当前位置： AI资讯 > 内文

HIT复盘｜2019医疗AI建设触及的6个“误区”

2019-12-31 关键词： 临床决策支持(CDSS) , 医疗AI

ReportLinker 市场研究报告显示，到2025年，全球医疗人工智能市场规模预计到361亿美元，2018-2025年复合年增长率50.2%。在终端用户方面，医院和其他医疗服务提供商将占据最大规模。

医疗是典型的政策驱动型行业，政策和大数据集将决定医疗AI前进的速度。麦肯锡估计，到2020年，医疗数据将每73天翻一番，“人工智能+大数据”每年可为医疗行业节省1000亿美元。在政策红利加持下，我国医疗AI将取得突破性发展。通过对2019年HIT建设进行复盘，我们总结了以下医疗AI建设存在的误区，希望可以帮助CIO们更好地规划来年的工作。

１

技术“玩咖”：没有弄清楚自己需要什么

许多早期的医疗AI采用者被技术细节所吸引，非常关注技术是否有效，人工智能是否真实。

技术很有趣也确实有效，大量研究为AI赋能医疗进行了验证，但这并不能决定它最终的成功。一方面，与任何新兴技术一样，AI有一定的学习、成熟曲线；另一方面，不管建立多少个模型、ROC曲线是什么，核心问题是：你想用它来解决什么问题？是否正在用它来解决一个相关的问题？

医院采用AI的惯常路径是从“实验性”研究开始，以成立一个人工智能项目部门为结束，通常停留在“标签化”的成果上。而我们建设AI项目一定不能忽视一点：采用AI的出发点——不是AI能干什么，而是临床业务遭遇了什么、需要什么。

２

大包大揽：成功的AI应用是建立合作生态

成功的人工智能应用需要医院与供应商、供应商与供应商之间形成一个良性的合作生态。很多医院部署AI项目时犯的最大错误是试图自己解决所有问题，自己开发、自己实施，可能浪费几周甚至几个月的时间将人工智能解决方案集成到现有临床工作流程，但只取得了中等成功。

此外，没有对自己机构的基础建设进行评估，盲目引进一些上层设施和平台，导致后期不得不推倒重来。

３

大谈理想不谈“钱”途：商业化是AI真正服务用户的关键

医疗服务正面临前所未有的挑战：老龄化加深、慢病高发、医疗资源与医疗需求供需持续失衡，AI+医疗被寄予厚望。在这一背景下，不少AI提供商愿意提供免费产品，因为“没有什么比被一个泪流满面的人拥抱更有意义”，医院也愿意用合作开发来换取这样的免费使用。

但现实是，AI技术要想在医疗领域取得实在的成功并对临床结果产生影响，我们绕不开“成本”这一话题。如果AI企业没有商业化，那么其他一切“临床理想”都可能成为空谈，真正赋能用户的“服务”能力将无法长期持续。因此，我们需要从“成本方程”中推导出合理的落地场景，商业化是未来医疗AI产品决胜的关键。

４

对自我学习能力的无限放大：人工智能也有“脆弱”的时候

人工智能有很多标签：颠覆、革命……但随着AI研究的深入，许多人越来越意识到人工智能模型的“脆弱性”。

第一，“自我学习能力”不是金钥匙。某个模型在经过训练验证的机构或一定范围内可能表现良好，但同样的模型在其他机构可能表现不佳。所以AI模型的某一个性能指标不能成为评价标准，足够的训练数据并且利用机构的数据进行验证很有必要。另外，安装产品并把一切都交付给用户是不行的，为了确保AI解决方案实际上执行良好，医疗机构应指派一个临床团队与人工智能供应商持续合作，以确保能最大限度地利用这项技术。

第二，如果AI模型没有很好地集成到工作流中，它将不会被使用。临床医生工作量大，他们不会容忍任何会不必要地降低他们工作效率的解决方案，也没有哪位医生希望在他们的日常工作中增加更多的鼠标点击和屏幕弹出。因此，紧密集成到工作流程中是人工智能成功实现的必要条件之一，“只需点几下鼠标或下拉菜单”这样的slogan也得淘汰掉。

５

唯“准确率”说：算法的准确性并不代表临床效果

终端用户往往注重AI产品的准确性，因为这是起点。但算法的准确性并不代表实际临床效果，训练数据样本量、复杂性对某一“准确率”的价值有着影响。但由于目前缺少有关AI模型对临床结果、患者预后的长期可靠性研究数据，准确性是我们所能依靠的为数不多的考核AI模型的标准之一。

随着临床应用的扎实推进，医疗AI服务将由前期的技术开发、模型训练转向应用价值验证，未来将重点关注不同的医疗人工智能解决方案对患者预后的影响，以真实数据帮助医院做出更明智的决定，为医疗行业增加更多的安全感。

６

期望值不合理：没有正视医疗AI的优势与弱点

医院和医生对人工智能的认可度在逐渐提升，也存在两种分歧：期望过高和消极对抗。对医疗人工智能不切实际的高期望，会影响AI的最终落地实施或让医疗专业人士感到不安；而批评者持有“我们今天开发的医疗人工智能与过去的专家系统并无区别”的固化观念，无疑会限制人工智能在临床的潜在应用。

我们需要正视和更深入地了解人工智能技术的优势和弱点，将其应用到实际的医疗环境中，通过实践和可靠的临床验证来增强信心。正如美国放射学会数据科学研究所首席医疗官 Bibb Allen 所说：“如果我们坐视不管，什么都不做，我们有可能被人工智能边缘化。而如果我们在人工智能发展中发挥领导作用，对医生、病人来说，最好的日子还没有到来。”

参看文章：https://www.aiin.healthcare/topics/medical-imaging/ai-mistakes-healthcare-radiology-imaging-rsna?utm_source=newsletter&utm_medium=ai_news