k1体育·(3915十年品牌)官方网站_哈尔滨工业大学教授关毅：医疗AI的落地需要翻过三座大山

近年来，智慧医疗热持续加剧，人工智能冷又推波助澜，使医疗AI沦为焦点中的焦点。所谓医疗AI，是指运用人工智能技术展开智能医疗、身体健康管理等等，坐落于医疗信息化的最尖端，一般来说以接纳推理小说技术为特征，以IBM的Watson为代表。

落地，就是指有人用。因此，医疗AI的落地是指让实验室研究的医疗AI技术确实服务于大众。11月13日，由中国高科技行业门户、医疗科技网主办的“2017（第二届）中国医疗科技大会”在深圳举行。

哈尔滨工业大学教授/博士生导师关毅共享了哈尔滨工业大学在医疗AI落地方面的经验和体会，为医疗AI的研究早日落地获取参照。关毅教授回应：“从2013年起，我的团队全面改向了医疗身体健康信息学涉及的探寻。

四年过去了，在医疗AI的应用于方面，我们至今还没进账。总结这四年多走到的路，一个刻骨铭心的经验就是沉痛地体会到医疗AI落地之无以，这是我们抵达时没预料到的。”关毅教授指出，医疗AI研究必须翻越三座大山。

第一座大山：医疗大数据，对医疗大数据的计算机自动分析处置是医疗AI的基础，这是我们至今没能容忍的大山；第二座大山：医疗行业大量不存在的各种规则与迷信。一种新药研制出来，要经过非常复杂繁复的安全性评价才能付诸临床应用于。

AI新技术的落地也是如此；第三座大山：按量收费。这是医疗行业国际通行的收费模式，它要求了医疗AI即使落地，使用率也将微不足道。

翻过这三座大山，只能靠技术手段是过于的，还必须全社会所有人的共同努力，还必须医疗体制的改革。医疗大数据的挑战医疗AI的应用于早已不具备了医疗大数据的充份反对。医疗大数据的挑战主要来自四个方面：数据来源、数据质量和数据加工和数据处理能力。由于我们这些年专心在中文电子病历数据的科学知识挖出，其他种类的医疗大数据仍未牵涉到，因此我仅有谈谈中文电子病历的有关情况。

数据来源方面，目前可以取得的中文电子病历主要来自于住院病历，住院病历中，大多是某一特定患者一次住院的记录，同一患者的多次住院记录较较少。门诊病历多数为手写，电子化程度迟缓。

病历内容可视作患者的身体健康快照，时间信息缺少，从而使预测涉及的研究缺少反对。在数据质量方面，须要展开费时耗力的数据清除，另外多数电子病历的内容叙述稍于非常简单，没有能现实体现非常丰富细致的医疗实践中。中文电子病历主要挑战来自于数据加工，必须医疗专业人士的参予，有所不同科室的病历内容差异较小，制订统一的数据加工规范更为艰难。

在数据处理能力方面，现有的机器学习方法尚能无法超过人类的临床决策水平。目前，虽然我们可行性不具备了从医疗大数据中提供科学知识的能力。

但是，我们在心血管疾病风险预测的落地方向上，由于电子病历数据缺少时间信息，因此建构预测模型无从谈起。医疗手环方面，我的合作伙伴朱聪颖老师团队尝试了几款国内品牌的手环，总的结论是问题多，不简单。

在研究方面，我们从中文电子病历中萃取的科学知识的形式还较为单一，其精细化程度和个性化的程度还约将近临床应用于的水准，尤其是医疗科学知识的萃取量还相比之下严重不足，我们目前早已开始了新形式科学知识回应的研究以及科学知识量的累积工作。医疗行业规则与迷信人命关天。

医疗是事关轮回的高风险行业。所谓规则与迷信，是指人们在长年的医疗实践中为减少医疗实践中的风险而累积的对人们在医疗过程中的不道德展开约束的规定。这些规则与迷信在有效地减少了医疗活动的风险的同时，也对新技术的使用产生容许、妨碍甚至敌视的起到。

一般来说疾病的风险越大，规则和迷信就越多，集中体现在各种各样临床指南中。这些指南不仅卷轶浩繁而且不断更新，不仅给医疗AI带给了大大减少的医疗大数据的压力，而且诱导了医疗AI的落地。

由于我们在科学知识累积的数量方面另有极大的差距，因此，我们下一步工作的重点是累积科学知识，我们制订了三年规划。计划将研究室建构的语料库规模不断扩大一倍，与此同时启动医疗本体资源的建设，将疾病相关的规则与迷信也划入到本体建设的内容中。考虑到心血管疾病的风险以及规则与迷信的挑战，再加前面提及的两个原因，我们将心血管疾病预警的落地计划改向面向用户的身体健康引荐系统的落地方向。

有一点难过的是，今年七月，国务院印发了“新一代人工智能发展规划”，明确提出到2025年可行性创建人工智能法律法规、伦理规范和政策体系，构成人工智能安全性评估和管控能力。到那时，医疗AI受到的来自医疗行业的规则与迷信的阻力将大大弱化。按量收费不远处的将来，假设技术手段早已发展到不足以应付医疗大数据的挑战，在医疗决策中早已超过或多达了人类智能。

假设医疗AI突破了重重规则迷信的束缚，开始为医生的日常工作获取智能服务。医疗AI就可以成功落地了吗？只不过，还有一个难以克服的障碍在等候着它，这个障碍，在非常宽的时间内是无法解决的。

这就是按量收费。所谓按量收费，是指按照医疗服务的数量来收费，而非按照医疗服务的质量收费。

根据这种收费模式，对患者更好的检查或者过度的化疗将使医生以及医生所在的医院取得更加多利益。有意思的是，调查表明，如果患者是公费医疗而非自费，患者也乐意做到更加多的检查，卖更好更加喜的药品以取得心理的满足感。

在智能医疗方面，我们也在找寻新的落地点，最差需要自由选择风险比较较低的疾病，从而尽量地避免行业中的各种规则与迷信，更加无法阻碍医生赚钱，而是应当通过引进医疗AI让医生需要光明正大而又尽量轻松愉快地利润。现在有一个可行性的计划，我在这里托一下，想要讲出大家的意见。我们想要建构一款针对皮肤病远程医疗的微信小程序，可供单个医生在其朋友圈中用于。

自由选择皮肤病是因为皮肤病人人都有，且危险性并不大。可以通过网上对话以及上载病患图片确认大多数皮肤疾病，也免职了患者为一点点肌肤之患上跑完医院的困难。可供单个医生在朋友圈中用于，使人们大自然地通过微信中的相互尊重关系展开医患对话。这种小程序在专业医生中推展之后，既可以给医生带给收益，也可以使我们累积一定的皮肤病涉及医疗文本和图片。

可以利用我们在智能医疗方面的累积以及皮肤科的数据训练我们的AI模型，在AI模型超过一定的准确度的情况下，在专业医生的许可下，可以替换医生自动展开皮肤病的医疗。由此可见，医疗大数据、规则与迷信、按量收费，绵延在所有志在让医疗AI落地的朋友们面前。一座比一座更为陡峭。

这个抵达时看起来很接地气的研究方向才是落地是尤为艰苦的。但是，正是这种艰苦，要求了医疗AI的一点点确实落地的变革，都将对确保全社会人们的身体健康充分发挥大力的起到，都将产生深远影响的社会影响。

最后，关毅教授对于医疗AI的落地展开了自己的建议：首先，每一个医疗AI的研究者都要心态地向落地的方向努力奋斗，因为没落地的顶天全都是浮云。看起来热热闹闹、轰轰烈烈、有时甚至需要阻挡太阳的光辉，但风一吹就不会减弱得无影无踪。其次，无法高估医疗大数据的挑战和低估AI的能力。

AI技术的发展还正处于较为初级的阶段，翻过医疗大数据的山峰尚需时日。无法做到不切实际的悲观估算，而要做到扎扎实实，数十年如一日的艰难希望。

第三，医疗AI助力医疗行业早已是大势所趋，医疗行业不能很快适应环境这个变化，摒弃原有的规则与迷信，为医疗AI获取发展空间，并借以取得高速发展的机遇。第四，只有按质收费才能使医疗AI确实有落地的机会。

更加多详尽内容，若无注目医疗科技网先前专题报道！。

本文来源：k1体育·(3915十年品牌)官方网站-www.bag0755.net