圓桌討論：人工智慧及大數據在醫療領域的應用

2017年9月1日至3日，由蘇州生物醫藥產業園(BioBAY)牽手中國醫療器械行業協會主辦的第七屆中國醫療器械高峰論壇(Device China 2017)在蘇州獨墅湖畔拉開帷幕，中國醫療器械高峰論壇作為國內首個聚焦於醫療器械產業的專業高峰論壇，直擊新醫改與監管新政下的中國醫療器械創新征途。

本屆高峰論壇繼續關注中國醫療器械行業生態發展、行業政策的最新變化；同時還就新興醫用材料、心臟疾病的介入治療及其延伸和擴展、精準醫療等專題展開深入探討。在新醫改的新政影響下，如何讓中國醫療器械創新穩步健行，亦是此次會議上討論的重要議題。

繼《醫療技術的跨境創新及投資交易》精彩圓桌討論之後，《人工智慧及大數據在醫療領域的應用》圓桌討論再次引發現場熱烈討論。通和毓承董事總經理朱怡波作為主持人，上海利連信息科技總經理/前 IBM 大中華區醫療實驗室總經理牛耀軍，IBM中國研究院認知醫療組高級研究員倪淵博士，米喜醫療技術合伙人&CTO，前阿里巴巴平台架構師曹文炯，雲鵲醫療創始人邢菲醫學博士參與討論。以下為圓桌討論摘要。

朱怡波：可穿戴設備還有醫療媒體上面也有大健康的數據，我們今天面臨的是前所未有的海量資料庫。在這個基礎上誰能夠擁有這些數據？誰能夠有權利使用這些數據？誰有權利對這個數據分析、挖掘，能夠產生什麼樣的產出？運用到什麼場景當中去？這是今天要關注的話題。今天請到的嘉賓來自不同的機構，有些人代表數據的採集，有些人代表數據的使用方，有些人是醫療IT技術的背景，也有人跟臨床方面更加接近一些。接下來請他們從不同的角度分享一下他們對於同樣一個話題怎麼看待的。

牛耀軍：我叫牛耀軍，去年9月份離開IBM，在IBM技術領域也是元老級的人物，那個時候在整個大中華區的技術人員不超過100人。之後在IBM這一段時間，因為當年還沒有大數據的概念，08年以前在醫院互聯互通大數據中心。真正在醫療裡面才有大數據，之後也參與了IBM明星級的產品，崗位上也做過IBM大中華區的助理，目前是關注在醫療大數據處理和醫療風險這樣相關的領域。

倪淵：大家好，我是倪淵，IBM中國研究院認知醫療組的研究員，我參與了IBM開發新的機器人。能夠跟人做辯論，有說服人能力的機器人是我們的技術方向。我們把跟人工智慧相關的技術應用到醫療領域，我們在中國一些合作，之後跟大家有一些分享。

曹文炯：我是曹文炯，我是米喜醫療技術合伙人，我們主要有三個點，一個是更好的醫療資源的匹配；第二個就是怎麼樣關注診療檔案和健康檔案數據的隱私和利用；還有一塊是全科診療的路徑。謝謝大家。

邢菲：大家好，我是邢菲，雲鵲醫療創始人，我們的願景是讓他們成為更好的家庭醫生。我是學醫的，對人工智慧電腦這一塊完全不了解的。我們進入了行業之後，從醫療和慢病這一塊，有海量的數據。數據之後怎麼來用？我們有很多關於這一塊的設想，等一會可以展開，從設想到中間的路徑差的很多，這個數據不是很完整的。

朱怡波：你們覺得5到10年人工智慧在我們行業扮演什麼角色？是不是真的會像科幻電影一樣，有一天機器人可以代替所有的醫護人員來提供專業服務？請各位談一下這方面的看法。

牛耀軍：提到機器人醫生，大家就會想到大白，24小時的機器人，我也是非常的期待，有這樣的一個醫生，我有任何的健康問題疾病問題能夠幫我解答。

回到現實裡面，我們如果拿人工智慧和器械、葯來比，到臨床、到產品化這個階段，很多的人工智慧技術現在還處在科研階段，因為一些政策上面的原因，有些商業閉環還在探索。在未來5到10年裡面，可以期待一個住院醫師水平的機器人出現，在專科裡面會有一個高品質的機器人的醫生，在此之前我認為是人機通行的，機器人應該是幫助我們醫生，起到輔助的作用。

倪淵：我們作為技術人員參加過很多這樣的討論，經常被問到你覺得人工智慧哪一天可以代替醫生或者護士？做技術的人比較悲觀，沒有非技術人員的或者媒體這麼樂觀，真正做技術的人你會發現裡面有很大的挑戰，不是說這個技術不行。我們技術還是要做，分為4個階段，從預防、診斷、治療、疾病管理，每個領域裡面都有人工智慧在起作用，幫助人提高技能。我們做風險預測，基於大數據建的風險模型，我們把這個提高到很大一部分。我們在疾病診斷領域，大家可以看到在影像領域，很多通過計算機讀影像片子。

患者的管理，兩位都是做全科醫療的，我們IBM也是做全科醫療，我們很多全科的醫生，我們會對患者進行隨訪，我們在想機器人能夠替代醫生做一些隨訪，問一些健康方面的問題，而且有一些回復。其實都有一些試點在做這些事。這些領域5到10年，我們可以看到一些可以替代一部分醫生工作或者醫生重複性工作的人工智慧進入到醫療領域。

曹文炯：我們這個時代往前再倒推200年的時候，有前三次工業革命，從蒸汽時代，到電器時代，到計算機時代，引發了各種高科技的變革，每兩個年代之間有一些東西是遞進式的，電氣時代我們解決了飛機，汽車，先做的輔助，然後做慢慢的替代，然後是顛覆，這三個階段如果用一種方式來看，輔助的階段在增強，而替代的那個階段在優化成本。

為什麼從2000年左右大數據跟人工智慧開始起來了，因為有很多的成本在降，包括存儲，寬頻和計算能力等。再往後看5年10年，最近張守晟博士發現天使粒子，對量子計算機開始穩定使用，是非常大的基礎，量子演算法，某一瞬間得出來的性能優化跟傳統的PC比起來，是10的8次方。這是非常大的數字，現在的科技來看當量子計算機變成現實的時候，我們會改變很多看問題的角度，以往我們想很多的東西，到大數據年代的時候我們突然不想了。

5年後的醫療，應該從現在這個階段往前走一步，現在只是輔助，接下來是更好的人工智慧幫我們做部分的決策，而這個決策最後需要人類做一個最終的判決。第一個階段是苦力活被替代了，然後是判斷，再往後是顛覆。5年以後可能會發生大量的替代，這種大量替代下，醫生和護士稀缺的資源會被利用起來。現在人工智慧很難做的就是理解人類的感情，幽默感，悲傷感。

朱怡波：可不可以給我們分享一下具體是什麼數據？你們作為數據的收集方和運營方，你們希望看到這些數據得到什麼樣的應用和產出？

邢菲：剛才幾位都是技術的大牛，從技術這邊考慮哪一塊技術走到最前，我們作為醫療的創新企業來講，我們更關注基層醫療的應用點，或者他們的痛點。其實在基層這一塊，可能那些東西並沒有那麼大的用途，醫生有那些機器，但是他們不知道怎麼讀。人工智慧這一塊能夠解決已有的這些東西。

我們一開始不是技術積累，而是服務，其實看下來從宏觀來講慢病這一塊工作做的更好，政府這一塊想推到基層，基層積累了大量的慢病，包括長期的數據，很多小孩從每一次打預防針都在這裡，可是它並不垂直。我可以看到一大片人打預防針，或者是各式各樣的數據，但是並不專業。人工機器研究還是有一定的壁壘。

朱怡波：日常收集的數字怎麼變成結構化的數據，這些結構化的數據，從基層醫療公司的AI和你們自己怎麼使用這些數據的？

曹文炯：存下來的只是數據而不是數字，從結構化也好，或者從可用性也好，還是需要往前走一步的。我認為優先做的是醫生能夠有更好的IT化體驗，更高效地完成他的事情。對於全科來說，他們的業務水平，可能相對來說需要提升，他們有這個心態去服務，意味著以前的系統，需要針對自己的一類系統做管理。後面所有的AI化，讓醫生能夠容易的把業務跑的更順。

朱怡波：我們在座的兩位已經做了風險模型預測和搭建方面的工作，你們做這些模型的時候數據怎麼來的？怎麼把這些數據整理出你們想要的數據？

牛耀軍：其實談到醫療大數據，有一家醫院講的廣東話，有一家醫院講的上海話，標準不統一。有數據質量，還有數據的缺失的問題，某一個時間點切開了數據沒有了。一開始患者來的時候基於有限的信息做一個假設，根據這個假設再收集更多的數據，來肯定或者否定這個假設。我們把這個時間點往小的說，院前、院中、院後，院中所有的數據都有時效性，都有稀缺性。

醫療大數據我覺得比較有價值的在院中，院後的隨訪，各種條件依從性，可能和健康的數據價值不是很大。如果關注院中這一塊，我們去收集到這些數據，來訓練一個所謂的疾病模型。這樣一份工作，可能比一般的工程應用類都要深。到今天我們好像換了一套演算法，基於傳統的小數據訓練來說，甚至一些回歸模型有什麼區別，它是一個面向群體的患者，它數據的緯度，用這種邏輯回歸，到今天來說借用醫藥的數據，在你臨床的過程中，把患者他在臨床治療和診斷的過程中，所有的數據拿回來，它的緯度會非常多，有數據稀缺的問題，我做出來的模型可能更精準，患者的群體，有可能會更精準到個人。

做的過程當中不用太沉迷於數據當中，我們做特徵工程的時候，要大量的借鑒現在有的臨床指南和不同醫院的專家知識，得到這種特徵工程，然後再拿我的數據訓練，訓練出來以後還要把它跟我們的專家知識做進一步的融合，現在在國內的醫院數據有一個最大的問題，大家很難拿到一起，都是單獨的狀態，在A醫院訓練的是A大夫的經驗，B醫院訓練的是B大夫的經驗。

引出來一個話題，我們真正的人工智慧演算法，怎麼是有效的，不是跟醫生對比，而是用你這個演算法以後，依從性好，腫瘤可以提高5年的成活率，這是評價你有效演算法的主要途徑。

倪淵：現在醫院積累的數據是不能拿來做分析的，所有糖尿病人有30萬的時候，有血壓值，有血糖值，真正能夠用的病人只有1萬人。而我們在美國，雖然美國的系統做的比中國早很多年，但是數據質量同樣有問題。IBM上面有上千萬的數據，有40到50萬糖尿病人的數據，但是真正篩選出來以後，雖然比中國的情況好，但是也只有4、5萬，患者經常會失訪。我們都是跟各大醫院的合作，拿到他們手裡的登記庫的數據。基本上我們建這樣的模型也有2、3萬人的病人模型，收集的量在200到800的範圍內，我們用大數據做，和傳統的不一樣，他們根據醫生的經驗，挑出來十幾個來做一個模型。我們發現用我們新的方法建成的模型，精度會有很大的提高。

朱怡波：我們再討論一下法規方面，美國都有明確的規定，在中國卻缺少完備的法律體系，缺少監管。我們剛才說的這些數據，這些數據的擁有權屬於誰？誰擁有這些使用權？

牛耀軍：這些數據目前是歸醫院的，因為經常跟醫院做一些合作，從我的理解，我認為應該是患者的，現在控制權是在醫院。第二，我們現在做醫療風險的時候，能夠有一定的使用權，基於這個數據，能夠做一些模型風險預測，我們有一定的使用權。醫院法規有這樣的一些問題，從醫院的角度來說比較保守，也會擔心有一些糾紛，病案不可以到醫院隨便拿的。一旦有醫療糾紛的苗頭，趕緊把病案史該怎麼弄就怎麼弄，從醫院糾紛角度來說對這一塊比較敏感的。當然我也知道，有一些公司說清楚你的用途，可能會拿出來用，但是法律上面沒有研究過。

倪淵：在美國只要知情同意，有商業公司收集患者的數據，美國允許這些公司賣數據給其他人做分析用的。在國內這一塊比較扯不清的，以前我數據存在醫院，可能院內分析沒有問題，但是醫院不能合理的拿出來去賣，公司也沒有人說能夠拿這些數據。國家應該也在考慮，如何更合理的管理中國的病人，如何使用中國病人的數據？因為現在也有一些數據公司做這樣的數據，他們號稱病人有一個簽字同意，他們把數據收集回來，但是沒有真正的商業化使用，也期待中國的政策法規進一步明確。

邢菲：衛計委有很大的話語權的，如果真的把基層和三甲醫院打通要靠政府的能力。一個省的基層醫院，衛計委有很大的話語權，怎麼來用這個數據？有沒有可能像你剛才說的，我們利用你的數據算出來一個演算法，我們把這個數據拿出來，演算法讓醫院來用，等於說醫院是我們演算法的代理，或者一個渠道。我們有這樣一個渠道來用，在你們新的數據上做優化，這樣的模式可能更行得通。

朱怡波：我們現在看到那麼多的人工智慧初創型企業，到最後誰會來為這些服務買單呢？誰會是買單方，誰來出這個錢？

牛耀軍：其實包括兩個方面，一個是數據類的，一個是所謂的人工智慧類，買單方，醫院可能是買你的系統，專家輔助系統，或者是各種樣的系統。還有一個就是藥廠，給藥廠做一些相應的數據分析。還有就是保險，現在是醫保一統天下的情況，我覺得大概能夠做的就是醫保和醫院藥方的審核，商業化很難形成規模，商業保險從它的理賠都是處在比較弱勢的地方，不像美國，美國完全是商業保險一統天下的。

倪淵：患者也可能是買單方，沃森在很多醫院有部署，在中國有患者為沃森這樣的治療推薦報告付過錢，相當於你做一次會診。因為在美國有MCK的醫生做過訓練以後，他會告訴你哪個治療方案最靠前。現在有一些患者願意去，有些人願意買這樣的報告。在慢病管理這一塊，因為現在也有一些商業模式，比如說長期糖尿病的管理，前期可能送血糖儀，之後需要患者一年，大概出幾百塊加入，如果真的給患者帶來這樣的收益的話，我自己現在也在用一些付費諮詢。如果人工智慧能夠給患者提供比較專業的經驗，能夠管理患者，有一些患者願意為這方面買單的。

第二個是政府，基層醫療，如果我們真正有一個系統可以去減輕社區醫生的負擔，我感覺政府會為這個買單的。

曹文炯：我們的認知是未來醫生會更傾向於，特別是基層全科醫生更傾向於自由職業，壓低單價，對於用戶來說出的錢更少。我也認為一些駐地的業務，特別是藥廠器械，還有保險，保險是比較遠期的事情。

邢菲：還是看這個產品的價值，剛才說的病人買單，我能夠想到的並不是人工智慧，是基因檢測這一塊，它算一個人工智慧嗎？並不是，它根據人的基因和大量的基因數據，提供了很多，患者願意為這一塊買單。這個緯度之後可能會加起來，根據基因的信息，然後再加上可穿戴的信息，然後你生活的信息，或者是病例這一塊，對人的需求分析變成可預測的，病人可能有買單的意願。

現場互動提問：想問幾位技術專家，特別是慢病管理這一塊，目前人工智慧什麼樣子？

倪淵：我們不能依賴於人工做這樣的一個隨訪，我們會開發一個基於人工智慧的機器人，基於微信提供這樣的服務，院後主要是說你後來沒有吃這個葯，比如說你現在血壓值多少？血糖值多少？我們認為人工智慧可以做到很開放的聊天，而不是封閉的，人工智慧可以做這樣的，我們很快有一些試點，醫院的隨訪可以用人工智慧。院前可以通過一些調查補充生活習慣的數據。

朱怡波：由於時間關係各位可以到台下跟各位嘉賓交流，我們這個環節結束，謝謝各位。

備註：以上演講摘要，根據現場實錄整理，未經嘉賓審核。

關於BioBAY

蘇州生物醫藥產業園(BioBAY)從開園至今已歷經十年發展，以「專註、聯合、創新」的態度，努力構建全球最好的生物產業生態圈。目前有460餘家企業入駐，10000餘名生物醫藥專業人才就業，其中集聚了60位國家千人，形成了新葯創製、醫療器械、生物技術等特色產業集群。而在醫療器械領域，目前園內8家醫療器械企業的9個產品已經進入國家醫療器械創新產品審批「綠色通道」，佔蘇州市的82%，占江蘇省的50%。另外還有12家企業拿到歐盟CE認證，威盛納斯拿到了FDA認證。預計隨著研發投入的不斷增加、臨床試驗的加快推進和新品的逐步上市銷售，企業經濟效益將實現持續提升，近年園區生物醫藥產業將呈現爆髮式成長態勢。

本網站所有註明「來源：生物探索」的文字、圖片和音視頻資料，版權均屬於生物探索所有，其他平台轉載需得到授權。本網所有轉載文章系出於傳遞更多信息之目的，且明確註明來源和作者，不希望被轉載的媒體或個人可與我們聯繫(editor@biodiscover.com)，我們將立即進行刪除處理。所有文章僅代表作者觀點，不代表本站立場。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！