新闻中心
行业动态      

AI算法渗透医药,获益or风险仍难衡量

发布时间:2023-03-07

    以人工智能(AI)、医疗大数据等高精尖技术为代表的一系列数字化和智能化浪潮推动着医疗领域发展,部分学科如病理诊断也迎来一系列颠覆性变革。


    近日,中山大学附属第三医院开发出全球首个“慢性鼻窦炎AI病理诊疗云平台”系统,AI医生能够在几秒内开具智能病理诊断,若是能够大规模推广和应用,将大大提升基层诊疗水平。此外,近期大热的以ChatGPT为代表的对话机器人,已经有行业先驱者考虑应用在精神疾病的诊断和管理中,提高临床诊疗的效率和可及性。


    时间的缩短是技术发挥作用的重要体现,并为医疗均等化的实现开辟新途径。不过,AI浪潮的背后,蕴含着人们对人工智能在医疗领域发展现状和应对未来挑战的思考。比如,当前对医疗数据的权利主体并无明确规定,诊断出错如何界定各方的过错责任?是AI开发部门、AI算法训练和标注者、还是具体使用者或者AI诊断的审核者?目前似乎并没有一致的说法。此外,各方在使用医疗数据时,还涉及用户数据安全保护等风险。

研判获益与风险


    人工智能的兴起已有数十年,最近十年,随着人类计算能力的升级和高质量数据生成及储存成本的下降,AI得到了前所未有的广泛运用。从扫地机器人到手术机器人,从智能驾驶到智慧医疗,人工智能可以在高风险、重劳力的场景中辅助甚至取代人力,从而实现高效的生产。预计在不远的将来,快速发展的AI技术会重塑生产力和生产关系,重新定义人与人的社会关系。


    相比人工,AI在范式识别和基于多模态数据预测以辅助决策方面具有天然的优势。目前AI在临床医学上的主要应用在智能图像诊断和临床辅助决策系统当中。特别是自2012年深度学习技术被引入图像识别数据集之后,其识别率屡创新高。


    统计显示,医疗大数据有80%来自于医疗影像数据,具备结构化程度高、数据处理难度小等优势,非常适合机器学习。通过AI的方式辅助影像科医师进行诊断将满足市场刚需,减轻医生压力,同时提高诊疗的效率和准确率。


    不过,过于精准的检测手段也可能带来过度诊治的问题,导致一些患者并没有获得相应的临床健康收益,迫切需要开展前瞻性的临床试验,明确各种AI技术在实际应用场景中的成本投入和产出,以及AI技术的局限和收益风险。

尚缺乏变现场景


    我国医疗资源分布不均衡,基层医疗力量薄弱,“临床+人工智能”在基层医疗系统的交叉应用,将临床数据转化为普适的经验,辅助基层医生快速精准完成影像数据分析,不仅为医疗卫生事业的效率变革提供加速动力,也让优质医疗服务供给更加普惠,这是AI对医疗最有价值的地方。


    医疗领域特别是疾病诊断,是一个临床推理的过程,即运用逻辑知识排除不确定性。鉴于此,疾病诊断恰好成为这些技术的应用领域,也是理性主义技术路线的实验场。


    但同时我们也要看到,AI技术与医学结合已经面临资本的退潮。目前我国AI医学影像市场比较分散。由于病种分散,基于相同底层代码的算法在不同病种需要不同的标注数据训练不同的模型,并不能实现通用式的复用和“即插即用”。因为数据厂家和算法技术提供方数目众多,医院往往只需要一项AI技术就能够满足日常需求,因此目前AI算法还缺乏变现场景。实现商业模式多样化的道路上面临着技术的无法变现,医疗辅助决策系统和AI影像图形诊断缺乏包括医保在内的支付方买单的现实。


    AI是从技术到技术,医疗是从人文到人文,AI与人工的相辅相成才能达到医疗与AI在技术与人文上的融合。只有真正确立成熟的市场商业模式,能够通过整合行业数据,实现透明运算和共享机制,降低营销成本的合规企业才能够生存下来。在这个过程中,最大程度保障患者利益,将是定义有社会责任AI企业的关键标准。此外,明确AI技术的边界,加强人工智能发展的潜在风险研判,是比本身AI技术层面发展更为重要的问题。


(来源:医药经济报)