您当前的位置:主页 > 区块链 >

人工智能:从实验室到医院的距离有多远?

2019-05-24 22:53 来源:互联网 编辑:运营003
摘要: 
到目前为止,有关AI+医疗的案例报道屡见不鲜,医疗AI的临床落地却几乎处于空白状态。实验室里良好的数据,为什么

到目前为止,有关AI+医疗的案例报道屡见不鲜,医疗AI的临床落地却几乎处于空白状态。实验室里良好的数据,为什么到临床落地的时候就不行了呢?

人工智能:从实验室到医院的距离有多远?

Mike Barlow在《人工智能与医学》中有这样一个观点:

与传统的倾向于劳动密集型的医疗保健不同,新兴的医疗模式是知识驱动型和数据密集型的。许多新型医疗保健正在带给我们一种新的模式,它将依赖于新一代用户友好、实时的大数据分析和人工智能及机器学习工具。

与Mike Barlow持类似观点的专家俨然不在少数,医疗已然成为人工智能最先落地的场景之一,AI从实验室走进医院,早已也不是什么技术问题,只是时间的早晚。

现实似乎又有些例外。IBM早在2014年就斥资10亿美元成立了Watson业务集团,全面运作 Watson 的研究和商业化事宜,其中的第一份职业就是“医生助理”,尝试用人工智能驱动个性化治疗。

但直到今天,有关AI+医疗的案例报道屡见不鲜,医疗AI的临床落地却几乎处于空白状态。

01 角色进化

自从2014年以来,AI进入垂直细分领域,医疗+AI就被认为是最容易落地的领域之一。尽管医疗+AI仍然存在不少问题,前进的脚步却从未停歇。

IBM旗下的Watson就是该行业的先驱。在2017年9月,Watson在中国实现落地,其角色定位是“辅助医生”。也就是说Watson并不能代替医生下判断,而是用人工智能帮助医生做诊断,就像金箍棒一样,孙悟空拥有了它更是如虎添翼。

Watson的工作原理是当医生输入患者的详尽数据,这款AI会从数据库里搜索已发表的研究成果,不到10秒钟,就能给出相应的治疗方案,供医生参考,为医生提供建议方案。

尽管Watson目前的作用是辅助,但是为了做好“助攻者”的角色,Watson在不断自我优化。

以Watson的肿瘤解决方案为例:目前其方案覆盖乳腺癌、肺癌和直肠癌等13个癌种,辅助全球医生进行诊疗,而预计到2019年,会在现有的基础上将新增3个癌种的解决方案。而在国内,国内的互联网巨头们也相继入局AI医疗领域。

2016年4月,腾讯1亿美元投资“碳云智能”,10月百度发布“百度医疗大脑”,2017年3月阿里云发布“ET医疗大脑”,宣布正式进入AI医疗领域。

尽管起步比美国晚两年,技术还不及国外成熟,但是在国内市场依然拥有一定得壁垒。

中国人的身体素质和外国人有一定差异,注入Watson等国外的AI医疗系统是针对外国人的身体情况制造出来的,可能与国人不匹配。

根据法律法规,国内的医疗数据不允许出境。所以服务于中国人的AI医疗系统还需中国人自己完成。

02 螺旋前进

近几年,AI的概念一直被炒得火热。甚至有人说只要在PPT上加“AI”两个字,就肯定能吸引到投资。

那么作为医疗AI,到底是一场“海市蜃楼”,还是真真切切在颠覆医疗行业的革命呢?

1. “就是一坨屎”?

据美国媒体STAT爆料,IBM内部PPT显示,Watson其实存在严重的技术问题。IBM的医疗专家和客户都确认了多起不安全和不正确的治疗建议。

Watson的技术没有达到预期,引起了世界各地医生的抱怨,不少医生表示Watson并不适用于自己国家的患者。

有部分医生认为Watson其实并没有多大用处,医院购入Watson是处于营销的目的。甚至有一位医生直言不讳地告诉IBM,“这产品只是一坨屎,大多时间没法用。”

曾经有贵妇嘲讽法拉第他发明的“电磁感应装置”有什么用,法拉第回答“没过多久就能靠它收税了”,此后电力是何等程度改变了世界,相信每个人都明白。

诚然,现阶段的医疗AI算不上十分智能,更不能完全代替医生。但是我们要看到AI的优点,比如人类的大脑是脆弱的,而机器却能无休无止地进行高强度计算。

站在发展的角度去考量AI医疗,这项新生的事物能做的,也许会完全超出人们的想象。

2. 疑似过度宣传?

自从AlphaGo战胜人类棋手的新闻以来,AI的话题一直是媒体的宠儿。这个过热的话题,也许赋予了大众对现阶段的人工智能过高的期待。

所以比如当Watson大幅裁员五成到六成的时候,比如中山大学眼科中心测试发现,AI医生在真实临床门诊对白内障的诊断正确率只有87.4%,远低于试验阶段的98.87%的时候,大众会不禁质疑——医疗AI是不是宣告失败了?

其实这只是事物在螺旋上升过程中经常要碰见的状况,其问题在于媒体的过度宣传,让大众对事物无法产生一个客观的认知。大众对技术产生过高的想象,将技术神化、将困难简单化。

医疗AI有自己的螺旋上升周期,大众应该允许失败,媒体对该议题的关注也该回归理性。

03 遗留问题

新生事物的诞生总是伴随着阵痛。医疗AI需要克服自身存在的缺陷。

同时,新技术的诞生往往会遭受旧秩序的困扰,医疗AI还需要面临何如从旧秩序中突围的难题。

1. 法律责任

在试错代价动辄就是生命的医疗领域,AI首当其冲要面对的就是法律问题。

[ 编辑: 运营BX01 ]

中国金融领域第一媒体

更多服务
友情链接

京ICP备11011451号-1

举报热线:(010)12377

举报邮箱:xinhua_ljzjr#ljzjr.cn(#替换@)

合作QQ:1447260813

中国金融时报网 版权所有 Copyright © 2010 - 2018 ljzjr.cn All Rights Reserved.