在中國棋手柯潔與AlphaGo激戰的同時，醫療人工智能亦戰火不斷。
日前，丁香園、中南大學湘雅二醫院（以下簡稱“湘雅二院”）和大拿科技共同宣布就皮膚病人工智能輔助診斷達成獨家戰略合作，并發布了國內首個“皮膚病人工智能輔助診斷系統”。據悉，該系統第一期主要實現以紅斑狼瘡為代表的皮膚病人工智能輔助診斷，下一步將“滲透”到其他醫療機構，并將開放患者端服務。
“人工智能技術的快速發展使得其產業化成為可能，我們認為最佳應用領域在醫療，最大的應用場景在中國，”5月22日，丁香園CEO張進在接受21世紀經濟報道記者采訪時表示，“醫學上很多診斷要依靠形態學，例如皮膚病、病理科，人工智能的優勢在此就得到充分體現。我們訓練一個好的皮膚科醫生可能要十年，把人工智能引進后，可以大大縮短時間。”
在丁香園入局之前，國內外醫療人工智能領域早已擠滿玩家，資本也正熱逐這一市場。即便如此，因研發成本高、數據獲取難、尚未深入診療核心等因素，醫療人工智能大規模應用為時尚早。
輔助診斷
在合作的三方中，湘雅二院擁有皮膚科臨床數據資源和臨床專家團隊；大拿科技擁有人工智能技術團隊和圖像識別模型；丁香園則擅長整合和協同醫療行業資源，參與系統的設計、開發與運營。
湘雅二院皮膚科主任陸前進指出：“皮膚病的病種將近3000多種，造成皮膚病的因素各種各樣，部分皮膚病的皮疹相似。最近幾年在中南大學的臨床推動下，我們挖掘了大量皮膚病的皮疹以及皮膚病圖片，想借此挖掘其中蘊藏的海量信息和疾病內在的規律。”
大拿科技產品總監金路補充道：“目前所知的國外各種人工智能模型、研究都僅僅做了單一病種的診斷。而皮膚病臨床診斷的過程非常復雜，看到皮損以后會想到好幾種皮膚病，然后進一步觀察、檢查、用藥，逐一確定是哪種皮膚病。”
幾個月后，合作有了成果。目前已研發出的是紅斑狼瘡人工智能輔助診斷模型，該模型對紅斑狼瘡各種亞型及其鑒別診斷疾病能進行有效區分，識別準確率超過85%。
金路告訴記者，該系統一方面是面向皮膚科醫生，醫生通過APP，把圖像傳到系統以后，系統提示最有可能的皮膚病類型，然后建立皮膚病電子百科全書，通過百科全書再去學習，輔助臨床診斷；另一方面是面向患者，系統提供圖片鑒別和導診意見，這一端口暫時還未開放。
資料顯示，系統性紅斑狼瘡是一種慢性自身免疫性疾病，屬于風濕性疾病中的彌漫性結締組織病，可引起全身多個臟器受累，包括皮膚、關節、腎臟、血液等。如何精準診斷系統性紅斑狼瘡，一直是困擾各國科學家的世界醫學難題。
“不同醫院、醫生對這一疾病的診斷精準程度都不同，沒有一個大概的診出率，”陸前進告訴記者，“病因現在還不確定，它是臨床學科里病種最復雜的，臨床異質性很大，每個病人的情況可能都不一樣。我們都是按照美國的分類標準來診斷，很難有一個統一的診斷指標。”
而湘雅二院對系統性紅斑狼瘡的診斷研究早有積淀。今年初，陸前進所在的科研團隊經過三年研究，開發出了一種特異性高、敏感性強的系統性紅斑狼瘡新型診斷標志物，在國際上首次將對該疾病的診斷提升到了基因水平。記者獲悉，該研究目前正與深圳一家基因企業合作，開始進入臨床試驗階段。
“我們是以紅斑狼瘡為切入點，隨著我們臨床數據庫擴大，診斷的準確性會提高。接下來肯定會聯合全國其他醫院，共同獲取病例數據來完善這個系統。最終做出一個最為人工智能的模型，覆蓋更多的皮膚病種。”陸前進說。
產業尚處“嬰兒期”
獲取更多數據是醫療人工智能企業不斷釋放的信號。張進直言：“人工智能技術形成產品，最重要是要有大量高質量的數據。”
在張進看來，醫療人工智能核心競爭力主要集中在三方面。首先是人工智能的軟硬件平臺。“能夠出來大量數據的硬件平臺需要很高成本，另外，人工智能的開源算法拿到特定領域是沒有辦法使用的，這需要很強的技術能力作為支撐，研發獨特的算法。”他說。
金路也向記者指出，“這兩年人工智能不論是框架還是其他，都成熟得非常快，有很多適合企業快速上手的訓練框架。但是這種框架只能訓練出一個粗淺的產品，適合做前期嘗試，準確率也根據各個場景、數據量等不同而不同。后期需要基于對人工智能、圖片、皮膚病等理解，對模型本身和算法不斷改進。”
其次是獲取高質量的大數據。國內醫院在過去信息化程度不高，數據雖然多，但相對雜亂，使用難度大。如何找到合適的切入點，并快速獲取數據會是一個很高的門檻。
同時，醫院信息孤島現象長期存在，各個醫療機構的數據尚未實現互聯互通。這一局面則逐步從政策層面迎來破冰。去年6月，國務院公布了《關于促進和規范健康醫療大數據應用發展的指導意見》，明確指出健康醫療大數據是國家重要的基礎性戰略資源，需要規范和推動健康醫療大數據融合共享、開放應用。
“產品做出來之后如何在醫療系統中落地也是難題，一個醫院可能有幾十家系統廠商，上百個數據接口。我們的產品選擇微信就是因為不需要跟院內系統做整合，可以快速投入使用。”金路進一步說。
最后是跨界的人才和整合資源能力。醫療人工智能需要橫跨醫療和人工智能的交叉人才，這種人才目前非常稀缺。另外，醫療數據已經存在，技術也已經具備，最后要看誰能夠完成整合。
目前來看，有心整合的玩家不少，涵蓋IT界、醫療界大大小小的企業。
就在上周，谷歌宣布已嘗試將其面向消費者的機器學習能力應用到醫療保健領域中。今年谷歌的人工智能算法在乳腺癌診斷上也表現出了很高準確度；蘋果公司最近收購了Lattice，該公司在開發醫療應用的算法方面具有很強能力；而在幾個月前，微軟推出了HealthcareNExT計劃，將把人工智能、云計算、研究和行業合作融合在一起。
“醫療AI雖然可以規劃出很多商業模式，但其實還沒有到談論這個問題的時候，”張進坦言，“我們從一開始做這個事情就沒有任何商業的考慮，這是一個全新的技術，只要能幫助醫生進行更好地繼續教育，提高他們診療的水平，這個事情就已經有價值了。”
微信掃一掃
