智能“閱片”、臨床決議計劃、護理機器人……近年來，跟著人工智能的蓬勃開展，人工智能與醫(yī)學結合的相關技能開發(fā)也進行得如火如荼。
近來，人工智能在藥物研制范疇邁出重要一步，澳大利亞研討團隊將全球首個AI設計藥物——“渦輪增壓”流感疫苗推入人體實驗階段，這款藥物開發(fā)用時兩年時刻。
就像“互聯網+”一樣，“人工智能+”的形式必定會給咱們的生活帶來翻天覆地的改變，但在涉及生理和生命的醫(yī)學范疇，人工智能落地還將面對哪些挑戰(zhàn)？
質與量并重 根底數據仍需“精粹”
不管在何種范疇，數據都是讓機器聰明起來的底子。
“人工智能若想在醫(yī)學范疇長足開展，數據質量、數據量和規(guī)范化方面還有待改進和完善。” 8月6日，天津市腫瘤醫(yī)院副院長徐波在接受科技日報記者采訪時表明。
“醫(yī)療大數據怎么‘降噪’是個關鍵問題。”徐波指出，醫(yī)療大數據涉及的類型近年來呈多模態(tài)開展。而病例數據掩蓋面廣，服務用戶多樣，怎么構建以病人、醫(yī)師、醫(yī)院和政府等多中心的數據管理系統，從而面向不同的用戶供給不同的數據視圖和剖析結果，是醫(yī)療大數據采集及研討中亟待解決的問題。
自改革開放以來，我國醫(yī)學范疇開展迅速，信息化程度也在逐漸提高。可是跟著醫(yī)療設備更新迭代，數據的格局和錄入的內容也在不斷改變。以慢性病為例，即便是同一位病人在同一家醫(yī)院治療，幾年前后的數據內容和形式也可能會大有不同。更何況我國醫(yī)學范疇在病種分類、稱號方面也有部分沒有一致，還有一些醫(yī)師會選用口語、簡稱，如“乳腺癌”和“乳癌”就是不同醫(yī)師對同一種病癥的不同叫法，這也會給人工智能在臨床決議計劃或印象剖析時平添困擾。
“盡管我國醫(yī)院的數據巨大, 但由于疾病的雜亂性，數據維度、特性各不相同, 質量參差不齊,導致許多細分的病種實際可用數據量少，尤其是較為稀有的疾病類型。假如是多學科穿插的病癥可運用的數據量就更加有限了。”徐波表明。
此外，數據同享也存在壁壘。我國當時醫(yī)院與醫(yī)院、同一家醫(yī)院內科系互不相連, 沒有一致規(guī)范的臨床結構化病歷報告,不同地域乃至不同醫(yī)院之間的數據庫無法通用。
我國人口數量巨大，醫(yī)學數據體量也很大，但在某種程度上，人工智能開展卻陷入了“無數據可用”的為難境地，怎樣才能將這座“富礦”充分發(fā)掘出來呢？
“數據規(guī)范化和規(guī)范化是解決該問題的必經之路。”在徐波看來，應加快醫(yī)療數據電子化、規(guī)范化的進程, 打破醫(yī)療機構的數據壁壘, 樹立數據同享機制,進一步“精粹”醫(yī)學范疇數據。
醫(yī)工結合 學科穿插人才緊缺
“既懂醫(yī)療又懂AI技能的復合型、戰(zhàn)略型人才極其短缺, 其中10年以上資深人才尤為缺乏。一起, 醫(yī)務人員對AI的接收度缺乏, 部分醫(yī)務人員乃至對AI抱有抵觸心思。”上海市衛(wèi)生和健康開展研討中心（上海市醫(yī)學科學技能情報研討所）健康科技創(chuàng)新開展部執(zhí)行主任何達曾在相關期刊發(fā)表文章時提到，AI技能的運用需求對醫(yī)務人員進行專業(yè)化規(guī)范訓練, 在此布景下, 樹立完善的人才培育和人才引入機制是重中之重。
徐波告知科技日報記者，智能醫(yī)學范疇是人工智能和醫(yī)療健康這兩個專業(yè)性極強范疇的結合，如今二者都能深入研討的人才是“香餑餑”。而正是由于二者專業(yè)性極強，人才培育的形式才更加雜亂、更值得深入探討。
上一年，南開大學和天津大學初次在本科開設智能醫(yī)學工程專業(yè)，敞開了培育人工智能+醫(yī)學范疇專業(yè)人才的新征程。本年，包含重慶大學、東北大學在內的7所院校也成功申報獲批開設相關專業(yè)。南開大學醫(yī)學院相關負責人曾表明，該專業(yè)是掛靠在學校醫(yī)學院下的一個工科專業(yè)，為了滿足學生學科穿插的學習需求，會約請外院的教師上課教學。
在徐波看來，智能醫(yī)學范疇開展時刻短，能大范圍推行的培育形式需求必定的時刻摸索。但歸根到底，假如讓部分有興趣的醫(yī)學生在校期間就能接觸到一些人工智能相關的工科根底知識，將會對其后續(xù)向著智能醫(yī)學方向開展起到必定的引導和輔佐作用。
盡管現階段穿插人才缺口很大，但值得慶幸的是，家長和學生對智能醫(yī)學工程專業(yè)高度認可。2018年，天大、南開智能醫(yī)學工程專業(yè)第一批招生投放包括全國十幾個省市，招生期間，民眾的相關咨詢繼續(xù)火爆，未投放省市同樣反應火熱。
市場良性開展 監(jiān)管系統亟須加強
除了數據和人才兩大根底方向，新興的智能醫(yī)學在商業(yè)形式和法令監(jiān)管等方面也需求人們投注目光。
以現在人工智能與醫(yī)學最常見的結合點——醫(yī)學印象為例，現階段該范疇的AI產品在國內主要選用免費試用的協作方法，盡管短期來看，醫(yī)院是獲益的，但長遠核算，優(yōu)質AI企業(yè)會因長時刻無法盈利而難以為繼，無法繼續(xù)為醫(yī)院供給更好的產品。
合理的商業(yè)化形式尚在“摸著石頭過河”的階段，而相配套的監(jiān)管機制也亟須完善。清華大學法學院院長申衛(wèi)星此前在接受科技日報記者采訪時表明，現在只要《民法總則》第127條提出，“法令對數據、網絡虛擬財產的維護有規(guī)則的，按照其規(guī)則”。但具體怎么維護數據，并沒有詳細說明。
以往，機器被歸為東西一類，東西形成的危害職責通常是產品設計者、制造者來承擔，但假如東西經過人工智能深度學習，成為自主型產品后形成危害，這到底是誰的職責？依舊是產品的職責仍是智能系統開發(fā)單位的職責？這些疑問都需求清晰的法條來回答。
記者了解到，我國不僅對智能醫(yī)學數據的隱私維護、職責規(guī)范、安全性等沒有清晰的法令指示，人工智能在醫(yī)療健康范疇使用的質量規(guī)范、準入系統、點評系統也未設置詳細的準則, 無法對AI數據和算法進行有用驗證和點評。
“現在國際上也沒有成功的案例經驗可供學習，開展出一套契合我國國情、相對完善的智能醫(yī)學監(jiān)管系統還需求必定的時刻和多學科、多職業(yè)的研討者和實踐者共同努力。”徐波表明，較為科學的監(jiān)管系統之下，人工智能企業(yè)在契合各項規(guī)范和法規(guī)的范圍內探究良性的商業(yè)化營收形式，各院所、高校、醫(yī)院等單位合理使用各自資源，進行有用協作，有助于整個智能醫(yī)學范疇的健康、穩(wěn)步開展。
近來，人工智能在藥物研制范疇邁出重要一步，澳大利亞研討團隊將全球首個AI設計藥物——“渦輪增壓”流感疫苗推入人體實驗階段，這款藥物開發(fā)用時兩年時刻。
就像“互聯網+”一樣，“人工智能+”的形式必定會給咱們的生活帶來翻天覆地的改變，但在涉及生理和生命的醫(yī)學范疇，人工智能落地還將面對哪些挑戰(zhàn)？
質與量并重 根底數據仍需“精粹”
不管在何種范疇，數據都是讓機器聰明起來的底子。
“人工智能若想在醫(yī)學范疇長足開展，數據質量、數據量和規(guī)范化方面還有待改進和完善。” 8月6日，天津市腫瘤醫(yī)院副院長徐波在接受科技日報記者采訪時表明。
“醫(yī)療大數據怎么‘降噪’是個關鍵問題。”徐波指出，醫(yī)療大數據涉及的類型近年來呈多模態(tài)開展。而病例數據掩蓋面廣，服務用戶多樣，怎么構建以病人、醫(yī)師、醫(yī)院和政府等多中心的數據管理系統，從而面向不同的用戶供給不同的數據視圖和剖析結果，是醫(yī)療大數據采集及研討中亟待解決的問題。
自改革開放以來，我國醫(yī)學范疇開展迅速，信息化程度也在逐漸提高。可是跟著醫(yī)療設備更新迭代，數據的格局和錄入的內容也在不斷改變。以慢性病為例，即便是同一位病人在同一家醫(yī)院治療，幾年前后的數據內容和形式也可能會大有不同。更何況我國醫(yī)學范疇在病種分類、稱號方面也有部分沒有一致，還有一些醫(yī)師會選用口語、簡稱，如“乳腺癌”和“乳癌”就是不同醫(yī)師對同一種病癥的不同叫法，這也會給人工智能在臨床決議計劃或印象剖析時平添困擾。
“盡管我國醫(yī)院的數據巨大, 但由于疾病的雜亂性，數據維度、特性各不相同, 質量參差不齊,導致許多細分的病種實際可用數據量少，尤其是較為稀有的疾病類型。假如是多學科穿插的病癥可運用的數據量就更加有限了。”徐波表明。
此外，數據同享也存在壁壘。我國當時醫(yī)院與醫(yī)院、同一家醫(yī)院內科系互不相連, 沒有一致規(guī)范的臨床結構化病歷報告,不同地域乃至不同醫(yī)院之間的數據庫無法通用。
我國人口數量巨大，醫(yī)學數據體量也很大，但在某種程度上，人工智能開展卻陷入了“無數據可用”的為難境地，怎樣才能將這座“富礦”充分發(fā)掘出來呢？
“數據規(guī)范化和規(guī)范化是解決該問題的必經之路。”在徐波看來，應加快醫(yī)療數據電子化、規(guī)范化的進程, 打破醫(yī)療機構的數據壁壘, 樹立數據同享機制,進一步“精粹”醫(yī)學范疇數據。
醫(yī)工結合 學科穿插人才緊缺
“既懂醫(yī)療又懂AI技能的復合型、戰(zhàn)略型人才極其短缺, 其中10年以上資深人才尤為缺乏。一起, 醫(yī)務人員對AI的接收度缺乏, 部分醫(yī)務人員乃至對AI抱有抵觸心思。”上海市衛(wèi)生和健康開展研討中心（上海市醫(yī)學科學技能情報研討所）健康科技創(chuàng)新開展部執(zhí)行主任何達曾在相關期刊發(fā)表文章時提到，AI技能的運用需求對醫(yī)務人員進行專業(yè)化規(guī)范訓練, 在此布景下, 樹立完善的人才培育和人才引入機制是重中之重。
徐波告知科技日報記者，智能醫(yī)學范疇是人工智能和醫(yī)療健康這兩個專業(yè)性極強范疇的結合，如今二者都能深入研討的人才是“香餑餑”。而正是由于二者專業(yè)性極強，人才培育的形式才更加雜亂、更值得深入探討。
上一年，南開大學和天津大學初次在本科開設智能醫(yī)學工程專業(yè)，敞開了培育人工智能+醫(yī)學范疇專業(yè)人才的新征程。本年，包含重慶大學、東北大學在內的7所院校也成功申報獲批開設相關專業(yè)。南開大學醫(yī)學院相關負責人曾表明，該專業(yè)是掛靠在學校醫(yī)學院下的一個工科專業(yè)，為了滿足學生學科穿插的學習需求，會約請外院的教師上課教學。
在徐波看來，智能醫(yī)學范疇開展時刻短，能大范圍推行的培育形式需求必定的時刻摸索。但歸根到底，假如讓部分有興趣的醫(yī)學生在校期間就能接觸到一些人工智能相關的工科根底知識，將會對其后續(xù)向著智能醫(yī)學方向開展起到必定的引導和輔佐作用。
盡管現階段穿插人才缺口很大，但值得慶幸的是，家長和學生對智能醫(yī)學工程專業(yè)高度認可。2018年，天大、南開智能醫(yī)學工程專業(yè)第一批招生投放包括全國十幾個省市，招生期間，民眾的相關咨詢繼續(xù)火爆，未投放省市同樣反應火熱。
市場良性開展 監(jiān)管系統亟須加強
除了數據和人才兩大根底方向，新興的智能醫(yī)學在商業(yè)形式和法令監(jiān)管等方面也需求人們投注目光。
以現在人工智能與醫(yī)學最常見的結合點——醫(yī)學印象為例，現階段該范疇的AI產品在國內主要選用免費試用的協作方法，盡管短期來看，醫(yī)院是獲益的，但長遠核算，優(yōu)質AI企業(yè)會因長時刻無法盈利而難以為繼，無法繼續(xù)為醫(yī)院供給更好的產品。
合理的商業(yè)化形式尚在“摸著石頭過河”的階段，而相配套的監(jiān)管機制也亟須完善。清華大學法學院院長申衛(wèi)星此前在接受科技日報記者采訪時表明，現在只要《民法總則》第127條提出，“法令對數據、網絡虛擬財產的維護有規(guī)則的，按照其規(guī)則”。但具體怎么維護數據，并沒有詳細說明。
以往，機器被歸為東西一類，東西形成的危害職責通常是產品設計者、制造者來承擔，但假如東西經過人工智能深度學習，成為自主型產品后形成危害，這到底是誰的職責？依舊是產品的職責仍是智能系統開發(fā)單位的職責？這些疑問都需求清晰的法條來回答。
記者了解到，我國不僅對智能醫(yī)學數據的隱私維護、職責規(guī)范、安全性等沒有清晰的法令指示，人工智能在醫(yī)療健康范疇使用的質量規(guī)范、準入系統、點評系統也未設置詳細的準則, 無法對AI數據和算法進行有用驗證和點評。
“現在國際上也沒有成功的案例經驗可供學習，開展出一套契合我國國情、相對完善的智能醫(yī)學監(jiān)管系統還需求必定的時刻和多學科、多職業(yè)的研討者和實踐者共同努力。”徐波表明，較為科學的監(jiān)管系統之下，人工智能企業(yè)在契合各項規(guī)范和法規(guī)的范圍內探究良性的商業(yè)化營收形式，各院所、高校、醫(yī)院等單位合理使用各自資源，進行有用協作，有助于整個智能醫(yī)學范疇的健康、穩(wěn)步開展。
