人工智慧時代，醫療行業的變革與新生

4 月 27 日，GMIC 全球移動互聯網大會的生命科學高峰論壇上，首都醫科大學附屬天壇醫院的常務副院長王擁軍，向聽眾們講述了人工智慧時代下，這家以神經外科和腦疾病治療而聞名全國的三甲醫院內正在發生、即將迎來的變革與希望。

發言 王擁軍

整理 魏瀟

*本文編輯整理自王擁軍院長會場發言速記。

會議現場

天壇醫院在 2017 年 12 月成立了全球首家「神經疾病人工智慧研究中心」，能否設想一下 5 年後的天壇醫院可能出現什麼樣的改變？

王擁軍：我想五年以後天壇醫院在兩個方面會有比較大的變化。第一，很多醫生枯燥的重複性的工作將被取代，比如神經病理學診斷，以及核磁和影像學的診斷。現在人工智慧已經越來越成熟，能夠完成這些任務。天壇醫院有一個大數據和人工智慧研究中心，現在AI對腦瘤患者的核磁診斷準確率，已經能達到放射科主任級醫生的95%了。這可以為醫生把閱片的時間節省下來，讓他們騰出時間做更多的開創性工作。

第二，我們能夠做到一些在沒有人工智慧和大數據的時候做不到的事情。比如說像大家知道很多腦部疾病會導致面部表情出現變化，比如阿爾茨海默症、帕金森病病人會出現「面具臉」，在未來，人臉識別技術可以早點幫我們發現這些疾病。另外像過去不能做到的，比如說我們知道人有很多編碼基因，一個人的基因信息如果用A4紙列印的話，用的紙大概能從1層堆到11層樓，如果沒有大數據技術，如果沒有人工智慧，對我們臨床來講這是讀不懂的一部天書。所以我想五年以後，天壇醫院最早出現的是這兩類改變。

人工智慧和大數據對醫院管理和醫療決策會產生那些影響？

王擁軍：對管理來講，變化也有幾個方面。第一個方面，現在的院長可能會越來越依賴數據。現在我習慣每天早晨在數據平台上瀏覽全院的運行數據，比如說昨天多少門診量，大概人流從哪兒來，醫保的病人有多少，非醫保的病人有多少，他們大概花了多少藥費、多少檢查費，從數據平台能綜合判定整個醫院現在的醫療覆蓋能力。從大數據上可以看到我們現在 CMI（疾病難度係數）是降低了還是增高了，有沒有浪費醫療資源。此外，醫院的一些物流管理未來肯定要靠更多的機器人去完成。我們要求護士與病人溝通、做健康教育，現在我們的合作方也在開發一些健康教育的機器人，這樣能用更方便的方式來完成這項工作。

全國現在有兩萬多家公立醫院，其中 876 家是三級甲等醫院，每家三甲醫院大概每年會收治幾萬個住院病人，每個病人都有詳細的住院檔案，檔案數據中包含有 140 多個變數。過去只是看診斷結果，現在有了大數據之後，可以分析出很多過去看不到的數據。比如醫院的醫療是不是安全，我可以直接用大數據分析非正常死亡率，這就能告訴病人你這家醫院選的可能有危險。我們還可以查看北京的一個大型公立醫院是不是總是收普通患者，也就是從大數據可以提取這家醫院的 CMI，CMI 值總是低於 1 的話，這個醫院應該改成社區醫院，就不應該是大型公立醫院了。過去一個病人的治療決策大部分情況下都是根據醫生的判斷和病人自己收集到的信息來決定的，在未來我們可以根據數據決策醫療過程。

中國醫療大數據的特點是什麼？

王擁軍：中國面臨一個最大的問題就是，目前的數據質量是不太可靠的，不可靠的原因就是疾病診斷不正確。以中風病人為例，北京能夠收治中風病人的醫院是 130 家，大概每年住院病人 14 萬人，診斷正確率是 72%，另外的 28% 診斷是錯的。所以我想中國醫療大數據的下一步發展首先原始數據要准起來。北京有 28% 的診斷數據是不準的，那麼在西部、或者更偏遠的地方，肯定比 28% 要差得多。我在跟很多大數據公司談合作的時候都在強調，現在用大數據做重大決策，從我看來講是很緊張的，因為我不能相信全國來的病例是真實可用的數據。

但是，在重大慢病，中國疾病登記的數據絕對是世界一流的。這些數據是按照科研的方法收集上來的，每一個參與登記的醫院都是標準培訓過的，這是中國目前大數據最值得用的幾組數據：一個是中風（腦血管疾病領域），這個數據質量是沒有問題的。第二個是腫瘤，尤其是消化道和呼吸道腫瘤，國家數據質量原則上是沒有問題的。第三個是代謝疾病，也就是糖尿病的數據，從大概「十一五」的時候，上海國家代謝中心做了前期非常好的鋪墊，我想這三大類病至少到目前，數據質量是沒有問題的。

在醫療領域推行人工智慧和大數據應用的障礙有哪些？

王擁軍：可能改變中國醫療最大的障礙還是現有的法規。新產品如何獲批，批完之後醫保如何覆蓋等等都是問題。如果不納入醫保，這個推廣速度是極慢的，我想這是最大的障礙。如果沒有法規，後面就沒有合理收益，那這些 AI 產品的用戶就不會積極地用，醫療單位花那麼多錢去買這樣一個新產品，又帶不來一分錢的收益，開發者也賺不到錢，慢慢熱情肯定要被磨滅掉。我在各個場合都要呼籲，中國研究法規的部門可能要儘快考慮如何制定這些數據相關產品的審批和管理條例。我舉一個例子，我主攻腦中風，在病人血管狹窄的情況下，醫生要判斷是否給這個血管放支架。一個人的血流數據量能達到 600 個 G。過去都是放一個導管進去測壓，現在可以用超算產品。美國已經有心臟血流數據的超算產品獲批了，是斯坦福一個數學老師做的，這種產品在未來能夠幫助臨床解決很多問題。這個公司在前年拿到美國收費標準之後，去年成為了一個很大的上市公司。但是這種產品如果在中國有人研發，我相信 CFDA 是不會批的。我們中心在做腦血管的超算產品，但無法審批，更不知道上市後誰來給它買單，所以現在只能寫文章，變不成商品。

中國發展醫療人工智慧的優勢在哪裡？

王擁軍：中國做人工智慧跟世界上最大的區別就是數據量大，訓練人工智慧的神經網路需要龐大的數據量，對於應用於醫療診斷的人工智慧，就需要龐大的、診斷正確的訓練數據。如果醫院裡只能提供幾百個腫瘤病人的數據，AI 肯定是學不會的，而這正是中國最大的優勢。現在中國的醫療架構造成的結果是，很多複雜的病人集中在個別醫院，比如說像腫瘤病人肯定是腫瘤醫院的病人最多，不像美國那麼分散，分散之後會造成數據很難湊在一起。另外，醫院越多，數據的質量變異度越大，在一家醫院，比如神經外科手術如果在全國找一百家醫院的數據進行機器學習，學出來可能就走樣了。如果是只使用天壇醫院一家，我相信我們神經放射和神經病理大夫的水平，肯定能夠提供大量優秀的訓練數據，中國這個優勢是任何一個國家沒有的。這是中國發展醫療人工智慧最好的模式。

這會對醫院的人員構成造成影響嗎？醫生的職業會不會被 AI 搶走？

王擁軍：去年 9 月份我開始啟動這個項目的時候，第一個反對我的就是放射科主任，他覺得 AI 學會影像學診斷以後，放射科是不是就不再進人了？我從普通放射科大夫解決不了的地方入手向他解釋：患者腦中風有 30% 是由於血腫，其中大約三分之一的患者，他們的血腫部位第二天會變大繼續出血，繼續出血的情況下，一半的患者會死亡。靠放射科醫生根據影像學片子判斷繼續出血部位的正確率，只有 60%，而 AI 在讀了 1000 張片子後，就有 90% 的概率預測出腦內出血部位。如果提前一天知道這個病人會加重的話，我們就提前一天採取措施。放射科做完這個課題後嘗到甜頭了，下一個月就開始配合做各種腦瘤。

我也想通過這個平台跟年輕大夫說一聲不用擔心，因為整個醫學這幾百年的進步，其實一大半是來自於數據和物理的進步。數學和物理的進步也是對醫學巨大的挑戰。早期的諾貝爾獎獲得者醫生並不多，基本都是物理學家、化學家等基礎科學研究者。新技術的出現肯定會給醫學帶來巨大的變革，但也會帶來新的方便，更能帶來醫療水平和醫療效果的提高，這些都是好的東西。所以就需要年輕大夫或者未來下一代學醫的年輕人花一點時間去關注這些新技術，比如人工智慧和大數據。其實每個新知識產生的時候都會面臨很多很多困惑，我們需要學習，也需要共同面對。這種問題都不要怕，因為它是發展中的問題，發展中的問題一定會在發展中解決。

謝謝大家。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！