|
这是AI助力医疗最热门也是最具有挑战的应用场景之一。将图像识别技术应用在医疗影像的识别中意义重大，一方面医院每天需要应对海量的X光影像、CT影像处理需求，需耗费大量人工长时间读片，容易出现误诊、漏诊情况；另一方面是因为图像识别本身就是AI最热门最具魅力的一个技术方向，并且图像识别已经在多个应用中大规模使用，目前已广泛应用在移动支付和安全监控领域，如果AI能在医疗影像中得到发挥，那将大大减轻医务人员负担。 美国IDx公司的IDx-DR就是这样一个AI系统，它是用于视网膜病变检测，不需要临床医生解读就能寻找特定病症的筛查设备。该设备的软件，利用人工智能分析眼睛的图像，判断是否有糖尿病视网膜病变的迹象。
IDx的检测系统不仅可以为缺少眼科专家的医院筛查糖尿病视网膜病变提供极大帮助，还可以将医生从一系列的测试中解放出来，而这些测试的结果大多是阴性的，可以让医生有更多的时间来治疗那些真正患有疾病的人。 （3）AI新药研发 由于新药研发过程极长，成本极高，而AI算法因为在数据挖掘方面以及计算能力方面具有天然优势，可以用在药物、疾病、基因之间关联关系挖掘以及药物的分子结构预测等方面，因此被寄予厚望，近年来该AI新药研发领域的资金投入突飞猛进。下图展示了美国的AI新药研发风投资金近年来大幅增长的趋势。本文开头提到的BenevolentAI公司便是这一领域的佼佼者。
（4）AI医疗辅助机器人 这些机器人可以代替人工医生来执行一些重复性高或者具有传染性环境的工作。比如医院大堂的导诊机器人可以大大减轻导诊台的工作量，而查房机器人可以让医生不需要接触具有传染病例的患者，减少医务人员的感染。结合5G技术，医生甚至不需要离开办公室，就可以将自己的专业诊疗工作延伸到任何地方，不仅在自己医院内部可以高效地开展诊疗工作，还可以支撑偏远地区医务极度缺乏的地区，进行远程诊断、远程会诊等。 有一些微型机器人可以帮助医师更好地进行手术，卡内基·梅隆大学机器人部门开发了Heartlander，这是一个微型移动机器人，旨在方便对心脏进行治疗。在医生的控制下，这个微型机器人通过一个小切口进入胸部，自行导航到心脏的某些位置，附着在心脏表面并进行治疗。 （5）AI健康管理 随着人们越来越重视健康，越来越多的健康相关产品开始进入大众视野，健康管理是一个范围比较广的概念，包括手机健康APP、可穿戴设备、移动医疗等诸多应用。而AI健康管理往往与互联网、医疗大数据相关，细分场景也很多。比如Apple Watch就提供一项“摔倒检测”功能，关键时刻可以救命，这是Apple Support上对该功能的描述： 如果手表检测到您摔得很严重，它会轻触您的手腕、发出警报声并显示提醒。您可以选择联系紧急服务，也可以按下数码表冠并轻点左上角的“关闭”，或者轻点“我没事”来关闭提醒。 如果 Apple Watch 检测到您在移动，它会等待您对提醒做出响应，而不会自动拨打紧急服务电话。如果手表检测到您在大约一分钟内没有做出任何动作，它会自动拨打紧急服务电话。
智能问诊机器人是近年来比较火的一个智能医疗产品方向，它基于自然语言处理、知识图谱、搜索引擎以及医疗知识库等技术构建的智能对话机器人，可以为用户提供在线实时问诊服务，是互联网在线问诊平台的智能化延伸，可以解决逐日增加的医疗咨询需求，让一些轻症患者免去因小恙而不得不去挂号排队问医生的麻烦，也大大缓解医院的压力。 四 医疗AI面临的挑战 前景是美好的，但是道路是曲折的。在医疗AI逐渐落地的过程中，有诸多困难需要去面对。 （1）临床认证难 用于临床医疗的产品，需要得到所属国家食品药品监督管理局的认证才能合法临床使用。上文提到的IDx公司的糖尿病视网膜病变检测AI系统是美国食品和药物管理局（FDA）授权认证的第一次AI医疗项目。然而，大部分医疗AI项目都没有这么幸运，医疗临床器械认证流程非常繁琐。在我国要得到国家食品药品监督管理总局（CFDA）的认证，需要同国家的三甲医院合作进行临床测试，需要与接受临床测试的病人签订合同，还需要在国家专业机构做检测和报备，通过一系列测试和评估才能获得CFDA认证，很多医疗AI初创公司往往扛不住这样的时间成本。 （2）数据问题 数据是AI算法必不可少的“燃料”，很多做AI的公司头脑风暴出好些AI产品原型，大部分都由于无法获取足够多足够好的数据而不得不放弃。数据问题在医疗AI中尤为突出，一方面是数据来源问题，医院内的数据有相当一部分依赖于不同的系统，医院之间的数据也很难共享；另一方面是数据质量问题，医疗过程中产生各种临床数据，这样的数据缺少标准化和结构化处理，而且获取高质量的标注医疗数据也不那么容易。 （3）隐私风险 隐私是AI技术不得不面对的一个问题。随着AI技术的爆炸式发展，对隐私的保护越来越受到重视。随着欧盟的最严格隐私保护条例GDPR的出台，各国纷纷推出自己的隐私保护规范。AI技术对隐私的侵犯甚至还会成为某些社会问题背后的帮凶，比如种族歧视。就在不久前，一些AI巨头已经开始对这样的应用技术输出进行限制。6月9日，IBM宣布停止提供通用的人脸识别软件，随后不久亚马逊也宣布暂停向警方提供人脸识别监控软件，微软也紧跟其后表示在政府出台相关规定前不会再向警方出售人脸识别技术。虽然这些巨头们可能是迫于舆论压力不得不停止输出人脸识别技术，从侧面也反映出民众开始认识到自己的隐私正受到来自AI技术的侵害。 在医疗领域，隐私数据尤其敏感，无论是基因测序数据，还是医疗健康数据，大部分人都不会愿意分享自己的敏感信息。如何在治病救人与保护隐私之间保持平衡，这是医疗AI发展之路无法绕开的问题，是技术与伦理的博弈。 （4）AI诊断容易问责难 |
