目前醫(yī)療人工智能是創(chuàng)新創(chuàng)業(yè)的熱點，出現(xiàn)了許多新技術、新產(chǎn)品，也引起了大量資本的關注。創(chuàng)新創(chuàng)業(yè)與投資更多關注的是“產(chǎn)”的部分，但產(chǎn)學研要與真正使用者的反饋形成閉環(huán)，才能促進行業(yè)更健康的發(fā)展。

　　在鈦資本新一代企業(yè)級科技投資人投研社第17期，上海交通大學醫(yī)學院附屬瑞金醫(yī)院學科規(guī)劃與大設施管理處副處長林靖生，帶來了“學”、“研”和醫(yī)院角度的分享。

　　人工智能在醫(yī)療領域的應用，在國外從1972年到2016年期間每年都有新的進展和突破，學術界每年都能出現(xiàn)關于輔助診斷、輔助治療等技術的成果，這是持續(xù)不斷的過程。但在國內(nèi)，從1978年“關幼波肝病診療程序”率先把中醫(yī)學這門古老的民族學科與先進的電子計算機技術結合起來，直到2016年百度發(fā)布百度醫(yī)療大腦，中間出現(xiàn)了長達38年的斷層。

　　隨著技術進步，在醫(yī)療健康領域已有不少智慧醫(yī)療應用成功案例，如輔助疾病診斷、健康管理、醫(yī)學影像、臨床決策支持、便攜設備、康復醫(yī)療和生物醫(yī)學研究，但國內(nèi)外在大數(shù)據(jù)技術、人工智能技術、醫(yī)用機器人與可穿戴設備等方面還存在著不小的差距。

　　我國智慧醫(yī)療的發(fā)展主要存在幾個問題：

　　第一，數(shù)據(jù)采集和利用的問題。醫(yī)療數(shù)據(jù)不同于商業(yè)數(shù)據(jù)或者消費數(shù)據(jù)，因為涉及到隱私而導致高保護級別，在國內(nèi)出現(xiàn)過幾次醫(yī)療隱私數(shù)據(jù)泄露事件而引起了國家高度的重視，因此如何有效的采集和利用醫(yī)療數(shù)據(jù)是第一大難題；

　　第二，環(huán)境及專業(yè)人才稀缺的問題?，F(xiàn)在人工智能技術人才非常稀缺，而既懂醫(yī)療又懂人工智能技術的復合型人才更稀缺；

　　第三，基礎支持的體系與計算能力的問題；

　　第四，標準和規(guī)范建立的問題?，F(xiàn)在醫(yī)療行業(yè)仍處于野蠻生長環(huán)境中，并沒有充足的規(guī)范或標準；

　　第五，信息安全和隱私保護的問題。一旦開始利用人工智能就要考慮容錯率，例如無人車可以接受從10%到萬分之一的容錯率，但在醫(yī)療行業(yè)連萬分之一的錯誤率也不被接受。美國到現(xiàn)在為止，F(xiàn)DA（國際醫(yī)療審核權威機構）的人工智能診斷類應用屈指可數(shù)，而診斷類也只是非?；A的應用?，F(xiàn)在人工智能還不能代替人類醫(yī)生進行診斷，不過當人工智能技術達到了某種可靠性之后，信息安全和隱私保護就會變得非常重要；

　　第六，產(chǎn)業(yè)化發(fā)展問題。現(xiàn)在這個領域已經(jīng)進入了包括BAT的科技巨頭、新興的生物科技、醫(yī)療科技公司，但在產(chǎn)業(yè)化發(fā)展的道路中并沒有一個有效的指導，出現(xiàn)只追求快速發(fā)展，而疏忽過程中的重要環(huán)節(jié)，或解決的其實并不是醫(yī)療行業(yè)的核心需求。

　　從2015年開始，國家政策就開始推動醫(yī)療與技術的結合。從“互聯(lián)網(wǎng)+醫(yī)療”，到“人工智能+醫(yī)療”，其實在業(yè)內(nèi)更多思考的是“醫(yī)療+”，因為無論技術怎么變化，核心應該還是醫(yī)療。

　　在雨后春筍一樣出現(xiàn)的大批互聯(lián)網(wǎng)醫(yī)療、人工智能醫(yī)療公司中，很多不是從解決某一類具體醫(yī)療問題出發(fā)，而是先成為掌握某項技術的廠商，再去找醫(yī)院或醫(yī)生合作，謀求短期內(nèi)在某個場景中落地，開發(fā)出某款產(chǎn)品、某種解決方案。這樣的場景可能不是真正的場景，解決方案與場景可能不完全匹配。這樣沒有醫(yī)療根基的企業(yè)，很難在醫(yī)療行業(yè)立足。

　　從醫(yī)院的角度，什么才是人工智能技術真正的應用場景呢？這就要從打造有思維、能感知、可執(zhí)行的智慧醫(yī)院目標說起。一家醫(yī)院要稱為有“智慧”，必須具備：

　　第一，智慧“大腦”：思考和指揮。“大腦”融匯了大量信息（大數(shù)據(jù)）和知識（知識庫），并能不斷學習和進化（人工智能、深度學習）。針對外部刺激，“大腦”可以迅速對信息進行有效組織和組合，作出決策并指揮“行為”；

　　第二，感知“器官”：感知和采集，“大腦”的思維判斷需要眾多信息輸入作為依據(jù)，這就依賴于感官：視覺（攝像頭）、聽覺（智能語音助手）、嗅覺、觸覺（各種智能設備及傳感器）對醫(yī)院各種數(shù)據(jù)的采集，既包括人員的行為數(shù)據(jù)（患者動線、醫(yī)護人員動線、醫(yī)院物質(zhì)運送動線）、醫(yī)療過程及結果數(shù)據(jù)，也包括空間環(huán)境的信息（能耗、空氣質(zhì)量）；

　　第三，“血液”循環(huán)：數(shù)據(jù)驅動，不斷匯聚臨床表型數(shù)據(jù)和科研組學數(shù)據(jù)，并以個體行為數(shù)據(jù)為補充，形成臨床研究大數(shù)據(jù)。這些數(shù)據(jù)傳送到大腦進行學習和決策， 從而指揮“行為動作”（各種應用軟件系統(tǒng)）；

　　第四，“人體骨骼”：軟硬件設施，轉化醫(yī)學中心的軟硬件設施互聯(lián)互通形成一套整體支撐“行為動作”；

　　第五，“人體四肢”：醫(yī)療科研服務，轉化醫(yī)學中心的提供的醫(yī)療及科研服務（招募、預約、檢查、治療、康復、隨訪等）。

　　由此可以把人工智能在醫(yī)院的應用場景分為四類：

　　第一類為智慧服務，這是當下最熱門的領域，像互聯(lián)網(wǎng)+醫(yī)院、人工智能+醫(yī)院、App移動醫(yī)院等都集中在這一領域；

　　第二類為智慧管理，更多服務于醫(yī)院的醫(yī)療和運營管理；

　　第三類轉化醫(yī)學研究，像臨床研究和新藥研發(fā)未來都會依賴于數(shù)據(jù)或人工智能，在未來也是很大的產(chǎn)業(yè)；

　　第四類教育，包括對患者的科普類教育，分級診療中對各層級基層醫(yī)院的基礎教育。這四大類是醫(yī)院最需要應用人工智能的場景，未來這幾類場景中將有優(yōu)秀的新產(chǎn)品、新技術和廠商誕生。