醫生視角下的智慧醫療，如何更好實現價值屬性的回歸？

在人工智慧等新技術的推動下，醫療創投圈興起了一陣「智慧化」的浪潮。無論是國外諸如IBM Watson這類智能影像診斷的先行者，還是近年國內不斷湧現的AI輔診後起之秀，一批批跨界者投身於此，試圖通過科技實現對醫療的賦能。

但與其他領域不同的是，醫療因其獨特的政策門檻與專業壁壘，使得科技專家與醫護人士之間存在著思考方式、切入路徑等分歧，這也導致不少人工智慧醫療產品的落地難題遲遲未能解決。那麼，醫生專家的視角下，智慧醫療該是一番怎樣的發展圖景？

億歐大健康6月28日消息，為期三天的2019年國際智能計算機大會在深圳舉辦。其中，匯聚一眾醫生學者參與的智慧醫療分論壇，從醫院與醫護工作的角度，共同探討了醫療與人工智慧結合的可能與方向。

業內周知，人工智慧的三大核心分別是演算法、算力和數據。現階段相對於其他應用場景，數據成了影響人工智慧在醫療細分領域的布局關鍵，從而孵化出諸多「人工智慧 醫學影像」的產品。「我們看到的相關宣傳語，諸如『看一張肺部CT，醫生需要十幾分鐘，而AI影像診斷產品則只需要5秒鐘……』，它們更多是把醫生與人工智慧技術對立起來。」天津大學醫學科學與工程學院副院長何峰在演講中提及，這種說法是有失偏頗的。

何峰表示，醫療智能化的三個特徵分別是大數據驅動、以患者為中心、人機協作。所謂AI賦能醫療，並非將醫生取代，也不是告訴醫生確診結果，而應該要幫助醫生實現工作效率的提高與問題解決。其次，醫療智慧化的基礎來自大數據的積累與應用，隨著醫院設備的增多、基因組學的發展以及家用設備採集數據成為可能，對技術的挖掘也給醫療帶來更大的便利。

「智慧醫療不僅僅是數據的採集與積累，也需要更多的數據價值挖掘。」來自首都醫科大學宣武醫院的神經內科遺傳代謝專業主任王朝東，從自身實踐出發對此做了進一步論述，「例如，我們確實可以通過數據訓練得到一個AI模型，藉助它來提高醫生看片的速度。但如果片子對於疾病診斷並無指導意義，那麼即使速度再快、精度再高，從治療意義上說就毫無價值。」

換言之，人工智慧、互聯網等技術賦能診療的路徑，是回歸「以患者為中心」的價值出發點。王朝東補充說，當前市面上的互聯網醫療產品所做的事情，仍舊集中在將醫生與患者對接的環節上。但從實際效果來看，通過一套遠程問診系統很可能難以彌補患者主訴模糊性所帶來的診斷缺陷。基於此，王朝東提出，智慧醫療的可能建設方向之一是等級醫院指導非等級醫院、城市醫院指導基層醫院，實現醫療資源內部的流動。

「中國各級醫院、醫師診療水平層次不齊，優質資源集中在大醫院和少數專家手裡，基層醫院和大夫診療水平提高的渠道少。而臨床的大量誤診誤治病例，都是由於缺乏精準專業知識與標準化診療決策流程所造成。整體來看，中國醫生少、病人多，醫生沒有時間和精力掌握完整的系統知識，因此我們迫切需要一套簡單實用的工具系統輔助醫生更好地決策。」王朝東最後說道，即使是降低基層一半的誤診、漏診，對於智慧醫療來說也是不小的目標。

從這個角度來看，精準醫學不僅是一個細分領域，更是一種理念。它一方面有賴於多維度信息的有效結合，需要還原「感染-部位-性質-階段-併發症」的診療路徑；另一方面，則與醫療解釋性密不可分。北京交通大學計算機科學系副主任桑基韜認為，基於大數據的深度學習並不是萬能的，但至少能夠在醫療強解釋性之上有其用武之地。

「藉助人工智慧對採集數據的加工處理，並結合具體情況提供可解釋性、可操作性的診療指導，將很大程度打造出以人為中心的健康管理閉環。」桑基韜補充說。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！