浅谈医疗AI

施月强

一、 什么是医疗AI

要回答“什么是医疗AI”的问题，我给大家三个层次的答案。
第一个层次，先给大家一个宽泛的定义：医疗AI泛指应用人工智能技术，例如智能传感器、神经网络芯片、开源开放平台等技术应用于医疗健康领域。
第二个层次，我给大家拆解一下“医疗”和“AI”。医疗，大家都不陌生，我为了解释医疗AI，把医疗的行为进一步分为“诊断”和“治疗”，先有诊断，知道是哪里出了问题，再进行治疗，就是对症下药。我后面会给一个判断，即医疗AI目前还只是涉足了“诊断”，仍远远达不到“治疗”的部分。
“AI”这个现在被吹得神乎其神的概念，其实很早以前就被提出来了。只是在硬件技术不断发展的背景下，AI得以真正进化出牛逼的应用。这里说的硬件技术，指的就是另外一些神乎其神的概念，例如智能传感器、神经网络芯片等。要知道，我们生活中相当多的变化，都是以底层技术的进步为基础驱动的。例如3G到4G这种底层技术的进步，使得移动网络更加便捷，才让今天各种抖音网红带货成为可能。所以从这个意义上讲。硬件技术带来的AI应用，进而带来的医疗诊断和治疗方法的升级，是潜藏着机会的，是值得我们关注的。
医疗+AI是AI应用中尤为值得关注的领域，主要是因为以下几方面的原因：在市场需求层面，医疗行业是个抗周期行业，老龄化趋势是不可逆的，随着收入水平的提高大家在医疗上的支出也一直在上升，不论从哪个方面看，这个市场都会在未来很长一段时间保持高速增长。在技术成熟度层面，刚才提到硬件的进步为计算机提供了足够的算力，同样，医院信息化水平的提高、医疗影像质量的提高也为训练医疗AI提供了充足的养料，在加上高智商程序员们设计出来的算法，AI三要素算力、学习材料、算法就集齐了。简而言之，就是有钱赚+有能力赚，当然是个理想的AI落地场景了。
第三个层次，我给大家举个医疗AI的例子，大家可能就更容易理解了。以AI医疗影像技术实现肺结节初筛为例。肺结节是指在胸片或者胸部CT中发现的被肺组织包绕的软组织影，可能是肺部良性或恶性肿瘤、肺血管瘤、肺结核、肺真菌感染的症状。现在的肺结节通常是在大家体检的时候被发现的。发现后肺结节后，医生一般会建议患者观察结节的生长速度，如果其生长缓慢就无需治疗。但是，一旦发现其明显增大，患者就应该及时就诊并接受治疗，因为肺结节严重时可能导致呼吸困难、呼吸急促、咳血等症状。
现在，肺结节的诊断流程一般是这样的，大家一定都不陌生：患者在医院拍了胸片，X光或CT，会出来一个实物胶片，影像科医生仔细查看胶片，看看是否有异常的阴影，并出具影像科报告。一旦发现了疑似阴影，就会请患者做进一步检查，排除或确认病情。那么，AI医疗影像技术是如何切入这个环节的呢？主要是实物胶片变成电子胶片，AI算法代替医生“读”电子胶片并发现异常阴影，从而实现筛查的目标。
AI医疗影像技术实现肺结节筛查主要有以下几个好处：一是解决我国影像科医生短缺的问题，减轻他们的工作负担，毕竟日以继日地读图找肺结节本来就是枯燥重复的工作，非常适合被计算机替代。二是解决我国非头部医院影像科医生水平不足的问题，毕竟，如果因为影像科医生水平不足或疲劳过度而漏检，就有可能导致患者病情的延误，而现在的AI技术筛查肺结节的漏检率已经可以做到非常低的水平了，不输高水平的专业医生。对于国家来说，是缓解医疗资源的紧缺和区域间的不平衡。对于患者来说，是早发现早治疗，是小地方的患者不用长途跋涉也能享受到高质量的医疗服务。
二、 当前医疗AI的发展阶段

当前医疗AI发展最成熟的领域莫过于医疗影像AI辅助诊断了，其他领域类似于医疗大数据、药物研发、在线问诊、健康管理等，说他们还处于“迷茫探索期”，应该也不算太低的评价。
先讲一下医疗影像AI辅助诊断。医疗影像AI辅助诊断的应用，除了第一小节说的肺结节，还包括糖尿病性视网膜病变（简称“糖网病变”）、结直肠肿瘤、宫颈癌、乳腺肿瘤等领域。但是除了肺结节和糖网病变，其他领域的AI辅助诊断在技术上还欠成熟，主要原因是计算机学习的训练材料库不如前两者大，准确率还没法训练到足够高的程度。在技术层面的发展情况，一句话概括，就是部分领域技术已经足够成熟，还有一部分领域技术成熟也只是时间的问题。
至于投入使用，不少医疗影像AI辅助诊断公司都会公开宣称，自己的产品“已经落地xxxx家医院了”。看起来形势一片大好呢！但是，凡事都怕个但是，医疗AI的落地应用远远没有想象中顺理成章，更不要谈商业变现了。
主要难点在哪里呢？
第一点，医疗影像AI辅助诊疗类产品，想要做的事情是告诉患者“你生病没”。没病说成有病，纵然患者是虚惊一场，但也是浪费了社会医疗资源；有病说成没病，则很有可能会耽误患者治疗。因此，医院要使用医疗影像AI辅助诊疗类产品，需要经过极其严格的论证。
我国负责论证的机构，叫国家药品监督管理局（以前叫“CFDA”，最近改名成”“NMPA”了）；论证的程序，叫做临床实验；论证后拿到的“合格上岗证”，叫做“AI三类器械审批证”。这个证不容易拿，主要原因是，AI辅助诊疗技术太新了，新到连NMPA的评委们都不知道应该用什么样的标准来判断产品是否有效。所以NMPA现在其实是在各大医疗AI辅助诊疗产品公司的催促下，紧锣密鼓地制定相关方案的，但是到目前为止，我国只发放过一张“合格上岗证”（科亚医疗的冠脉血流储备分数计算软件，主要用于临床冠心病诊疗）。其他没有合格上岗证的，医院和医生是不可以正儿八经地用这些产品开展诊疗业务的。
所以上面说的“已经落地xxxx家医院了”，大家都不要被PR宣传话术迷惑了，他们说的是通过各种方式，例如免费试用、科研合作等方式，把设备“放进”医院了。至于医生有没有用，是不一定的，医生用了认同不认同，也是不一定的。
第二个难点，是要改变医生的观念和习惯。毕竟是新事物，让医生对诊断结果放心，是需要一个过程的。在这个过程中，医生可能会需要复检AI辅助诊疗出具的结果，这比医生自己看，花的时间可能还要多。而上面提到，医生已经很忙了。
第三个难点，是付费问题。医疗器械和医疗设备的付费方，不出医院、医保、患者、商保这四方。医院的支出是有预算的，医院花钱之前得先论证。比如说要花钱买一台CT机，需要论证的是有多少患者会用，是不是可以收费，如果可以把投入赚回来，那这机器可以买。比如说花钱买一台达芬奇手术机器人，论证结果大概率是“回不了本”的，但是达芬奇手术机器人可是代表了当前外科手术最先进的技术呢，放一台达芬奇在医院，那可是超高医疗水平和科研水平的象征，所以要买。那么，医院为什么要买医疗影像AI辅助诊断的服务呢？
- 有患者会用吗？患者倒是可以用，反正你医院给我出结果就可以了。
- 可以收钱嘛？现在还没有相关收费目录，不好收。
- 对医院医疗水平和科研水平有提高嘛？好像也还好。
- 影像科医生不是很累吗？有多少人做多少事就可以了。
- 县级城市医院的影像科医生水平不是不够么？但是县级城市医院没钱买啊，买了也没患者来用….
有的医院可以搞科研预算，但只有极少数头部医院能搞到。所以让医院掏预算买，不是一件容易的事情。
让医保掏钱呢？你先拿到合格上岗证再说吧，然后你先搞一个收费目录，定一个收费标准，然后再来定医保支付比例。每一步都是耗时耗力的大工程，更何况医保现在可是忙着搞集中采购省钱呢。
让患者掏钱呢？通过医院向患者收钱，其实也还是需要走个拿合格上岗证，然后定收费标准的流程。跳过医院搞个TO C移动客户端直接对患者收费？“AI辅助诊疗微信小程序”，让你可以在手机端随时随刻看到胸片！还会告诉你AI诊断的结论！小主赏个钱吧！！患者：？？？说的skr什么东西？？？看不懂，我找医生去…
商保？要说服保险公司为这些还未被证实价值的服务付钱，也是不容易的事情呢。
总而言之，医疗影像AI辅助诊断要解决产品付费问题，还真的是不容易。
最近这一年多，我观察到越来越多的医疗影像设备厂商陆续入局，他们站在数据的产生端，能天然地获得质量水平相近的图像，配合医生的标注后成为了最好的AI学习材料；得益于医疗影像设备产品，这些厂商又天然地拥有卖医疗设备产品的商业模式，而且是医院的既定供应商。在他们的设备产品上加载医疗AI辅助诊断功能，似乎有望成为医疗AI辅助诊断产品最佳的落地场景。
再简单介绍下医疗大数据吧。
医疗大数据是什么概念呢？是医疗大数据公司，用一套算法软件，把医生平时输入HIS系统或写在病例上的诊断信息和处方信息、影像科保存的影像报告、检验科保存的检验报告，这些乱七八糟的文字甚至图片内容，进行清洗和统一（因为不同的医生，对同一种症状会用不同的表述，对症状轻重的描述也充满主观判断，这都需要进行后期调整矫正），变成结构化的信息储存到电脑里，这样未来可以方便地对这些数据进行搜索、统计。
当然，也有一些伪大数据公司，不做数据结构化这一步，拿了一堆txt文档，号称自己拥有了全省三甲医院的所有病历。但如果你问他们，这些 “大数据”到底怎么用，他们就只能报以迷之微笑了。
把话题拉回来，在医疗大数据领域，AI主要是在数据清洗和结构化的环节介入的。如果没有AI，医疗大数据公司只能聘请成千上万的医学生或其他廉价劳动力，对浩如烟海的文档进行手工处理（实不相瞒，现在确实有不少医疗大数据公司就是这么做的）。
医疗大数据可以怎么用呢？理论上嘛，有这么多数，总是可以挖出一些金子来的，虽然现在还不知道金子在哪里。行业里面有一些走的比较前的公司，会拿这些数来辅助临床研究，例如帮助药厂、器械厂在茫茫人海中寻找新药研发、新医疗器械研发临床实验的入组患者，毕竟对照着入组条件，大数据厂商简单拉一下筛选，候选人就出来了，SO EASY！
第二个比较现实的应用，是为药厂已上市药物跟踪患者的用药行为、用药效果（这种行为有个专业的名称，叫做“患者随访”），了解已上市药物离开临床实验环境后，在真实环境下，在千千万万的独立个体中的真实表现（这个研究也有个高大上的名称，叫做“真实世界研究”），最终可以回来告诉药厂，你这个药，什么剂量下效果最好；除了用于A症状，其实还可以用于B症状哦！
其他应用，还包括为药厂、器械厂的营销计划提供基于大数据的咨询服务，为保险公司的产品设计提供数据支持，或者自己搭建网上药房接医院处方药的单子卖药，等等。
这些应用能不能赚钱呢？药厂、医疗器械厂和保险公司都是很有钱的主儿，只要产品被证明有效、完成了市场教育，赚钱也不是没可能的。现在确实不少行业内的公司产生了订单，但是，为了让产品有效，医疗大数据公司必须持续不断地投入资金获取数据、整理数据，投入AI技术研发，花钱如流水，赚那一点点钱真的是不够帮补家用的呢….
所以，我们也看到，行业内有医疗大数据公司，已经转型了，例如有转型做SMO的（Site Management Organization，是一种面对药企、医疗器械企业的临床研究服务。和医疗大数据…..可能有一点点的联系吧！），毕竟活下来才是最重要的。
至于C端场景，我们常听见的在线问诊、健康管理，我们先不说这些应用是否成熟，是否能商业变现。先回到问题的根本，这些应用算不算医疗AI，都是要打个问号的。
除了以上之外，还有一个应该了解的大判断，即医疗AI目前最多只能去到“诊断”的阶段。像我刚才提到的，医疗分为“诊断”和“治疗”，医疗AI目前还远远达不到治疗的水平。
三、 医疗AI的发展方向

在互联网和移动互联网革命之后，人们实在太需要一场科技的革命了。而AI正是人们抓住的救命稻草。医疗AI为我们描述了一个美好的未来，但是通往该未来的路又是如此不明确，所有的尝试都在不断地被证实或证伪。那些投身医疗AI事业的人们、医疗AI行业的投资者们前赴后继，几家欢喜几家愁。
我们应该看到，很多在这一领域的初创公司在商业转化的路上举步维艰，同时为了获取数据、建立算法又不得不源源不断地把钱投入无底洞，继而面临着生存上的挑战。但是长远来看，如果这些初创公司能坚持下去，总有一天能找到自己的商业化路径，前景还是非常看好的。在观察和比较同一条赛道上的初创公司的时候，我们发现大家各出奇招，但他们最引以为豪的AI技术反而不再成为门槛或核心竞争力，至于核心竞争力到底是什么呢？请大家自己思考一下。

未知使命

核心竞争力就是综合能力，能让大家都获利，综合推行产品落地，走向正向循环 壮大。那将是势如破竹的趋势

李天骥

写得非常好

没有你的陪伴我好孤单

怎么联系你呢

一困就醒

非常感谢楼主！

小小雷

一定不能让资本裹挟医疗教育和住房！这三样是人民最需要，也是资本最容易发的国难财！AI以后会是又一座大山！

秸秸

我了个去，顶了

不烦

是爷们的娘们的都帮顶！大力支持

中余

学习下