AI医疗脚步渐进,为焦灼的疫情带来生机?

作者:珠海大横琴科技发展有限公司 浏览: 发表时间:2021-06-07 15:37:31

上周开始的广州新冠疫情,至今仍然没有停下来的迹象。

疫情中有两个信息,值得放大和关注。

一个是,本轮疫情病毒传播速度快、传播力强。

不到10天时间,已经出现五代传播个案,代际传播时间之短,前所未有。

只是和感染者吃一顿饭,或者是短时间非直接的接触,就可能造成传播。

另一个是,广州第一轮核酸排查采样工作完成,累计检测超过225万人。

繁琐的工作和疾病超快的传播速度这无疑是一场疾病与人类医疗的较量。

2020年被看作是国内医疗AI产业的转折之年。虽然疫情使得部分产业投资进程明显放缓,但医疗AI行业却迎来更多的关注,AI医疗投入到抗疫中是锦上添花,作为智慧城市发展的兴起,智慧医疗也成为了重要的支撑,那么AI医疗究竟可以辅助我们什么?

1

AI医疗发展循序渐进

近年来,人工智能技术发展迅速,很大原因是由于神经网络算法的突破。这种算法的核心是基于概率的推论,利用了无数函数的嵌套,运算过程存在“黑箱”。在主流算法和框架都是开源的情况下,高质量的数据越多,神经网络就更有效率。

人工智能技术的应用场景很多,但从融资金额来看,医疗是最重要的场景。2019年全球医疗AI融资金额高达40亿美元,是排名第二“金融+AI”的2倍。

世界范围来看,医疗AI在美国发展最快,中国落后近10-20年。最早诞生的是专家系统——即根据专家经验,求解问题的计算机系统。AI影像是第二类较早发展的产品。伴随70年代CT投入临床实用,医学影像数字化设备诞生,图像存储和传输标准进一步发展,AI影像出现不少尝试。然而,它的发展一直受制于图像模糊和传统算法的局限——直到2006年深度学习的突破——IBM Watson是该领域的典型探索者。 之后,医疗AI继续朝着降本增效和提升价值的方向演进。患者、医生、医疗机构、药企都是潜在受益者。

医疗AI的发展是循序渐进的,决策者应当以实际应用为导向,尊重行业发展的客观规律。大量且优质的数据是医疗AI发展的基础,但这一基础的建设周期可能相当漫长。在这一过程中,电子健康记录是关键,因为它包含丰富的临床数据和经验记录,是医疗数据的重要入口和来源。

以美国的经验而言,HITECH法案提出了医疗信息化的五个阶段目标,分别是信息化、联通化、合规化、标准化、智能化。美国在第一个阶段停留了10-20年——2004年布什首次呼吁计算机化的健康记录,11年后,美国有96%的医院和87%的医生使用了电子健康记录。如今,美国正从第一阶段向第二阶段过渡。

中国处于第一阶段,从2018年才开始出台电子病历的相关政策——因此,中国的医疗数据整体呈现碎片化、孤岛化,目前略处窘境。

2

 研发中需提升临床价值

事实上,对于大医院来说,解决医疗效率问题也是依赖AI医疗的需求之一,但如果只是在单独某个场景中效率的提升,对整个诊疗环节的效率提速是非常有限的;而基层诊疗能力的提升则需要系统性、全科室的重建,这样就不单需要拥有AI强大的深度学习技术力,也需要同临床紧密结合。

此时类似临床分诊就起到了作用,分诊可以理解为患者去医院看病,分诊台的护士告诉患者应该去内科还是外科;辅助检测是不涉及到明确的诊断结果,和筛查本质上趋近,比如肺结节的辅助检测,能够帮助医生检测出肺结节,但关于肺部细分疾病进一步的定性诊断,辅助检测的医疗AI并不能做出分析和诊断。

而真正被业内外寄予厚望的辅助诊断医疗AI产品,则不止完成筛查功能,还能进一步完成定性诊断,为医生提供诊断结果上的参考和建议,从而在诊疗过程中实现闭环。比如发现肺结节后,进一步帮助医生判断:如果是肿瘤,良恶性是怎样的?如果是肺炎,到底是哪一类肺炎是细菌性肺炎、病毒性肺炎还是新冠?

其实,对于临床而言,无论是顶级三甲医院还是基层医院的医生,识别肺结节并非难事;但对于一个患者来说,如果仅仅被告知有无肺结节,而不能告诉他是哪一种具体肺部疾病的诊断结果,那么就达不到患者就诊的需求,就难以达到预估的临床价值。

IBM Watson (沃森)是医疗AI行业临床的典型探索者。沃森重点布局的是肿瘤和心血管疾病的AI诊断和治疗。以肿瘤诊断为例:沃森首先帮助医生分析病历信息(结构化和非结构化);其次,结合病历信息、外部研究、临床知识等,提供多种潜在治疗方案;最后,对方案进行排序,并注明医学证据。

理论上,沃森能大大提高医疗效率。然而沃森的商业化临床化并不顺利,投入多,回报少。2020年12月,传出沃森将被IBM 出售的消息。近年来,沃森花费几十亿进行大量收并购,标的分布在机器学习、医疗临床数据、人口健康数据、医学图像算法、医疗数据分析等各领域——单2016年就花费近40亿。然而,2020年其财报显示营收只有15亿美元。原因是多方面的。表面上是产品实用性不佳,但实则是产品难以用于临床研究。

我们在需求上看病难看病贵是痛点,医疗行业亟待降本增效。医疗资源和其他国家相比更为紧张,并且在国内分布极不平衡;中国医保压力逐年增大,私人支出占比要比世卫标准(20%)还高9%,如果医疗AI不能介入到最终的诊断环节中,则实际产生的效用有限,更谈不上辅助医生。

换言之,让研发的医疗AI产品真正具有临床价值,对于医疗AI企业来说,才是真正证明自身有价值的唯一出路。

3

落地后重视基层诊疗能力

随着国内医改的进一步深化,分级诊疗的落地,医疗人工智能将在提高医疗质量和服务效率、减少误诊误治方面发挥重要作用。长时间以来,国内医疗资源受限于分配不均,优质医疗设备、医疗资源集中在发达城市,这种情况使得大量患者在本地得不到充足的诊疗,只能向大城市和大医院聚集。

假如县医院能达到大医院的诊断水平,病人就不会往外跑了,因为在县医院就能得到及时、优质的治疗。而此时,AI医疗便能派上用场,人工智能的出现一直被认为是解决医疗资源分配不均的的突破口,能够极大程度提升广大基层医院的诊疗能力,推动优质医疗资源下沉,帮助百姓实现“大病不出县”。

以往很多人都觉得医疗AI的重点在于效率的提升,医疗AI则更深刻地在帮助广大基层医生提高诊疗能力,解决基层医疗机构的真正需求,这也正是我国医改的重点。

基层医疗问题很多,但总结起来,都离不开这四个——“恰好解决”,每一个都“恰好”可以被AI医疗自带的特性所“解决”:

1、医疗效率上的人才缺口

即医生数量少,数据显示基层医疗的主体地区——农村每千人口医师数为1.8人,仅为城市的45%。

类似百度CDSS这样的AI医疗系统能够通过辅助决策等功能,提升单个医生的能力和效率,在增加人员之外,提供缓解人才缺口的另一种方式。

2、医疗质量上的技术缺口

即不但人少,医疗能力也不足(包括设备设施),国家现在要求基层承担66种常见病的诊疗,客观地说执行率并不算好。

AI医疗介入,提供体系化、智能化的解决方案,例如CDSS可以覆盖4000+常见疾病,背后往往整合了大量权威医学知识来源。这些不说大幅度提升基层医疗的“医术”,至少对于帮助基层医疗实现匹配常需使用的医疗技术有直接价值。

3、医疗责任上的资源缺口

基层医疗与三级医院甚至全国性知名大医院注定只要“治病”不同,它除了承担普通百姓的一些小疾患,未来还更偏向于大众健康管理职责,是医疗“治”之外“防”的重要承载。

选择以AI赋能基层医疗,这与资本催熟的AI医疗行业大干快上,卖解决方案、卖服务器求短期变现有本质的不同,在社会价值层面,这种策略选择,某种程度上将产生“四赢”的结局:

社会层面:解决医疗资源少且分配不均衡的痛点;

基层医院/医生层面:提升基层医生诊疗质量和效率,减轻工作负担,增强职业成就感;

患者层面:享受到良好的医疗服务,很多时候不必奔波往返于大型医院;

AI医疗企业:社会责任与企业价值得到统一.

一场疫情让我们又迈向了一次科技与医疗结合的脚步,更应该期待AI医疗在基层医疗领域有更大的作为,毕竟,AI赋能基层医疗与药品价格一样,将成为少数不必增加过多的“医疗投入”就能大大提升医疗健康水平、减轻社会保障压力的行动,未来可期。


AI医疗脚步渐进,为焦灼的疫情带来生机?
2020年被看作是国内医疗AI产业的转折之年。虽然疫情使得部分产业投资进程明显放缓,但医疗AI行业却迎来更多的关注,AI医疗投入到抗疫中是锦上添花,作为智慧城市发展的兴起,智慧医疗也成为了重要的支撑,那么AI医疗究竟可以辅助我们什么?
长按图片保存/分享

版权所有©珠海大横琴科技发展有限公司   粤ICP备16050130号


复制成功
微信号:1234
添加微信好友,详细了解产品
我知道了