本文來自微信公眾號：大數(shù)據(jù)文摘（ID：BigDataDigest）
新冠疫情之下，不少國家和地區(qū)的醫(yī)生都處于超負(fù)荷的工作狀態(tài)。
隨著近年來AI技術(shù)的發(fā)展，醫(yī)療AI在疫情中發(fā)揮了越來越重要的作用，不少AI病毒系統(tǒng)研發(fā)者都表示，相關(guān)產(chǎn)品實(shí)驗(yàn)室準(zhǔn)確率都已經(jīng)達(dá)到了96%及以上。
那么，在醫(yī)院真實(shí)使用的時候，這些系統(tǒng)真的能讓醫(yī)生護(hù)士們“如虎添翼”嗎？
讓我們先把目光聚焦于對既有疾病的診斷和治療上。比如去年，谷歌落地泰國的眼疾檢測人工智能明星產(chǎn)品。
谷歌此前曾高調(diào)宣布，正式與泰國公共衛(wèi)生部建立合作關(guān)系，在帕圖姆和清邁落地了一個用AI檢測糖尿病性視網(wǎng)膜病變的系統(tǒng)。
作為FDA批準(zhǔn)的首款人工智能診斷設(shè)備，谷歌和泰國雙方都有極高的期待。
但是，根據(jù)谷歌最近發(fā)表的相關(guān)報告，該系統(tǒng)在泰國表現(xiàn)出強(qiáng)烈的“水土不服”：在部署系統(tǒng)的11家診所中，只有2家具有滿足條件的影像室，而由于醫(yī)院的光線環(huán)境經(jīng)常不利于拍攝，超過五分之一的圖像都會被系統(tǒng)拒絕；同時，必須將照片上傳到云端進(jìn)行處理才能獲取結(jié)果，而泰國多數(shù)診所的網(wǎng)絡(luò)連接不夠理想，有護(hù)士和患者因此等待了兩個多小時。
醫(yī)療AI落地任重道遠(yuǎn)，一起來看看谷歌AI這起泰國“翻車”故事。
當(dāng)高精準(zhǔn)AI遭遇“人擠人的小診所”：理想有多豐滿，現(xiàn)實(shí)就有多骨感
這款產(chǎn)品會首先落地泰國事實(shí)上意義重大。
根據(jù)2016年的一項(xiàng)調(diào)查顯示，泰國共有9.6％人民患有糖尿病性視網(wǎng)膜病變，34％的患者會因?yàn)榇穗p眼視力明顯低下甚至失明。而在世界范圍內(nèi)，約5%的失明患者都是因?yàn)樯砘继悄虿⌒砸暰W(wǎng)膜病變導(dǎo)致。
2013年，泰國公共衛(wèi)生部宣布，泰國居民可在指定的檢查日到當(dāng)?shù)卦\所進(jìn)行糖尿病性視網(wǎng)膜病變的檢測，最初公共衛(wèi)生部預(yù)計的目標(biāo)是覆蓋每個地區(qū)60％的患者。然而數(shù)據(jù)顯示，即使這樣，每年接受檢測的患者數(shù)也不到50％。
在傳統(tǒng)的檢測過程中，護(hù)士會為患者拍攝一張“眼底照片”（fundus photo），這些照片隨后通過電子郵件或郵寄光盤發(fā)送給眼科醫(yī)生，而更進(jìn)一步的眼部檢查至少也要在4~5周后進(jìn)行。
谷歌的這款醫(yī)療AI在落地之前也做了完備的準(zhǔn)備：通過一個12.8萬幅圖片的數(shù)據(jù)集訓(xùn)練建立起來，每張圖片記錄了3~7名眼科醫(yī)師的評估結(jié)果，為了驗(yàn)證算法的性能，他們還使用了2個獨(dú)立的臨床試驗(yàn)數(shù)據(jù)集，包括1.2萬幅圖片，審核結(jié)果由專家來判決。
在構(gòu)想中，該AI系統(tǒng)能在幾秒鐘內(nèi)給出可堪比眼科醫(yī)生的具有專業(yè)價值的結(jié)論，在內(nèi)部測試中，系統(tǒng)也以90％的準(zhǔn)確度獲得了高度認(rèn)可。在這種情況下，護(hù)士就能在幾分鐘內(nèi)給出初步建議，大大縮短了時間差。
可以說，這個系統(tǒng)在泰國的落地具有劃時代的意義。
泰國衛(wèi)生部門對于這一產(chǎn)品抱著極高的期待，但是，根據(jù)相關(guān)反饋，該系統(tǒng)在泰國“擁擠的診所”表現(xiàn)完全不及格。
谷歌發(fā)布相關(guān)產(chǎn)品落地反饋報告鏈接：https://dl.acm.org/doi/abs/10.1145/3313831.3376718
當(dāng)然，這不完全是谷歌產(chǎn)品本身的問題。
泰國當(dāng)?shù)乇硎?，這款A(yù)I測試產(chǎn)品也有正常工作的時候，的確大大提升了檢測效率；但是更多的時候，系統(tǒng)無法給出一個明確的結(jié)果。
這也是多方面因素導(dǎo)致的。首先，和大多數(shù)的圖像識別系統(tǒng)一樣，深度學(xué)習(xí)模型的訓(xùn)練環(huán)境是基于高質(zhì)量的掃描圖像，對于低于一定質(zhì)量閾值的圖像，系統(tǒng)會自動拒絕。
但在現(xiàn)實(shí)中，護(hù)士一小時要面對幾十名患者，醫(yī)院的光線環(huán)境經(jīng)常不利于拍攝，超過五分之一的圖像都會被系統(tǒng)拒絕。
而這些被系統(tǒng)“拒絕”的患者不得不再另選時間前往另一個診所讓人類專家診斷，不少人往往難以請到兩天連休，或者沒有更便利的交通工具，這些都將導(dǎo)致該系統(tǒng)進(jìn)入當(dāng)?shù)蒯t(yī)療系統(tǒng)后被人們排斥。
對此，護(hù)士也時常感到沮喪，尤其是當(dāng)她們拍攝的照片被系統(tǒng)拒絕，或者被認(rèn)定為沒有疾病特征的時候。而為了達(dá)到系統(tǒng)要求的精度，她們有時會花費(fèi)很多時間在一張照片上。
其次，就算護(hù)士們費(fèi)盡力氣拍攝了滿足系統(tǒng)要求的眼球照片，她們還必須將必須將照片上傳到云端進(jìn)行處理，其中診所的網(wǎng)絡(luò)連接就是另一個影響因子。
“患者往往習(xí)慣于馬上看到結(jié)果，但由于網(wǎng)速問題，患者不得不等待很長時間，他們就會抱怨?！币晃蛔o(hù)士說，“有人從早上6點(diǎn)開始就在這里排隊(duì)了，但我們這2個小時只檢測了10個病人。”
在評價該AI系統(tǒng)的不成熟和局部應(yīng)用時，研究團(tuán)隊(duì)表示：本次在引進(jìn)新技術(shù)時，規(guī)劃者、政策制定者和技術(shù)設(shè)計者都沒有考慮到復(fù)雜的醫(yī)療項(xiàng)目在落地過程中會出現(xiàn)的問題，但其實(shí)人們的動機(jī)、價值觀、職業(yè)身份以及他們工作的現(xiàn)行規(guī)范和常規(guī)等社會因素，都是至關(guān)重要的。
谷歌健康團(tuán)隊(duì)的研究人員Emma Beede更是一針見血地指出：“在廣泛部署AI工具之前，必須首先了解AI如何在特定環(huán)境中為人們服務(wù)，在醫(yī)療保健領(lǐng)域尤其如此?！?
針對種種問題，谷歌健康團(tuán)隊(duì)正在與當(dāng)?shù)蒯t(yī)務(wù)人員合作，重新設(shè)計工作流程。例如，讓護(hù)士接受培訓(xùn)，讓她們在極端情況（borderline cases）中相信自己的判斷，同時模型本身也將進(jìn)行再次調(diào)整，以更好地處理不完美的圖像。
FDA批準(zhǔn)的首款人工智能診斷設(shè)備，實(shí)驗(yàn)室準(zhǔn)確率高達(dá)90%
谷歌這款人工智能眼疾診斷產(chǎn)品算是全球醫(yī)療AI領(lǐng)域的明星產(chǎn)品。
2018年4月，在美國食品和藥物管理局（FDA）首次批準(zhǔn)了這種人工智能診斷設(shè)備，并且罕見宣布，該設(shè)備不需要專家醫(yī)生來解釋結(jié)果。
這也就意味著，這個名為IDx-DR的軟件程序可以通過觀察視網(wǎng)膜的照片來判斷患者是否有眼科疾病，某些情況下甚至不需要配備人類醫(yī)生的進(jìn)一步診療。
它的工作原理是這樣的：護(hù)士或醫(yī)生上傳病人視網(wǎng)膜的照片，這些照片是用專門的視網(wǎng)膜攝像機(jī)拍攝的。
IDx-DR軟件首先判斷照片的清晰度是否支持下一步的疾病判斷。
然后，對這些合格圖像進(jìn)行分析，以確定病人是否患有糖尿病性視網(wǎng)膜病變。糖尿病性視網(wǎng)膜病變是糖尿病性微血管病變中最重要的表現(xiàn)，是一種具有特異性改變的眼底病變，是糖尿病的嚴(yán)重并發(fā)證之一。
在一項(xiàng)使用超過900張圖像的臨床試驗(yàn)中，IDx-DR正確檢測到糖尿病性視網(wǎng)膜病變的準(zhǔn)確率為87％，正確識別無病患者的準(zhǔn)確率為90%，準(zhǔn)確度可以媲美專業(yè)醫(yī)師。
據(jù)了解，這也是機(jī)器學(xué)習(xí)被首次應(yīng)用于醫(yī)療AI系統(tǒng)的案例。當(dāng)時可謂轟動一時的消息，文摘菌也曾就這一研究成果做過報道。
科技公司翻車不止谷歌一家，AI落地醫(yī)療行業(yè)前路崎嶇
醫(yī)療AI在落地過程中，除了谷歌本次暴露出來的問題，似乎還有更多的問題有待解決。
比如去年8月，在蘋果秋季發(fā)布會前夕，蘋果健康團(tuán)隊(duì)被曝出內(nèi)部存在極大的管理問題，直接導(dǎo)致員工扎堆離職。在醫(yī)療健康這條路上，蘋果高層傾向于采取安全漸進(jìn)的方法，這與醫(yī)療行業(yè)本身的復(fù)雜程度有一定的關(guān)系。
但是蘋果健康團(tuán)隊(duì)內(nèi)部不少員工卻不這么認(rèn)為，他們急于解決醫(yī)療系統(tǒng)中最“棘手”的問題，比如醫(yī)療設(shè)備、遠(yuǎn)程醫(yī)療和醫(yī)療支付等。有員工透露道，蘋果完全有能力開發(fā)更多更有前景的項(xiàng)目，在醫(yī)療健康這條路上走得更遠(yuǎn)，但是，公司主打的仍是“手表心電圖”這類面向廣大健康用戶的功能。
除此之外，兩名知情人士表示，對于該公司應(yīng)在多大程度上向醫(yī)療行業(yè)透明化，內(nèi)部也存在分歧。蘋果此前一直對自己的項(xiàng)目高度保密。然而，這種嚴(yán)格保密在使得蘋果在衛(wèi)生保健領(lǐng)域發(fā)展更具挑戰(zhàn)性，因?yàn)樵撔袠I(yè)通常需要依靠已發(fā)表的研究、臨床研究，并與行業(yè)內(nèi)組織保持公開對話。
監(jiān)管機(jī)構(gòu)與科技公司的角逐也影響到了醫(yī)療AI的落地。去年4月，IEEE Spectrum發(fā)布特別報告《How IBM Watson Overpromised and Underdelivered on AI Health Care》，在文中細(xì)數(shù)了IBM的明星醫(yī)療部門Watson Health是如何走向衰落的。
文中稱，盡管IBM花費(fèi)數(shù)十億美元收購AI企業(yè)，加強(qiáng)內(nèi)部開發(fā)實(shí)力，但內(nèi)部人士表示，被收購公司并沒有發(fā)揮什么作用。這其中還存在監(jiān)管機(jī)構(gòu)的干預(yù)，監(jiān)管機(jī)構(gòu)只批準(zhǔn)少數(shù)基于AI的工具在醫(yī)院和醫(yī)生的辦公室使用，這些開創(chuàng)性產(chǎn)品主要聚集在圖像診斷領(lǐng)域，比如通過計算機(jī)視覺技術(shù)識別X射線和視網(wǎng)膜掃描圖像進(jìn)行診斷，而IBM卻沒有醫(yī)學(xué)圖像識別的產(chǎn)品落地。
除了管理問題，醫(yī)學(xué)領(lǐng)域本身也存在極大的挑戰(zhàn)，比如為醫(yī)生的專業(yè)知識編碼，這項(xiàng)浩大的工程即使是如今最優(yōu)秀的AI也難稱可以實(shí)現(xiàn)。
正如在2014年離職IBM的Kohn所說：“擁有強(qiáng)大的技術(shù)是不夠的，你還要向我證明，這款產(chǎn)品的確是有價值的，可以讓我生活的更好，讓我的父母生活的更好?！边@也清楚地指出了科技公司在醫(yī)療領(lǐng)域的崎嶇前路。
面對如此多的難關(guān)，科技公司將如何逐一攻破，我們期待著醫(yī)療AI能在實(shí)際環(huán)境下更有效地工作的一天。
本文來自微信公眾號：大數(shù)據(jù)文摘（ID：BigDataDigest）
新冠疫情之下，不少國家和地區(qū)的醫(yī)生都處于超負(fù)荷的工作狀態(tài)。
隨著近年來AI技術(shù)的發(fā)展，醫(yī)療AI在疫情中發(fā)揮了越來越重要的作用，不少AI病毒系統(tǒng)研發(fā)者都表示，相關(guān)產(chǎn)品實(shí)驗(yàn)室準(zhǔn)確率都已經(jīng)達(dá)到了96%及以上。
那么，在醫(yī)院真實(shí)使用的時候，這些系統(tǒng)真的能讓醫(yī)生護(hù)士們“如虎添翼”嗎？
讓我們先把目光聚焦于對既有疾病的診斷和治療上。比如去年，谷歌落地泰國的眼疾檢測人工智能明星產(chǎn)品。
谷歌此前曾高調(diào)宣布，正式與泰國公共衛(wèi)生部建立合作關(guān)系，在帕圖姆和清邁落地了一個用AI檢測糖尿病性視網(wǎng)膜病變的系統(tǒng)。
作為FDA批準(zhǔn)的首款人工智能診斷設(shè)備，谷歌和泰國雙方都有極高的期待。
但是，根據(jù)谷歌最近發(fā)表的相關(guān)報告，該系統(tǒng)在泰國表現(xiàn)出強(qiáng)烈的“水土不服”：在部署系統(tǒng)的11家診所中，只有2家具有滿足條件的影像室，而由于醫(yī)院的光線環(huán)境經(jīng)常不利于拍攝，超過五分之一的圖像都會被系統(tǒng)拒絕；同時，必須將照片上傳到云端進(jìn)行處理才能獲取結(jié)果，而泰國多數(shù)診所的網(wǎng)絡(luò)連接不夠理想，有護(hù)士和患者因此等待了兩個多小時。
醫(yī)療AI落地任重道遠(yuǎn)，一起來看看谷歌AI這起泰國“翻車”故事。
當(dāng)高精準(zhǔn)AI遭遇“人擠人的小診所”：理想有多豐滿，現(xiàn)實(shí)就有多骨感
這款產(chǎn)品會首先落地泰國事實(shí)上意義重大。
根據(jù)2016年的一項(xiàng)調(diào)查顯示，泰國共有9.6％人民患有糖尿病性視網(wǎng)膜病變，34％的患者會因?yàn)榇穗p眼視力明顯低下甚至失明。而在世界范圍內(nèi)，約5%的失明患者都是因?yàn)樯砘继悄虿⌒砸暰W(wǎng)膜病變導(dǎo)致。
2013年，泰國公共衛(wèi)生部宣布，泰國居民可在指定的檢查日到當(dāng)?shù)卦\所進(jìn)行糖尿病性視網(wǎng)膜病變的檢測，最初公共衛(wèi)生部預(yù)計的目標(biāo)是覆蓋每個地區(qū)60％的患者。然而數(shù)據(jù)顯示，即使這樣，每年接受檢測的患者數(shù)也不到50％。
在傳統(tǒng)的檢測過程中，護(hù)士會為患者拍攝一張“眼底照片”（fundus photo），這些照片隨后通過電子郵件或郵寄光盤發(fā)送給眼科醫(yī)生，而更進(jìn)一步的眼部檢查至少也要在4~5周后進(jìn)行。
谷歌的這款醫(yī)療AI在落地之前也做了完備的準(zhǔn)備：通過一個12.8萬幅圖片的數(shù)據(jù)集訓(xùn)練建立起來，每張圖片記錄了3~7名眼科醫(yī)師的評估結(jié)果，為了驗(yàn)證算法的性能，他們還使用了2個獨(dú)立的臨床試驗(yàn)數(shù)據(jù)集，包括1.2萬幅圖片，審核結(jié)果由專家來判決。
在構(gòu)想中，該AI系統(tǒng)能在幾秒鐘內(nèi)給出可堪比眼科醫(yī)生的具有專業(yè)價值的結(jié)論，在內(nèi)部測試中，系統(tǒng)也以90％的準(zhǔn)確度獲得了高度認(rèn)可。在這種情況下，護(hù)士就能在幾分鐘內(nèi)給出初步建議，大大縮短了時間差。
可以說，這個系統(tǒng)在泰國的落地具有劃時代的意義。
泰國衛(wèi)生部門對于這一產(chǎn)品抱著極高的期待，但是，根據(jù)相關(guān)反饋，該系統(tǒng)在泰國“擁擠的診所”表現(xiàn)完全不及格。
谷歌發(fā)布相關(guān)產(chǎn)品落地反饋報告鏈接：https://dl.acm.org/doi/abs/10.1145/3313831.3376718
當(dāng)然，這不完全是谷歌產(chǎn)品本身的問題。
泰國當(dāng)?shù)乇硎荆@款A(yù)I測試產(chǎn)品也有正常工作的時候，的確大大提升了檢測效率；但是更多的時候，系統(tǒng)無法給出一個明確的結(jié)果。
這也是多方面因素導(dǎo)致的。首先，和大多數(shù)的圖像識別系統(tǒng)一樣，深度學(xué)習(xí)模型的訓(xùn)練環(huán)境是基于高質(zhì)量的掃描圖像，對于低于一定質(zhì)量閾值的圖像，系統(tǒng)會自動拒絕。
但在現(xiàn)實(shí)中，護(hù)士一小時要面對幾十名患者，醫(yī)院的光線環(huán)境經(jīng)常不利于拍攝，超過五分之一的圖像都會被系統(tǒng)拒絕。
而這些被系統(tǒng)“拒絕”的患者不得不再另選時間前往另一個診所讓人類專家診斷，不少人往往難以請到兩天連休，或者沒有更便利的交通工具，這些都將導(dǎo)致該系統(tǒng)進(jìn)入當(dāng)?shù)蒯t(yī)療系統(tǒng)后被人們排斥。
對此，護(hù)士也時常感到沮喪，尤其是當(dāng)她們拍攝的照片被系統(tǒng)拒絕，或者被認(rèn)定為沒有疾病特征的時候。而為了達(dá)到系統(tǒng)要求的精度，她們有時會花費(fèi)很多時間在一張照片上。
其次，就算護(hù)士們費(fèi)盡力氣拍攝了滿足系統(tǒng)要求的眼球照片，她們還必須將必須將照片上傳到云端進(jìn)行處理，其中診所的網(wǎng)絡(luò)連接就是另一個影響因子。
“患者往往習(xí)慣于馬上看到結(jié)果，但由于網(wǎng)速問題，患者不得不等待很長時間，他們就會抱怨?！币晃蛔o(hù)士說，“有人從早上6點(diǎn)開始就在這里排隊(duì)了，但我們這2個小時只檢測了10個病人。”
在評價該AI系統(tǒng)的不成熟和局部應(yīng)用時，研究團(tuán)隊(duì)表示：本次在引進(jìn)新技術(shù)時，規(guī)劃者、政策制定者和技術(shù)設(shè)計者都沒有考慮到復(fù)雜的醫(yī)療項(xiàng)目在落地過程中會出現(xiàn)的問題，但其實(shí)人們的動機(jī)、價值觀、職業(yè)身份以及他們工作的現(xiàn)行規(guī)范和常規(guī)等社會因素，都是至關(guān)重要的。
谷歌健康團(tuán)隊(duì)的研究人員Emma Beede更是一針見血地指出：“在廣泛部署AI工具之前，必須首先了解AI如何在特定環(huán)境中為人們服務(wù)，在醫(yī)療保健領(lǐng)域尤其如此?！?
針對種種問題，谷歌健康團(tuán)隊(duì)正在與當(dāng)?shù)蒯t(yī)務(wù)人員合作，重新設(shè)計工作流程。例如，讓護(hù)士接受培訓(xùn)，讓她們在極端情況（borderline cases）中相信自己的判斷，同時模型本身也將進(jìn)行再次調(diào)整，以更好地處理不完美的圖像。
FDA批準(zhǔn)的首款人工智能診斷設(shè)備，實(shí)驗(yàn)室準(zhǔn)確率高達(dá)90%
谷歌這款人工智能眼疾診斷產(chǎn)品算是全球醫(yī)療AI領(lǐng)域的明星產(chǎn)品。
2018年4月，在美國食品和藥物管理局（FDA）首次批準(zhǔn)了這種人工智能診斷設(shè)備，并且罕見宣布，該設(shè)備不需要專家醫(yī)生來解釋結(jié)果。
這也就意味著，這個名為IDx-DR的軟件程序可以通過觀察視網(wǎng)膜的照片來判斷患者是否有眼科疾病，某些情況下甚至不需要配備人類醫(yī)生的進(jìn)一步診療。
它的工作原理是這樣的：護(hù)士或醫(yī)生上傳病人視網(wǎng)膜的照片，這些照片是用專門的視網(wǎng)膜攝像機(jī)拍攝的。
IDx-DR軟件首先判斷照片的清晰度是否支持下一步的疾病判斷。
然后，對這些合格圖像進(jìn)行分析，以確定病人是否患有糖尿病性視網(wǎng)膜病變。糖尿病性視網(wǎng)膜病變是糖尿病性微血管病變中最重要的表現(xiàn)，是一種具有特異性改變的眼底病變，是糖尿病的嚴(yán)重并發(fā)證之一。
在一項(xiàng)使用超過900張圖像的臨床試驗(yàn)中，IDx-DR正確檢測到糖尿病性視網(wǎng)膜病變的準(zhǔn)確率為87％，正確識別無病患者的準(zhǔn)確率為90%，準(zhǔn)確度可以媲美專業(yè)醫(yī)師。
據(jù)了解，這也是機(jī)器學(xué)習(xí)被首次應(yīng)用于醫(yī)療AI系統(tǒng)的案例。當(dāng)時可謂轟動一時的消息，文摘菌也曾就這一研究成果做過報道。
科技公司翻車不止谷歌一家，AI落地醫(yī)療行業(yè)前路崎嶇
醫(yī)療AI在落地過程中，除了谷歌本次暴露出來的問題，似乎還有更多的問題有待解決。
比如去年8月，在蘋果秋季發(fā)布會前夕，蘋果健康團(tuán)隊(duì)被曝出內(nèi)部存在極大的管理問題，直接導(dǎo)致員工扎堆離職。在醫(yī)療健康這條路上，蘋果高層傾向于采取安全漸進(jìn)的方法，這與醫(yī)療行業(yè)本身的復(fù)雜程度有一定的關(guān)系。
但是蘋果健康團(tuán)隊(duì)內(nèi)部不少員工卻不這么認(rèn)為，他們急于解決醫(yī)療系統(tǒng)中最“棘手”的問題，比如醫(yī)療設(shè)備、遠(yuǎn)程醫(yī)療和醫(yī)療支付等。有員工透露道，蘋果完全有能力開發(fā)更多更有前景的項(xiàng)目，在醫(yī)療健康這條路上走得更遠(yuǎn)，但是，公司主打的仍是“手表心電圖”這類面向廣大健康用戶的功能。
除此之外，兩名知情人士表示，對于該公司應(yīng)在多大程度上向醫(yī)療行業(yè)透明化，內(nèi)部也存在分歧。蘋果此前一直對自己的項(xiàng)目高度保密。然而，這種嚴(yán)格保密在使得蘋果在衛(wèi)生保健領(lǐng)域發(fā)展更具挑戰(zhàn)性，因?yàn)樵撔袠I(yè)通常需要依靠已發(fā)表的研究、臨床研究，并與行業(yè)內(nèi)組織保持公開對話。
監(jiān)管機(jī)構(gòu)與科技公司的角逐也影響到了醫(yī)療AI的落地。去年4月，IEEE Spectrum發(fā)布特別報告《How IBM Watson Overpromised and Underdelivered on AI Health Care》，在文中細(xì)數(shù)了IBM的明星醫(yī)療部門Watson Health是如何走向衰落的。
文中稱，盡管IBM花費(fèi)數(shù)十億美元收購AI企業(yè)，加強(qiáng)內(nèi)部開發(fā)實(shí)力，但內(nèi)部人士表示，被收購公司并沒有發(fā)揮什么作用。這其中還存在監(jiān)管機(jī)構(gòu)的干預(yù)，監(jiān)管機(jī)構(gòu)只批準(zhǔn)少數(shù)基于AI的工具在醫(yī)院和醫(yī)生的辦公室使用，這些開創(chuàng)性產(chǎn)品主要聚集在圖像診斷領(lǐng)域，比如通過計算機(jī)視覺技術(shù)識別X射線和視網(wǎng)膜掃描圖像進(jìn)行診斷，而IBM卻沒有醫(yī)學(xué)圖像識別的產(chǎn)品落地。
除了管理問題，醫(yī)學(xué)領(lǐng)域本身也存在極大的挑戰(zhàn)，比如為醫(yī)生的專業(yè)知識編碼，這項(xiàng)浩大的工程即使是如今最優(yōu)秀的AI也難稱可以實(shí)現(xiàn)。
正如在2014年離職IBM的Kohn所說：“擁有強(qiáng)大的技術(shù)是不夠的，你還要向我證明，這款產(chǎn)品的確是有價值的，可以讓我生活的更好，讓我的父母生活的更好。”這也清楚地指出了科技公司在醫(yī)療領(lǐng)域的崎嶇前路。
面對如此多的難關(guān)，科技公司將如何逐一攻破，我們期待著醫(yī)療AI能在實(shí)際環(huán)境下更有效地工作的一天。
