AI医疗落地仍存难点：企业不知何时能赚钱？

新的一年中，人工智能（AI）与医疗的结合会取得什么进步，落地还有哪些难点？

在3日举办的“协同创新高峰论坛·AI医疗专题研讨会”上，AI辅助诊断与疾病预测、AI大数据开放与共享、医药医疗器械的AI应用等话题成为参会人士探讨重点。

首先，医疗影像大数据的获取及标注是源头。在上海第十人民医院急诊科副主任彭沪看来，医疗影像数据的标注一方面在于标注人员的专业度，这需要由影像医生在实际工作中遇到案例直接进行标注；另一方面，将数据服务器设在院内还是院外涉及到网络安全的问题。

其次，如何界定AI进行疾病诊断与预测的准确性与权威性？华东医院信息科主任冯杰认为，由于疾病诊疗方式有差异、专家之间达成医疗共识也较为困难，因此，这一领域目前为止，亟待形成标准化的测试数据集，帮助疾病诊断与预测应用准确性与权威性的验证。

冯杰还提到，为使得AI诊断与预测更高效，需要联盟、企业等主体的多方介入。

“比如，我院正在参与中国胸痛联盟的项目中，该项目中的第三方资金在与临床医生达成共识之下，可以共建一种标准，来帮助医院做标准化转换，或者形成多中心来推动三、四期临床新药研究。”冯杰说，“药企的介入，可以加快临床速度；而也有一些保险公司可以参与进来，解决一些合规性的问题。”

那么，AI企业青睐何种数据？又有哪些经验值得借鉴？“对于医疗数据，我们还是希望获取一些如三甲医院的数据、罕见病的数据以及常见病的不同诊断等数据，以此让机器进行更好地学习。” 科大讯飞医疗副总裁刘洋告诉第一财经记者。目前，科大讯飞医疗为医院提供语音录入和辅助诊疗系统，以期实现区域数据整合。

刘洋认为，AI医疗的数据拆解模式更像是解读方言。“正如我们科大讯飞在转化各地方言一样，医疗数据尽管各不相同，但可以在搜索上为其设置‘前置选项’。以我国肿瘤诊断设备来看，飞利浦、东软等头部几家掌握了大部分的医疗数据，更难懂的其实是对文字的解读。”

再次，基于AI医疗下的数据开放与共享也备受关注。东华大学计算机应用系教授李继云表示，“医疗数据确权、医疗信息公司如何对数据进行风控、软件层面如何控制数据访问，以及医疗数据是否可以通过区块链方式分布都是接下来的关注重点。”

李继云等专家的普遍共识认为，无论是数据确权还是区块链方式，应该先发展，将这些内容在小范围内先做起来；然后在此过程中去完善相关的利益。

“数据来源还存在法律法规的限制，由于这涉及到安全性、隐私等问题，所以国家还迟迟未能开放。”上海交大医工学院教授殷卫海说。

殷卫海同时表示，AI医疗应用另一大痛点，也在于药监局的审批。“目前，我国几乎还未能有AI医疗品被审批通过。”

“由于我们医工学院也在做相关产品，压力实在太大了；产品天天在烧钱，也不知道什么时候会赚钱，企业生存堪忧。”殷卫海也正在酝酿一个由上海申康医院医疗发展中心（数据掌握方）、各医院（数据产生方）、企业（数据使用方）多方协同的运作模式；该模式下，各方主体诉求将极大被满足，AI医疗也将高效发展。

上海申康医院发展中心医联中心主任何萍表示，将借助上海人工智能发展联盟医疗专委会的专业平台，以季度或月度举办医疗AI专题会，深入探讨医疗人工智能的焦点主题和热点问题，进一步促进医疗机构建设智慧医院，持续提升区域医疗服务能级，共同推动人工智能医疗产业创新发展，更好满足居民日益增长的健康需求。