业链下游缺少了成熟的商业医保和药企作为最终的买方,所以也就没有强烈的研发需求。目前大家都在埋头苦干攻克算法、模型,后续产品推出后如何盈利将是一个大问题。


版权所有 © 科智网 京ICP备19044848号-1