協和系醫生集團主任朱穎：從臨床經驗談協醫集團對 AI 的需求與應用案例

雷鋒網按：醫療被認為是金融之外，人工智慧另一個在短期內大有可為的市場，機器學習、圖像識別、語義理解等技術的能量均可在醫療專案中得到很好地釋放。

那麼醫生在診療過程中會產生哪些可以靠 AI 解決的需求，以及醫院在人工智慧上的應用狀況如何？為此，雷鋒網 AI 掘金志採訪了協醫集團主任、全科/內科醫生朱穎。朱穎畢業于協和醫科大學臨床醫療系，獲得醫學博士學位後在北京協和醫院工作多年，她在內科各系統疾病的診斷、治療及急症處理等方面都具有豐富的知識及經驗，尤其在心內、免疫等方向。除此之外，朱穎還在國內外期刊中發表過多篇臨床及基礎研究論著，現為協和系醫生集團主任兼愛康君安健療國際院長。

根據朱穎主任介紹，協和系醫生集團（協醫集團），是由協和系醫生發起的多學科創新型醫生集團。協醫集團彙集了北京協和醫院主任級別醫生上百人，以及臨床、影像、檢驗、基礎研究等 50 多個科室 300 多名醫生，組成醫療專家團隊。

“人工智慧火熱後，協醫集團也主動接觸了一些 AI 公司，我們很積極地去嘗試新型科技帶來的高效率。”

整個採訪過程中，朱穎對人工智慧的認知程度完全不像一個臨床醫生，更像是一個對AI技術求賢若渴的“探索者”，可見醫院現階段對 AI 的瞭解和需求已不僅停留在紙面。

協醫集團對 AI 的迫切需求

朱穎先根據切身經歷談到她在遇到一些病例時，急需大資料來協助的需求：在判斷患者的結節是良性還是惡性，她會與影像醫生、呼吸科醫生、腫瘤科醫生、胸外科醫生會診。會診之後仍舊無法統一結節是良性和惡性的結論時，每個醫生都會根據自己的臨床經驗去判斷。腫瘤醫生可能認為 50% 的概率是惡性的，而影像醫生覺得可能 30% 的概率是惡性的。由於這些評估均基於醫生的個人經驗，因此它沒有一個量化的標準，有人會高估風險，有人則會低估風險 。

“作為一個面對患者的臨床決策者醫生來講，我特別需要人工智慧來支援到我。醫院方希望資料量越大的時候，特別是結節變化過程的影像資料和最後的病理能夠很好地結合大資料和演算法，從而給到我一個相對精確的建議。這樣也助于我跟患者溝通時，來幫患者制定下一步臨床策略。”

對於這個臨床上遇到的困惑，協醫集團也在積極嘗試與國內外的人工智慧公司合作。

朱穎介紹到，海外的影像等產品基於國外資料訓練而成，其中大部分來自 MSK 和 MDmedicine 中的病歷來做診療和推薦。以 IBM Watson 為例，目前進入中國市場的只有六種腫瘤方案，並未覆蓋全部，而且中美腫瘤的病因並不相同，如美國肝癌的發生更多過量的飲酒有關，而中國肝癌的第一大病因是乙肝這類病毒感染所導致。因此中、外在診療上會有很大的差異。

針對這一情況，協醫集團的專家也非常樂意與 AI 公司一起合作，一方面推進海外優質產品在中國的落地，另一方面也積極助力中國本土的 AI 產品更快地應用於臨床。

協醫集團 和AI 公司正在進行哪些合作案例？

－資料合作

在資料方面，醫院方可為 AI 公司提供醫生的經驗資料。以影像為例，普通圖像的資料標注非常簡單，但影像由於其複雜性，需要專業的醫生進行標注。協醫集團的醫生與高校進行聯合研究，通過分析複雜度較高影像圖像，從而產生帶有標注的資料，然後再與 AI 公司共同基於這些經驗資料訓練模型。

當然，這些資料僅為醫生的判斷記錄。由於資料安全和個人隱私問題，醫院方的資料並不會開放給 AI 合作夥伴。

協醫集團的一位中醫曾嘗試參與一項研究：他根據自己的經驗認為口幹、飲食不佳等症狀可能與脾虛有關，總結出上百份類似的症狀資料後，讓 AI 公司輸入這數百份資料從而得到口幹和脾虛關聯性的模型。

－醫療助手

在自然語言處理方面，協醫集團初步試用了加拿大醫療產品 Ask doctor。Ask doctor 本是醫生患者的問診平臺，由醫生免費回答患者問題。後期 Ask Doctor 根據以往積累的醫患問診資料，從而利用資料採擷和自然語言處理技術開發了醫療助手從而替代到人工的回答。

朱穎說到，協醫集團試用醫療助手的目的出於，問診階段患者在說自己的症狀時可能會說很久，而醫生為加快速度通常會多次打斷他們，使得患者沒有得到很好的傾訴。而機器卻能長時間聽取，從患者那裡提取更多有效的資訊，從而給出合適的治療建議。

－Watson

隨後朱穎博士提到協醫集團的醫生已開始嘗試使用 IBM Watson，她覺得 Watson 非常讓人眼前一亮的地方是可直接輸入臨床資料，然後它能給出分等級的診療建議：如 80%、70%、60% 這種資料化的推薦，而且每一個推薦都有具體的文獻支持。

Watson 在美國雖拿到了醫生認證，但國內沒有類似的認證，所以它的作用和功能更多停留在諮詢和建議階段，也達不到直接做診斷和處置，但可協助協醫集團處理很多初級的工作。不過對於經歷比較豐富的腫瘤醫生來講，Watson 的作用並沒有那麼大。而且 Watson 推薦的一些藥物只在美國有。即便是很高推薦的臨床方式，在中國也難以實現，有一定的地域和臨床基礎差距。

為了讓 Watson 更多的服務於國內醫院，協醫集團也參與到了改進 Watson 的專案當中。

“Watson 的中國運營商杭州認知曾聯繫到我們，希望協醫集團來幫他們做 IBM Watson 本土化的設計方案。協醫集團未來也會組織一批頂級的腫瘤專家的團隊來一起籌建這個項目，為此，醫生們會給出診斷建議訓練 Watson，從而聯合建立起一個具體的解決的方案。機器在資料量足夠大的時候，它一定比我們的醫生識別得更精准。”朱穎如是說。

為了讓更多人工智慧產品在國內廣泛使用，還需要政府的支援。Watson 與醫院之間的合作，費用還無法被醫保接受，但目前部分省份在談 Watson 歸入醫保範疇問題。

回饋如何

醫生們看人工智慧產品的態度

在問到醫生是否會被 AI 取代時，協醫集團的醫生指出“皮膚科醫生診斷皮膚病是靠視覺識別，看一眼就能知道這是什麼病，如果一眼看不出是什麼病，再看也沒有用，這時候就需要去做活檢，切下組織放在顯微鏡底下去看。未來 ‘一眼就能看出的’這類皮膚病診斷相對而言比較容易被被取代，病理醫生也如此。

與此同時，對方也談及在自己疲憊和情緒不穩定的情況下會出現漏診和誤診的情況，而機器卻不會。醫生們有時雖然會感覺到危機，但他們很樂意把自己的知識和經驗體系化後結合資料，去説明 AI 更快速的成長，而 AI 反過來又能幫助他們做更多標準化的任務。

醫療推進過程困擾AI的難題

雖然 AI 確實可提高效率，而且醫院方在技術汲取上也愈加開放，但不得不面對一些根深蒂固的問題：國內資料收集存在一個非常大的問題，即各個醫院的 PIS 系統並不能打通，電子病歷系統也無法共用。患者要在 A 醫院看病，他需要帶著自己在 B 醫院的所有資料到 A 醫院。而美國一整個州範圍內的醫生，可查看某個患者之前在本州任何一個醫院的所有病歷治療記錄。這一塊是目前國內醫院需要解決的問題，大資料大規模應用的重要前提是區域電子病歷平臺的統一，假設北京市統一使用電子病歷平臺，那患者無論在北京的哪個醫院看病，都可以把之前的資料調取出來。

朱穎繼續補充到，國內很多醫療資料包括病歷、影像資料都不標準，這會影響到資料提取。尤其像一些基層醫院，病人做完診療後，資料就會刪掉，無法調取。即便是大醫院，資料也不會長久保留。在這種情況下，資料平臺未打通與缺乏高品質的資料使得 AI 產品在開發階段會層層受阻，而且這些問題在短期內是無法解決的。

更多關於雷鋒網人工智慧升級傳統行業的文章，請關注雷鋒網AI商業化垂直微信公眾號：AI掘金志。