谈及人工智能医疗，电影《极乐空间》向我们描述了这样一个场景：一个白色医疗舱中，躺着一位患有“急性淋巴细胞白血病”的小女孩，伴随着医疗舱的扫描仪从小女孩的脚底移动到头顶，医疗舱的屏幕上显示出了“癌细胞已清除100%”的字样，标志着小女孩的癌症，已经被治愈……

虽然这只是一部科幻片，但它描绘的医疗技术无疑非常符合人们对于未来人工智能医疗的想象：不需要医生，机器就能独立完成症状分析、病情诊断、制定治疗方案、治愈患者等一系列流程。

而事实上，现代医学对于人工智能医疗的探索才刚刚起步。如果说医疗舱展现的技术代表着人类在健康领域将要抵达成功的彼岸，那么目前人工智能医疗的水平像是一个在海边拾贝的孩子，尚不具备起航的条件。在健康管理、药物研发、辅助诊疗等诸多细分领域，人工智能与医疗的结合都还在探索之中。

针对人工智能与医疗结合带来的新机会和存在的问题，中山大学健康医疗大数据国家研究院副院长谢志教授在36氪大健康赛道创新班第一期的第二次集结中，为我们做出了深度解读，相信也能给你带来一些启发。

 

“人工智能医疗实质就是用人工智能去赋能医疗，通过让医疗的成本下降、效率提升，来改变医生、患者还有企业三者之间的生产关系。”谈及人工智能医疗的定义，谢志教授解释道。现阶段，人工智能起到的作用大多是解决传统医疗过程中遇到的“简单、重复、耗时高”的问题。

以辅助诊疗为例，传统模式下存在三大痛点：

1、医院导诊系统不完善，耽误诊疗时间。很多病人对自己的疾病应该去哪个科室进行诊疗存在疑问，如肚子疼，到底是去外科还是消化科呢？缺乏专业知识的人肯定是分不清楚的，更别说有些医院还会划分胃肠、肝胆胰等各类细分科室。这导致医院人满为患时，患者可能等了几个小时的号，结果发现挂错了应该去另一个科室，耽误大量诊疗时间。

2、大量重复简单问题，占用医疗资源。同一个科室的专家每天面对的大多都是简单基础的疾病，仅凭几个问题就能判断病症和治疗方法，但是大量简单重复的工作极易消耗专家的精力，导致真正有复杂病情的病人可能反而需要花费较长时间才能触达相关专家。

3、病例信息化程度低，无法在临床上提供决策支持。专家往往使用手写或者使用信息化程度较低的电子病例，难以根据疾病种类进行划分，对于同类型疾病往往因为过往病例查询难度大导致无法提供相应的临床决策支持。

这些痛点，往往存在“简单、重复、耗费时间”的特点，因此利用人工智能庞大的计算能力和学习能力，很轻松就能解决。

说到这里，谢志教授也例举了一个广州某家医院的导诊案例，该院将全院的二十几个科室进行了结构化处理并录入数据库，同时引进面部识别、语音识别等技术制作了一个“导诊机器人”，在医院高峰期时段，患者通过简单的与导诊机器人交互，就能很快找到自己所要去的科室，节省了患者大量的时间，同时也让医院的患者接待量大大提升。

除了导诊机器人外，人工智能与辅助诊疗结合后还陆续诞生了如“虚拟助理”和“智能电子病历”等产物，前者可以根据患者对症状的描述，匹配数据库给出对应的诊疗方案，对不能处理的病症也会及时引导到医生；后者可以通过语音识别，将专家对病情的诊断快速记录并进行归类，极大提升了医生的诊疗效率。

利用人工智能算力强、数据量大的特点，只要结合大量的医疗数据再辅以相应的算法，人工智能可以在很多领域获得应用。目前，人工智能医疗已经在药物研发、健康管理、医学影像、疾病预测等领域承担了大量基础繁琐的工作，释放了极大的医疗资源。

如果你所在细分医疗领域也存在大量“简单、重复、耗时高”的工作， 那么考虑与人工智能结合无疑是提升企业运营效率的最好方式。

技术受限 挖掘其他应用场景

虽然人工智能可以为医疗提供大量的辅助，但受到技术发展的限制，现阶段由人工智能独立完成病情诊断都非常困难。

例如，世界知名的IBM Waston医学项目就是利用人工智能对肿瘤进行诊断并提供针对性诊疗方案。但目前而言它的应用范围非常窄，同时难以被大多数医疗企业所接受，核心原因就是技术的水平没有达到应用场景的要求。主要分为两个方面：

1、人工智能模型可解释性差。课上谢志教授为我们展示了一张人工智能判断为良性肿瘤的照片，在经过4%的模糊处理后，人工智能对肿瘤的判断就变成了恶性，而这种误差如果被应用在临床上，造成的后果可能是致命的。

2、人工智能的精确度较差。在临床中面对的情况过于复杂，单一类型的数据难以作为临床判断的标准，各种同病异症、异症同病以及合并症的交错让人工智能难以给出准确的判断。

谢志教授还为我们分享了一个国内做肝移植诊断系统的案例，这套系统能根据输入的一系列数据判断肝脏是否应该移植，结果这套系统在设计层面邀请专家讨论的时候，就遭到了专家的一致否决：“肝脏是否能移植，在临床上可能需要找二十到三十个专家一起讨论，还不一定能得出统一的结论，单凭机器怎么能解决这样的问题？”

临床问题的复杂程度和关系到的患者的生命安全，对于人工智能开发的企业来说是不可想象的。谢教授提到：“现阶段人工智能企业一定不要开发诊断系统，只要能够成功用人工智能帮助医生标注出病灶或是异常的地方，辅助医生做出诊断，这就已经是非常优秀的事情了。”

这也为人工智能企业指出了一条明路：专注在检测和识别的应用场景，避免做疾病诊断。

提问环节

大健康创新班学员：谢教授您好，我们是做处方流转平台的，有大量的处方数据，第一是想问下您我们如何实现商业化落地？

谢志教授：你们如果和医保结合在一起，拿到病人的愈后数据，这样会有大量的药厂对你们的数据感兴趣，这其中涉及到大量病人数据的分析。如果只是本身的用药和诊断，也会吸引一些药厂，因为很多医院禁止出现一些商业行为，导致科主任都拿不到自己的用药信息，所以你们可以和药厂进行合作。另外，你们也可以和卫健委进行合作，因为首先对于医院是否规范用药，他们是非常感兴趣的；其次是临床上某种药物的使用是不是提高了患者的生存率，这个也是在医学上非常有价值的。

大健康创新班学员：谢教授您好，我们公司是做人工智能健康管理的，我们软件工程师团队是在美国，所以在数据抓取的方面比较方便的。问题是方向性问题，我们现在做了一个小程序用于呈现的方式，但是还想您讨论一下后续再怎么做一个更好的呈现？

谢志教授：产品方面，一定要把产品定义在解决用户的刚需，这个呈现形式就出来了；另外，要考虑用户的接受程度，所以一定要找一些上游的合作伙伴，如果某些政府已经建立了一些健康管理区域，而你的产品能为他们赋能，那么就会被它们采购。

另外做健康管理，你需要注意一下用户的习惯，我举个例子，比如糖尿病患者，很多时候糖尿病患者对他自己血糖高根本就无所谓，甚至血糖高低都不去做检测，因为检测是有创的，只有出现并发症的时候他才会意识到问题，因为并发症会让他痛苦。所以你可以用AI来检测用户的身体情况，对他们的疾病做一些预测，这样用户会更注意预防。

虽然人工智能目前能够解决的医疗问题还并不多，但短短数年时间内它取得的成果已经足以引起人们的重视，未来人工智能与医疗的结合或许真的能像电影中描述的那样，解决人们所有的健康问题。36氪大健康赛道创新班也将继续邀请医疗、人工智能领域的前沿专家，持续为大家分享探索人工智能医疗的前沿方法，希望能为正在创新的医疗创业者带来一些帮助和启发。