QQ在线
企业微信（xìn）
资讯
336医院的放射科室、远程协（xié）作的移动屏（píng）幕前、医患集中的方舱医院，医疗机（jī）器人忙不更迭的身影（yǐng），记录着人工（gōng）智能在医疗（liáo）领域踏过的（de）足迹。从语音电子病历、智能导诊（zhěn）、智（zhì）能问诊为代（dài）表的虚拟助理，到（dào）AI医（yī）学影像（xiàng）实（shí）现病灶识别与标注、三（sān）维（wéi）重建、靶区自动勾（gōu）画与自适应放（fàng）疗；医疗大数据、医疗机器人实现辅助（zhù）诊疗，到利用AI技术与（yǔ）新药研（yán）发、老药新用、药物‘筛选结（jié）合，进（jìn）行药物挖掘；医院管理的病历结（jié）构化、分级（jí）诊疗、DRGs智能系统、专（zhuān）家系统……AI在（zài）医疗领域（yù）的（de）应用遍地开（kāi）花。
人工智能（néng）在抗疫前线的风光一时无两。
“未（wèi）来，AI在医（yī）药研发过程中发（fā）挥的作用将越来越凸显。”阿斯利康全球执行副总裁王磊在近日举办的2020世（shì）界人工智能大会上说，“在（zài）医（yī）疗领域，AI的价值将主要体现在两个（gè）方面，一是提升三甲医（yī）院医（yī）生的（de）效率，二是提（tí）升基层医（yī）疗（liáo）机构的诊疗（liáo）水平（píng）。”
然而复旦大学附属华山医院张文宏却（què）给（gěi）在场的（de）嘉（jiā）宾（bīn）浇了一盆冷水（shuǐ）。“在整个（gè）疫情（qíng）防控（kòng）中，全部是靠人工，也（yě）就（jiù）是靠传统智慧（huì）和城市管（guǎn）理实现的 ”。
张文宏认为，尽管现在人工智能已经应用于（yú）多个（gè）场景，技（jì）术还算成熟，但在医疗、流行病（bìng）防治领域，人工智能（néng）的建设还（hái）在起点。
AI在医疗健康发展的道路上（shàng）能（néng）否一（yī）路狂飙？
忽如一（yī）夜春风（fēng）来？
疫（yì）情是挑战也是机遇，特别是AI企业的机遇。
在5秒内完成数百张影（yǐng）像（xiàng）的初步诊断；将电（diàn）脑端（duān）语音转换医疗文字（zì）的极速（sù）输入；不仅提（tí）供人（rén）工（gōng）智（zhì）能（néng）远程诊疗服（fú）务，还承（chéng）担日常消毒、送餐、清扫等工（gōng）作；AI算法（fǎ）将原（yuán）来数（shù）小时（shí）的疑似病例基因分析缩（suō）短至半小（xiǎo）时，精（jīng）准（zhǔn）检测（cè）出病毒（dú）的变异情况……2020世界人工智能健康云峰会上，不少抗疫“明星”企业（yè）分享（xiǎng）了（le）探索的实践（jiàn）。
AI在医疗行业大热。
疫（yì）情下AI大（dà）展（zhǎn）身（shēn）手，高效辅助医（yī）疗应用场景，AI算法和算力（lì）在新冠肺炎诊断中发挥（huī）更大的价（jià）值（zhí）。AI在医疗领域的应用忽地遍地开花。
尽管如此，AI仍然只是一（yī）个辅助手段。
疫情期（qī）间，依图医疗和上海公（gōng）共卫生临床（chuáng）中心合作推出（chū）了业内（nèi）第一款智（zhì）能评估新型冠状病毒性肺炎的AI影像产品。
依图科技（jì）创始人兼CEO朱（zhū）珑介绍说，“从前医（yī）生（shēng）对于新冠肺炎的定量评价需（xū）要（yào）数个小时，但AI辅助医生诊断只要（yào）1、2秒（miǎo），就可以做出准确（què）判断，这是视觉感知的智能”。这（zhè）也（yě）是依图（tú）医疗AI应用场景的（de）切（qiē）入点。
上（shàng）海儿童医（yī）学（xué）中心（xīn）智慧（huì）交接班的（de）大屏上，患者的体（tǐ）温、呼（hū）吸（xī）、脉搏等生（shēng）命体（tǐ）征、导管情（qíng）况、氧（yǎng）饱和度等数据（jù）得到清晰的（de）显示（shì），据了解，上（shàng）海儿童（tóng）医学中心根据不（bú）同场景分别（bié）部署了上海森亿智能开发的辅助决策（cè）、质量管理和（hé）智慧交班（bān）系（xì）统（tǒng），大大提高（gāo）了（le）效率，减轻了医护人员的负（fù）担。此情此景，让人（rén）不自觉地认（rèn）为AI＋医疗的前景似乎一片光明。
然而，AI在（zài）辅助医疗上仍然困难（nán）重重。
人工（gōng）智能（néng）的根（gēn）本就在与数据。数（shù）据（jù）是让人工（gōng）智能生根的土（tǔ）壤（rǎng）水（shuǐ）源，然而（ér），医（yī）疗电子病历数据不仅类型（xíng）复（fù）杂，而且体系割裂。对其进行（háng）数据的（de）采集（jí）、清（qīng）理、挖掘（jué），其难度（dù）不亚于在沙漠里（lǐ）精耕细作。
数据标准化成为AI+医疗的核心（xīn）问题。森亿智能创始人（rén）张少典说（shuō），让人工智能与临床（chuáng）医学深度融合的过程，就要让IT人把临（lín）床医学的语言转（zhuǎn）化（huà）成IT语言，让IT人和医学人双方之（zhī）间（jiān）实现对话交（jiāo）流（liú）。用（yòng）文本解析电（diàn）子（zǐ）病历数据，实际（jì）上是用（yòng）不同的算（suàn）法模型处理不（bú）同类（lèi）型（xíng）的数据（jù），研发和搭建基于中文语言语义为特点的医疗（liáo）知识图（tú）谱。
数据之外，算（suàn）法也（yě）是（shì）一道坎。哪种算法或者哪些算法更（gèng）合适？跨越人工智能技术与（yǔ）医学专业难以（yǐ）逾越的知识壁垒也是当前阶段（duàn）AI+医疗（liáo）面临的（de）难题。
依图科技朱珑举例说：“在儿科（kē）领（lǐng）域，今天AI能够基（jī）于（yú）几百万份病例，学习近（jìn）百万（wàn）的医学（xué）同（tóng）义（yì）词（cí），近千（qiān）万关联（lián）关系。目前，AI在儿科的智能辅助（zhù）诊断能（néng）够接近初（chū）级医生（shēng）的水平（píng），但（dàn）是距（jù）离高水平专家（jiā）还有（yǒu）一定差距。”
AI+医（yī）疗的道路还且阻且（qiě）长。
AI加（jiā）速“神药”的诞（dàn）生（shēng）？
中国科（kē）学院院士、中国科学（xué）院上海药物研究所陈凯先提到，药物研究（jiū）有两个（gè）核心问题，一个是寻找靶点（diǎn），另（lìng）一（yī）个就（jiù）是对药物结（jié）构进（jìn）行（háng）优化，人工智能在寻（xún）找靶点上更快（kuài）捷。
人工智能（néng）运用强大的发（fā）现能力与计算能力，发现药物与（yǔ）疾病、疾病（bìng）与基因（yīn）的连接关系，构建药（yào）物、疾病（bìng）和（hé）基因（yīn）之间的深层次关（guān）系，虚拟筛（shāi）选出具有较高活性（xìng）的化合物，为（wéi）后期临床试验做准备（bèi）。目（mù）前（qián），AI在新药研发领域主要应用于靶点发现、化合（hé）物合成、化合物筛选等场景。
图片来（lái）源：视觉（jiào）中国
据了解，在药物研发领域，已经出现了（le）人工智（zhì）能的身影。上海的一家生（shēng）物制药公司利（lì）用人工智能方法基于（yú）蛋白晶体学数据进行药（yào）物（wù）设（shè）计（jì），打造数据驱动的智能药（yào）物（wù）开（kāi）发云计算平台，将药物（wù）研发（fā）时间从原来的（de）3-5年缩短（duǎn）至1-3年。这（zhè）样具有领先技术的企业目前被“雪藏”保护起（qǐ）来。
据悉，阿（ā）斯利康的新（xīn）药研发进程中，包（bāo）括新药开发阶段、研究阶段、临床（chuáng）研发（fā）阶段、研发后期，人工智能已在扮演相（xiàng）当重要（yào）的角色。例如，将（jiāng）人（rén）工（gōng）智能技（jì）术与化工自动化相结（jié）合，使得原本需要数月才能研（yán）制完成的先（xiān）导（dǎo）分子现在只需数周即可完成，而且无需人工干预（yù）；人工智能和大数据助力（lì）获取隐藏在临床（chuáng）前和临床组织样本中的生物学新洞察；利用人工智能（néng）技术辅助（zhù）患（huàn）者分类；通过“真实（shí）世（shì）界（jiè）证据数据（jù）计划”拓宽对患者（zhě）的洞（dòng）察（chá），依（yī）靠机器学习方法，更加准确、高效地（dì）获取（qǔ）患者治疗效果等。
“虽然AI还（hái）没有直接创（chuàng）造新（xīn）的药物，但在很多新药发明的背后（hòu）都（dōu）有AI的（de）身影，它（tā）已经成为了我们研发过程中不（bú）可缺少的部分。”王磊（lěi）说。
2017年以来，AI在制药领域的应用可（kě）谓如火如（rú）荼，国际制药巨头纷纷入（rù）局AI开发（fā），用于（yú）提高新药的研发效（xiào）率。据（jù）统计，有100多家初创（chuàng）企业在探（tàn）索用AI 发现药物，传统（tǒng）的（de）大型制药企（qǐ）业（yè）更倾向（xiàng）于采用合作的方式，如（rú）阿斯利康与Berg，强生与、Benevolent AI，默沙（shā）东与Atomwise，赛诺（nuò）菲（fēi）和葛兰素史克与Exscientia，辉瑞（ruì）与IBM Watson等。
然而，专家认（rèn）为，AI应用于新药研发与医疗AI落地面（miàn）临同样（yàng）的问题，如人才短缺、数据标准（zhǔn）化（huà）与共享机制、商业（yè）模式创新等诸多问题（tí）。人工智能在医（yī）学领域的应用需要生（shēng）物医学、生物信息（xī）与临床医学、数据统计分析（xī）、医学（xué）管理等（děng）学（xué）科背景的跨界人才。
青山隐隐水迢迢，AI成为未来（lái）的（de）“药神”已迈（mài）开（kāi）了第（dì）一步。
