放心,程序员抢不走中国医生的饭碗……
2017/12/27 丁香园

    

     近日,著名的医学四大刊中的 JAMA 和 The Lancet 总共发表了 4 篇人工智能和深度学习在医疗领域进展的论文或评论。无论发展是否符合你的期待,医疗 AI 确实是越来越近了。

     尽管丁香园为大家准备过无数次医学论文的解读,但这一次,论文不是我们要说的。这一次,我们为中国的医生——以及关注前沿技术在中国医疗领域的从业者——带来一个更多面的描述。

    

     水土不服?

     谷歌离开中国已经有七年了。

     在「谷歌今天回来了吗?」即将与「索尼今天倒闭了吗?」一样落地成梗的时候,两周前的 12月 13 日,谷歌真的宣布回到中国,建立谷歌 AI 中国中心——至于好事群众一直猜测的 Google Play 天降正义拯救中国安卓生态,并没有发生。

     负责谷歌 AI 中国中心的是李飞飞,曾经 ImageNet 的创始人。ImageNet 包含了大量经过标注的复杂图片数据,成为训练神经网络的数据来源。谷歌自然也有将图像识别和医疗诊断结合的尝试。2016 年,通过 12.8 万份视网膜眼底图像,Google Deepmind Health 训练出一个可以识别早期糖尿病视网膜病变的 AI。

     在图像识别的另一边,IBM 开发的 Watson 能做到阅读指南文献、形成临床诊断治疗方案,并在 2016 年,为一名被误诊的 60 岁罕见白血病患者做出了正确的诊断。

     但是国外的巨头,想让医疗 AI 进入国内辅助医生的临床工作,可能还需要一段时间,甚至是否能够引进,需要直接打上一个问号。

     一方面是技术问题:由于人种、疾病分布、疾病表现等差异性,可能需要中国的影像、病例、指南数据进行额外的学习训练;基于英语构建的诊疗知识体系,可能无法直接应用于非结构化的汉语病案信息。

     另一方面,中国在医疗技术和药物引进方面的审批流程之漫长,各位有目共睹。

     画一张可爱的大饼

     毋庸置疑,中国是希望有医疗 AI 的。

     丁香园曾经在一篇旧闻中提到:

     中国医疗机构的诊疗量,在过去的 10 年间增长了一倍,而人员的增长却远远落后于医疗服务的需求。据卫生统计年鉴数据,2005~2012 年,我国千人卫生人员从 3.5 人增长到了 4.94 人,仅增长 29%。2006 年至 2014 年,我国公立医院的床均医生数下降了 11%。

     而医改的大方向,则是「把患者留在基层,接受基本的医疗保障」,以期减少医保支出。为了让基层医院提高诊疗质量实现基本保障功能,一系列的尝试都直接指向「标准化」——首当其冲的,就是住院医师规范化培训,甚至培养定向住培生。但在中国基层医疗待遇差、发展空间小的现实情况下,想留下高质量的执业医师,需要用尽解数。

     AI 可能会是救命的稻草吗?假设一个场景,如果 AI 辅助诊断得到广泛应用,基层医疗机构上网连接到统一架设的人工智能中心或医疗云,就能拥有一个不会滥用「神药」、不会多开检查、还能让患者感觉「我在村卫生所看病和省城一样」的「医生」,大概会让卫生和财政部门心满意足。

     国家对 AI 的扶持力度之大、响应之快,也超出预料:

     今年 7 月,中国宣布要在 2025 年将 AI 产业打造成一个年产值 4,000 亿人民币的全新产业,并在 2030 年成为人工智能的全球领导者。12 月,工信部印发了《促进新一代人工智能产业发展三年行动计划(2018~2020 年)》通知,把医疗影像 AI 列入重点培育和发展项目。

     另一边,国家自然科学基金也对人工智能和深度学习青睐有加,即使忽略掉「基于『气』的江西道地药材枳壳人工智能鉴定机理研究」等,只在医学和生命科学领域,就有 20 余项研究项目在列。

     希望申请自然科学基金以求职称晋级走向人生巅峰的医生们,不妨一试。

    

     部分国家自然科学基金项目

     通过国家政策和资金的扶持,做好中国医疗辅助诊断 AI 标准和算法,然后在基层得到广泛应用,似乎是个如意算盘。只是,一个广泛应用(甚至融入整个公立医疗体系)的医疗 AI,一定需要严苛的标准。

     而目前,除了腾讯、百度、阿里和科大讯飞等巨头外,医疗 AI 领域更多的是雨后春笋般选择从事相对简单的医疗影像识别诊断的创业公司,在「创造标准」能力方面,可能有所缺失。

     困难,就是用来克服的

     中国医生想拥有自己的 AI 帮手,还需要等待一段时日。在中国发展 AI 遇到的阻力,远高于国外的同行。

     首先,尽管目前已经有了 AlphaGo Zero 这种不需要数据就可以进行深度学习的算法,但围棋毕竟有固定的规则。在医疗领域的各种 AI,仍然需要大量数据作为训练素材

     但《医疗机构病历管理规定( 2013 年版)》第一章第六条规定,医疗机构及其医务人员应当严格保护患者隐私,禁止以非医疗、教学、研究目的泄露患者的病历资料。因此,医疗 AI 创业公司出于商用目的的病例信息采集便可能处在违法的尴尬境地。

     尽管中国医院的管理系统多年以来饱受诟病,缺乏统一病历标准、数据信息结构混乱、复制粘贴严重、临床数据难以共享、数据安全缺乏保障,然而,与医院进行科研合作,是许多医疗辅助 AI 开发者的唯一选择。

     2015 年,中国的公立医院接收了 88% 的就诊患者。要从公立医院获得尽可能多的病例和图像数据,也就对医疗 AI 创业公司的行政资源提出了要求。

     这些公立医院可能没想到,即使被医生们一边使用一边吐槽,二十年前投入巨资建起来的电子病历和数字影像系统,在史无前例的高附加值药品和耗材应用被限制的寒冬,突然有了如此巨大的价值。

     而在对岸美国,已经有部分学科开始形成规模化的病历数据库供科研使用。比如肿瘤领域,国家肿瘤研究所(NCI)和美国癌症研究协会(AACR)就建立了包含大量病历和基因特征的数据库。

     中国的医疗辅助 AI 也受到部分医生的抵触

     中国绝大多数医院的影像和病理资料中缺少标注。与普通的图像识别不同,医学影像和病理的标注必须由专业医生来完成,才能成为算法训练的素材。然而,一位参与过图像标注的医生坦言「感觉像在给同行挖坑」。

     医疗创业公司往往会选择高精尖的三甲医院作为自己的合作伙伴——患者数量多、设备先进、病案质量高、图像清晰、医师标注准确。三甲医院的医生们,并不会担心自己的饭碗被机器抢走。

     但是,确实可能带给基层的同行们更多的冲击。2017 年,科大讯飞的 AI 通过了执业医师考试,考取了 456 分的成绩。在高水平医学院校的学生看来,这场考试是「稍微努力背一下就能高分通过」的,但是,中国执业医师考试通过率在 2015 年已经跌破 20%。。

     擦一把汗:通过率不足 20% 的执业医师考试报名条件是医学本科学历工作一年;或者取得执业助理医师,专科工作满二年 / 中专工作满五年。

     对人类的局限性有越清晰的了解,就会对人工智能有越高的期望。

     我的饭碗呢?

     回到那个问题:

     程序员会抢走基层医生的饭碗吗?不一定,中国的医生已经短缺到急诊停诊的程度。在轰轰烈烈的医改中,已经覆盖 5.5 亿人的家庭医生只会拥有越来越高的地位。

     程序员会抢走专科医生的饭碗吗?更不会,这些专家,很可能会一直作为机器的领路人,越早接触,反而可能越占领先机。

     更何况还有耳熟能详的「特鲁多启示录」给予了医生不可替代的地位:

     偶尔去治愈,常常去帮助,总是去安慰。

     ——不过啊,程序员抢不走医生的饭碗,只是可能会比医生挣得更多,尽管大家同样是博士呢。

    

     图片来自搜狐

    

    

    

    http://weixin.100md.com
返回 丁香园 返回首页 返回百拇医药