AI醫療、基因檢測進入洗牌期,專家稱IAB應加強跨界交流

自2015年AlphaGo戰勝李世石後,人工智能技術掀起市場應用熱,其中AI+醫療也迎來了春天,AI診斷甚至AI治病等概念一度熱炒。與此同時,以基因檢測為代表的大數據+生物概念也迎來資本市場的青睐,例如2017年上市的華大基因,曾在上市後短時間内攀上千億市值。

然而,短暫的熱炒過後,AI醫療與基因檢測在實際應用中雙雙出現了不少問題,行業也随之進入洗牌期。其中華大基因曾在2018年7月陷入“無創産前DNA篩查緻兒童患生理缺陷”醜聞,股價大幅下跌,市值至今僅剩約250億元左右。

AI医疗、基因检测进入洗牌期,专家称IAB应加强跨界交流

華大基因上市後股價走勢

而美國IBM旗下腫瘤輔助治療AI産品Watson Health因經常性診斷錯誤或開錯藥,與知名腫瘤專科醫院MD Anderson合作失敗等事件,也為國内醫院臨床應用AI醫療敲響了警鐘,AI臨床使用準确率能否信任成疑。從市場情況來看,AI醫療在2019年尚未出現現象級的應用案例,醫院對引入AI技術的态度趨向謹慎。

在8月23-25日于廣州舉辦的第四屆中國計算機學會生物信息學會議上,南都科創記者與數位醫療界和計算機界專家進行了訪談,進一步了解計算機與生物醫療領域當前的技術和應用發展階段。多位專家一緻認為,人工智能、大數據等新一代信息技術與生物、醫療産業确有很大的結合空間,但在應用過程中還面臨着很多難點,并非可以一蹴而就。在熱炒過後,行業回歸冷靜更利于穩步發展,以解決技術和應用問題。而在這一過程中,“IAB”概念中代表計算機界的I和A,應該和代表生物醫療界的B有更多跨界交流合作。

AI臨床難點:從單一數據單向分析到複雜數據複雜分析

據了解,人工智能技術在深度學習算法取得突破後,在圖像、語音、文字等信息領域的能力均取得了較大飛躍,實驗室中的信息識别和分析能力成績屢創新高,在部分醫療診斷上,人工智能在實驗室中的診斷正确率已達到90%以上,達到專家級醫生的水平。

然而,盡管在實驗室裡人工智能取得了很高的診療準确率成績,但在實際臨床應用中卻會出現較大差距。以主要通過影像判斷的眼科診療為例,在實際應用中,人工智能往往隻能達到70、80%的準确率,這就使得人工智能目前還無法代替醫生做病情診斷,隻能起到一定的輔助作用。

AI医疗、基因检测进入洗牌期,专家称IAB应加强跨界交流

臨床應用中AI醫生準确度還有明顯差距

而當被問及什麼時候人工智能在實際眼科診療中準确率能達到90%的水平,中山大學眼科醫院院長劉奕志表示并不樂觀,他說,目前還沒有看到人工智能在實際應用中能夠實現足夠準确率的可能。

中山大學生物醫學大數據中心主任謝志告訴記者,中山大學眼科醫院是率先将人工智能技術應用在白内障診療、并于2017年發表國際論文的醫療機構,其後也推動了人工智能在近視眼、青光眼診療等方面的應用,并自己組建了人工智能開發團隊。在長期的研究過程中,他們發現目前的人工智能技術并非“萬能藥”,能夠解決的眼科診療問題還十分有限。

AI医疗、基因检测进入洗牌期,专家称IAB应加强跨界交流

中山大學眼科醫院院長劉奕志

據劉院長介紹,目前制約人工智能實際應用眼科診療的主要痛點在于數據質量問題,即醫療實踐中産生的數據能否很好地計算機語言化。人工智能在實驗室中測試時,使用的都是預先篩選過的數據,數據标準化高。但在實際應用中,不同醫院乃至不同醫生對同一種病的圖片拍攝方法都可能有很大不同。另外,以眼科診療為例,影像隻是判斷病情的一個主要部分,在實際診療過程中,醫生還會通過與患者交流、整體觀察等方式綜合考慮,而這些都很難被轉化為計算機語言。

對于計算機界和醫療界的差異,中科院北京基因組所研究員方向東也有類似的看法。方向東告訴南都科創記者,不管是人工智能下赢國際象棋還是圍棋,本質上都是在确定的規則之内,通過對單一類數據進行單向分析實現機器學習。而人工智能在生物領域應用的挑戰在于,生物體的數據十分複雜,具有許多維度,而且數據标準化困難,在數據分析上,也往往需要進行系統性地複雜分析,這就使得醫療領域應用對于人工智能來說有很大的挑戰。

基因檢測現狀:重心回歸上遊研發,計算機技術尚需突破

南都科創記者發現,目前計算機界與醫療行業結合的部分主要分兩個方向,一是針對醫療中的影像學檢查,二是基因檢測應用。這與新一代信息技術目前的發展情況也較為契合:人工智能領域的圖像識别和基于大數據的預測分析是當前較為廣泛成熟的兩大方向。

AI医疗、基因检测进入洗牌期,专家称IAB应加强跨界交流

中科院北京基因組所研究員方向東

相比臨床應用影像學檢查,基因檢測的應用更早市場化鋪開,在國内已誕生了一批産業鍊公司。據了解,相比臨床診療,基因檢測由于檢測設備比較統一,檢測數據均為标準化數字化呈現,因此在數據質量上問題較小,而人工智能技術的突破一方面幫助基因檢測的成本大為降低,一方面使基因檢測能夠進行大數據分析,從而使市場應用得以鋪開。

不過,基因檢測在市場推廣中也陸續暴露出了一系列的問題,尤其是目前基因技術本身尚不能完全解釋生命現象,基因檢測結果的可信度和指導價值仍然存疑。方向東告訴南都科創記者,目前國内基因檢測的産業布局重心已經從偏重中下遊試劑盒、遺傳報告的推廣回歸到上遊的源頭創新上,一方面是為了避免出現産品應用過程中出現上遊“卡脖子”問題。另一方面則是基因技術本身仍存在許多局限,需要從源頭進行研發突破。

方向東判斷,未來3到5年,基因檢測技術會從以前的推廣檢測服務、第三方實驗室等轉向投入研發源頭創新技術,而這其中就需要人工智能技術的深度參與。“這涉及到龐大數據量的處理”方向東說,一個人的生物信息估計轉化成計算機數據就有10TB左右,要對人類基因組做大規模研究,數據存儲技術、數據分析算法和計算機算力都面臨很大的挑戰,不僅是在現有基礎上進行提升,還要取得技術上的突破才行。

背景:醫療應用需求催生交叉學科交流

一方面,中國長期面臨醫患資源不匹配的矛盾,醫生工作繁重,需要人工智能、大數據等技術幫助減少工作量;另一方面,線上用戶增長紅利逐漸減退,互聯網行業紛紛進軍産業互聯網,而醫療領域就是重點傳統行業之一。可以說,計算機和醫療領域互相間存在明确的融合需求和産業導向性。

然而,計算機和醫療的知識體系與語言體系差别,讓這種融合面臨不少困難,相比其他領域,醫療領域知識的專業性更高,計算機跨界醫療行業更難。

中山眼科醫院劉院長表示,目前醫療界與計算機界的交流平台和交流機會還比較少,類似此次參加的交流會議的次數并不多。他認為,醫療界和計算機界的專家學者、企業機構等應該進一步加強交流,醫療界需要了解計算機界擁有哪些技術能力,計算機界需要從醫療界明确實際需求,避免空有大數據在手卻挖掘不了數據價值的尴尬,從而共同推進計算機與醫療的融合發展。

會議主辦方華南理工大學計算機學院教授蔡宏民介紹,本屆中國計算機學會生物信息學會議是首次在廣州舉辦,在全部四屆中今年參會人數首次達到500多人,是上一屆的兩倍多,這也從一方面說明了我國在生物信息計算領域的市場規模和關注度都在快速增長。

AI医疗、基因检测进入洗牌期,专家称IAB应加强跨界交流

中國計算機學會生物信息學會議首次在廣州舉辦

南都科創記者在會議現場觀察發現,除了有許多學界的專家學者參加會議,會場也有不少計算機界和醫療界的企業參與,互相介紹業務情況。蔡宏民教授介紹,目前該會議為中國計算機學會下屬學科的學術交流活動,預計到明年會新舉辦一場更高規格、更大範圍的産學研用交流活動,打造一個計算機界和醫療界更大的交流平台。

更新于:2019年09月03日

  • 智領江蘇(資訊)

  • 加入JSAI學會