AI醫(yī)療是AI技術(shù)運(yùn)用最廣泛也較為成熟的領(lǐng)域，但伴隨爭(zhēng)議聲越來(lái)越大，看好者認(rèn)為AI能幫助解決醫(yī)療資源缺乏的問(wèn)題，并能提高醫(yī)生工作效率，從而創(chuàng)造價(jià)值；唱衰者則質(zhì)疑其同質(zhì)化嚴(yán)重，落地進(jìn)程極為緩慢。難道AI醫(yī)療走入死胡同了嗎？

“在我接觸以及同行交流中發(fā)現(xiàn)，通常做AI醫(yī)療的企業(yè)，都有肺結(jié)節(jié)篩查產(chǎn)品”，暨南大學(xué)附屬第一醫(yī)院放射科主任張水興教授也有類似感受，“像我們科室除了AI輔助肺結(jié)節(jié)篩查，還有乳腺癌鉬靶篩查、骨齡篩查。同時(shí)，正與AI企業(yè)開(kāi)展甲狀腺結(jié)節(jié)篩查研究”。這兩年不少AI醫(yī)療企業(yè)來(lái)登門推廣自己的影像產(chǎn)品，記者采訪過(guò)程中又有一家來(lái)敲門。

對(duì)比中美AI醫(yī)療公司業(yè)務(wù)布局可見(jiàn)，目前美國(guó)醫(yī)療AI企業(yè)行業(yè)分布較廣泛，而中國(guó)醫(yī)療AI企業(yè)大多集中在影像方面。根據(jù)估算，目前國(guó)內(nèi)1500多家AI公司中，從事醫(yī)學(xué)影像的公司有130家以上。肺結(jié)節(jié)篩查診斷賽道上玩家眾多，既有阿里、騰訊等行業(yè)巨頭的身影，也有零氪科技、深睿醫(yī)療、圖瑪深維、匯醫(yī)慧影等已經(jīng)過(guò)多輪融資的頭部創(chuàng)業(yè)公司。為什么大家都扎堆肺結(jié)節(jié)篩查？在張水興看來(lái)，對(duì)于科技企業(yè)來(lái)說(shuō)，肺結(jié)節(jié)篩查可謂入門級(jí)別。

這樣的場(chǎng)景想必不少人似曾相識(shí)：張阿姨體檢結(jié)果顯示肺上有一個(gè)8mm的小結(jié)節(jié)，醫(yī)生告知肺結(jié)節(jié)有良惡之分，良性的話通過(guò)服藥可控甚至無(wú)需治療，但若為惡性則需立即切除，可能形成肺癌危及生命。令人糾結(jié)的是，既怕錯(cuò)把肺癌當(dāng)良性疾病，耽誤最佳治療時(shí)機(jī)；也怕貿(mào)然手術(shù)白挨一刀，影響肺功能，降低生活質(zhì)量。一個(gè)結(jié)節(jié)讓張阿姨整日憂心忡忡，寢食難安。

一位影像AI領(lǐng)域從業(yè)者向記者透露，隨著高分辨率CT的廣泛使用以及公眾對(duì)體檢的重視，肺部結(jié)節(jié)愈來(lái)愈成為臨床常見(jiàn)問(wèn)題，公開(kāi)數(shù)據(jù)也較多。如果是惡性肺結(jié)節(jié)，就提示患癌的風(fēng)險(xiǎn)。所以AI企業(yè)在肺結(jié)節(jié)領(lǐng)域很容易出產(chǎn)品，收效周期短，就更有希望轉(zhuǎn)換成經(jīng)濟(jì)效益。像肝癌就少有人觸及，一是肝癌影像表現(xiàn)多樣，如巨塊型、結(jié)節(jié)型、彌漫型和小癌型；二是肝癌伴有復(fù)雜肝病背景，如肝硬化、脂肪肝、酒精肝等；賽題訓(xùn)練集的各種肝癌數(shù)據(jù)不均衡，增加了判斷難度。

AI醫(yī)療企業(yè)現(xiàn)階段都在燒錢，算法五花八門，準(zhǔn)確率還有待提高，付費(fèi)場(chǎng)景尚未實(shí)現(xiàn)，張水興直言，這種情況下，能沉下心做研發(fā)的鳳毛麟角，不少企業(yè)登門只是著急向醫(yī)生推銷產(chǎn)品。國(guó)際頂級(jí)期刊《自然》近年發(fā)表的一篇題為《深度學(xué)習(xí)作為提高組織病理學(xué)診斷準(zhǔn)確性和效率的工具》的研究文章中，研究人員表示深度學(xué)習(xí)算法的靈敏度達(dá)到了100%，但假陽(yáng)性率也高達(dá)40%。

“的確，AI能發(fā)現(xiàn)越來(lái)越小的肺結(jié)節(jié)，當(dāng)醫(yī)生工作量大、工作疲勞時(shí)，AI能輕易幫忙找到3毫米以下的肺結(jié)節(jié)，但同時(shí)也存在不少假陽(yáng)性，這就需要醫(yī)生再做一次把關(guān)”，張水興表示：“我們很多AI醫(yī)療產(chǎn)品敏感性高，特異性不高”。所謂敏感性，就是指其在診斷疾病的時(shí)候不漏診的機(jī)會(huì)有多大，所謂特異性就是指該指標(biāo)在診斷某疾病時(shí)，不誤診的機(jī)會(huì)有多大。

權(quán)威雜志《放射學(xué)》（Radiology）的主編對(duì)于這個(gè)軟件系統(tǒng)給予了強(qiáng)烈批評(píng)。因?yàn)檫@個(gè)軟件系統(tǒng)到目前為止公開(kāi)的數(shù)據(jù)沒(méi)有多少，唯一可用的結(jié)果來(lái)自美國(guó)心臟協(xié)會(huì)2018年國(guó)際卒中會(huì)議的報(bào)告。該系統(tǒng)訓(xùn)練和驗(yàn)證數(shù)據(jù)來(lái)自埃默里大學(xué)醫(yī)生建立的ALADIN非公開(kāi)數(shù)據(jù)集。另外，提供了兩個(gè)神經(jīng)放射學(xué)家的名字，一位本身就在這家軟件系統(tǒng)公司工作，另外一位正規(guī)途徑查不到身份。“最重要的是它的特異性只有52%，類似于甩硬幣（的概率）”。這提醒我們的AI公司，注意資料的完整性和可索源性。

現(xiàn)在部分醫(yī)療AI產(chǎn)品過(guò)度重視算法，而忽視醫(yī)生的工作習(xí)慣和系統(tǒng)穩(wěn)定性，“在既定的訓(xùn)練數(shù)據(jù)場(chǎng)景中表現(xiàn)良好，但臨床環(huán)境更為復(fù)雜，有可能不能滿足臨床需求，只能被擱置”。一家企業(yè)若想研發(fā)AI輔診系統(tǒng)，具備處理影像、基因等多模態(tài)數(shù)據(jù)的能力，是必要條件。此外，作為系統(tǒng)科學(xué)，醫(yī)學(xué)數(shù)據(jù)邏輯、建模、分層非常復(fù)雜和豐富。只有算法專家和醫(yī)學(xué)專家深度融合，彼此聽(tīng)懂各自的“語(yǔ)言”，才能跨過(guò)醫(yī)療AI的門檻。

“算法再漂亮，不代表實(shí)際臨床中就能起效果”，張水興感慨，“我從2014年就開(kāi)始接觸AI醫(yī)學(xué)影像，并參與研發(fā)，AI企業(yè)做醫(yī)療遠(yuǎn)比大家想象的難，AI醫(yī)療不僅是一個(gè)科技領(lǐng)域，更有醫(yī)學(xué)專業(yè)的高要求”。需要在AI運(yùn)用中醫(yī)生與AI企業(yè)技術(shù)人員不斷溝通，完善產(chǎn)品，從而更好服務(wù)百姓。