人工智慧醫療落地崎嶇，折戟15年後今天他們再出發
2016年6月，自動化所中科院分子影像重點實驗室田捷研究員團隊和廣東省人民醫院放射科合作，採用新興的影像組學（Radiomics）方法在結直腸癌淋巴結轉移預測研究方面取得了重要進展。和傳統CT影像學評估相比，影像組學預測模型將術前淋巴結預測準確率提高了14.8%。
早在2003年，中國就啟動了第一個醫療影像大資料研究專案。但因為當時資料很難做到歸一化，項目以失敗告終。近15年過去了，我們才剛剛正式地有機會來開始做這件事。
——飛利浦大中華區臨床科學部高級總監周振宇博士
人工智慧大熱的當下，金融、醫療等存量資料巨大的行業，成為了該技術落地應用的首選行業。除了先行一步的金融，近一兩年來，BAT、初創公司等也紛紛開始佈局人工智慧醫療。
而值得一提的是，在日前由智慧醫療影像平臺初創企業匯醫慧影在北京主辦的“醫療人工智慧前沿峰會”上，雷鋒網通過對來自飛利浦、西門子、一線醫療工作者、學界高校、醫療科技創新、英特爾等醫療行業人士的訪談發現，在盤活人工智慧醫療這件事上，各界對於智慧醫療、醫療普惠的探索，比我們想像中要早很多；業界內的聯合聯動，也非其他同樣尋求AI創新的行業所能及。
醫療資源配置不均、政策受阻，AI為中國醫療困境帶來希望
在當前中國的醫療市場中，國家投入巨大，但醫療資源配置矛盾依舊突出。據公開資料顯示，龐大的醫療機構體系中，擁有優質醫療資源的醫院僅占衛計委醫療總數的0.1%。
大量的病人來自基層，但數量極少的三甲醫院門庭若市。事實上，病人對基層的不信任不在於設施，而是人。據統計，目前我國基層醫院誤診率較高，醫學影像領域誤診次數達到每年5700萬次；醫院總體而言，腫瘤誤診率達到60%。更不用說早年。
因此，對於國家出臺的分級診療方案，實施起來也有難度。不管是三甲醫院的醫生下基層，還是遠端醫療，這還是需要優秀醫生貢獻時間，所以都解決不了根本問題——優秀醫生資源缺乏，服務效率不高。
與此同時，英特爾醫療和生命科學集團李亞東稱，此外在中國，人口老齡化與慢性☆禁☆病增長的趨勢驅動了市場對AI更大的需求。因此，AI 成為醫療創新的必由之路——讓產品化人工智慧來賦能，讓優秀醫生的能力可複製。
這是一個藍海市場，也是一個充滿溫情的事業。
多年來智慧醫療的最大抵抗力
事實上，中國早在1984年10月，原教育部副部長、東南大學校長韋鈺院士就創立了東南大學生物科學與醫學工程系，該系正是在2006年8月成立的生物科學與醫學工程學院的前身。而生物科學與醫學工程學院的創立，其科學研究及學生培養方向就是瞄準21世紀主導學科——生命科學與電子資訊科學，強調這兩個學科的交叉與滲透。
飛利浦大中華區臨床科學部高級總監、接受中國最早醫工雙學士改革教育的周振宇博士向雷鋒網講述他那一代人探索智慧醫療的歷程時表示，“生命學工程系，最早是進行醫工雙學位的培養，學生們都需要先去學工科，然後再學醫。在那個時候，我們就想創建這樣的影像方面的大資料平臺了。”
據瞭解，在2003年，中國啟動了第一個醫療影像大資料研究專案，周振宇博士也參與了其中。但在那個年代，項目雖然獲得了高達500萬人民幣的資金支持，但最終還是失敗了。因為，演算法問題已經成熟，但還存在許多無法克服的挑戰：設備成像的品質，資料，以及電腦能力的滯後等。
在今天英偉達、英特爾等半導體廠商的加入下，CPU\GPU\FPGA等的補足讓計算處理能力有了長足的進步。但是，如斯坦福大學醫學物理部主任、終身教授邢磊指出，資料不集中不規範是目前智慧醫學發展的最大障礙之一。因為標準、系統相容性和互通性而導致的資料歸一化問題，至今任然存在。這也是為什麼，匯醫慧影希望打造跨設備互聯的醫療影像雲平臺。
邢磊教授表示，對於醫學影像與病例病史等資料的整合，從而做出綜合的智慧分析決策，現在尚處於非常原始的階段。
“現在醫院對病人進行系統的綜合的智慧分析決策做得還非常不夠，比如今天一名病人的核磁結果來了，就分析一下，但實際上，這名病人也許在十年前也留下了相關的核磁、CT及病例病史等結果，這些歷史資料是否能夠整合呢？如有了全面的智慧分析決策之後，效果會好的多。”
基因資料、影像資訊到規範化大資料，是不可斷裂的鏈
所以，當資料端的完善成為共識時，如何獲取資料？什麼樣的資料才是智慧醫療實現的原材料呢？
3月28日，IBM與國內互聯網醫療平臺百洋醫藥集團簽署戰略合作協定，旗下百洋智慧科技將成為Watson Health（沃森健康）中國地區的戰略合作夥伴。
此前媒體分析稱，百洋的資料量正是IBM所看重的，因為Watson的能力是基於西方患者資料庫、醫學理論得出的循證醫學診治，但是，由於種族基因、生活環境的差異，中西方患者在癌症疾病的發病以及治療都存在一定差異。因此，對於Watson而言，成功獲得足夠的中國醫療機構的病例病史資料，並進行迴圈的認知計算訓練。
事實上，業內人士指出，IBM的資料瓶頸，並不在於基因差異影響診斷，而是需要資料訓練做基因檢測，推動精准醫療。眾所周知，Watson也與世界基因治療巨頭illumina合作，基於後者最新的測序儀推測序結果的自動解及篩選靶向藥物。
同樣，周振宇博士向雷鋒網表示，人類健康問題從基因開始，從基因資訊、到影像學資訊、到規範化的大資料分析——是一條線的。“如果沒有前期的資訊，談智慧醫療是不完整的。從最基本的基因測序，到整個人的健康系統管理，比如慢病管理，整個概念串在一起才能實現大資料智慧診斷和研究。”
因此，除了在院內，據匯醫慧影CEO柴象飛表示，為了將分散的資料統一起來，匯醫慧影的雲平臺，也需要與飛利浦、西門子等設備合作打通。在院外，以飛利浦為例，作為2017年3大醫療設備巨頭率先轉型落地的一家，該公司為了統一連結基因、影像診斷、診療方案等過程，把資訊的該公司醫療設備的轉型中，illumina、華大基因是不可或缺的合作對象。
就華大基因而言，該機構運行著國家的基因庫，覆蓋面廣泛。周振宇博士透露，未來華大基因將有1億樣本用於基礎（理論）研究，5億樣本用於臨床研究；而飛利浦正計畫將兩台大型影像設備部署在國家基因庫，屆時將能夠在同一個地點去採集人的基因資訊和影像學資訊 。
高能的是，這個涉及到整個資料流程的讀取、存儲、寫出的工作，會碰撞出怎樣的效果呢？鄭州大學第五附屬醫院教授、黨委書記王新軍博士表示，神經影像和基因組學的完美結合形成了影像基因組學，這樣能更加準確地診斷疾病，或預測一些疾病的發展。
舉例來說，膠質瘤是在神經系統最頑固的疾病，需要手術放射化療。放射治療是非常有效的，但是會帶來放射性壞死的副作用。而放射性壞死過程中，對於細胞是復發還是壞死的判斷，光從影像上判斷，現在還是個難題。因此，基於大資料、深度學習的影像基因組學就可以把基因組學和影像學的優勢結合起來做預判診斷。
如果僅依靠電腦做輔助診斷，那麼世界最早在1959年便有了相關技術，叫“電腦輔助診斷（CAD）”；但是，疾病雖然有共性，但診斷中最主要是每個個體發病的情況不同。周振宇表示，在今天強化學習、深度學習有了進一步發展之下，要實現電腦能夠自我訓練的過程，需要不斷有更多的資訊攝入。
未來的挑戰：特徵的尋找
2016年6月，廣東省人民醫院放射科與自動化所中科院分子影像重點實驗室田捷研究員團隊合作，採用新興的影像組學（Radiomics）方法在結直腸癌淋巴結轉移預測研究方面取得了重要進展，相關研究成果已經在臨床腫瘤學頂級期刊JCO上發表。
據介紹，影像組學（Radiomics）是利用資料採擷等資訊技術，從影像、病理、基因等海量資料中挖掘提取並量化腫瘤海量特徵，解析影像與基因和臨床資訊（分型、療效和預後等）關聯的新方法。近年來影像組學已成為影像學領域最受關注的研究熱點和前沿方向之一。
資料顯示，和傳統CT影像學評估相比，影像組學預測模型將術前淋巴結預測準確率提高了14.8%。
只是，這一類AI醫療成果，當前在浙江大學、吉林大學等附屬醫院，以及中科院等機構中都陸續產生，但大部分尚處於科研階段。
眾所周知，基因治療方案的未成熟原因在於，目前人類醫生尚未能夠發現太多基因資訊與臨床表徵之間的聯繫。在工業界通用類圖像識別領域，有教機器分類物體的資料庫：Caltech 101和ImageNet。兩個資料庫的原理是，通過特徵標籤，讓機器讀懂圖像。同樣，在AI醫學影像領域也會面臨這樣的問題。
吉林大學第一醫院放射科張惠茅主任表示，影像學表徵非常多，對於皮膚病等2D圖像的處理還比較順利，但診斷其他的疾病就變得很複雜。“如果不能做到成像、影像處理的規範化，那麼拿到這些資料也是沒有用的，也談不上今天的大資料智慧醫療。”
她表示，如何提取有效資料、規範化管理之後要提取什麼樣的資料特徵才有效，都需要包括臨床、基因組學、影像組學，以及設備商等聯合起來，制定出有效的特徵，才能讓人工智慧醫療更有效。
當然，目前AI醫療創新還面臨著政策監管滯後的問題，同時也引發起一部分人對“AI取代論”的焦慮。但如匯醫慧影聯合創始人郭娜所言，
人工智慧更重要的是尊重生命，關愛生命。
面對生命的界限，人人都會屈服。當呼吸化為空氣——留給我們的唯有是前行。