IBM沃森健康大規(guī)模裁員，“沃森”不是AI醫(yī)療的正確打開方式？

投壺智庫由醫(yī)健各個細分領(lǐng)域的專家組成，現(xiàn)已涵蓋新藥研發(fā)、醫(yī)藥外包、醫(yī)療器械、體外診斷、人工智能+、生物信息與基因科技、營銷推廣、醫(yī)學專家、醫(yī)藥商業(yè)、互聯(lián)網(wǎng)醫(yī)療、大健康產(chǎn)業(yè)基金等各個細分領(lǐng)域的智囊專家近200位。其中國家千人專家及中科院院士十余位。他們將協(xié)助醫(yī)療大健康領(lǐng)域茁壯發(fā)展，賦能投融資對接。今天我們邀請投壺智庫專家成員，上海交通大學機械與動力工程學院教授 博士生導師 閆維新教授對近日發(fā)生的熱點事件進行獨道點評，詳見以下：

IBM沃森健康大規(guī)模裁員，AI醫(yī)療到底是不是噱頭？

據(jù)外媒消息，IBM沃森健康(IBM Watson Health)自5月24日起將裁掉約50%-70%的員工，包括美國本土和其他一些國家的員工。事實上，近年來沃森布局醫(yī)療人工智能的步伐從未停止，但成績并不顯著，有分析人士表示，雖然沃森具有十分廣闊的發(fā)展前景，但就目前而言，沃森距離真正為IBM創(chuàng)造價值還為時尚早。AI醫(yī)療到底是不是噱頭？

一、請您簡要分析一下此次新聞的主角——IBM的人工智能Watson機器人？

IBM研發(fā)的人工智能醫(yī)療方案Dr. Watson（以下稱“沃森醫(yī)生”），目前以輔助治療方案為主，它的智能系統(tǒng)構(gòu)架也比較完善?！拔稚t(yī)生”更像是一件智能檢索的工具，即依據(jù)文獻、指南等醫(yī)學資料對醫(yī)生的診斷結(jié)果進行判別，在數(shù)據(jù)庫中進行檢索，從而獲得治療方案，節(jié)約了醫(yī)生查詢指南的時間。但是“沃森醫(yī)生”僅以醫(yī)療文獻、病例病史和醫(yī)學影像為訓練集樣本，這一層次的樣本數(shù)量有限，如果數(shù)據(jù)量不足，將導致“沃森醫(yī)生”的診斷結(jié)果和治療方案與人類專家的結(jié)果出現(xiàn)一定的偏差，且它的治療方案可追溯不強。此外，“沃森醫(yī)生”并沒有真正解決醫(yī)生每天面臨的巨大診斷工作量的問題，這種工作模式并不能真正發(fā)揮人工智能的優(yōu)勢。

另一方面，“沃森醫(yī)生”的收費模式也值得商榷?！拔稚t(yī)生”的收費對象是病人，容易造成以下就診流程：病人先和醫(yī)生交流，由醫(yī)生進行初步診斷，然后將診斷結(jié)果交由“沃森醫(yī)生”進行復核。這相當于變相地質(zhì)疑醫(yī)生的診斷結(jié)果，極易加大患者和醫(yī)生之間的矛盾。作為醫(yī)生，可能對該流程比較反感。

綜上所述，“沃森醫(yī)生”并沒有給醫(yī)生診斷結(jié)果的出具和治療方案的制定提供實質(zhì)上的幫助，而是向病人收取不菲的開機費用?！拔稚t(yī)生”就是一個智能的醫(yī)學文獻檢索工具，而不是真正意義幫助提高患者診斷的準確性?！拔稚t(yī)生”與我們定義的人工智能——依據(jù)海量病人樣本多組學多中心聯(lián)動模式下建立特定的疾病模型有距離。我認為，人工智能在醫(yī)療領(lǐng)域的正確應用方式是做到疾病的檢出、定性和分級分期，才是構(gòu)成診療決策的關(guān)鍵。

二、“沃森醫(yī)生”模式能否在應用于中國？

“沃森醫(yī)生”很難大規(guī)模應用于國內(nèi)的醫(yī)院，我認為原因有以下幾點：

1、“沃森醫(yī)生”所收集各種醫(yī)學數(shù)據(jù)的數(shù)量遠遠不夠。疾病診斷不僅僅是讀片，是一個多組學的問題，涉及很多內(nèi)容。診斷是以病理為金標準，以影像組學、蛋白組學、微生物組學、基因組學等作為輔助，是一個多中心聯(lián)動的、綜合海量數(shù)據(jù)的決策。而針對不同疾病的模型，數(shù)據(jù)的構(gòu)建方法也不一樣的。目前“沃森醫(yī)生”的數(shù)據(jù)量還達不到這種要求；

2、“沃森醫(yī)生”的很多樣本和數(shù)據(jù)來源于國外，不同地域的患者有一定差異性，“沃森醫(yī)生”沒有針對所應用區(qū)域人群的個體情況進行樣本數(shù)據(jù)的重新訓練和模型建立，因此其應用范圍和診斷準確率有限；

3、“沃森醫(yī)生”和國內(nèi)醫(yī)院對接深度極為有限。對于我國的醫(yī)院，患者的樣本、病理、病例和病歷都是一個醫(yī)院的財富，醫(yī)院對于患者的數(shù)據(jù)具有保護不被泄露的義務。因此醫(yī)院在本質(zhì)上會排斥與商業(yè)企業(yè)進行患者數(shù)據(jù)上的深入合作。

4、具有診療功能的人工智能要給醫(yī)生提出指導意見，是一個非常慎重的事情。并不能通過簡單的文獻檢索就能搞定的，一定需要CFDA的監(jiān)管。

三、您認為建立一個AI診斷中心的正確方式是怎樣？

在國內(nèi)建立人工智能的診斷中心，是一個依托政府和各級醫(yī)院的巨大工程。需要由政府做推手，各大醫(yī)院進行樣本開放，并且投入大量的醫(yī)生資源進行疾病模型建立，在海量樣本數(shù)據(jù)（這里的樣本是指有效樣本，不單純是數(shù)據(jù)）的支持下才可能真正得到建立。

在執(zhí)行層面，AI診斷中心需要和大醫(yī)院進行深入綁定，但首先要解決兩個問題：一是人工智能輔助診療的CFDA注冊問題，也就是它的合法性問題，根據(jù)政策趨勢來看，2018年8月進入注冊名錄。第二是收費問題。目前醫(yī)院收費項目沒有人工智能讀片費和診療費，需要讓它進入收費項目的名錄，才能讓從事人工智能的公司真正獲得利潤，完善人工智能公司的商業(yè)模式。

對于醫(yī)院來說，可以通過提供樣本、樣本數(shù)據(jù)處理、醫(yī)生的介入來參與AI醫(yī)療的建設(shè)，真正的商業(yè)化運作不能由醫(yī)院來完成，需要商業(yè)公司與多家醫(yī)院深入合作來實現(xiàn)。而數(shù)據(jù)也不能僅僅針對單一病種的樣本，需要大量病種的模型和大量的數(shù)據(jù)，這個數(shù)據(jù)量之大還是需要運用人力收集、挖掘與錄入。畢竟人工智能是先“人工”才能后“智能”。

總體上來說，目前的人工智能醫(yī)學還沒有建立很好的商業(yè)模式。行業(yè)內(nèi)跟風嚴重，需要一個應用示范點的推進。

四、您認為目前人工智能可以在哪些醫(yī)療場景有著實質(zhì)的應用突破？或者說哪些場景下我們對人工智能的需求比較迫切？

現(xiàn)階段的人工智能在影像、病理方面可以有所應用。以仁濟醫(yī)院放射科為例，科室日均門診量3000-5000人，海量的醫(yī)學影像數(shù)據(jù)都是人工進行判讀，工作量非常巨大；病理科更甚，染色后的顯微圖像都需要人工一點點進行識別。如果應用了人工智能，可以大大減少醫(yī)生的工作量。在多組學下，尤其是影像組學和其他檢驗數(shù)據(jù)相關(guān)聯(lián)，可以輔助臨床醫(yī)生進行判讀，提高診斷的準確性。在此基礎(chǔ)上，診斷的效率可以明顯提高，醫(yī)院即可以提高就醫(yī)量，解決醫(yī)療資源供應緊張問題。后，我們可以發(fā)展遠程協(xié)作醫(yī)療、異地診療，解決醫(yī)療資源分布不均勻的問題。

值得一提的是，人工智能不能替代醫(yī)生，只是輔助醫(yī)生，減少醫(yī)生的工作量，提高醫(yī)生診療的準確性。人工智能永遠不要站在醫(yī)生的對立面。

五、請您總結(jié)一下AI+醫(yī)療的今后發(fā)展方向，以及各方需要做出哪些努力？

我認為，行業(yè)的短期方向是在多中心聯(lián)動的基礎(chǔ)上，進行疾病的檢出、定性和分級分期，做到幾種常見疾病的診療決策。長期方向則是人工智能和醫(yī)學影像、病理學、組學（代謝組學、蛋白組學、基因組學、微生物組學、生活方式、臨床病史等）、學術(shù)文獻、診斷指南等數(shù)據(jù)資料的深入交叉，才能做到人工智能的輔助診療，關(guān)鍵是輔助診療而不是替代。AI替代人工進行診斷為時尚早，也不符合發(fā)展AI的初衷。

我認為發(fā)展“AI+醫(yī)療”，政府需要出面做推手，開放醫(yī)院的現(xiàn)有樣本數(shù)據(jù)，在主要醫(yī)院開展多中心聯(lián)動覆蓋及聯(lián)合應用，建立人工智能數(shù)據(jù)公共平臺，合力推動“AI+醫(yī)療”技術(shù)的發(fā)展，形成人工智能輔助診療服務的示范應用和輻射能力。