0
| 本文作者： 刘伟 | 2017-11-08 07:56 |
很多人都说，AI来了，放射科医生将面临失业的困局。上海新华医院副院长潘曙明的观点却恰恰相反。他认为，未来放射科医生的职业前景最为光明，因为放射科是离人工智能最近的科室。
潘院长指出，目前AI能够解决的问题主要集中在图像领域。AI对图像的认知已经远远超过了人类。因此，我们应该逐步将这种类型的任务移交给AI。未来，将放射影像与AI技术融合用于精准手术治疗具有十分广阔的前景。
放射影像在现代医学中占据着举足轻重的地位，但这项技术并非医生的发明。如今大数据和人工智能技术正在给各行各业带来变革，医疗产业同样深受影响，但这项技术也不是医生的发明。潘曙明院长认为，医疗行业变革背后的推手也许并不是医生，相反，医生将处在食物链相对底端的位置。
优质的海量数据是人工智能算法的基础，但信息孤岛在每个医院都是一大难题。病房场景、教学场景、ICU场景、急诊场景的系统都是不互通的。各个医院之间的信息化水平参差不齐，要实现所有医院的数据互联互通，目前来说还很困难。
潘院长认为，数据互联互通难以推进主要有三方面的原因：
一、不敢。数据安全是一个让行业比较痛苦的问题。大家都想要彼此的数据，但是对于到底该不该给对方提供优质的数据支撑又犹豫不决。
二、不愿。医疗在很多地方都是香饽饽，牵涉到各个部门的利益，大家都不愿意将自己的数据交出去。
三、不能。目前懂人工智能的医生和懂医生的IT人才还极其稀少。
以下是潘曙明院长的口述原文，雷锋网做了不改变原意的编辑：
我的观点和很多医生不一样，我认为AI必将取代医生。
一个多月前，我在杭州参加过一次关于医疗AI的辩论。辩论很激烈，持续了一下午。我们辩论的主题是，假如有人拿出100万美金建医院，到底该建设一个由医疗AI还是人类医生组成的医院。辩论中我们提到，AI有一个好处，它只需要有电力供应就能不断工作。人类医生的需求则复杂得多，除了要按时按量发放薪水，还要避免他闹情绪罢工。
大概两周前我和一个院士讨论，他有一个观点让我很诧异。他说要向伟大的放射科医生致敬。这位院士经常用机器人做前列腺癌手术。以往通过人工手段做前列腺手术往往出血较多，容易切断敏感神经，导致患者术后罹患性功能障碍。采用手术机器人之后，这种情况大幅减少。
还有一些医生经常问这位院士，如果自己的小孩当医生，选哪个专业方向比较好。他的回答是放射学，因为放射影像是和AI最接近的。
为什么机器人做手术的效果比人工好？因为机器人是建立在图像识别和导航的理论基础之上的，可以实现更加精准的手术和治疗。未来，AI结合放射影像将是精准手术治疗的重要方向。与此同时，外科医生和皮肤科医生将成为危险职业，面临被AI取代的威胁。
10月份的《纽约客》杂志上刊登了一个很有意思的封面：未来人类坐在地上要饭，机器人昂首阔步地走过，顺手施舍我们几个铜板。这种情况是否可能会发生呢？
我们知道，和机器相比人类的优势在于创新性思维。但未来人类的创新和逻辑思维在以Alphago Zero为代表的人工智能面前可能不堪一击。Alphago Zero想到的棋局，李世乭可能终其一生都没想到过。为什么会出现这种情况呢？因为数据释放出了巨大的价值，数据进化的过程比人类快多了。我们以前从未想到过今天会有这么多的数据在我们周围产生和存储。2006年和2020年产生的数据量相差多达44倍，这种数据量已经不能仅仅用海量来形容了，简直堪称天文数字。
数据积累推动了很多行业的创新。以现在很热门的新零售业态盒马鲜生为例，盒马鲜生掌握的动态数据可能已经超过了医生，快递小哥对你的了解也可能超过了你家小区的保安。它已经通过后台大数据精准分析出了每个人的消费习惯。
前几年H7N9流行的时候，Google对疫情的预测精度已经超过CDC。他可以根据各个地方的口罩销量情况预测疾病流行趋势。
最近，我请某电讯公司帮我分析外地病人在上海三甲医院的分布情况，对方向我提供了一份数据，非常有意思。它的上海手机用户和外地手机用户在上海三甲医院的分布情况，和我掌握的病人分布情况差不多。
大数据给交通出行带来的变革同样非常巨大，每个道口无处不在的摄像机和大数据的融合已经让我们无所适从。你可能只在人行横道线停留了三秒钟，就会收到一张罚单。
那么，我举的这些例子跟医疗有什么关系呢？
我们在医学影像领域取得的成就是不容置疑的。现在皮肤科医生通过微信群就能挣钱，因为只要看片子就行了。最痛苦的是外科医生。随着心脏支架技术的发展和成熟，很多心脏手术心血管医生就能做，于是胸外科医生逐渐被边缘化。未来随着手术机器人的发展，外科医生也将面临相同的困境。新一代的达芬奇手术机器人已经非常灵巧了，如果它和放射影像以及AI融合在一起，放射科医生取代外科医生并非没有可能。
我不得不再次感叹放射科和影像科的伟大。放射影像是医学，但却不是医生发明的。放射领域获得诺贝尔奖的成就没有一项是由医生发明的，都是物理学家、数学家和生物学家发明的。医生只是在最底端起到了帮助他们进一步认知的作用。毫无疑问，大数据将推动医疗行业的变革，但背后的推手倒真的不一定是医生。我们在这个过程中，可能属于食物链的底端。
精准医疗是当前非常热门的话题。华大基因现在在全国各地采集血液。只要有足够多的血液数据，他就能把微生物诊断做到极致。随着遗传学技术、分子影像技术、生物技术和患者临床数据的整合，精准医疗将推动医生鉴别诊断的变革。
医疗可穿戴设备带来的影响也很深远。衬衫上整合进纳米技术和人工智能，就能对我们的血糖、血压、心跳等生理数据，实现全天候的监测。新华医院目前正在做这方面的尝试。如果可穿戴设备真的能够推广应用。我们在孕妇肚子上绑一个东西，就可以远程监测胎儿的异常反应。孕妇不用去医院就能轻松做产检。未来也不排除人工智能在急诊、住院服务等其他领域带来变革。
但在这个过程中，医院需要思考如何为患者提供人性化的服务。的确，AI可以学习和掌握更多的知识，但它无法取代人类的人文关怀。现在市场上已经诞生了人性化的机器人，机器人有自己的名字，而且长相和声音都很甜美，但它毕竟不是真正的人类。
大数据和人工智能驱动了医疗服务的变革，这是每一个医院管理者必须正视的事实。不便捷、不可及、碎片化，以及被动型的传统医疗模式，在未来的互联网、大数据和可穿戴技术面前可能不堪一击。
为什么盒马鲜生能够开到我们家门口？因为淘宝为它提供了足够的数据支撑，使它知道你所在的小区到底需要什么样的产品，从而能够精准配货，带来优质的线下购物体验。未来医院是否也能够提供这种既有系统性，又有主动性的服务呢？也许未来每个大型社区周围都有一个便捷的、数字化、精准化、个性化的医疗中心，到那时候大型医院该如何转型，这值得我们深思。
但大数据也给大型三甲医院带来了很多机遇，因为他们拥有大量的真实数据。数据的真实性有一个前提，所有的员工和病人必须真诚可靠。医院做研究的金标准是RCT，但是RCT研究是经过严格设计和控制的。受试者的身高、体重等生理特征相似，且按照一定的标准进行了精确分组，用药情况也受到控制。实验结果需要随机对照，且是可以复制的。
但在真实世界中能做这种研究吗？研究结果是否真实可靠？真实世界中的研究没有完全随机对照，病人到底是什么样的也难以把握。也许他的依从性不好，在家没有按时服药，这种情况下我们该如何判断药物的有效性呢？有了大数据之后，我们可以通过对真实世界数据的研究找到答案。我们可以不对受试者施加任何限制条件和干预措施，得到更加贴合临床实际的结果。我相信如果未来我们将所有基层医院的门诊诊断数据和综合性医院的住院数据整合到一起，就能得到正确、真实、可靠的结果。
目前AI能够解决的问题主要集中在图像领域。AI对图像的认知已经远远超过了人类。人眼能够看到的最小尺寸可能是0.5mm，但AI可以在小数点后再加两个零。因此，我们应该将这类任务逐步移交给AI。未来最应该担心被取代的，除了外科医生和皮肤科医生，还有病理科医生。
新华医院目前正在和相关企业进行医疗影像方面的合作，比如结节的分析筛查、小孩的骨龄测定等。未来只要有足够多的数据，AI就能通过自动学习分析出你的真实年龄，给出详细精确的报告。
作为医院的管理人员，我最关心的是大数据给医院管理带来的冲击。现在政府给医院管理施加了很多束缚，因为政府手里有大量的数据，有数据就有发言权。当然，政府目前掌握的数据可能还不够完整和准确，但通过数据比较不同医院的成本已经成为可能。往前推二三十年，医院的管理者可以控制很多事情，但今天一切都是透明的。新华医院所有的数据对申康都是透明的，江苏、浙江、北京的医院的数据对医管局也可能是透明的。只要对这些数据进行不断的挖掘，医院的管理将无所遁形。对于我来说，同样可以让科室的管理无所遁形。
数据能够带来创新。今天，以疾病为核心，形成完整的诊断可视化图像已经成为可能。比如我们想知道某个地方的孕产妇数量、年龄结构和地域分布数据，通过一张图表就能清楚展示出来。今天早上我们孙院长画了两张图，一张显示西部地区五岁以下儿童的死亡率最高；另一张显示西部的儿童医生数量为全国最低。二者之间是否有关联呢，答案显而易见。未来，我们可以通过大数据，将某种疾病的发病区域、并发症占比、药品不良反应等以可视化图像的方式进行展示和分析。
疾病的分析预测，比如通过大数据分析肺炎对儿童的影响，在今天也已经不是新鲜事了。我们甚至能根据家长上班的迟到情况，预测他的小孩是否能准时到校。
三医联动是一个比较宏大的话题，其中数据链路的打通非常重要。我们今天谈论的大数据，主要还是单个医院的数据。但单个医院的数据并不能叫做大数据。上海申康有一套数据，卫计委也有一套数据，他们的数据也不能称之为大数据，必须要实现数据的互联互通。
新华医院和瑞金医院的数据量相差不大，都有400万左右的门急诊量，数据信息可能达到了上亿条。但数据的质量是否可靠还很难说。不同系统产生的数据都不一样，信息孤岛在每个医院都是一大难题。病房场景、教学场景、ICU场景、急诊场景的系统都是不互通的。每家医院的信息化都是基于自身情况展开的，水平参差不齐，要实现所有医院的数据互联互通，目前来说还很困难。要做好数据的安全性和合规性格式难上加难。
而且医院中的数据大量是以非结构化的自然语言的形式存在的。将自然语言转化成结构化的病历数据和机器语言还有很长的路要走，过程十分漫长。
为什么数据的互联互通推进起来这么困难呢？我认为至少有三方面的原因：
一、不敢。数据安全是一个让行业比较痛苦的问题。大家都想要彼此的数据，但是到底该不该给对方提供优质的数据支撑呢？我还在犹豫。
二、不愿。医疗在很多地方都是香饽饽，牵涉到各个部门的利益，大家都不愿意将自己的数据交出去。
三、不能。目前懂人工智能的医生和懂医生的IT人才还很少，但我相信未来这样的人才肯定会越来越多。
深挖大数据是我们未来最重要的任务。只有深挖大数据才能把深度学习做得更好，取代不合格的医生，让优秀的医生更好地为老百姓服务。整个医疗机构也会因为大数据的应用逐步分化，在大数据和人工智能领域表现出色的医院会慢慢走向领先地位，落后的则将逐步被淘汰。
未来二十年必然是属于大数据和医疗AI的时代。信息化和数字化建设一定会给医院带来非常大的转变。我坚信，AI将改变医疗。雷锋网雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
