随着深度学习的不断成熟，计算机算力的不断提升，以及互联网下大数据的逐渐落地和聚集，人工智能逐渐遍布各行各业，而医疗便是其中最令人关注的点之一。

近日，在2019国际医学人工智能论坛上，学术界以及产业界的医学大佬齐聚一堂，共同探讨并展望了人工智能赋能医疗的前景、趋势以及困境。

一、人类健康面临的巨大挑战

首先是老龄化问题。据百度智慧医疗总经理黄艳介绍，2017年全球60岁以上的老龄人口已经达到了10亿，占比超过了13%，预计到2030年，60岁以上的老龄人口会达到14亿，占比会超过16%。而这个现象在中国将更加严重，预计到2030年，中国60岁以上的老年人口将占中国人口比例的1/4。

其次，据国家卫生健康委国际交流与合作中心副主任王健介绍，中国还面临着癌症、心脑血管疾病、糖尿病等慢性疾病和传染性疾病发病率上升的风险。

上述两大问题意味着未来将有更多的患者需要得到医疗上的帮助。然而与患者数量的增加形成鲜明对比的却是医护人员的短缺。

“WHO的数据表示，到了2035年全球具备有专业技能的医护人员的缺口将近达到1300万人，而这个局面在中国则更为严峻：（中国的）医患比例只有1：950，在美国差不多是1：390。”飞利浦大中华区副总裁陈胜裕也表达了对未来医患矛盾的担忧。

如果没有新的提高效率的技术出现，一方面，患者得到医疗服务的难度将更加困难，而另一方面对于医生而言，他们也将面临更大的就诊压力。推想科技陈宽以医疗影像行业举例表示，医学影像数据是以30%的增长，而医生的速度增长仅是4.1%，影像科的医生压力非常大。

“比如说肺结节的诊断，哪怕是比较快的医生读一张片子也需要10分钟的时间，但他们需要反复的看300、400张影像，因此，诊断20个肺结节的时候，医生需要三个半小时以上；包括脑卒，在抢救环节当中，需要花3-5分钟的时间（确诊），时间上的压力其实是非常巨大。”陈宽表示。

“（中国）放射科医生非常头疼、非常辛苦，他们一天要做西方国家放射科医生大概5倍、甚至是10倍的工作量，这在西方国家是不可想像的，所以他们（外国医生）每次来都说：不可思议。”中国医学科学院、北京协和医院放射科主任金征宇教授同样发现了这个问题。

而且值得一提的是，除了人均资源少、医生压力大以外，中国的医疗还面临着一个非常大的问题，就是医疗资源的结构性失衡。

“46%的三甲医院位于东部地区，顶级医院更是集中在北上广一线城市。原本定位于收治重症、疑难杂症和用于人才培养的大医院人满为患，普通医院及基层医疗机构却有大量的资源被闲置浪费，全国有95万张利用不充分的床位，这个资源是有待激活的。”王健表示。

黄艳也发现了这个问题：“中国的三级医院数量占医院总数8%，但是却承担了四成诊疗和住院人次的重任。三级医院在超负荷运转，基层医疗资源没有得到充分发挥、在被闲置。”

“北上广深整个三级甲等医院门庭若市，但是我们的社区医院，特别是上海，上海很多区里医院都达到四星级、五星级的表现，医疗器械都是世界一流的，但是门可罗雀。”上海交通大学人工智能研究院副院长、上海交大斯坦福大学智能医疗联合实验室主任王延峰发现，即使在上海这种医疗资源丰富的地区也有相同的问题。

面对这样的情况，王健呼吁：我们需要以创新的思路、创新模式、创新技术，促进健康医疗服务的创新供给和信息资源开放共享，提供健康服务能力和普惠水平。

总之，在各位专家看来，人工智能无疑是解决上书问题的重要利器之一。

二、人工智能如何解决医疗困境？

世界卫生组织（WHO）副总干事Soumya Swaminathan认为，人工智能可以在以下4大方面为医疗行业带来巨大价值：

首先，AI算法可以用于基层医疗当中，帮助医生护士为患者提供更好的服务。“比如在医疗影像研究方面，机器学习系统能够达到、甚至超过人类在诊断某些疾病例如视网膜细胞瘤、皮肤病等等的精准度，因此它能够作为一个非常好的筛查及预筛查的工具。”Soumya Swaminathan认为，人工智能可以在社区为患者提供服务，评估他们的症状，以决定他们是否需要去接受正规的医疗检查等。

其次，在疫情预防方面，利用AI分析通过卫生系统不断收集上来的数据，我们可以去预测和防止这些疫情的爆发。

然后，利用AI还可以做医疗教育，用手机的APP或者是其它AI算法，让大家能够直接获取卫生信息。

最后，AI算法可以指导医疗政策的制定。“我们可以分析不同工作流收集进来的数据，这样在我们制定政策的时候更加有据可依。”Soumya Swaminathan介绍。

类似的，陈宽也认为从最开始的临床到中间对诊断和治疗的质控，再到后面对科研体系的支持，大数据挖掘以及人工智能都可以发挥出巨大的作用。而其中最重要的，便是AI可以大幅度的提升医生的诊断能力，从而实现分级诊疗，解决大医院人满为患，社区医院门可罗雀的困境。

对于患者而言，一旦基层医生的诊断能力得到了提升，便有可能提前对疾病进行诊断，从而尽早治疗，这能够提升治愈率并减少治疗成本。

三，医疗领域需要怎样的人工智能？

对于这个问题，安德医智大中华区CEO李晶珏表示，他们通过走访相关的医疗机构和行业机构，总结发现目前临床对于AI的需求分成以下四个层面：

首先，基本需求。这是指应用体验的需求，包括使用AI产品的方便性、快捷性，提高医生的诊断效率等等，目前大部分的筛查产品主要是集中于这样一个空间。

第二，核心需求。就是说能否真正解决临床的实际问题，解决临床中的难点和痛点。诊疗过程中有时会有一些关键信息，利用传统的医疗方式不能够获得，或者是获得的方法难、成本高，这都是临床诊疗中的难点和需求点。

第三，社会需求。这就包括AI能够学习顶级医院、顶级专家的医疗数据和经验，通过AI的手段复制到基层人员，实现分级诊疗和全行业诊疗水平的提升，这是AI的社会需求。

第四，经济需求。医生的培养周期长，费用高，医保费用紧张，对于基层培养一个非常顶级的医生，需要时间和经费，AI可以帮助我们实现全行业统一的质控标准，提升基层医生的诊疗水平，从而帮助我们节约医疗资源，节省医生成本。

具体来说，金征宇教授以医学影像AI举例表示，企业方往往希望做得大而全，他们既想做定量测量的工具，又想做自动诊断的工具等，但从医院的角度来看，医院更迫切需要的其实是定量测量工具。

“比如，肺结节只要测出来、定位出来，做好这次和下次的比较、治疗前后的对照，这就可以了。”但金征宇强调，他希望假阳性和假阴性是在可控范围内。“我宁可希望你的假阳性多一点，因为标出来我可以判断，假阴性越少越好。”金征宇表示。

四、医疗人工智能实现的难点

人工智能之所以能够提升医疗结果，在Soumya Swaminathan看来，主要是因为医疗行业能够提供“大量、海量的数据”。而且值得一提的是，由于人口规模庞大，应用场景丰富，数据优势在中国尤其明显。

“中国的医疗大数据占世界总量的30%，而且是行业里面增长最快的，每年的增速达到44%。”北京邮电大学教授、网络与交换技术国家重点实验室主任张平如此介绍，而国家药品监督管理局副局长徐景和更是认为，“一个企业的产品如果没有进入中国的市场，这样的医疗器械企业很难称为全球性的医疗器械企业。”

然而，陈胜裕表示，中国医疗数据虽然很多，但将近80%以上的医疗数据都是非结构化的数据，这些庞大的数据本身并没有太多的意义。“只有把非结构化的数据经过清洗，转化为高质量的数据，才有办法为医学和健康带来有意义的价值，才能提升医生的能力，帮医生提供更多的解决方案。”

目前深度学习大量依赖高质量的标注数据，然而，张平表示，数据标注需要花费大量专业医生的时间精力，这对于本来就很忙的医生而言并不现实。

另外，除了数据上的问题以外，在算法上其实也有一定的挑战，“算法如何针对医疗行业进行适配？算法如何实现非常高的准确性和鲁棒性？算法如何做到可解释性？”黄艳重点介绍目前深度学习基本上都是一个黑盒子，它的效果可能会很好，但我们却无法解释其原因，然而，如果不能找到原因，这就不遵循医疗行业循证的理念，技术落地也就不容易了。

最后，张平补充认为，数据标准化、医患关系的责任划分等等都是人工智能在医疗领域落地的难点。

五、AI会取代医生吗？

人工智能取代甚至消灭人类，这是人们面对人工智能时的一个普遍担忧，然而，对于这个问题，在场的专家大多认为，虽然医疗人工智能在某些场景下比人更加优秀，但AI不可能取代医生，相反，AI将成为医生最重要的助手。

黄艳介绍，百度打造医疗AI不是取代医生和患者之间的沟通交流，只是让我们的基层医生能够站在巨人的肩膀上面随时的学习和掌握优秀的诊疗经验，从而来完成基层医疗的重任。

“AI医疗产品定当是赋能医生而不是代替医生，帮助医生提高效率，同时帮助医生解决常规临床中的难点和痛点。”李晶珏同样认为，1+1>2才是他们做AI产品真正的初衷和目标。

虽然机器的计算能力以及记忆能力是人类无法比拟的，但王延峰认为，机器可能永远也没有办法全面企及人类的能力，比如说人类情感共情、社交以及人类复杂多变性的决策能力等等。因此，王延峰认为人工智能应该成为医生的“超级助理”，将医生从需要大量记忆的工作中解救出来，从而更多地做综合诊断，或者与患者进行情感的交流，来提升患者的满意度和接受度。

而金征宇非常同意上述人机协同，医生重点做综合诊断以及情感交流的观点。“医学不仅仅是一门科学，它更多的是一门艺术，是Art。”金征宇认为艺术还不能被机器取代。