醫學人工智慧本土化，路在何方

5月27日上午，中國圍棋手柯潔與人工智慧AlphaGo的第三局棋就將開始。作為三番棋戰，雖然柯潔在這場中國圍棋峰會人機大戰中註定無法「屠狗」成功了，但人工智慧給人們帶來的震撼一點不比去年韓國棋手李世石與其的五場大戰。

下棋充滿噱頭，但註定只是副業。Alphabet執行董事長施密特就表示，最看好人工智慧在醫療領域的應用和前景。

把時鐘往回撥幾天。近日總部位於美國德克薩斯州的MAP公司將IBM Watosn的認知計算工具應用於其Recovery Network Platform平台，以改善對於藥物濫用患者風險模型的計算，從而更有針對性的為患者提供服務。

從腫瘤診療到藥物研發、藥品濫用，人工智慧似乎無處不在地滲入醫療領域。這不禁讓人思考，我們離人工智慧在醫藥領域的全面應用究竟有多遠。

看上去很近

在美國每年有12.5萬人死於藥物成癮和濫用，每年造成的經濟負擔高達7000億美元。超過2250萬美國人需要在這方面接受幫助和治療，現實卻只有260萬人的得到治療。目前，很多治療方案無法在患者在發生急症時給出解決方案，而且在長期治療項目方面缺乏數據收集標準。MAP的目標，就是通過技術手段，更好地了解患者在治療期間複發的風險。

MAP公司指出，傳統風險模型計算工具無法準確讀取患者病歷中的非結構數據，分析結果不夠準確，而這正是IBM Watson認知計算工具可以幫助改進的方面。

事實上，這並不是IBM Watson初次涉及藥物濫用領域。上個月，IBM Watson剛與Lief Therapeutics合作，參與檢測藥物濫用患者的焦慮程度。今年二月份IBM Watson也與Intent Solutions達成了合作協議，利用Intent的智能給葯器來監督藥物濫用患者的依從性。

中國政府對於人工智慧的發展高度關注。李克強總理2017年所做的政府工作報告中首次涉及了「人工智慧」，強調要加快我國人工智慧方面的技術研究與轉換，推動人工智慧技術的落地使用。今年2月份，國家衛生計生委也在其印發的《造血幹細胞移植技術管理規範（2017年版）等15個「限制臨床應用」醫療技術管理規範和質量控制指標》中》發布了《人工智慧輔助診斷技術管理規範》與《人工智慧輔助治療技術管理規範》及配套的臨床應用控制指標。

市場對於人工智慧的發展也一直保持了較高的熱度。2016年8月份杭州認知網路科技有限公司作為IBM Watson 腫瘤解決方案（IBM Watson for Oncology）的運營代理合作商就與21所中國醫院達成了合作意向，旨在利用IBM Watson腫瘤解決方案為中國患者提供更好的個性化腫瘤治療方案。今年3月百洋智能科技也正式成為了Watson Health（沃森健康）中國地區的戰略合作夥伴，顯示了國內對人工智慧在醫療領域最成熟應用Watson的極大熱情。

其實還挺遠

不過事實上，人工智慧在醫藥領域的應用並不僅也不應局限於輔助診斷與治療。僅用上文提到的IBM Watson舉例，它的應用範圍遠大於輔助醫療診斷和輔助治療。

IBM Watson在健康方面的應用集中於五大領域，分別是生命科學（Life Science），上文提到的腫瘤治療（Oncology），基於價值的醫療服務（Value-based care）, 政府領域（Government）和醫療影像（Imaging）都只是其中一部分。而具體的應用則包括研發新葯，重塑醫療服務流程，提升患者安全，增加患者參與度，控制醫療費用等等。過度關注輔助診斷與治療，不僅局限了人工智慧在醫藥領域的應用範圍，還有可能造成技術驅動的醫療費用上漲等負面後果。

醫療人工智慧本土化在何方

2017年5月國務院辦公廳印發了《深化醫藥衛生體制改革2017年重點工作任務》。其中明確指出「2017年，全國公立醫院醫療費用平均增長幅度控制在10%以下」，「開展按疾病診斷相關分組（DRG是）付費試點」，「制訂200個左右臨床路徑」，這都是醫療人工智慧在中國本土化可以積極探索的方向。

隨著經濟水平發展和科技進步，醫療費用的增長是不可避免的。而由於歷史發展的原因，我國醫療費用增長主要集中在藥品的不合理支出，而如何發現、審查和制止藥品費用不合理之處，是醫改中的重中之重。目前我國醫改對於藥品不合理支出的管理方向主要集中於藥品流通，通過「零差價」等手段抑製藥品費用上漲。而事實上，如果我們能利用人工智慧在非結構化數據分析上的優勢，審核藥品處方的合理性並進行監管，則可以更好的控制藥品費用的上漲，從而控制我國醫療總費用的上漲。

比如，國內的海虹控股等公司已經在這方面有所布局。去年底，海虹控股在海口發布了其第一款智能醫療產品，並首次對外透露人工智慧戰略。發明AlphaGo的DeepMind公司，其核心醫療板塊DeepMind Health與NHS（英國醫保）也再次公告合作，要在5年內建成全新的人工智慧臨床信息系統。

但對於中國這樣規模的市場，擁有技術優勢的公司還是大有可為的。同理，基於DRGs付費和臨床路徑的制定都需要大量基於非結構化數據的分析，類似於IBM Watson的公司可以積極探索中國市場在這方面的可能性，而不僅僅將眼光局限於臨床治療與診斷。

總體來說，在當前的情況下，人工智慧在中國醫藥領域的發展更多取決於與政府合作的深度與廣度。人工智慧的核心是基於機器學習，高質量的數據是其發展的根本。如果可以通過和政府合作獲取到高質量的數據，並且通過強大的機器學習能力為中國醫改提供更好的解決方案，則會達成雙贏的局面。

作者 |田格媛

GIF/12K

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！