阿里雲天池醫療AI大賽迎來最後決賽，醫療AI面臨哪些機遇與阻礙

記者 | 張俊瀟

用大數據和人工智慧向癌症發起挑戰

癌症是全人類共同的敵人，嚴重威脅人們的生命健康，在所有惡性腫瘤發病及死亡率的指標中肺癌均占首位，肺癌生存率與首次確診時的疾病階段高度相關。

發現肺部結節是肺癌診斷的基本步驟，結節是影像學上的一個描述性名詞，在CT影像上顯示為圓形或類圓形的病灶，有著多年臨床經驗的醫生，診斷一個病例平均需要查看200張以上的CT影像，對醫生來說，這是一項「枯燥」的重複性動作。

近些年，隨著AI、大數據技術的發展，圖像識別技術已經達到了商業化的高度，據統計有超過80%的醫療數據來自醫學影像資料，智能影像診斷有了很大的想像空間。

天池醫療AI大賽第一季順利落幕

儘管很多初創企業都扎堆在這個賽道，但依然沒有看到優秀的企業脫穎而出，真正普惠整個行業。正是在這個背景之下，今年年初，阿里雲天池聯合英特爾、零氪科技、16家全國知名三甲醫院與3千多名參賽選手，開展大數據與人工智慧技術在肺癌早期影像診斷上的應用探索，天池醫療AI大賽第一季——肺部結節智能診斷，向早期肺癌診斷髮起挑戰。

過去十個月，共有來自20個國家2887隊伍，3953名選手同台競技，吸引的團隊除了北京大學、浙江大學、上海交通大學、早稻田大學等國內外知名高校，還不乏國內專業醫療團隊參賽，如點內科技、宜遠智能、聯氪雲影、掌中全景、百納（武漢）信息等。經過激烈的角逐，只剩五支精英中的精英隊伍挺進最後的決賽階段。

為了這場規模浩大的比賽順利進行，有多方企業提供強大的動力保駕護航。數據方面，零氪聯合16家全國知名醫院為大賽提供了目前全球最大規模的2000份 「科研級胸部CT數據集」，這個數量是幾個月前國際權威肺結節檢測大賽LUNA16數據量的2倍多。

此外，零氪還與合作醫院組建了以素有「東方神眼」之稱的復旦大學附屬華東醫院張國楨教授和北京大學腫瘤醫院影像科唐磊教授等為代表的數十人的中國頂尖影像專家指導團，為大賽提供學術支持，不僅確保參賽選手拿到的數據是最頂尖、最精確的數據，也保障了大賽的學術權威性。

硬體方面，英特爾提供了第二代強融核處理器打造的高性能計算集群，保障了高強度的算力供應。

而阿里雲則提供了機器學習訓練平台，單點支持數百GB內存，每次迭代可以高速處理32張以上128x128x128甚至更大規模的3D圖片。並且阿里雲天池的實時評測工具，讓選手馬上就可以知道自己的訓練結果。

醫療行業的數據敏感性是一大難題，安全性永遠是醫院關心的首要問題。本次天池大賽，阿里雲團隊專門開發了一個數據安全的「籠子」，經過「籠子」的清洗與禁錮，可以把影像數據中的敏感數據過濾掉，並保證它們不會被泄露。

在多方技術團隊的護航下，這場「戰線」拉得如此之長的大賽，終於在10月11日2017的杭州·雲棲大會上迎來了最後的頒獎典禮來自北京大學LAB2112、上海交通大學交大點內、上海交通大學LAB518-CreedAI三組團隊位列三甲，加州大學歐文分校Omni、西安交通大學DrCubic團隊獲得極客獎。

醫療AI大賽塵埃落地，比賽過程中湧現很多技術亮點，比如選手們對3D神經網路架構的大規模使用，首次嘗試雲計算訓練方式，零氪科技對敏感數據的安全性處理等等。

零氪科技首席架構師王曉哲認為：「各團隊選手基於兩種渠道各自發展出不同的基礎模型，如果大家能從模型之外研究原始醫療本質的核心規律，並把握這些核心規律的話，就能把規律轉化成建模的方法論，會產出對臨床醫學更有價值的東西，真正利用人工智慧技術為中國的醫療事業做出貢獻。」

本次比賽的順利結束也是阿里雲天池在醫療AI向下一階段邁進的基石，阿里雲大數據事業部總經理閔萬里表示：「人們都說醫療水很深，互聯網公司不該碰這塊，不然最後會撞得頭破血流。但是這次比賽的召開堅定了我們的信念，阿里雲會持續投入醫療AI，這次是第一季，未來還有第二季、第三季，我們會堅持下去是因為這不是一個商業行為，其價值和意義是難以計算的。」

本次大賽是阿里雲一次「吃螃蟹」的行為，儘管阿里雲方面表示會堅定不移地走下去，但有關醫療AI的爭論從來都沒有停止過，事實上本次大賽進行的過程中遇到過的困難和挑戰，都是行業內正在經歷的集體痛點與掙扎。

機器到底能不能取代人類醫生？

本次天池醫療AI大賽彙集了技術工作者和醫療工作者兩個「方面軍」的群體，有很強的「隱喻」作用，AI和醫療到底是一種什麼關係呢？

北京大學腫瘤醫院影像科副主任唐磊教授反映，他的一個碩士生曾無比憂慮地問他：「將來我會不會被機器取代而失業？」

這位學生並不是杞人憂天，隨著AI技術的快速發展，這種觀點在近些年甚囂塵上，很有市場。

先來看技術工作者這邊，來自上海交通大學的LAB518-CreedAI團隊在此次大賽中獲得季軍，成員楊健程在接受數據猿的採訪中說道：「機器和人類醫生在診斷肺部結節的工作屬性雖然很接近，但是工作思路卻完全不同。當醫生去判斷肺部是否出現問題時，他是知道正常組織應該長什麼樣子的，當有異於常態的組織出現，他就可以認定肺部出現了問題。

而機器工作的邏輯是，它事先並不清楚哪些是正常組織，哪些是結節，它所做的工作需要將兩者分別區分開來。機器區別兩者的依據， 都是基於人類過去積累的大量經驗數據，也就是說機器能做的事人類都能做。」

來自加州大學的湯豪也認為：「機器的上限就是人，不可能會超過人，它的使命就是成為一名人類合格的助手。」

技術工作者的態度倒是很謙虛，沒有了過去兩年動不動就喊出革命、顛覆、取代等口號的「熱血」了，接下來我們再來聽聽醫生的態度。

唐磊教授也認為，機器目前還有很大的局限性，在技術層面還不夠成熟，他看了一個獲獎團隊的報告，總共發現了65例漏診，接近總數的三分之一，表現要遠遜於一名成熟的醫生。

而且機器永遠沒有辦法繞開一個終極問題——缺乏人類之間基本的人文關懷。AI看的是病，醫生看的是病人。醫學界流傳這樣的一句名言，對於絕大多數病症，醫生有時去治癒，常常去幫助，總是去安慰。

病人是需要安慰和鼓勵的，但機器做不到這一點。而且人工智慧其實只是人類心智的延伸，無法真正取代大腦，人工智慧只能是線性思考，而沒有交叉思維的能力。唐磊教授用了一個形象的比喻說：「馬奔跑的速度比人快，在奔跑速度這個維度上人不如馬，但是馬跑再快也不能去送外賣，因為換了一個維度，它就無能為力了，馬的處境就是當下AI發展的真實寫照。」

技術工作者和醫生在這個問題上達成了共識，機器不可能超越人，機器只能用來為醫生服務。

唐磊教授說：「縱觀影像科技的發展歷程，從2000年前望聞問切，到之後的聽診器，1895年的X線，1971年的CT，再到1980年磁共振問世，影像技術一直在變，但看圖像的主體卻沒有發生變化，一直都是人看，然後做出主觀判斷。

現在是否可以有個觀念轉變，讓機器來幫人看圖像呢？」

AI技術的發展能夠幫助醫生很快找到病灶區域，把醫生從重複和單調的勞動中解放出來，而醫生就可以去做更有價值的事情。

是「誰」在阻礙醫療AI的發展

儘管從業人員和大眾對醫療AI的發展前景均保持樂觀態度，但目前行業的發展也正面臨著諸多的阻礙和考驗。

首先，現階段無法保證高質量數據的大量供給。我國的醫療影像仍處於從傳統膠片向電子數據過渡的階段，大量影像資料尚未完成數字化，而且醫療數據屬於極度敏感的數據，醫院之間的數據共享和互通程度較低，獲取大規模高質量的數據對企業來說是一個很大的考驗。

其次，現存醫療體系運行多年，已經建立了一套穩定的運作流程，也相應產生了很多利益團體，AI對醫院來說就是一隻闖入房子的大象，原來的規則會被撞散，況且醫療AI在技術上至少在目前還沒有真正取信與醫院和大眾。

從這次的競賽其實就可以窺見到，選手們對結節也僅僅是概念上的理解，沒有觸及更深層次的程度，而一個對醫療完全陌生的技術工作者很難說服醫生使用自己的產品。

當然，以上諸多問題很多都是行業的集體痛點，需要更多時間和智慧才能改善。阿里雲天池舉辦的大賽，為醫療AI的發展探索邁出了重要一步，大賽以解決具體需求為切入點，利用技術能力實現產品落地，距離商業模式落地也僅僅是一步之遙，眼下醫療AI的商業化進程一直難以打開局面，阿里雲天池在技術上的探索已經頗有心得，如何助力醫療AI企業尋找高效的商業化模式，也許會是未來的研究方向。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！