文/陳劍鋒

醫(yī)療作為與大眾切身利益相關的話題，一直以來也是社會非常看重和關注的民生問題，政府的相關政策的推行和醫(yī)療行業(yè)的不斷改革無不都有圍繞民眾的醫(yī)療健康問題展開的談論和研究，但是無論考慮的多么周全，由于目前醫(yī)療環(huán)境的格局限制，依舊存在很多我們無法考慮到和解決的困難。

尤其是隨著人口老齡化的不斷加劇，和醫(yī)療資源的極具不平衡，如何解決未來日益增長的龐大老齡化人口的醫(yī)療健康問題，將會成為國家醫(yī)療的巨大壓力和負擔。

人口老齡化帶來醫(yī)療資源的嚴重不足

據(jù)截止2016年底的數(shù)據(jù)顯示，中國60歲及以上老年人口超過2.3億，占總?cè)丝诘?6.7%；預計到2050年，中國老年人口將達到4.8億,占全球老年人口的四分之一,比現(xiàn)在美、英、德三個國家人口總和還要多，老齡問題將成為中國社會經(jīng)濟發(fā)展和轉(zhuǎn)型帶來新挑戰(zhàn)。

與此同時，解決龐大的老年人口醫(yī)療健康問題也存在巨大的挑戰(zhàn)。縱觀目前國內(nèi)醫(yī)療環(huán)境，城鄉(xiāng)醫(yī)療資源分配的不平衡，醫(yī)護人員的嚴重缺失和專業(yè)水平的極具差距都在很大程度上給國家醫(yī)療資源帶來了巨大的壓力，因此在醫(yī)療資源的迫切需求下，急需有一種既可靠、又能全面解決醫(yī)療資源缺失的方式方法出現(xiàn)。

剛好隨著人工智能的快速發(fā)展，在賦能各行業(yè)中取得了很好的表現(xiàn)和較成功的落地項目。尤其是在賦能醫(yī)療上的成果，讓大眾看到了希望，眾多的行業(yè)人士紛紛轉(zhuǎn)入研究智慧醫(yī)療，希望能夠在智慧醫(yī)療上有大的突破。

AI醫(yī)療有效緩解醫(yī)療資源不足的壓力

目前人工智能大致分為三個階段，弱人工智能、強人工智能、超強人工智能，而目前我們正處于弱人工智能時代，也就是人工智能能夠在某一方面或特定的領域的能力要強于人類，但是在綜合能力上面人類是強于人工智能的。

對于AI醫(yī)療來說也同樣如此，目前處于弱AI醫(yī)療階段，簡單的來說就是目前AI醫(yī)療的應用場景只適用于醫(yī)療行業(yè)的某一個簡單的環(huán)節(jié)或者某一項重復、固定的流程和工作。而諸如臨床診斷和醫(yī)學研究這種需要深入靈活動腦的環(huán)節(jié)人工智能還無法完成。

諸如速途研究院發(fā)布的2018年上半年AI醫(yī)療行業(yè)研究報告就明確顯示，目前AI醫(yī)療的應用場景主要適用在虛擬助理、藥物挖掘、醫(yī)學影像、健康管理、輔助診療、醫(yī)院管理、疾病風險預測以及輔助醫(yī)學研究報告等方面。而目前AI醫(yī)療應用最熱的還是醫(yī)學影像以及疾病風險預測方向。

雖然目前處于弱AI醫(yī)療階段，但是在很大程度上仍舊可以緩解人口老齡化的不斷加劇帶來的醫(yī)療資源嚴重不足的壓力，比如AI在通過大量的醫(yī)學數(shù)據(jù)深度學習之后，輔助醫(yī)生讀取CT影像，早期的癌癥篩查，這將在很大程度上緩解醫(yī)療人員不足的壓力和誤診、誤判的壓力。

其實這些問題互聯(lián)網(wǎng)巨頭BAT早已經(jīng)解決，2017年7月，阿里健康、萬里云對外發(fā)布醫(yī)療人工智能系統(tǒng)“Doctor You”,可在半小時內(nèi)讀完九千張CT影像，可以說是效率是人類的上千倍。2017年8月，騰訊發(fā)布了AI醫(yī)學影像產(chǎn)品“騰訊覓影”，利用人工智能醫(yī)學影像技術(shù)輔助醫(yī)生進行早期食管癌篩查。

同樣，百度研究院也在今年6月份發(fā)布了一種名為“神經(jīng)條件隨機場”的AI算法，擁有強大的腫瘤病理切片檢測能力，將為癌癥診斷和治療提供重要助力，其檢測準確率甚至超過專業(yè)病理醫(yī)生，并突破此前最高記錄。

AI醫(yī)療目前仍舊存在諸多需要突破的壁壘

盡管AI醫(yī)療在一定的程度上取得了實質(zhì)性的成果和突破，但是由于AI自身的技術(shù)限制和整體環(huán)境的影響，AI在賦能醫(yī)療上面并沒有達到很完美的狀態(tài)，仍然有很多無法突破的壁壘。

諸如億歐智庫發(fā)布的《2018中國醫(yī)療人工智能發(fā)展研究報告》里面講到，AI醫(yī)療發(fā)展存在四大挑戰(zhàn)：

其一是數(shù)據(jù)數(shù)量問題：中國醫(yī)療整體數(shù)據(jù)量大，但針對不同病種的數(shù)據(jù)量和質(zhì)量參差不齊，有些病種的訓練數(shù)據(jù)缺乏；健康大數(shù)據(jù)孤島問題有所緩解，但仍未達到深度學習的階段。

其二是數(shù)據(jù)質(zhì)量問題：AI數(shù)據(jù)處理中標注的準確性關乎結(jié)果的準確性，近兩年之內(nèi)還是需要大量醫(yī)生去標注。藥物研發(fā)中的數(shù)據(jù)質(zhì)量對于研發(fā)效率的提升至關重要。

其三是人才問題：AI算法人才與醫(yī)學人才知識體系不同，如何融合各自優(yōu)勢發(fā)揮最大價值，值得企業(yè)思考。

四是市場問題：醫(yī)療被認為是人工智能最早落地的領域，但是醫(yī)療的特殊性對產(chǎn)品的要求會更高，從認識到被接受再到相應支付體系的完善，以及到醫(yī)保的接入，都需要一個很長的過程。

寫到最后

無論是AI醫(yī)療有多少無法突破的壁壘，總之如果回到主題上，在一定意義上來說，AI醫(yī)療在很大程度上解決了人工老齡化所帶來的醫(yī)療資源嚴重不足的壓力。

另一方面AI醫(yī)療在未來帶來的龐大市場價值驅(qū)使巨頭企業(yè)和資本不惜花重金投入AI醫(yī)療的研究，這在很大程度上解決了AI醫(yī)療在研究上所需要的資金支持，為AI醫(yī)療能夠進一步突破提供了后驅(qū)動力。

【陳劍鋒，科技自媒體人，長期關注AI和IoT等前沿科技，微信公眾號：劍鋒撩科技(cjftmt)】