科技巨頭與初創(chuàng)公司紛紛出手 AI醫(yī)療發(fā)展急需找到一個(gè)平衡點(diǎn)

2019年12月17日，美國國家醫(yī)學(xué)院（NAM）發(fā)布《醫(yī)療人工智能：希望·炒作·虛夸承諾·危險(xiǎn)》報(bào)告，該報(bào)告論述歸納了醫(yī)學(xué)領(lǐng)域AI研究和實(shí)踐，但也指出目前AI應(yīng)用的挑戰(zhàn)和局限。

近幾年，“AI+醫(yī)療”的概念被炒得火熱，無論是科技巨頭還是初創(chuàng)企業(yè)都爭相涌入。所謂的“AI+醫(yī)療”，其實(shí)是人工智能在醫(yī)療領(lǐng)域的運(yùn)用與發(fā)展，其應(yīng)用主要表現(xiàn)在智能診斷、智能影響識別（如CT影像病灶識別）、智能健康管理、智能醫(yī)藥研發(fā)和醫(yī)療機(jī)器人等方面。

在降本增效方面，業(yè)界普遍看好“AI+醫(yī)療”的前景，因?yàn)獒t(yī)療行業(yè)發(fā)展到今天，全世界都面臨著同樣的問題，即醫(yī)療資源和社會需求及支出之間越來越突出的供需矛盾。美國醫(yī)學(xué)聯(lián)合委員會2016年4月發(fā)布的研究報(bào)告稱，未來10年美國將面臨61700到94700名醫(yī)生缺口。

除了優(yōu)秀醫(yī)生的缺失，醫(yī)療成本也越來越高。以美國醫(yī)療保健支出為例，根據(jù)美國《健康事務(wù)》雜志的最新報(bào)道，美國的醫(yī)療保健支出在2018年增長了4.6%，達(dá)到3.6萬億美元，增速高于2017年的4.2%。

實(shí)際上，人口老齡化、慢性病增多、新藥研發(fā)費(fèi)用都是不斷推高醫(yī)療成本的因素。如何在不降低醫(yī)療服務(wù)質(zhì)量的前提下降低醫(yī)療成本，成為各國政府面臨的難題。而以深度學(xué)習(xí)為基礎(chǔ)的人工智能技術(shù)恰好契合醫(yī)療行業(yè)的需求。

搶占AI醫(yī)療市場 科技巨頭與初創(chuàng)公司紛紛出手

20世紀(jì)70年代，人工智能專家系統(tǒng)開始參與參與到疾病的診療中，但尚不成熟。1997年，達(dá)芬奇機(jī)器人手術(shù)系統(tǒng)研發(fā)成功，2000年美國食品藥品監(jiān)督管理局（FDA）批準(zhǔn)應(yīng)用于臨床。2011年，人工智能在醫(yī)學(xué)影像識別和自然語言理解方面的輔助診療系統(tǒng)的進(jìn)步引人注目。

近幾年，IBM、谷歌、微軟、亞馬遜、臉書、蘋果等科技巨頭都在人工智能領(lǐng)域投入大量的資源，建立龐大的人工智能團(tuán)隊(duì)，搶占人工智能市場。這一戰(zhàn)火也延續(xù)到了醫(yī)療健康領(lǐng)域，試圖用人工智能改變甚至顛覆傳統(tǒng)醫(yī)療健康行業(yè)。

以IBM公司為例，早在2013年，IBM就開始與全美綜合醫(yī)院排名前四的克利夫蘭診所進(jìn)行全面合作，研究如何利用IBM的“沃森（Watson）”人工智能系統(tǒng)提高護(hù)理水平。沃森健康部門成立后，IBM收購了一些醫(yī)療健康大數(shù)據(jù)提供商和分析商，與傳統(tǒng)醫(yī)療器械和藥物生廠商、銷售商，以及大型醫(yī)院和醫(yī)療機(jī)構(gòu)展開合作。在此基礎(chǔ)上，IBM選擇腫瘤精準(zhǔn)治療作為主攻領(lǐng)域。

AI醫(yī)療作為新興領(lǐng)域，IBM、谷歌等巨頭都僅僅是近幾年才入門，還有大量市場空間留給中小公司。因此，智能醫(yī)療領(lǐng)域的初創(chuàng)公司如雨后春筍般大批出現(xiàn)，這些企業(yè)通常根據(jù)自己創(chuàng)業(yè)團(tuán)隊(duì)的特點(diǎn)和特長，專注于智能醫(yī)療的細(xì)分領(lǐng)域，如醫(yī)療影像與診斷、藥物挖掘、急癥室與醫(yī)院管理等。

AI醫(yī)療被“高捧” 大肆宣傳的背后被質(zhì)疑“炒作”

美國大型咨詢機(jī)構(gòu)APCO Worldwide公司在今年八月發(fā)表了一篇題為“Artificial Intelligence in Healthcare： Hype or Hope？”文章，質(zhì)疑AI醫(yī)療究竟是“炒作”還是“希望”。文章認(rèn)為，AI確實(shí)有很大的潛力改變醫(yī)療保健領(lǐng)域，但是對AI的宣傳可能過度，關(guān)于AI在醫(yī)學(xué)實(shí)踐中的應(yīng)用仍存在爭議。對于AI和機(jī)器學(xué)習(xí)是否可以更大規(guī)模的為患者提供價(jià)值，許多醫(yī)療行業(yè)的領(lǐng)袖都持懷疑態(tài)度。

雖然人們對人工智能及相關(guān)技術(shù)（如手術(shù)機(jī)器人）的潛在前景存在普遍共識，但也有人擔(dān)心這些技術(shù)被過度推銷和炒作，從而在臨床中產(chǎn)生可信度問題。

中國陸軍軍醫(yī)大學(xué)的研究人員，近期進(jìn)行的一項(xiàng)“患者對人工智能醫(yī)療的認(rèn)知及信任度”調(diào)查顯示，對人工智能應(yīng)用于臨床醫(yī)療，患者接受度和信任度最高的是醫(yī)療后勤環(huán)節(jié)，其次為醫(yī)患接觸較少的醫(yī)療輔助環(huán)節(jié)，在做手術(shù)等醫(yī)療核心環(huán)節(jié)，人工智能介入的工作越多，占據(jù)角色越重，患者接受度和信任度越低。（參考自《中國醫(yī)學(xué)倫理學(xué)》期刊：患者對人工智能醫(yī)療的認(rèn)知及信任度調(diào)查）

早在2017年9月，美國STAT公司（從事生命科學(xué)與藥品研制領(lǐng)域的深度報(bào)道）就刊文披露，IBM的“沃森”人工智能系統(tǒng)未兌現(xiàn)其承諾——超級計(jì)算機(jī)能夠帶來癌癥領(lǐng)域的一場革命。STAT公司發(fā)現(xiàn)，該系統(tǒng)不會創(chuàng)造新的知識，只是人工智能最基本的概念。并指出，世界各地的主要癌癥中心已經(jīng)退出與IBM沃森的合作，因?yàn)樗麄儧]有發(fā)現(xiàn)超級計(jì)算機(jī)可以實(shí)現(xiàn)它的承諾。

同年5月，資深技術(shù)投資風(fēng)險(xiǎn)公司Social Captial的創(chuàng)始人Chamath Palihapitiya在CNBC上甚至直接炮轟：“沃森就是一個(gè)笑話”。他認(rèn)為，IBM的專長其實(shí)只是通過他們強(qiáng)大的營銷和市場能力，以及信息不對稱，去讓消費(fèi)者為他們并不了解的服務(wù)買單。

醫(yī)學(xué)上的任何重大進(jìn)步都必須建立在科學(xué)證據(jù)和同行評議的基礎(chǔ)上，有趣的是，IBM沃森以對商業(yè)知識產(chǎn)權(quán)的擔(dān)憂為由，拒絕了對超級計(jì)算機(jī)的癌癥應(yīng)用進(jìn)行同行評審的要求。

醫(yī)療數(shù)據(jù)共享與隱私保護(hù) 如何找到平衡點(diǎn)？

在真實(shí)的應(yīng)用場景中，人工智能輔助醫(yī)療需要大量的數(shù)據(jù)積累，包括疾病診斷記錄、病人用藥效果、基因數(shù)據(jù)、家庭病史等。要實(shí)現(xiàn)這些數(shù)據(jù)的積累，就需要打破各個(gè)醫(yī)院和社區(qū)的壁壘，實(shí)現(xiàn)數(shù)據(jù)交換共享?；诖丝紤]美國建設(shè)了一個(gè)電子健康記錄系統(tǒng)（Electronic health records，EHRs），十年內(nèi)積累了1000萬名病人的記錄。

在病人健康數(shù)據(jù)交換共享的同時(shí)，保護(hù)隱私問題也是重中之重。這一點(diǎn)上美國走在前列，1974年就通過《隱私權(quán)法》，后在2003年生效《健康保險(xiǎn)攜帶與責(zé)任法》（HIPAA）。通過HIPAA規(guī)定了很多EHRs的隱私保護(hù)細(xì)則，對使用該系統(tǒng)也有明確的規(guī)定，是否可以對EHRs加以利用取決于信息是如何建立的、誰在維護(hù)以及當(dāng)事人情況。

值得注意的是，美國政府在關(guān)注數(shù)據(jù)隱私性的同時(shí)，也幫助AI研究發(fā)展。2019年2月11日特朗普簽署啟動《美國人工智能倡議》行政令，提出將集中聯(lián)邦政府資源發(fā)展人工智能，該計(jì)劃的一個(gè)重要方向是面向?qū)W術(shù)界、醫(yī)療領(lǐng)域開放一些政府數(shù)據(jù)庫，便于人工智能項(xiàng)目積累所需要的數(shù)據(jù)量。

目前，國內(nèi)的挑戰(zhàn)在于醫(yī)療保健行業(yè)的數(shù)據(jù)處于分散且非結(jié)構(gòu)化狀態(tài)，大量的歷史數(shù)據(jù)是膠片狀態(tài)。醫(yī)院是醫(yī)療數(shù)據(jù)的最大產(chǎn)生機(jī)構(gòu)，現(xiàn)實(shí)中，沒有哪家醫(yī)院愿意把醫(yī)療數(shù)據(jù)共享出來。一方面數(shù)據(jù)屬于醫(yī)院財(cái)產(chǎn)，科室主任在未授權(quán)的情況下，無法分享。另一方面，院方需要考慮患者隱私問題。

國內(nèi)的AI醫(yī)療初創(chuàng)公司需要病人的數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練時(shí)，需要挨家的和各家醫(yī)院去談，這樣就產(chǎn)生了很多“灰色地帶”。對此，中華醫(yī)學(xué)會放射學(xué)分會主任劉士遠(yuǎn)曾建議，如果能以政府出面牽頭在一個(gè)省范圍內(nèi)建一個(gè)大的數(shù)據(jù)中心，然后將該省所有醫(yī)院數(shù)據(jù)匯總使用。公司與數(shù)據(jù)中心談合作那可能更合法，對于推動AI醫(yī)療發(fā)展更加有效。

需要注意的是，在法律層面，國內(nèi)法律暫未對個(gè)人健康隱私有進(jìn)一步明確規(guī)范。2018年5月1日開始實(shí)施的《信息安全技術(shù)個(gè)人信息安全規(guī)范》，從個(gè)人信息的收集、保存、使用等角度提出保護(hù)個(gè)人信息安全應(yīng)遵循的原則，但還是缺少針對醫(yī)療隱私保護(hù)的詳細(xì)法律法規(guī)。一旦有了國家意義上的病人數(shù)據(jù)共享系統(tǒng)（類似美國的電子健康記錄系統(tǒng)），隱私保護(hù)問題將更加急迫。

AI診斷失誤誰負(fù)責(zé)？

AI診斷的主體是醫(yī)療器械還是醫(yī)生？其在法律上是人還是物？這是探究醫(yī)療服務(wù)人工智能法律責(zé)任最基本也是最重要的問題。人工智能在法律上是否能被看作民事主體？

所謂的“民事主體”，就是能夠參與民事法律關(guān)系，且享有民事權(quán)利和承擔(dān)民事義務(wù)的主體。我國《民法總則》規(guī)定民事主體包括法人和自然人兩種類型。因此傳統(tǒng)觀點(diǎn)，AI診斷主體并不具有民事主體資格。

隨著AI診斷技術(shù)的迅猛發(fā)展，特別是在將來診斷水平可能超過人類醫(yī)生的情況下，法律是否應(yīng)賦予AI診斷民事主體的資格，是急需解決的問題。

2016年，歐盟委員會的法律事務(wù)委員會提交了一項(xiàng)動議，建議將最先進(jìn)的人工智能機(jī)器人定位為“電子人”，由此也引發(fā)了經(jīng)久不息的爭論?！半娮尤恕睍@得特定權(quán)利和義務(wù)，并且其還需要像正常人一樣進(jìn)行登記、納稅，從而診斷主體真正獲得民事法律主體的地位。

歐洲委員會投票通過了一份報(bào)告草案，該草案提議賦予機(jī)器人合法地位，并將它們歸類為“電子人” 截圖自《今日俄羅斯》

當(dāng)然，各國對人工智能在醫(yī)療服務(wù)中的法律地位規(guī)定存在差異，日本就采取了不同思路。據(jù)《日本經(jīng)濟(jì)新聞》2018年7月3日報(bào)道，日本政府將完善關(guān)于人工智能醫(yī)療設(shè)備的一系列規(guī)則，規(guī)定診斷的最終責(zé)任由醫(yī)生承擔(dān)。由于AI存在誤診的可能，因此日本厚生勞動省將把AI醫(yī)療設(shè)備定位為輔助醫(yī)生進(jìn)行診斷的設(shè)備，基于《醫(yī)師法》規(guī)定“作出最終診斷和決定治療方針的責(zé)任由醫(yī)生承擔(dān)”。

高質(zhì)量、普適性訓(xùn)練數(shù)據(jù) 聚合整理存在挑戰(zhàn)

確保高質(zhì)量的數(shù)據(jù)是人工智能和機(jī)器學(xué)習(xí)被廣泛采用的主要挑戰(zhàn)之一，人工智能和機(jī)器學(xué)習(xí)的成功實(shí)現(xiàn)需要對大量的各種來源的數(shù)據(jù)進(jìn)行聚合。但是，有些數(shù)據(jù)源并不可靠，數(shù)據(jù)的驗(yàn)證和不同數(shù)據(jù)集的連接可能是一個(gè)艱巨的過程，需要數(shù)據(jù)分析能力強(qiáng)、臨床經(jīng)驗(yàn)豐富的高技能和訓(xùn)練有素的專家。

今年早些時(shí)候，諾華的首席執(zhí)行官Vas Narasimhan解釋了人工智能在藥物研發(fā)中應(yīng)用的痛苦過程，“我們學(xué)到的第一件事是，擁有出色的數(shù)據(jù)來實(shí)際建立機(jī)器學(xué)習(xí)的重要性。在我們自己的工作室里，我們一直在做幾個(gè)大項(xiàng)目，我們不得不花費(fèi)大部分時(shí)間來整理數(shù)據(jù)集，然后才能運(yùn)行這個(gè)算法。我們花了幾年時(shí)間才整理完數(shù)據(jù)集”，Vas Narasimhan表示，人們低估了現(xiàn)有的高質(zhì)量數(shù)據(jù)有多么少，整理和鏈接數(shù)據(jù)有多么困難。

除了保證數(shù)據(jù)高質(zhì)量，用于模型訓(xùn)練的數(shù)據(jù)具有普遍性也非常重要。而在國內(nèi)，目前醫(yī)療AI的數(shù)據(jù)研究限于某一家醫(yī)院或幾家醫(yī)院的合作研究，數(shù)據(jù)輸入相對單一，局限于某一特定區(qū)域，由此建立的模型在更廣的范圍進(jìn)行使用時(shí)可能不完全適用。

結(jié)束語

優(yōu)質(zhì)醫(yī)療資源的缺少與醫(yī)療保健支出的增加，是各國面臨的難題，“AI+醫(yī)療”的方案具有很大的潛力解決該問題，但在各路資本的追捧下，新概念似乎被過度“炒作”。在AI醫(yī)療的推進(jìn)過程中，挑戰(zhàn)也是不斷出現(xiàn)，如何保護(hù)患者隱私？如何對AI診斷失誤追責(zé)？如何獲得高質(zhì)量訓(xùn)練數(shù)據(jù)？都是需要一一客克服的難題。