一家基層醫院的診室里，醫生與就診病人相對而坐，交談病情。在桌子上擺放著一個臺式機器人，顯示屏幕向著醫生這一側。這是衛計委在基層試點中使用的輔助診斷機器人。

今年，在人工智能風口的推動下，AI與醫療的結合落地不斷被推進。

日前，有商界“奧斯卡”之稱的正和島全球創新大集在沈陽成功舉辦，創新大集上，醫療行業的企業家、創業者、投資人對醫療行業的發展進行了探討。我國醫療行業發展相對較晚，資源不均，缺乏標準都是目前需要解決的問題，市場和國家的期待都落在了人工智能上。

風口造就了AI醫療生長的沃土

“我在兩年前講的互聯網醫療，今天我們升級到了3.0的版本，由于人工智能的發展越來越熱，它對我們醫療產業的支撐使得“人工智能+醫療”成為了新的風口。不是我觀點變得快，而是趨勢發展得快。”正和島投資總裁、創始合伙人陳里提綱挈領的說到。

中國目前的醫療現狀是，整體醫療衛生支出金額是逐年在增加，2016年超4萬億，占GDP總費用的5.7%。即使如此，和美國相比，中國人口是美國的4.3倍，可個人醫療費用支出只占了36%，這代表了中國醫療領域仍有非常大的市場空間，也將給AI醫療更大的發揮空間。

兩年前，移動醫療還是風口，到現在移動醫療的規模已經過了百億。訊飛醫療負責人鹿曉亮曾說，醫療信息化是AI醫療的基礎。因此，移動互聯網為AI醫療提供了認知根基。

AI醫療將幫助醫療行業降低運營成本，提高運營效率。但人的思想觀念、認識、接受程度以及政策、制度的匹配程度都會成為AI醫療進化的阻礙。因此陳里提及AI醫療的趨勢，“會從2B開始，以后漸漸2C，在B以及未來的C，哪些B到C會逐漸地起支撐作用，或者是結合應用場景，把這個作用說明。”

數據是AI+醫療高速發展的根本推動力

高質量的數據，是人工智能和醫療高速結合發展的最根本的推動力。

過去十年中國醫院信息化發展非常快，一些二線城市醫院信息化的水平和集中程度之高超乎想象。過去十年的CT數據、PET數據、生物電訊號、超聲等一系列多種多樣的數據有非常大的沉淀。但是這些沉淀的數據很多沒有發揮自己的價值。

醫院沉淀了這么多類型的數據，這些數據是可以綜合應用到臨床檢查與治療的。老年癡呆疾病（阿爾茨海默癥）就是一個非常典型的多模態、多數據源的產品實踐，市場上已經出現了此類病癥的早期人工智能診斷和預測系統。

這樣的預測系統一般用三方面數據來做機器學習的模型，這些數據包括核磁數據、腦電數據、量表數據。

同樣擁有較多數據的病癥，在機器學習的過程中都可以達到較高的結果診斷，例如醫學影像AI公司的大量出現，就是因為影像數據的量很大而且具備了標準化的結構，只要可以結合更準確的標注學習，可以輸出的檢測結果一般都較高。

AI醫療的場景化

利用醫學影像切入AI醫療的企業很多，影像設備需求的增長催生了第三方獨立影像中心和遠程影像，更促進了可獲取數據的增多。而與影像數據以集合式增長相比，有資質、有能力的影像醫生數量增長十分緩慢。醫療影像AI的落地具備巨大的市場需求基礎。

在這樣的場景下，大部分醫學影像AI公司把影像AI發展可分為三個階段：

第一是篩查。這種需求通常由一些基層醫院的體檢中心提出，在這個階段，創業公司主要解決的就是效率問題。用戶做完篩查之后，如果發現了可疑病灶，就勢必進入到第二個診斷階段。要想做出準確的診斷，僅靠單一的影像篩查是不夠的，我們需要引入放射信息、臨床信息、過往病史等六到七種數據才能完成最后的診斷。完成了單個病人的診斷以后，創業公司可能會發展到第三個疾病預測階段。中國人一生大部分的醫療費用都花費在臨終前的12個月。目前，我們沒有辦法對于老年慢性病做出超早期的預測，所以是否能有辦法做到這一點，這是人工智能和醫療結合重要的一個方面。

醫學影像AI是以診斷為主要方向，而放療AI則是以治療為主要方向，全域醫療作為放療AI應用權威企業，也參加了正和島創新大集關于醫療行業的探討，全域醫療依照放療的場景打造了全面的醫療生態。

全域醫療副總裁康世功說到“手術，很難與人工智能和互聯網相結合的。化療，中國的化療比例屬于濫用狀態。放療，成為了中國腫瘤治療的發展方法。國內目前的現狀是：第一，我們放療設備嚴重不足；第二，人員更是嚴重不足；放射治療恰恰是和互聯網、IT信息技術聯系最緊密的治療方法，面對這樣的現狀，我們就想到了“互聯網+醫療”。”

全域醫療所有的工作都圍繞著傳統放療場景構建。康總解釋到“我們傳統的醫療或者是放射治療無非是科室籌建、設備安裝，但是信息化和信息科技，用現在的互聯網手段給我們插上翅膀，我們可以把診前診后、院內、院外，所有的信息互聯互通起來。于是，全域圍繞著我們新型放射治療診療模式，推出了“互聯網+”放療模式，放療AI的能力是包括在這個模式內的。”

放射治療的場景是這樣的，依靠的是院內的系統及設備，一個放射治療診療流程，首先，患者進到醫院來采用放療，設備利用直線加速器照射腫瘤細胞、殺死腫瘤細胞，是無創而精準的手術刀。如何保證這臺電子設備非常準確地切割我們不規矩、非常個性化的腫瘤，就需要對治療進行放射治療的計劃，AI的能力應用就在此處。

全域做的第一件事，是通過遠程協作系統來保證各級醫院都有好的治療計劃。通過這樣的協作系統，讓上級醫生支持下級醫生，在自己的醫院像用自己的設備一樣，指揮下面的醫院。

為了保證好的治療計劃能被好的實施，全域又開發了云智控設備，再先進的設備也是人來操控的，又同時把遠程培訓做了一下。這三個系統立足，基本可以保證各級醫院都可以相當高水平的治療計劃并被很好地實施。

康總又提到了一個關鍵問題，放療是一件長時間的操作，而放療醫生數量不足，因此醫療治療數量一直難以提升，放療產能不足，解決的辦法就是用人工智能。

AutoPlan是全域正在應用的放療AI系統，可以把放療經驗不斷地自動化。全域開發研制了一套國家放射治療質量控制系統，把所有應用的硬件設備以及整個放療流程都涵蓋進來，在系統中，把放療常見的設備都連通了進來，包含放療設備中的機械參數、病人圖像參數等，并且病人全療程計劃，在放射過程的開始可以了解的非常清楚，可以預知需要預警的地方。

寫在最后

數據、算法、細分領域場景的產品把握直接決定了落地能力，在每一個完善的醫療體系中，可以構成一個相互驅動的循環。每一個因素的良好能力輸出，都能把整體的輸出能力提高。

目前AI醫療可能達到的層次一個弱AI，能夠做到的僅僅是幫助醫生做一些勞動強度大、重復性高、附加值低的工作，例如每天幾萬張的閱片數量、基本放療計劃的替代。

當數據足夠精準，技術能力再升級的時候，AI機器人能夠真正實現跨科室的多學科綜合診斷，成為人類醫生的專家顧問，幫助醫生做一些復雜的病歷診斷，

當然，對于普通大眾以及醫療人士，最終希望的還是，AI會和人類專家一起去探索一些現在人腦還沒有辦法達到的領域，提取成百上千的病灶特征，拓展醫生認知的邊界，逼近醫學的極限認知。

風口促進了這一想法的誕生，數據加速了進度，當場景的應用數量非常多的時候，這樣的目標也許就能實現。

更多資訊請關注工業機器人頻道