從六十年代開始，人工智能經(jīng)歷了三起三落 。目前，人工智能正經(jīng)歷新一輪的爆發(fā)，各行業(yè)都在積極探索和發(fā)展人工智能。

“人工智能＋放射治療”，使得在北上廣的優(yōu)質(zhì)醫(yī)療資源得以在基層下沉；“人工智能＋新藥研發(fā)”，藥物研發(fā)中的微觀問題得以顯現(xiàn)；“人工智能＋診斷輔助”，在節(jié)省時(shí)間的同時(shí)還能減少診斷的錯(cuò)誤率。

自2015年開始，人工智能浪潮重新來襲。在醫(yī)療領(lǐng)域，“人工智能＋影象”率先落地。盡管偶爾有質(zhì)疑聲發(fā)出，但我們不能否認(rèn)的是，這一輪人工智能的浪潮正在席卷醫(yī)療全行業(yè)。在“人工智能＋影象”之后，“人工智能＋新藥研發(fā)”、“人工智能＋診斷輔助”的風(fēng)口相繼來臨。

在華興資本一年一度的醫(yī)療與生命科技領(lǐng)袖峰會(huì)，“AI”毫無懸念的成為了討論熱點(diǎn)。

在Alpha Go相繼戰(zhàn)勝李世石和柯潔后，社會(huì)和行業(yè)開始思考，在醫(yī)療領(lǐng)域，人工智能最終是否會(huì)替代醫(yī)生？來自Insilico Medicine、弘暉資本、全域醫(yī)療、晶泰科技、森億智能的行業(yè)專家從人工智能在醫(yī)療領(lǐng)域的應(yīng)用場景、應(yīng)用門檻、數(shù)據(jù)歸屬等方面進(jìn)行了討論，希望從中找出答案。

AI在基層醫(yī)療：向下的力量

在全域醫(yī)療聯(lián)合創(chuàng)始人兼副總裁康世功看來，AI在放射治療領(lǐng)域中最典型的兩個(gè)應(yīng)用場景是資源下沉和質(zhì)量控制。

AI技術(shù)使得北上廣深三家醫(yī)院的放療資源能夠下沉到基層。“大多數(shù)基層患者的經(jīng)濟(jì)能力不足以支撐他去大城市尋找腫瘤專家�！彼�這樣說道，“AI技術(shù)的加入，就好比把一把摸得很鋒利的手術(shù)刀交到了基層�！�

當(dāng)然，在這個(gè)過程中，AI的質(zhì)量控制尤其重要。通過大數(shù)據(jù)把所有導(dǎo)致質(zhì)量控制不佳的條件逐一判斷和收集起來，做成模型和算法，用來自動(dòng)監(jiān)控和指導(dǎo)基層放療的運(yùn)作。

AI＋新藥研發(fā)則是在2017年開始走向風(fēng)口浪尖，人工智能的進(jìn)入，使得藥物研發(fā)中的微觀問題得以顯現(xiàn)。

助力藥物研發(fā)，繼往開來

“它是一個(gè)工具，好比是高分辨率顯微鏡�！闭劶癆I在新藥研發(fā)中的應(yīng)用，晶泰科技聯(lián)合創(chuàng)始人兼大數(shù)據(jù)與人工智能研發(fā)中心負(fù)責(zé)人賴力鵬這樣形容。在藥物作用過程中，小分子和蛋白該怎么結(jié)合，僅靠人力是很難想象的，但AI卻可以通過大量的數(shù)據(jù)去學(xué)習(xí)和發(fā)現(xiàn)其中的規(guī)律。

在賴力鵬看來，AI在藥物研發(fā)中的應(yīng)用可以用“繼往開來”形容。過去積累的大量數(shù)據(jù)中包含了失敗的數(shù)據(jù)，但所謂的失敗其實(shí)是臨床上的失敗，并不代表數(shù)據(jù)是沒有價(jià)值的�！袄^往”，即是通過統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的方法，從過去數(shù)據(jù)中提取以往沒有注意到的信息。

而“開來”部分，基于深度學(xué)習(xí)生成的模型可以幫助研發(fā)人員探索更大的化學(xué)空間，做更多開創(chuàng)性的工作。比如2017年《Nature》的一篇文章就提到可成藥的化學(xué)空間可能有10的60次方，但目前可以實(shí)現(xiàn)的實(shí)體分子庫約在10的13次方。

“這里還有大約40多個(gè)數(shù)量級的差距�！辟嚵�鵬表示，“真正在實(shí)驗(yàn)室研究的藥物分子，只是整個(gè)藥物空間里的冰山一角�！盇I技術(shù)的加入，可以定向的在巨大空間里去尋找我們所需的藥物分子。

“另外，我覺得AI還可以重塑新藥研發(fā)的工作流程�！彼�補(bǔ)充道，“現(xiàn)在很多現(xiàn)有的方法是不可能覆蓋到生物體這個(gè)復(fù)雜體系的。”

比如藥物在一期臨床的毒性問題，同一種藥物在人體和動(dòng)物身上作用可能會(huì)效果迥異。AI強(qiáng)調(diào)端到端的預(yù)測，非常有希望能夠根據(jù)分子結(jié)構(gòu)等條件直接預(yù)測候選藥物在人體上的一系列毒副反應(yīng)，大大降低藥物臨床試驗(yàn)失敗的可能性。

“更重要的一點(diǎn)是在藥物發(fā)現(xiàn)和晶型預(yù)測的方法開發(fā)上。”他繼續(xù)說道。在晶泰科技，他們通過物理模型和AI模型的結(jié)合，不斷的提高計(jì)算效率。

AI與診斷輔助：代替人工重復(fù)工作

森億智能選擇的落地點(diǎn)則是AI在輔助診療的落地。

靜脈血栓栓塞癥（VTE）常見于住院較久，手術(shù)后長期住院或者產(chǎn)后長期臥床的病人，這種疾病有一定的概率會(huì)發(fā)展成為肺栓塞，而肺栓塞死亡率非常高。為了預(yù)防病人風(fēng)險(xiǎn)，醫(yī)院會(huì)派護(hù)士每天進(jìn)行人工監(jiān)護(hù)，給這些病人做病情追蹤、反饋。但依靠人工方法要消耗大量時(shí)間和精力，還可能出現(xiàn)誤差。

“AI技術(shù)能改善這種狀況。”森億智能創(chuàng)始人兼首席執(zhí)行官 張少典告訴動(dòng)脈網(wǎng)。

森億智能開發(fā)的醫(yī)療AI產(chǎn)品起到兩個(gè)作用：一是評估，根據(jù)病人的病情、病史，包括住院、手術(shù)的情況，以及檢驗(yàn)、檢查的情況等，系統(tǒng)將自動(dòng)對病人進(jìn)行風(fēng)險(xiǎn)打分；二是預(yù)警，根據(jù)病人的數(shù)據(jù)去預(yù)測是不是有可能是一個(gè)高危病人。如果是高危病人，會(huì)提前發(fā)送預(yù)警消息，推送到醫(yī)生工作站。

這樣的產(chǎn)品有何作用呢？張少典透露，在與三甲醫(yī)院合作的兩個(gè)多月來看，這些產(chǎn)品能夠幫助忽視節(jié)約95％對病人進(jìn)行人工評估的時(shí)間，同時(shí)還能夠把對高危病人的識別率提升70％。

“這是我們在輔助診療領(lǐng)域嘗試的案例之一�！彼�補(bǔ)充道。

數(shù)據(jù)門檻如何跨越

但無論是藥物研發(fā)還是診斷輔助、又或者是放射治療，AI技術(shù)始終離不開大數(shù)據(jù)。在雜亂無章，五花八門的數(shù)據(jù)中，如何獲得更好的數(shù)據(jù)，產(chǎn)生更好的結(jié)果呢？或許在數(shù)據(jù)收集之前就要設(shè)置要門檻。

“實(shí)驗(yàn)室是數(shù)據(jù)產(chǎn)生最基礎(chǔ)的場景，但在這里獲得數(shù)據(jù)的成本很高�！盜nsilico Medicine 首席AI官Artur Kadurin表示。通過早期的努力，Insilico Medicine在基礎(chǔ)實(shí)驗(yàn)數(shù)據(jù)的獲取上找到了方法，可以進(jìn)一步獲得更多的數(shù)據(jù)。

Kadurin認(rèn)為，在中國可以獲取大量數(shù)據(jù)，這在海外是辦不到的。但I(xiàn)nsilico Medicine來到中國的目的卻不僅僅是數(shù)據(jù)，他們希望能夠在中國、乃至整個(gè)亞洲都有更長足的發(fā)展。

“中國是一個(gè)非常巨大的市場，我們希望能夠與當(dāng)?shù)氐暮献骰锇楹献鳌！彼�如是說道。

賴力鵬對Kadurin的觀點(diǎn)表示認(rèn)同，要獲得高精準(zhǔn)計(jì)算過的數(shù)據(jù)，本身成本并不低。晶泰科技早期進(jìn)行藥物研發(fā)工具開發(fā)的數(shù)據(jù)主要來自兩個(gè)方面：一是公開數(shù)據(jù)（public domain data）；二是自己來自自己內(nèi)部高精度計(jì)算過的數(shù)據(jù)。

公開數(shù)據(jù)的量級相對較大，但由于數(shù)據(jù)質(zhì)量和格式參差不齊，清洗過程就很費(fèi)勁。而內(nèi)部高精算的準(zhǔn)確度雖然很高，但由于本身的規(guī)模也可以達(dá)到上億或幾十億，獲取的成本也不低。

隨著與客戶合作的深入，晶泰科技也獲得了一部分來自合作伙伴的數(shù)據(jù)。這些數(shù)據(jù)是最靠近一線研發(fā)和特定問題。但由于部分?jǐn)?shù)據(jù)搜集的時(shí)候并不是為AI建模所準(zhǔn)備，有可能關(guān)鍵信息并沒有完全記錄。

數(shù)據(jù)是基礎(chǔ)，但所有權(quán)不在企業(yè)

“毫無疑問，數(shù)據(jù)最A(yù)I技術(shù)而言是最基礎(chǔ)的東西。”弘暉資本合伙人何幸補(bǔ)充道。除了經(jīng)過處理和機(jī)構(gòu)化，這些數(shù)據(jù)庫還要能夠?qū)崿F(xiàn)字段提取和理解、更多智能拼圖、識別。這就目前階段而言，在中國是很難找到的。

“如果沒有積累這些結(jié)構(gòu)化的數(shù)據(jù)，沒有基礎(chǔ)性的東西很難得到有力的診斷結(jié)果。”他繼續(xù)說道。他向動(dòng)脈網(wǎng)透露，資本在看企業(yè)的時(shí)候，非常注重企業(yè)數(shù)據(jù)來源，是否是合法的，在使用的時(shí)候是否經(jīng)過足夠的脫敏處理、醫(yī)院的權(quán)利和病患隱私是否得到了很好的保護(hù)。

“我們認(rèn)為科技企業(yè)不應(yīng)該妄想自己擁有數(shù)據(jù)所有權(quán)�！睆埳俚鋵Υ吮硎举澩�。他認(rèn)為，科技企業(yè)應(yīng)該立足自己的核心技術(shù)和能力，將技術(shù)能力形成害怕，為醫(yī)院提供更好的解決方案，然后在院內(nèi)通過產(chǎn)品使用一部分的數(shù)據(jù)。

但當(dāng)前AI企業(yè)面臨最重要的挑戰(zhàn)便是數(shù)據(jù)治理的問題。為什么最先落地的是影像人工智能？因?yàn)檫@一類的數(shù)據(jù)相對標(biāo)準(zhǔn)。而病歷類、診療類的產(chǎn)品的數(shù)據(jù)就需要大量的數(shù)據(jù)治理。比如森億智能為三甲醫(yī)院做的VIE預(yù)警監(jiān)控系統(tǒng)。僅這一套系統(tǒng)，森億智能在這家醫(yī)院里對接了20多個(gè)系統(tǒng)。

“這背后的數(shù)據(jù)結(jié)構(gòu)化、標(biāo)準(zhǔn)化和數(shù)據(jù)治理，是一個(gè)浩大的工程�！睆埳俚湎騽�(dòng)脈網(wǎng)透露。

而至于AI最終是否會(huì)取代人類，在醫(yī)療體系內(nèi)取代醫(yī)生或者護(hù)士，其實(shí)從上文中已經(jīng)可以回答。AI目前所做的，是幫助醫(yī)院節(jié)省不必要的資源和經(jīng)歷，比如代替重復(fù)勞動(dòng)、縮短時(shí)間、提高產(chǎn)出、減少誤診率。在藥物研發(fā)端，AI的作用則是提高準(zhǔn)確性、減少材料的損耗。

因此，無論從什么角度，AI將是整個(gè)醫(yī)療體系降低成本、提高效率和精準(zhǔn)度的方法和工具。“在短期甚至相當(dāng)長的時(shí)間內(nèi)，AI都不太可能真正替代人類。但它能成為非常好的幫手�！焙涡冶硎�。