如今，越来越多医疗人工智能下到基层。广东省发布了《促进“互联网+医疗健康”发展行动计划(2018-2020)》。嗅觉敏锐的资本早已抢滩人工智能医疗市场，并推动成熟的产品走向基层医疗机构。
政策支撑，资本市场追捧，更多基层医院被圈入，成为AI医疗的试验田。站在风口上，AI医疗究竟存在哪些软肋?在缺乏商业模式和有效性数据的背景下，AI医疗究竟如何才能站稳脚跟?南方日报记者进行了调查。
AlphaGo的余波荡起AI医疗
在白云街社区卫生服务中心2楼的AI眼科诊室内，居民坐在智能机器前，下巴往上一靠，双眼直视前方。数分钟后，一份白内障诊断报告就出炉了。这是“AI眼科医生”通常的运作模式。截至8月底，它为社区内400多位居民提供服务，发现疑似白内障病例约30%。中山大学中山眼科中心医生将对疑似病例进行远程诊断。有需要进一步治疗的患者，可到上级医院让专科医生作深入检查。
项目负责人林浩添教授是中山大学中山眼科中心白内障专科医生。2012年起，他将研究重心放在了医疗大数据和人工智能领域，努力寻找一种更有效的致盲眼病防治手段，为基层医疗机构赋能。数年前，这一想法是疯狂的。林浩添说，在项目研发的起步阶段，很少人能理解医疗大数据的价值和挖掘技术，没有人想到机器人真的能看病。
随着AlphaGo击败人类职业围棋选手，方向变了。人工智能不仅战胜围棋世界冠军，也正式闯入大众视野，逐步被各个领域所接受。在此之前，敏锐的资本早已捕捉新趋势，布局人工智能市场。得知医疗资源失衡的现状，他们怀着“发现新大陆”的心情，以AI为马，跑入了医疗市场。
AI医疗的火爆也得益于政策红利。6月14日，广东省人民政府办公厅关于《促进“互联网+医疗健康”发展行动计划(2018-2020)》正式发布，提出了“人工智能下基层”的规定。有了政策的加持，AI医疗像一辆火力十足的汽车，冲向了基层医疗机构。7月4日，互联网+健康扶贫AI医生村村通启动仪式在广州召开。
“AI医生是好老师。”邓金科是广东省阳山县的一名村医。在过去，他只能看感冒、发烧，遇到棘手难题，就推荐村民到外就医。但现在有了智能医生，村民只需在手机上问诊。遇上拿不准的疾病，邓金科还能用文字、图片等方式传给广东省网络医院的医生。如今，AI医生能看200多种常见病，覆盖了普通社区医院日常诊断的90%的病种。
在基层，医疗人工智能填补了城乡医疗水平间的差距，使得当地居民享受同质化的医疗服务。但在三甲医院，它则被赋予了解放医生的使命。
广东药科大学附属第一医院病理科启用了AI远程病理诊断系统。短短几分钟内，它就能识别区分、筛选并标记出可疑的、异型的、核大的细胞。病理医生只需重点关注可疑细胞，就能写诊断报告。这一技术的运用将病理医生的工作效率提高了整整20倍。
今年6月，中山大学附属第六医院启动“沃森胃肠疾病人工智能医学中心”，把人工智能运用到临床诊疗中，让沃森推荐几个最有可能的治疗方案，供临床医生选择，最终实现个性化的治疗。
AI医疗究竟是什么?每一个人有自己的答案。对白云街社区卫生服务中心的管理者陈健芳来讲，它填补了基层眼科医生的空白，节省了中心每年数十万元劳务支出，也让社区居民不出远门就能筛查眼科疾病。
在广州市妇女儿童医疗中心院长夏慧敏看来，所谓AI医疗，其实是人类医生经验变成了一种规则，这种规则在系统里变成了一种流程，这种流程最后形成一种基于人类智慧结晶的辅助诊断方法。
现在，医疗界迎来了一股人工智能的旋风。几乎每个人都在讨论人工智能，拼命地追赶行业潮流。
“数据孤岛”成掣肘因素“一个机器能查出白内障吗?”在社区筛查工作开始前，陈健芳总是遇到如此质疑。阻力不小。后来，他们说服居民到社区医院进行尝试筛查，居民也在新的体验中逐步接受了医疗新技术和新服务模式。
疾病智能筛查技术的推广之路不易。一方面是居民的半信半疑，另一方面是医生的适应难题。医疗数据是人工智能的“营养来源”。以AI眼科医生为例，在下基层前，它的成长依靠的是中山眼科中心的医疗数据。在此过程中，研发人员清洗、标注数据，建立数据模型，赋予它诊断疾病的功能。而在闯入基层医疗机构后，原本的数据模型还适用吗?
事实上，市面上不少AI医疗产品得出的高准确率，更多的是基于小样本测试。林浩添也提出了另外一种担忧：AI在训练中采用的都是标准的图像，但一旦到临床就会受多种因素影响，包括检查者的配合度等都可能使图像质量存在缺陷，AI的效率就会受挫。上海交通大学生物医学工程学院教授钱大宏曾在媒体采访中表示，算法不是会讲话的老师，没能力向医生解释判断依据。
AI医疗还缺少一种可持续的商业模式。以AI眼科为例，它到基层开展疾病筛查，目前不收取任何费用。同时，项目运营需要有一笔费用，保证软件系统的更新和补助相关的人员。林浩添说，若不让机器到基层接受培训，那它就无法进化。
中国信息通信研究院互联网医疗联盟人工智能工作组负责人赵阳光认为，如今AI医疗产品想以销售方式卖给医疗机构，是难以实现的。同时，AI医疗产品会不可避免地产生消耗。在盈利模式不明朗的当前，谁也不想承担这一机会成本。
人工智能就像个孩子，它需要去认知，需要去学习，需要从海量大数据吸取成长养分。但目前，“数据孤岛”现象与数据标准不统一，成为了AI医疗发展的掣肘因素。
在国内，人工智能企业会与三甲医院展开合作，获取医疗数据。但每家医院采集数据的设备可能不同。例如，在病理、心电等领域，每个厂家遵循的是私有的数据格式。赵阳光曾建议，业界要主动将私有格式向公有格式转化，才能为AI医疗发展提供良好土壤。但响应者寥寥无几。
即使AI医疗能得到高质量的数据，它也无法回避一个问题：数据获取会侵犯病人隐私吗?毕竟没有任何人希望自己的健康数据被全世界的人都知道。
未来：技术、体制、政策都需转变
陈健芳愿意为AI医疗产品买单，建议将人工智能纳入基本医疗范围进行收费，而且价格最好不超过一百元。但这一切的前提是产品必须合格。
那如何才能生产出让市场愿意买单的产品?
在钱大宏看来，关键在于提高算法能力，不仅需要追求高准确率的结果，还需要进一步揭开AI的思维。
林浩添更看中人工智能的“纠错”能力。就目前研发的“AI眼科医生”而言，它还需要进一步提高识错能力，需要有判断力，去判断错误的图像，然后告诉检查者如何去重新采集。
科大讯飞智慧医疗常务副总经理鹿晓亮曾在2017中国精准医疗产业领袖峰会上表示，AI医疗产品需要进入临床，仅仅掌握算法是不够的，还需要不断地学习行业专家的能力，紧跟最新的研究潮流，提升自我。
如今，中国多款AI医疗产品虽有高准确率数据名气的“加持”，却未有一款诊断型的AI医疗产品真正能获得国家市场监督管理总局的认证。而在大洋彼岸的美国，已连续有三款人工智能诊断产品获得美国FDA的批准，以OsteoDetect为例，它能使用AI算法来帮助医生快速诊断腕骨骨折。
目前，我国监管部门禁止虚拟助手软件提供任何疾病的诊断建议，只允许提供用户健康轻问诊咨询服务。若AI医疗产品要想走得更远，相关部门应制定针对AI诊断进入临床应用的法律标准，明确AI诊断的主体是医生还是医疗器械，对AI诊断出现缺陷、医疗过失的判断依据等问题作出详细解释。
林浩添表示，他的团队将在国际期刊上发表论文，制定AI医疗入临床的标准，“当AI医疗产品在实际医疗中应用的准确率达到某个标准，它才有资格进入临床。”
数十家创业公司扎堆做同样的事情，基本围绕智能诊断展开。林浩添希望，AI眼科医生能走得更远，将来能给病人建议。他还打算研发一款眼科手术机器人，让它成为外科医生的助手，提高诊疗效率。
“未来的人工智能不应该是单一的，不能只对某个病种进行诊断，也不能只会分析影像数据，做出判断。”夏慧敏说，人工智能应该是对包括语音病历、影像数据和身体多项指标等进行综合考虑的诊断治疗，就像人的大脑一样进行全盘思考。
要实现这些目标，单靠企业是不够，还需要医生的深度参与。
在林浩添看来，医疗数据有特殊性，若仅仅靠计算机人才去摸索，那他们对方向的把握，数据的理解可能会不到位。一款满意的AI产品需要医疗人员和程序员打好配合，深入交流，深度合作。但在现有体制下，医务人员很难抽出身，沉重的临床和科研任务已让他们应接不暇。
鹿晓亮曾总结，用人工智能赋能医疗行业，需要具备3个特质，包括强大的技术支持、政府决策和社会资源的支持以及持久的韧性和耐心。(记者黄锦辉通讯员邰梦云)
