哈爾濱工業大學教授關毅：醫療AI的落地需要翻過三座大山

　　近年來，智慧醫療熱持續升溫，人工智能熱又推波助瀾，使醫療AI成為焦點中的焦點。所謂醫療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，醫療AI的落地是指讓實驗室研究的醫療AI技術真正服務于大眾。

　　11月13日，由OFweek中國高科技行業門戶、OFweek醫療科技網承辦的“OFweek 2017(第二屆)中國醫療科技大會”在深圳舉辦。哈爾濱工業大學教授/博士生導師關毅分享了哈爾濱工業大學在醫療AI落地方面的經驗和體會，為醫療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療健康信息學相關的探索。四年過去了，在醫療AI的應用方面，我們至今還沒有收獲?；仡欉@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療AI落地之難，這是我們出發時沒有料到的。”

　　關毅教授認為，醫療AI研究需要翻過三座大山。第一座大山：醫療大數據，對醫療大數據的計算機自動分析處理是醫療AI的基礎，這是我們至今未能逾越的大山;第二座大山：醫療行業大量存在的各種規則與禁忌。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。這是醫療行業國際通行的收費模式，它決定了醫療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，還需要醫療體制的改革。

　　醫療大數據的挑戰

　　醫療AI的應用已經具備了醫療大數據的充分支持。醫療大數據的挑戰主要來自四個方面：數據來源、數據質量和數據加工和數據處理能力。

　　由于我們這些年專注在中文電子病歷數據的知識挖掘，其他種類的醫療大數據尚未涉及，因此我僅談談中文電子病歷的有關情況。數據來源方面，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。在數據質量方面，需進行費時耗力的數據清洗，另外多數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療實踐。中文電子病歷主要挑戰來自于數據加工，需要醫療專業人士的參與，不同科室的病歷內容差別較大，制定統一的數據加工規范較為困難。在數據處理能力方面，現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療大數據中獲取知識的能力。但是，我們在心血管疾病風險預測的落地方向上，由于電子病歷數據缺乏時間信息，因此構建預測模型無從談起。醫療手環方面，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，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。

　　醫療行業規則與禁忌

　　人命關天。醫療是事關生死的高風險行業。所謂規則與禁忌，是指人們在長期的醫療實踐中為降低醫療實踐的風險而積累的對人們在醫療過程中的行為進行約束的規定。這些規則與禁忌在有效地降低了醫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，規則和禁忌越多，集中體現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，不僅給醫療AI帶來了不斷增加的醫療大數據的壓力，而且抑制了醫療AI的落地。

　　由于我們在知識積累的數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，我們制定了三年規劃。計劃將研究室構建的語料庫規模擴大一倍，與此同時啟動醫療本體資源的建設，將疾病相關的規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則與禁忌的挑戰，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的落地方向。

　　值得慶幸的是，今年七月，國務院印發了“新一代人工智能發展規劃”，提出到2025年初步建立人工智能法律法規、倫理規范和政策體系，形成人工智能安全評估和管控能力。到那時，醫療AI受到的來自醫療行業的規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展到足以應付醫療大數據的挑戰，在醫療決策中已經達到或超過了人類智能。假設醫療AI突破了重重規則禁忌的束縛，開始為醫生的日常工作提供智能服務。醫療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，是指按照醫療服務的數量來收費，而非按照醫療服務的質量收費。根據這種收費模式，對患者更多的檢查或者過度的治療將使醫生以及醫生所在的醫院獲得更多利益。有趣的是，調查顯示，如果患者是公費醫療而非自費，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中的各種規則與禁忌，更不能妨礙醫生掙錢，而是應該通過引入醫療AI讓醫生能夠光明正大而又盡可能輕松愉快地獲利?，F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皮膚疾病，也免去了患者為一點點肌膚之患跑醫院的麻煩。供單個醫生在朋友圈中使用，使人們自然地通過微信中的互信關系進行醫患互動。這種小程序在專業醫生中推廣之后，既可以給醫生帶來收入，也可以使我們積累一定的皮膚病相關醫療文本和圖片。可以利用我們在智能診療方面的積累以及皮膚科的數據訓練我們的AI模型，在AI模型達到一定的準確度的情況下，在專業醫生的授權下，可以代替醫生自動進行皮膚病的診療。

　　由此可見，醫療大數據、規則與禁忌、按量收費，橫亙在所有志在讓醫療AI落地的朋友們面前。一座比一座更加險峻。這個出發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，關毅教授對于醫療AI的落地進行了自己的建議：首先，每一個醫療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。看上去熱熱鬧鬧、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，不能低估醫療大數據的挑戰和高估AI的能力。AI技術的發展還處于比較初級的階段，翻越醫療大數據的山峰尚需時日。不能做不切實際的樂觀估計，而要做扎扎實實，數十年如一日的艱苦努力。第三，醫療AI助力醫療行業已經是大勢所趨，醫療行業只能迅速適應這個變化，揚棄舊的規則與禁忌，為醫療AI提供發展空間，并借此獲得高速發展的機遇。第四，只有按質付費才能使醫療AI真正有落地的機會。