圆桌讨论：人工智能及大数据在医疗领域的应用

　　2017年9月1日至3日，由苏州生物医药产业园(BioBAY)牵手中国医疗器械行业协会主办的第七届中国医疗器械高峰论坛(DeviceChina 2017)在苏州独墅湖畔拉开帷幕，中国医疗器械高峰论坛作为国内首个聚焦于医疗器械产业的专业高峰论坛，直击新医改与监管新政下的中国医疗器械创新征途。

　　本届高峰论坛继续关注中国医疗器械行业生态发展、行业政策的最新变化；同时还就新兴医用材料、心脏疾病的介入治疗及其延伸和扩展、精准医疗等专题展开深入探讨。在新医改的新政影响下，如何让中国医疗器械创新稳步健行，亦是此次会议上讨论的重要议题。

　　继《医疗技术的跨境创新及投资交易》精彩圆桌讨论之后，《人工智能及大数据在医疗领域的应用》圆桌讨论再次引发现场热烈讨论。通和毓承董事总经理朱怡波作为主持人，上海利连信息科技总经理/前 IBM 大中华区医疗实验室总经理牛耀军，IBM中国研究院认知医疗组高级研究员倪渊博士，米喜医疗技术合伙人&CTO，前阿里巴巴平台架构师曹文炯，云鹊医疗创始人邢菲医学博士参与讨论。以下为圆桌讨论摘要。

　　朱怡波：可穿戴设备还有医疗媒体上面也有大健康的数据，我们今天面临的是前所未有的海量数据库。在这个基础上谁能够拥有这些数据？谁能够有权利使用这些数据？谁有权利对这个数据分析、挖掘，能够产生什么样的产出？运用到什么场景当中去？这是今天要关注的话题。今天请到的嘉宾来自不同的机构，有些人代表数据的采集，有些人代表数据的使用方，有些人是医疗IT技术的背景，也有人跟临床方面更加接近一些。接下来请他们从不同的角度分享一下他们对于同样一个话题怎么看待的。

　　牛耀军：我叫牛耀军，去年9月份离开IBM，在IBM技术领域也是元老级的人物，那个时候在整个大中华区的技术人员不超过100人。之后在IBM这一段时间，因为当年还没有大数据的概念，08年以前在医院互联互通大数据中心。真正在医疗里面才有大数据，之后也参与了IBM明星级的产品，岗位上也做过IBM大中华区的助理，目前是关注在医疗大数据处理和医疗风险这样相关的领域。

　　倪渊：大家好，我是倪渊，IBM中国研究院认知医疗组的研究员，我参与了IBM开发新的机器人。能够跟人做辩论，有说服人能力的机器人是我们的技术方向。我们把跟人工智能相关的技术应用到医疗领域，我们在中国一些合作，之后跟大家有一些分享。

　　曹文炯：我是曹文炯，我是米喜医疗技术合伙人，我们主要有三个点，一个是更好的医疗资源的匹配；第二个就是怎么样关注诊疗档案和健康档案数据的隐私和利用；还有一块是全科诊疗的路径。谢谢大家。

　　邢菲：大家好，我是邢菲，云鹊医疗创始人，我们的愿景是让他们成为更好的家庭医生。我是学医的，对人工智能电脑这一块完全不了解的。我们进入了行业之后，从医疗和慢病这一块，有海量的数据。数据之后怎么来用？我们有很多关于这一块的设想，等一会可以展开，从设想到中间的路径差的很多，这个数据不是很完整的。

　　朱怡波：你们觉得5到10年人工智能在我们行业扮演什么角色？是不是真的会像科幻电影一样，有一天机器人可以代替所有的医护人员来提供专业服务？请各位谈一下这方面的看法。

　　牛耀军：提到机器人医生，大家就会想到大白，24小时的机器人，我也是非常的期待，有这样的一个医生，我有任何的健康问题疾病问题能够帮我解答。

　　回到现实里面，我们如果拿人工智能和器械、药来比，到临床、到产品化这个阶段，很多的人工智能技术现在还处在科研阶段，因为一些政策上面的原因，有些商业闭环还在探索。在未来5到10年里面，可以期待一个住院医师水平的机器人出现，在专科里面会有一个高品质的机器人的医生，在此之前我认为是人机通行的，机器人应该是帮助我们医生，起到辅助的作用。

　　倪渊：我们作为技术人员参加过很多这样的讨论，经常被问到你觉得人工智能哪一天可以代替医生或者护士？做技术的人比较悲观，没有非技术人员的或者媒体这么乐观，真正做技术的人你会发现里面有很大的挑战，不是说这个技术不行。我们技术还是要做，分为4个阶段，从预防、诊断、治疗、疾病管理，每个领域里面都有人工智能在起作用，帮助人提高技能。我们做风险预测，基于大数据建的风险模型，我们把这个提高到很大一部分。我们在疾病诊断领域，大家可以看到在影像领域，很多通过计算机读影像片子。

　　患者的管理，两位都是做全科医疗的，我们IBM也是做全科医疗，我们很多全科的医生，我们会对患者进行随访，我们在想机器人能够替代医生做一些随访，问一些健康方面的问题，而且有一些回复。其实都有一些试点在做这些事。这些领域5到10年，我们可以看到一些可以替代一部分医生工作或者医生重复性工作的人工智能进入到医疗领域。

　　曹文炯：我们这个时代往前再倒推200年的时候，有前三次工业革命，从蒸汽时代，到电器时代，到计算机时代，引发了各种高科技的变革，每两个年代之间有一些东西是递进式的，电气时代我们解决了飞机，汽车，先做的辅助，然后做慢慢的替代，然后是颠覆，这三个阶段如果用一种方式来看，辅助的阶段在增强，而替代的那个阶段在优化成本。

　　为什么从2000年左右大数据跟人工智能开始起来了，因为有很多的成本在降，包括存储，宽带和计算能力等。再往后看5年10年，最近张守晟博士发现天使粒子，对量子计算机开始稳定使用，是非常大的基础，量子算法，某一瞬间得出来的性能优化跟传统的PC比起来，是10的8次方。这是非常大的数字，现在的科技来看当量子计算机变成现实的时候，我们会改变很多看问题的角度，以往我们想很多的东西，到大数据年代的时候我们突然不想了。

　　5年后的医疗，应该从现在这个阶段往前走一步，现在只是辅助，接下来是更好的人工智能帮我们做部分的决策，而这个决策最后需要人类做一个最终的判决。第一个阶段是苦力活被替代了，然后是判断，再往后是颠覆。5年以后可能会发生大量的替代，这种大量替代下，医生和护士稀缺的资源会被利用起来。现在人工智能很难做的就是理解人类的感情，幽默感，悲伤感。

　　朱怡波：可不可以给我们分享一下具体是什么数据？你们作为数据的收集方和运营方，你们希望看到这些数据得到什么样的应用和产出？

　　邢菲：刚才几位都是技术的大牛，从技术这边考虑哪一块技术走到最前，我们作为医疗的创新企业来讲，我们更关注基层医疗的应用点，或者他们的痛点。其实在基层这一块，可能那些东西并没有那么大的用途，医生有那些机器，但是他们不知道怎么读。人工智能这一块能够解决已有的这些东西。

　　我们一开始不是技术积累，而是服务，其实看下来从宏观来讲慢病这一块工作做的更好，政府这一块想推到基层，基层积累了大量的慢病，包括长期的数据，很多小孩从每一次打预防针都在这里，可是它并不垂直。我可以看到一大片人打预防针，或者是各式各样的数据，但是并不专业。人工机器研究还是有一定的壁垒。

　　朱怡波：日常收集的数字怎么变成结构化的数据，这些结构化的数据，从基层医疗公司的AI和你们自己怎么使用这些数据的？

　　曹文炯：存下来的只是数据而不是数字，从结构化也好，或者从可用性也好，还是需要往前走一步的。我认为优先做的是医生能够有更好的IT化体验，更高效地完成他的事情。对于全科来说，他们的业务水平，可能相对来说需要提升，他们有这个心态去服务，意味着以前的系统，需要针对自己的一类系统做管理。后面所有的AI化，让医生能够容易的把业务跑的更顺。

　　朱怡波：我们在座的两位已经做了风险模型预测和搭建方面的工作，你们做这些模型的时候数据怎么来的？怎么把这些数据整理出你们想要的数据？

　　牛耀军：其实谈到医疗大数据，有一家医院讲的广东话，有一家医院讲的上海话，标准不统一。有数据质量，还有数据的缺失的问题，某一个时间点切开了数据没有了。一开始患者来的时候基于有限的信息做一个假设，根据这个假设再收集更多的数据，来肯定或者否定这个假设。我们把这个时间点往小的说，院前、院中、院后，院中所有的数据都有时效性，都有稀缺性。

　　医疗大数据我觉得比较有价值的在院中，院后的随访，各种条件依从性，可能和健康的数据价值不是很大。如果关注院中这一块，我们去收集到这些数据，来训练一个所谓的疾病模型。这样一份工作，可能比一般的工程应用类都要深。到今天我们好像换了一套算法，基于传统的小数据训练来说，甚至一些回归模型有什么区别，它是一个面向群体的患者，它数据的纬度，用这种逻辑回归，到今天来说借用医药的数据，在你临床的过程中，把患者他在临床治疗和诊断的过程中，所有的数据拿回来，它的纬度会非常多，有数据稀缺的问题，我做出来的模型可能更精准，患者的群体，有可能会更精准到个人。

　　做的过程当中不用太沉迷于数据当中，我们做特征工程的时候，要大量的借鉴现在有的临床指南和不同医院的专家知识，得到这种特征工程，然后再拿我的数据训练，训练出来以后还要把它跟我们的专家知识做进一步的融合，现在在国内的医院数据有一个最大的问题，大家很难拿到一起，都是单独的状态，在A医院训练的是A大夫的经验，B医院训练的是B大夫的经验。

　　引出来一个话题，我们真正的人工智能算法，怎么是有效的，不是跟医生对比，而是用你这个算法以后，依从性好，肿瘤可以提高5年的成活率，这是评价你有效算法的主要途径。

　　倪渊：现在医院积累的数据是不能拿来做分析的，所有糖尿病人有30万的时候，有血压值，有血糖值，真正能够用的病人只有1万人。而我们在美国，虽然美国的系统做的比中国早很多年，但是数据质量同样有问题。IBM上面有上千万的数据，有40到50万糖尿病人的数据，但是真正筛选出来以后，虽然比中国的情况好，但是也只有4、5万，患者经常会失访。我们都是跟各大医院的合作，拿到他们手里的登记库的数据。基本上我们建这样的模型也有2、3万人的病人模型，收集的量在200到800的范围内，我们用大数据做，和传统的不一样，他们根据医生的经验，挑出来十几个来做一个模型。我们发现用我们新的方法建成的模型，精度会有很大的提高。

　　朱怡波：我们再讨论一下法规方面，美国都有明确的规定，在中国却缺少完备的法律体系，缺少监管。我们刚才说的这些数据，这些数据的拥有权属于谁？谁拥有这些使用权？

　　牛耀军：这些数据目前是归医院的，因为经常跟医院做一些合作，从我的理解，我认为应该是患者的，现在控制权是在医院。第二，我们现在做医疗风险的时候，能够有一定的使用权，基于这个数据，能够做一些模型风险预测，我们有一定的使用权。医院法规有这样的一些问题，从医院的角度来说比较保守，也会担心有一些纠纷，病案不可以到医院随便拿的。一旦有医疗纠纷的苗头，赶紧把病案史该怎么弄就怎么弄，从医院纠纷角度来说对这一块比较敏感的。当然我也知道，有一些公司说清楚你的用途，可能会拿出来用，但是法律上面没有研究过。

　　倪渊：在美国只要知情同意，有商业公司收集患者的数据，美国允许这些公司卖数据给其他人做分析用的。在国内这一块比较扯不清的，以前我数据存在医院，可能院内分析没有问题，但是医院不能合理的拿出来去卖，公司也没有人说能够拿这些数据。国家应该也在考虑，如何更合理的管理中国的病人，如何使用中国病人的数据？因为现在也有一些数据公司做这样的数据，他们号称病人有一个签字同意，他们把数据收集回来，但是没有真正的商业化使用，也期待中国的政策法规进一步明确。

　　邢菲：卫计委有很大的话语权的，如果真的把基层和三甲医院打通要靠政府的能力。一个省的基层医院，卫计委有很大的话语权，怎么来用这个数据？有没有可能像你刚才说的，我们利用你的数据算出来一个算法，我们把这个数据拿出来，算法让医院来用，等于说医院是我们算法的代理，或者一个渠道。我们有这样一个渠道来用，在你们新的数据上做优化，这样的模式可能更行得通。

　　朱怡波：我们现在看到那么多的人工智能初创型企业，到最后谁会来为这些服务买单呢？谁会是买单方，谁来出这个钱？

　　牛耀军：其实包括两个方面，一个是数据类的，一个是所谓的人工智能类，买单方，医院可能是买你的系统，专家辅助系统，或者是各种样的系统。还有一个就是药厂，给药厂做一些相应的数据分析。还有就是保险，现在是医保一统天下的情况，我觉得大概能够做的就是医保和医院药方的审核，商业化很难形成规模，商业保险从它的理赔都是处在比较弱势的地方，不像美国，美国完全是商业保险一统天下的。

　　倪渊：患者也可能是买单方，沃森在很多医院有部署，在中国有患者为沃森这样的治疗推荐报告付过钱，相当于你做一次会诊。因为在美国有MCK的医生做过训练以后，他会告诉你哪个治疗方案最靠前。现在有一些患者愿意去，有些人愿意买这样的报告。在慢病管理这一块，因为现在也有一些商业模式，比如说长期糖尿病的管理，前期可能送血糖仪，之后需要患者一年，大概出几百块加入，如果真的给患者带来这样的收益的话，我自己现在也在用一些付费咨询。如果人工智能能够给患者提供比较专业的经验，能够管理患者，有一些患者愿意为这方面买单的。

　　第二个是政府，基层医疗，如果我们真正有一个系统可以去减轻社区医生的负担，我感觉政府会为这个买单的。

　　曹文炯：我们的认知是未来医生会更倾向于，特别是基层全科医生更倾向于自由职业，压低单价，对于用户来说出的钱更少。我也认为一些驻地的业务，特别是药厂器械，还有保险，保险是比较远期的事情。

　　邢菲：还是看这个产品的价值，刚才说的病人买单，我能够想到的并不是人工智能，是基因检测这一块，它算一个人工智能吗？并不是，它根据人的基因和大量的基因数据，提供了很多，患者愿意为这一块买单。这个纬度之后可能会加起来，根据基因的信息，然后再加上可穿戴的信息，然后你生活的信息，或者是病例这一块，对人的需求分析变成可预测的，病人可能有买单的意愿。

　　现场互动提问：想问几位技术专家，特别是慢病管理这一块，目前人工智能什么样子？

　　倪渊：我们不能依赖于人工做这样的一个随访，我们会开发一个基于人工智能的机器人，基于微信提供这样的服务，院后主要是说你后来没有吃这个药，比如说你现在血压值多少？血糖值多少？我们认为人工智能可以做到很开放的聊天，而不是封闭的，人工智能可以做这样的，我们很快有一些试点，医院的随访可以用人工智能。院前可以通过一些调查补充生活习惯的数据。

　　朱怡波：由于时间关系各位可以到台下跟各位嘉宾交流，我们这个环节结束，谢谢各位。

　　备注：以上演讲摘要，根据现场实录整理，未经嘉宾审核。

39健康网(www.39.net)专稿，未经书面授权请勿转载。