0
| 本文作者： 劉偉 | 2017-11-08 07:56 |
很多人都說，AI來了，放射科醫(yī)生將面臨失業(yè)的困局。上海新華醫(yī)院副院長潘曙明的觀點卻恰恰相反。他認為，未來放射科醫(yī)生的職業(yè)前景最為光明，因為放射科是離人工智能最近的科室。
潘院長指出，目前AI能夠解決的問題主要集中在圖像領域。AI對圖像的認知已經遠遠超過了人類。因此，我們應該逐步將這種類型的任務移交給AI。未來，將放射影像與AI技術融合用于精準手術治療具有十分廣闊的前景。
放射影像在現(xiàn)代醫(yī)學中占據著舉足輕重的地位，但這項技術并非醫(yī)生的發(fā)明。如今大數據和人工智能技術正在給各行各業(yè)帶來變革，醫(yī)療產業(yè)同樣深受影響，但這項技術也不是醫(yī)生的發(fā)明。潘曙明院長認為，醫(yī)療行業(yè)變革背后的推手也許并不是醫(yī)生，相反，醫(yī)生將處在食物鏈相對底端的位置。
優(yōu)質的海量數據是人工智能算法的基礎，但信息孤島在每個醫(yī)院都是一大難題。病房場景、教學場景、ICU場景、急診場景的系統(tǒng)都是不互通的。各個醫(yī)院之間的信息化水平參差不齊，要實現(xiàn)所有醫(yī)院的數據互聯(lián)互通，目前來說還很困難。
潘院長認為，數據互聯(lián)互通難以推進主要有三方面的原因：
一、不敢。數據安全是一個讓行業(yè)比較痛苦的問題。大家都想要彼此的數據，但是對于到底該不該給對方提供優(yōu)質的數據支撐又猶豫不決。
二、不愿。醫(yī)療在很多地方都是香餑餑，牽涉到各個部門的利益，大家都不愿意將自己的數據交出去。
三、不能。目前懂人工智能的醫(yī)生和懂醫(yī)生的IT人才還極其稀少。
以下是潘曙明院長的口述原文，雷鋒網做了不改變原意的編輯：
我的觀點和很多醫(yī)生不一樣，我認為AI必將取代醫(yī)生。
一個多月前，我在杭州參加過一次關于醫(yī)療AI的辯論。辯論很激烈，持續(xù)了一下午。我們辯論的主題是，假如有人拿出100萬美金建醫(yī)院，到底該建設一個由醫(yī)療AI還是人類醫(yī)生組成的醫(yī)院。辯論中我們提到，AI有一個好處，它只需要有電力供應就能不斷工作。人類醫(yī)生的需求則復雜得多，除了要按時按量發(fā)放薪水，還要避免他鬧情緒罷工。
大概兩周前我和一個院士討論，他有一個觀點讓我很詫異。他說要向偉大的放射科醫(yī)生致敬。這位院士經常用機器人做前列腺癌手術。以往通過人工手段做前列腺手術往往出血較多，容易切斷敏感神經，導致患者術后罹患性功能障礙。采用手術機器人之后，這種情況大幅減少。
還有一些醫(yī)生經常問這位院士，如果自己的小孩當醫(yī)生，選哪個專業(yè)方向比較好。他的回答是放射學，因為放射影像是和AI最接近的。
為什么機器人做手術的效果比人工好？因為機器人是建立在圖像識別和導航的理論基礎之上的，可以實現(xiàn)更加精準的手術和治療。未來，AI結合放射影像將是精準手術治療的重要方向。與此同時，外科醫(yī)生和皮膚科醫(yī)生將成為危險職業(yè)，面臨被AI取代的威脅。
10月份的《紐約客》雜志上刊登了一個很有意思的封面：未來人類坐在地上要飯，機器人昂首闊步地走過，順手施舍我們幾個銅板。這種情況是否可能會發(fā)生呢？
我們知道，和機器相比人類的優(yōu)勢在于創(chuàng)新性思維。但未來人類的創(chuàng)新和邏輯思維在以Alphago Zero為代表的人工智能面前可能不堪一擊。Alphago Zero想到的棋局，李世乭可能終其一生都沒想到過。為什么會出現(xiàn)這種情況呢？因為數據釋放出了巨大的價值，數據進化的過程比人類快多了。我們以前從未想到過今天會有這么多的數據在我們周圍產生和存儲。2006年和2020年產生的數據量相差多達44倍，這種數據量已經不能僅僅用海量來形容了，簡直堪稱天文數字。
數據積累推動了很多行業(yè)的創(chuàng)新。以現(xiàn)在很熱門的新零售業(yè)態(tài)盒馬鮮生為例，盒馬鮮生掌握的動態(tài)數據可能已經超過了醫(yī)生，快遞小哥對你的了解也可能超過了你家小區(qū)的保安。它已經通過后臺大數據精準分析出了每個人的消費習慣。
前幾年H7N9流行的時候，Google對疫情的預測精度已經超過CDC。他可以根據各個地方的口罩銷量情況預測疾病流行趨勢。
最近，我請某電訊公司幫我分析外地病人在上海三甲醫(yī)院的分布情況，對方向我提供了一份數據，非常有意思。它的上海手機用戶和外地手機用戶在上海三甲醫(yī)院的分布情況，和我掌握的病人分布情況差不多。
大數據給交通出行帶來的變革同樣非常巨大，每個道口無處不在的攝像機和大數據的融合已經讓我們無所適從。你可能只在人行橫道線停留了三秒鐘，就會收到一張罰單。
那么，我舉的這些例子跟醫(yī)療有什么關系呢？
我們在醫(yī)學影像領域取得的成就是不容置疑的?，F(xiàn)在皮膚科醫(yī)生通過微信群就能掙錢，因為只要看片子就行了。最痛苦的是外科醫(yī)生。隨著心臟支架技術的發(fā)展和成熟，很多心臟手術心血管醫(yī)生就能做，于是胸外科醫(yī)生逐漸被邊緣化。未來隨著手術機器人的發(fā)展，外科醫(yī)生也將面臨相同的困境。新一代的達芬奇手術機器人已經非常靈巧了，如果它和放射影像以及AI融合在一起，放射科醫(yī)生取代外科醫(yī)生并非沒有可能。
我不得不再次感嘆放射科和影像科的偉大。放射影像是醫(yī)學，但卻不是醫(yī)生發(fā)明的。放射領域獲得諾貝爾獎的成就沒有一項是由醫(yī)生發(fā)明的，都是物理學家、數學家和生物學家發(fā)明的。醫(yī)生只是在最底端起到了幫助他們進一步認知的作用。毫無疑問，大數據將推動醫(yī)療行業(yè)的變革，但背后的推手倒真的不一定是醫(yī)生。我們在這個過程中，可能屬于食物鏈的底端。
精準醫(yī)療是當前非常熱門的話題。華大基因現(xiàn)在在全國各地采集血液。只要有足夠多的血液數據，他就能把微生物診斷做到極致。隨著遺傳學技術、分子影像技術、生物技術和患者臨床數據的整合，精準醫(yī)療將推動醫(yī)生鑒別診斷的變革。
醫(yī)療可穿戴設備帶來的影響也很深遠。襯衫上整合進納米技術和人工智能，就能對我們的血糖、血壓、心跳等生理數據，實現(xiàn)全天候的監(jiān)測。新華醫(yī)院目前正在做這方面的嘗試。如果可穿戴設備真的能夠推廣應用。我們在孕婦肚子上綁一個東西，就可以遠程監(jiān)測胎兒的異常反應。孕婦不用去醫(yī)院就能輕松做產檢。未來也不排除人工智能在急診、住院服務等其他領域帶來變革。
但在這個過程中，醫(yī)院需要思考如何為患者提供人性化的服務。的確，AI可以學習和掌握更多的知識，但它無法取代人類的人文關懷。現(xiàn)在市場上已經誕生了人性化的機器人，機器人有自己的名字，而且長相和聲音都很甜美，但它畢竟不是真正的人類。
大數據和人工智能驅動了醫(yī)療服務的變革，這是每一個醫(yī)院管理者必須正視的事實。不便捷、不可及、碎片化，以及被動型的傳統(tǒng)醫(yī)療模式，在未來的互聯(lián)網、大數據和可穿戴技術面前可能不堪一擊。
為什么盒馬鮮生能夠開到我們家門口？因為淘寶為它提供了足夠的數據支撐，使它知道你所在的小區(qū)到底需要什么樣的產品，從而能夠精準配貨，帶來優(yōu)質的線下購物體驗。未來醫(yī)院是否也能夠提供這種既有系統(tǒng)性，又有主動性的服務呢？也許未來每個大型社區(qū)周圍都有一個便捷的、數字化、精準化、個性化的醫(yī)療中心，到那時候大型醫(yī)院該如何轉型，這值得我們深思。
但大數據也給大型三甲醫(yī)院帶來了很多機遇，因為他們擁有大量的真實數據。數據的真實性有一個前提，所有的員工和病人必須真誠可靠。醫(yī)院做研究的金標準是RCT，但是RCT研究是經過嚴格設計和控制的。受試者的身高、體重等生理特征相似，且按照一定的標準進行了精確分組，用藥情況也受到控制。實驗結果需要隨機對照，且是可以復制的。
但在真實世界中能做這種研究嗎？研究結果是否真實可靠？真實世界中的研究沒有完全隨機對照，病人到底是什么樣的也難以把握。也許他的依從性不好，在家沒有按時服藥，這種情況下我們該如何判斷藥物的有效性呢？有了大數據之后，我們可以通過對真實世界數據的研究找到答案。我們可以不對受試者施加任何限制條件和干預措施，得到更加貼合臨床實際的結果。我相信如果未來我們將所有基層醫(yī)院的門診診斷數據和綜合性醫(yī)院的住院數據整合到一起，就能得到正確、真實、可靠的結果。
目前AI能夠解決的問題主要集中在圖像領域。AI對圖像的認知已經遠遠超過了人類。人眼能夠看到的最小尺寸可能是0.5mm，但AI可以在小數點后再加兩個零。因此，我們應該將這類任務逐步移交給AI。未來最應該擔心被取代的，除了外科醫(yī)生和皮膚科醫(yī)生，還有病理科醫(yī)生。
新華醫(yī)院目前正在和相關企業(yè)進行醫(yī)療影像方面的合作，比如結節(jié)的分析篩查、小孩的骨齡測定等。未來只要有足夠多的數據，AI就能通過自動學習分析出你的真實年齡，給出詳細精確的報告。
作為醫(yī)院的管理人員，我最關心的是大數據給醫(yī)院管理帶來的沖擊?，F(xiàn)在政府給醫(yī)院管理施加了很多束縛，因為政府手里有大量的數據，有數據就有發(fā)言權。當然，政府目前掌握的數據可能還不夠完整和準確，但通過數據比較不同醫(yī)院的成本已經成為可能。往前推二三十年，醫(yī)院的管理者可以控制很多事情，但今天一切都是透明的。新華醫(yī)院所有的數據對申康都是透明的，江蘇、浙江、北京的醫(yī)院的數據對醫(yī)管局也可能是透明的。只要對這些數據進行不斷的挖掘，醫(yī)院的管理將無所遁形。對于我來說，同樣可以讓科室的管理無所遁形。
數據能夠帶來創(chuàng)新。今天，以疾病為核心，形成完整的診斷可視化圖像已經成為可能。比如我們想知道某個地方的孕產婦數量、年齡結構和地域分布數據，通過一張圖表就能清楚展示出來。今天早上我們孫院長畫了兩張圖，一張顯示西部地區(qū)五歲以下兒童的死亡率最高；另一張顯示西部的兒童醫(yī)生數量為全國最低。二者之間是否有關聯(lián)呢，答案顯而易見。未來，我們可以通過大數據，將某種疾病的發(fā)病區(qū)域、并發(fā)癥占比、藥品不良反應等以可視化圖像的方式進行展示和分析。
疾病的分析預測，比如通過大數據分析肺炎對兒童的影響，在今天也已經不是新鮮事了。我們甚至能根據家長上班的遲到情況，預測他的小孩是否能準時到校。
三醫(yī)聯(lián)動是一個比較宏大的話題，其中數據鏈路的打通非常重要。我們今天談論的大數據，主要還是單個醫(yī)院的數據。但單個醫(yī)院的數據并不能叫做大數據。上海申康有一套數據，衛(wèi)計委也有一套數據，他們的數據也不能稱之為大數據，必須要實現(xiàn)數據的互聯(lián)互通。
新華醫(yī)院和瑞金醫(yī)院的數據量相差不大，都有400萬左右的門急診量，數據信息可能達到了上億條。但數據的質量是否可靠還很難說。不同系統(tǒng)產生的數據都不一樣，信息孤島在每個醫(yī)院都是一大難題。病房場景、教學場景、ICU場景、急診場景的系統(tǒng)都是不互通的。每家醫(yī)院的信息化都是基于自身情況展開的，水平參差不齊，要實現(xiàn)所有醫(yī)院的數據互聯(lián)互通，目前來說還很困難。要做好數據的安全性和合規(guī)性格式難上加難。
而且醫(yī)院中的數據大量是以非結構化的自然語言的形式存在的。將自然語言轉化成結構化的病歷數據和機器語言還有很長的路要走，過程十分漫長。
為什么數據的互聯(lián)互通推進起來這么困難呢？我認為至少有三方面的原因：
一、不敢。數據安全是一個讓行業(yè)比較痛苦的問題。大家都想要彼此的數據，但是到底該不該給對方提供優(yōu)質的數據支撐呢？我還在猶豫。
二、不愿。醫(yī)療在很多地方都是香餑餑，牽涉到各個部門的利益，大家都不愿意將自己的數據交出去。
三、不能。目前懂人工智能的醫(yī)生和懂醫(yī)生的IT人才還很少，但我相信未來這樣的人才肯定會越來越多。
深挖大數據是我們未來最重要的任務。只有深挖大數據才能把深度學習做得更好，取代不合格的醫(yī)生，讓優(yōu)秀的醫(yī)生更好地為老百姓服務。整個醫(yī)療機構也會因為大數據的應用逐步分化，在大數據和人工智能領域表現(xiàn)出色的醫(yī)院會慢慢走向領先地位，落后的則將逐步被淘汰。
未來二十年必然是屬于大數據和醫(yī)療AI的時代。信息化和數字化建設一定會給醫(yī)院帶來非常大的轉變。我堅信，AI將改變醫(yī)療。雷鋒網雷鋒網
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
