哈爾濱工業(yè)大學教授關毅：醫(yī)療AI的落地需要翻過三座大山

　　近年來，智慧醫(yī)療熱持續(xù)升溫，人工智能熱又推波助瀾，使醫(yī)療AI成為焦點中的焦點。所謂醫(yī)療AI，是指運用人工智能技術進行智能診療、健康管理等等，位于醫(yī)療信息化的最尖端，通常以采納推理技術為特征，以IBM的Watson為代表。落地，就是指有人用。因此，醫(yī)療AI的落地是指讓實驗室研究的醫(yī)療AI技術真正服務于大眾。

　　11月13日，由OFweek中國高科技行業(yè)門戶、OFweek醫(yī)療科技網承辦的“OFweek 2017(第二屆)中國醫(yī)療科技大會”在深圳舉辦。哈爾濱工業(yè)大學教授/博士生導師關毅分享了哈爾濱工業(yè)大學在醫(yī)療AI落地方面的經驗和體會，為醫(yī)療AI的研究早日落地提供參考。

　　關毅教授表示：“從2013年起，我的團隊全面轉向了醫(yī)療健康信息學相關的探索。四年過去了，在醫(yī)療AI的應用方面，我們至今還沒有收獲。回顧這四年多走過的路，一個刻骨銘心的經驗就是深切地體會到醫(yī)療AI落地之難，這是我們出發(fā)時沒有料到的。”

　　關毅教授認為，醫(yī)療AI研究需要翻過三座大山。第一座大山：醫(yī)療大數(shù)據(jù)，對醫(yī)療大數(shù)據(jù)的計算機自動分析處理是醫(yī)療AI的基礎，這是我們至今未能逾越的大山;第二座大山：醫(yī)療行業(yè)大量存在的各種規(guī)則與禁忌。一種新藥研制出來，要經過非常復雜繁瑣的安全性評價才能付諸臨床應用。AI新技術的落地也是如此;第三座大山：按量收費。這是醫(yī)療行業(yè)國際通行的收費模式，它決定了醫(yī)療AI即使落地，使用率也將微不足道。翻越這三座大山，僅靠技術手段是不夠的，還需要全社會所有人的共同努力，還需要醫(yī)療體制的改革。

　　醫(yī)療大數(shù)據(jù)的挑戰(zhàn)

　　醫(yī)療AI的應用已經具備了醫(yī)療大數(shù)據(jù)的充分支持。醫(yī)療大數(shù)據(jù)的挑戰(zhàn)主要來自四個方面：數(shù)據(jù)來源、數(shù)據(jù)質量和數(shù)據(jù)加工和數(shù)據(jù)處理能力。

　　由于我們這些年專注在中文電子病歷數(shù)據(jù)的知識挖掘，其他種類的醫(yī)療大數(shù)據(jù)尚未涉及，因此我僅談談中文電子病歷的有關情況。數(shù)據(jù)來源方面，目前可以獲得的中文電子病歷主要來自于住院病歷，住院病歷中，大多是某一特定患者一次住院的記錄，同一患者的多次住院記錄較少。門診病歷多數(shù)為手寫，電子化程度滯后。病歷內容可視為患者的健康快照，時間信息缺乏，從而使預測相關的研究缺乏支持。在數(shù)據(jù)質量方面，需進行費時耗力的數(shù)據(jù)清洗，另外多數(shù)電子病歷的內容描述偏于簡單，沒能真實反映豐富細膩的醫(yī)療實踐。中文電子病歷主要挑戰(zhàn)來自于數(shù)據(jù)加工，需要醫(yī)療專業(yè)人士的參與，不同科室的病歷內容差別較大，制定統(tǒng)一的數(shù)據(jù)加工規(guī)范較為困難。在數(shù)據(jù)處理能力方面，現(xiàn)有的機器學習方法尚無法達到人類的臨床決策水平。

　　目前，雖然我們初步具備了從醫(yī)療大數(shù)據(jù)中獲取知識的能力。但是，我們在心血管疾病風險預測的落地方向上，由于電子病歷數(shù)據(jù)缺乏時間信息，因此構建預測模型無從談起。醫(yī)療手環(huán)方面，我的合作伙伴朱聰慧老師團隊嘗試了幾款國內品牌的手環(huán)，總的結論是問題多，不實用。在研究方面，我們從中文電子病歷中提取的知識的形式還比較單一，其精細化程度和個性化的程度還達不到臨床應用的水準，特別是醫(yī)療知識的提取量還遠遠不足，我們目前已經開始了新形式知識表示的研究以及知識量的積累工作。

　　醫(yī)療行業(yè)規(guī)則與禁忌

　　人命關天。醫(yī)療是事關生死的高風險行業(yè)。所謂規(guī)則與禁忌，是指人們在長期的醫(yī)療實踐中為降低醫(yī)療實踐的風險而積累的對人們在醫(yī)療過程中的行為進行約束的規(guī)定。這些規(guī)則與禁忌在有效地降低了醫(yī)療活動的風險的同時，也對新技術的采用產生限制、阻礙甚至排斥的作用。通常疾病的風險越大，規(guī)則和禁忌越多，集中體現(xiàn)在各種各樣臨床指南中。這些指南不僅卷軼浩繁而且不斷更新，不僅給醫(yī)療AI帶來了不斷增加的醫(yī)療大數(shù)據(jù)的壓力，而且抑制了醫(yī)療AI的落地。

　　由于我們在知識積累的數(shù)量方面尚有巨大的差距，因此，我們下一步工作的重點是積累知識，我們制定了三年規(guī)劃。計劃將研究室構建的語料庫規(guī)模擴大一倍，與此同時啟動醫(yī)療本體資源的建設，將疾病相關的規(guī)則與禁忌也納入到本體建設的內容中?？紤]到心血管疾病的風險以及規(guī)則與禁忌的挑戰(zhàn)，加上前面提到的兩個原因，我們將心血管疾病預警的落地計劃轉向面向用戶的健康推薦系統(tǒng)的落地方向。

　　值得慶幸的是，今年七月，國務院印發(fā)了“新一代人工智能發(fā)展規(guī)劃”，提出到2025年初步建立人工智能法律法規(guī)、倫理規(guī)范和政策體系，形成人工智能安全評估和管控能力。到那時，醫(yī)療AI受到的來自醫(yī)療行業(yè)的規(guī)則與禁忌的阻力將大大減弱。

　　按量收費

　　不遠的將來，假設技術手段已經發(fā)展到足以應付醫(yī)療大數(shù)據(jù)的挑戰(zhàn)，在醫(yī)療決策中已經達到或超過了人類智能。假設醫(yī)療AI突破了重重規(guī)則禁忌的束縛，開始為醫(yī)生的日常工作提供智能服務。醫(yī)療AI就可以順利落地了嗎?其實，還有一個難以克服的障礙在等待著它，這個障礙，在相當長的時間內是無法克服的。這就是按量收費。

　　所謂按量收費，是指按照醫(yī)療服務的數(shù)量來收費，而非按照醫(yī)療服務的質量收費。根據(jù)這種收費模式，對患者更多的檢查或者過度的治療將使醫(yī)生以及醫(yī)生所在的醫(yī)院獲得更多利益。有趣的是，調查顯示，如果患者是公費醫(yī)療而非自費，患者也樂于做更多的檢查，買更多更貴的藥品以獲得心理的滿足感。

　　在智能診療方面，我們也在尋找新的落地點，最好能夠選擇風險相對較低的疾病，從而盡可能地避開行業(yè)中的各種規(guī)則與禁忌，更不能妨礙醫(yī)生掙錢，而是應該通過引入醫(yī)療AI讓醫(yī)生能夠光明正大而又盡可能輕松愉快地獲利?，F(xiàn)在有一個初步的計劃，我在這里提一下，想聽聽大家的意見。我們想構建一款針對皮膚病遠程診療的微信小程序，供單個醫(yī)生在其朋友圈中使用。選擇皮膚病是因為皮膚病人人都有，且危險性不大?？梢酝ㄟ^網上對話以及上傳病患圖片確定大多數(shù)皮膚疾病，也免去了患者為一點點肌膚之患跑醫(yī)院的麻煩。供單個醫(yī)生在朋友圈中使用，使人們自然地通過微信中的互信關系進行醫(yī)患互動。這種小程序在專業(yè)醫(yī)生中推廣之后，既可以給醫(yī)生帶來收入，也可以使我們積累一定的皮膚病相關醫(yī)療文本和圖片。可以利用我們在智能診療方面的積累以及皮膚科的數(shù)據(jù)訓練我們的AI模型，在AI模型達到一定的準確度的情況下，在專業(yè)醫(yī)生的授權下，可以代替醫(yī)生自動進行皮膚病的診療。

　　由此可見，醫(yī)療大數(shù)據(jù)、規(guī)則與禁忌、按量收費，橫亙在所有志在讓醫(yī)療AI落地的朋友們面前。一座比一座更加險峻。這個出發(fā)時看上去很接地氣的研究方向恰恰落地是最為艱難的。但是，正是這種艱難，決定了醫(yī)療AI的一點點真正落地的進步，都將對保障全社會人們的健康發(fā)揮積極的作用，都將產生深遠的社會影響。

　　最后，關毅教授對于醫(yī)療AI的落地進行了自己的建議：首先，每一個醫(yī)療AI的研究者都要自覺地向落地的方向努力奮斗，因為沒有落地的頂天全都是浮云?？瓷先釤狒[鬧、轟轟烈烈、有時甚至能夠擋住太陽的光輝，但風一吹就會消散得無影無蹤。其次，不能低估醫(yī)療大數(shù)據(jù)的挑戰(zhàn)和高估AI的能力。AI技術的發(fā)展還處于比較初級的階段，翻越醫(yī)療大數(shù)據(jù)的山峰尚需時日。不能做不切實際的樂觀估計，而要做扎扎實實，數(shù)十年如一日的艱苦努力。第三，醫(yī)療AI助力醫(yī)療行業(yè)已經是大勢所趨，醫(yī)療行業(yè)只能迅速適應這個變化，揚棄舊的規(guī)則與禁忌，為醫(yī)療AI提供發(fā)展空間，并借此獲得高速發(fā)展的機遇。第四，只有按質付費才能使醫(yī)療AI真正有落地的機會。