AI + 醫療的下一個十年：從公共衛生預警到人類基因密碼破解

雲栖号資訊：【 點選檢視更多行業資訊

】

在這裡您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！

AI+醫療的下個十年

醫療事關人身安全，要求極高，容錯率極低，是以，知識壁壘和技術壁壘都很高。過去，AI 系統更多的是服務于終端，輔助醫生診斷、決策。但是，醫療很複雜，直接切入終端問題很多。未來十年，AI+醫療會碰撞出怎樣的火花，AI 對醫療産業、醫護人員、患者等會産生怎樣的影響？

對此，AI Time 聯合北京智源大會，特别邀請了首都醫科大學附屬北京同仁醫院神經内科主任兼醫院中心實驗室主任王佳偉；商湯科技研究院副院長、集團副總裁，兼任上海交通大學清源研究院副院長張少霆；清華大學創新領軍工程博士、智譜 AI CTO 張鵬；予果生物科技（北京）有限公司創始人及 CEO 夏涵；AI Time 負責人何芸，共同推出了“人工智能是醫療的下一個十年嗎？” 特别論壇。

幾位不同背景、不同崗位的大咖對 AI+ 醫療有什麼獨到的見解？讓我們一起來看看吧。

AI 在抗疫中的作用

2020 年，新冠病毒突然而至，醫療機構成為戰疫的前沿陣地，醫護人員成為治病救命的無畏戰士，AI 成為疫情預警、病情診斷的神兵利器。AI 與醫療兩個與我們息息相關的領域以意想不到的方式緊密結合。那麼，大資料、AI 對疫情期間的醫療檢測等方面的作用有多大？未來還需要在哪些方面提升？

新冠疫情是百年不遇的重大公共衛生事件，堪比 1918 年西班牙大流感，但與之又有諸多不同。王佳偉主任首先提出了自己對新冠疫情的看法，并列舉、分析了疫情發生以後國内外諸多模型的優劣勢和特點，重點介紹了約翰·霍普金斯大學提出的模型的特點，認為 AI 對研判感染性疾病非常有價值，能夠對感染人群情況分析、疾病溯源提供很大的幫助。并重點強調：隻有基于臨床病人、基于流行病學的真實情況、資料，才能建立可靠的模型。

在新冠疫情期間，AI 技術響應速度快、介入的力度大，幫助推出了 CT 輔助診斷系統、個人自我診斷系統，并幫助醫生快速熟悉了新冠的特點，了解和掌握了診斷和篩查标準，提升了診斷的信心。但是，張少霆指出新冠期間也暴露出來了資料來源各異、标注水準不一、對隐私保護不健全的問題，以後可以針對相應問題進行有針對性地改進，疊代并部署模型，以預警疫情，提升診療效率。

其實，早在 2008 年，就出現了谷歌流感趨勢，對當時的醫學界、公共衛生界産生了很大的震動。張鵬據此提出了用資料、AI 技術輔助醫療體系、公共衛生體系的思路。

AI 對醫務工作者的價值

近年來，AI 不斷進化，專家通過病曆資料庫中的海量資料不斷訓練 AI，讓它學習診斷各種疾病。那麼，以後病人能否在家一鍵診斷？醫療工作者能否遠端診療？AI 如何取得病人和醫生的信任？

一鍵診斷、居家診療是目标，有着廣泛的價值。王佳偉主任首先表達了自己對未來 AI 診療系統的期盼，并指出這其中的巨大價值。但是，實作這種效果存在很多困難與挑戰：（1）海量資料的處理存在困難，需要 AI 技術人員與醫生一起發現、抓取特征資料。（2）要特别重視隐私和倫理問題。未來，AI 在某些方面會超過人腦，但是基本不可能取代人。

目前，很多醫務工作者已經接觸過 AI 系統，介紹、推廣 AI 系統的阻力大幅較少，要想讓醫生相信 AI 的結果，張少霆認為可以從三個方面入手：（1）AI 技術人員要和醫生一起開發産品；（2）要在第三方監管機構的監督下去做；（3）需要保障資料安全、注意可解釋性。

醫學是一個比較複雜的情況，涉及各方面的内容。張鵬通過網絡支付的例子指出安全問題是核心問題，相比于支付涉及的财産安全，醫療涉及的人身安全問題更嚴肅、更重要。AI+ 醫療不僅是一個技術問題，更是一個社會學問題。是以，在滿足需求的過程中，路程還很漫長，需要解決的問題還很多。

AI 會給醫療産業帶來什麼變化

随着 AI 技術的發展，未來抓取醫療 AI 所需資料的難點在哪裡？資料量大小如何？如何保護資料安全？如何合理利用基因、蛋白質、代謝等多組學資訊提高診斷準确率和效率？如何保證算法公平性，讓算法具備可解釋性？AI 将如何改變新藥研發的理論與實踐？

新冠爆發以來，新藥研發人員利用根據特定靶點，對很多新藥進行了篩選和驗證。面對 AI 藥物篩選與臨床實際應用的距離越來越短，王佳偉主任表達了自己的樂觀看法。

目前，清華大學已經有學生在利用計算機模拟藥物分子反應（AI Time 的 B 站賬戶中有相關的分享視訊，歡迎大家觀看、點評），進而降低藥物篩選的成本、縮短篩選的的時間。張鵬通過介紹真實醫生學習、成長的過程指出了小樣本學習甚至零樣本學習的價值，并介紹了資料的價值。AI 診斷涉及的倫理問題很複雜，目前提供輔助診療的系統在技術上不存在困難，但是最終的診斷還需要醫生來出具。

AI 醫療産品涵蓋的領域衆多，張少霆根據領域的不同，指出了不同産品的監管要求不一緻，面臨的挑戰也不一樣。如果産品最終目标是用到醫生給病人下診斷書的階段，産品的需求會更加複雜，需要平衡資料安全、資料量等内容。産品在設計之初就需要努力避免醫療糾紛，考慮監管要求。新藥研發領域更多的的 B 端需求，要平衡需求和風險，最終實作降本增效的效果。

AI+ 醫療，未來的機會在哪裡

今天，我們看到了 AI 的實際落地。未來十年，AI 在輔助診斷、輔助治療、新藥研發 、醫療資料挖掘、智能健康管理、醫療保險等領域會如何發展？

未來十年，AI+ 醫療有很多機遇和挑戰，王佳偉主任通過用 AI 技術治療失明患者的典型例子介紹了 AI 給醫療領域帶來的新思路與新方式。此外，很多技術已經發展了很久，這些技術轉變成民用值得我們期待，我們也應該能在不遠的未來看到。

上述每一個領域的都是很有前途的領域，張少霆表達了自己的樂觀态度，并指出醫療領域的不同的闆塊應該不是完全割裂開來的，它們互相關聯很可能帶來新的機會。

對于未來十年，張鵬建議我們應該思考 AI 能不能幫助我們找到目前無法治療的疾病（如癌症）的病因，能不能提出治療手段，進而惠及醫療工作者、惠及普通人、惠及整個社會。

【雲栖号線上課堂】每天都有産品技術專家分享！

課程位址：

https://yqh.aliyun.com/live

立即加入社群，與專家面對面，及時了解課程最新動态！

【雲栖号線上課堂 社群】

https://c.tb.cn/F3.Z8gvnK

原文釋出時間：2020-06-24

本文作者：AITimer-田志遠

本文來自：“

學術頭條

”，了解相關資訊可以關注“

”