什么样的AI真正为医疗带来价值？

上文介绍了过去一年里全球科技公司与实验室在AI医学领域最新的研究成果与产品。在这一部分，我们将进一步探讨什么样的AI能真正为临床医学带来价值。

实际上，过于超前或者脱离了医院现有基础设施的AI技术，在临床中可能并不能使我们的现有医疗体系受益。

AI＋医疗的瓶颈

毋庸置疑，未来医学的发展路上研究者将长期与AI为伴。

Antonio Di Ieva博士曾在其发表于《柳叶刀》的文章中表达了一个观点——“机器不会取代医生，但是那些使用AI的医生将迅速取代那些不会使用AI的医生。”

在Eric Topol博士看来，我们仍处于AI+医疗研究的早期阶段。尽管AI医疗的研究成果源源不断，并且也正逐渐向临床推进，但这些成果与人类的医疗需求相比仍远远不够。

从技术上来看，Topol博士认为当前AI＋医疗的瓶颈包括：1）缺少大型的、多样的、被标注的数据集；2）缺少前瞻性试验；3）缺少计算机与医生之间的深度合作；4）缺少落地，并且算法需要更多的监督，需要防止恶意干扰、攻击及软件中其他可能发生的故障；5）多维度的数据需要新的、混合的模型。

而AI大师吴恩达则更关注AI实际落地时遇到的问题。他所提出的问题是，既然如此多的研究、新闻头条告诉我们，深度学习已经达到了专家或是放射科医生的水平，甚至已经超越了人类专家的表现，但为什么它们却没有在医院被广泛地应用？

吴恩达认为，深度学习的广泛应用仍面临着三大瓶颈。一是数据量，深度学习往往在数据量大的时候表现得更出色，而对于只有少量病例可供机器学习的疾病（比如疝气），AI则往往无法达到人类专家的水准。

二是稳健性（robustness）和普遍性（generalization），即一个在已发表的论文中被验证的模型，在临床中却可能出问题。假设你光顾的医院设备不够先进，或者医护人员不够训练有素，那么AI的结果可能也不尽如人意。

三是AI为医院的管理与工作流程带来的改变，AI必须解决如下问题：首先，包括放射科医生、护士、医疗保险公司、医院管理者在内的工作人员，是否能够适应AI所带来的全新的工作流程；其次，患者的安全至关重要，要如何保证AI算法不会损害患者的健康？

实验室成果≠临床落地

正如吴恩达所言，在现实世界中，即便拥有良好的理论基础与实验结果，AI在临床落地时也会遇到诸多问题。

近日，Google Health自曝其一项明星AI医疗项目的临床结果不佳。这是一个检测糖尿病性视网膜病变（DR）的项目，针对糖尿病进行早期的筛查。早在2016年，谷歌就在《美国医学会期刊》（JAMA）发表了研究成果，表明其算法可以实现90％的准确率，相当于眼科专家的水平。据了解，在训练算法时，谷歌研究人员建立了一个12．8万幅图像的数据集，在每张图片上记录了3－7名眼科医生的评估结果，并使用2个独立的临床试验数据集（含1．2万幅图像）来验证算法的性能。目前，这项检测系统已经得到了FDA的批准，并被证实有很高的准确性。

然而，当这个项目在泰国落地时，却遇到了“橘生淮南则为橘，生于淮北则为枳”的困境。据悉，谷歌与泰国公共卫生部门合作，在泰国巴吞他尼省和清迈省的11所诊所安装了这个深度学习系统。理论上，这个系统能够在几秒钟内提供专业的诊断意见，再由护士们在一分钟内做出初步判断，建议患者转诊或进一步检查。

到了临床上，却出现了几个意想不到的问题。首先，护士拍摄的眼球照片达不到算法的标准，他们拍摄的照片模糊、质量差，常常被系统自行拒绝，导致流程更加复杂。这主要是因为，高质量的瞳孔照片需要在专门的暗室中拍摄，只有这样才能确保患者在黑暗中瞳孔放大，然而这11间诊所中只有2间拥有专门的暗室。

其次，泰国诊所里的网络并不那么流畅，在谷歌实验室中只需几秒就可以上传的图像，在诊所里却往往需要一分多钟才能上传。甚至有一家诊所在进行眼底筛查时，网络中断了2小时，导致200名等待筛查的患者流失了一半。还有许多患者因嫌AI诊断过程太麻烦，宁愿直接找医生诊断。

真正带来价值的医疗AI

谷歌的DR项目在泰国的折戟其实给了我们一个很好的启示，就是当下的医学AI创新不能颠覆医院现有的工作流程，要真正改善流程而不能让流程更复杂。

医疗IT领域专家、芝加哥大学医学院Paul Chang教授曾表示，AI技术拥有极大的价值，可以预见AI将为医学影像产业带来变革，但这一过程会比大家预想的要长。因此，当前应更加关注与临床紧密结合的需求，做“必须要有”的应用，而不仅仅是“有也不错”。

深透医疗（Subtle Medical）的科学顾问之一、医疗IT领域专家、芝加哥大学医学院Paul Chang教授曾表示，AI技术拥有极大的价值，可以预见AI将为医学影像产业带来变革，但这一过程会比大家预想的要长。因此，当前应更加关注与临床紧密结合的需求，做“必须要有”的应用，而不仅仅是“有也不错”。

通过AI技术来不断优化流程，减少不必要的成本和医疗资源浪费，真正为临床带来效率提升——这或许才是当前AI在医疗领域最有价值、也最实际的发展方向。