AI医疗被追捧，是“希望”还是“炒作”？
最后更新：2020-03-17 09:52:52 手机定位技术交流文章
[科学、技术与工业柳叶刀]
2019年12月17日，国家医学院发布了《医学人工智能:希望、猜测、虚假承诺、危险》报告。该报告总结了人工智能在医学领域的研究和实践，但也指出了当前人工智能应用的挑战和局限性。
近年来，“人工智能+医疗保健”的概念变得如此流行，以至于科技巨头和初创企业都蜂拥而至。所谓“人工智能+医疗”实际上是人工智能在医学领域的应用和发展。其应用主要体现在智能诊断、智能冲击识别(如ct图像病灶识别)、智能健康管理、智能医学研发和医疗机器人等方面。
总体上对“人工智能+医疗保健”在降低成本和提高效率方面的前景持乐观态度，因为当今世界各地的医疗保健行业都面临着同样的问题，即医疗资源与社会需求和支出之间的供需矛盾日益突出根据美国联合医疗委员会2016年4月发布的一份研究报告，美国在未来10年将面临61，700至94，700名医生的短缺。除了缺少优秀的医生，
还有越来越高的医疗费用。以美国医疗保健支出为例。根据美国卫生事务杂志的最新报告，2018年美国卫生保健支出增长4.6%，达到3.6万亿美元，高于2017年的4.2%。
从1960年到2019年，美国医疗保健支出在国内生产总值中所占的比例一直在以
的速度增长。事实上，人口老龄化、慢性病增加和新药研发成本都是不断推高医疗成本的因素。如何在不降低医疗服务质量的情况下降低医疗成本，已成为各国政府面临的难题。然而，基于深度学习的人工智能技术恰好满足了医疗行业的需求。
抢占人工智能医疗市场技术巨头和初创公司已经推出
20世纪70年代，人工智能专家系统开始参与疾病的诊断和治疗，但还不成熟。1997年，莱昂纳多·达·芬奇的机器人手术系统被成功开发出来，并于2000年被美国食品和药物管理局批准用于临床2011年，人工智能辅助诊疗系统在医学图像识别和自然语言理解方面的进展引起了人们的关注。
近年来，IBM、谷歌、微软、亚马逊、Facebook、苹果等科技巨头在人工智能领域投入了大量资源，组建了庞大的人工智能团队，抢占了人工智能市场。这场战争还扩展到医疗卫生领域，试图用人工智能改变甚至颠覆传统的医疗卫生行业。
以IBM为例。早在2013年，IBM就开始与美国四大综合医院克利夫兰诊所全面合作，研究如何使用IBM的“沃森”人工智能系统来提高护理水平。沃森健康部门成立后，IBM收购了一些医疗保健的大数据提供商和分析师，并与传统医疗设备和药物的制造商和分销商以及大型医院和医疗机构进行合作。在此基础上，IBM选择了精确的肿瘤治疗作为其主要攻击领域。
从2012年到2016年，智能医疗初创公司的交易量和交易数量都在上升。
人工智能医学是一个新领域。IBM、谷歌和其他巨头是近几年才起步的，给中小企业留下了很大的市场空间。因此，在智能医疗领域涌现出了大量的初创公司。这些公司通常根据自己创业团队的特点和专长，专注于智能医疗保健的子行业，如医学成像和诊断、药物研发、事故和急诊科以及医院管理。
人工智能医疗被质疑背后的炒作“炒作”
美国大型咨询公司APCO今年8月发表了一篇题为“医疗保健中的艺术智慧:炒作还是希望”的文章。文章质疑人工智能医疗是“炒作”还是“希望”文章认为人工智能确实有很大的潜力改变医疗领域，但人工智能的宣传可能有些过分，在医疗实践中的应用仍然存在争议。许多医疗行业的领导者对人工智能和机器学习能否在更大范围内为患者提供更多价值持怀疑态度。
尽管对于人工智能和相关技术(如手术机器人)的潜在前景存在普遍共识，但也有人担心这些技术被过度营销和宣传，从而在临床实践中造成可信度问题。来自
中国陆军军医大学的研究人员最近对“患者对人工智能医学的认知和信任度”的调查显示，人工智能在临床医学中的接受度和信任度最高的是医疗后勤，其次是医疗辅助环节，医患接触较少。在外科手术等核心医学环节中，人工智能的介入越多，其作用越大，患者的接受度和信任度越低。(参见《中国医学伦理学》杂志:患者对人工智能医学的认知和信任调查)
“患者对人工智能医学的认知和信任调查结果”
早在2017年9月，美国STAT公司(生命科学和药物研究领域的一份深入报告)在一篇文章中披露，IBM的“沃森”人工智能系统未能兑现其承诺，即超级计算机可能在该领域带来一场革命统计局发现，该系统不会创造新知识，但只是人工智能最基本的概念。他还指出，世界上主要的癌症中心已经退出了与IBM沃森的合作，因为他们还没有找到能够实现他们承诺的超级计算机。
STAT官方网站的一篇文章质疑了IBM的“沃森”人工智能系统
同年5月，资深科技投资风险公司社交资本公司(Social Captial)的创始人查马斯·帕利哈皮蒂亚(Chamath Palihapitiya)甚至直接抨击了CNBC:“沃森是个笑话。”在他看来，IBM的专长是通过强大的营销能力和不对称的信息让消费者为他们不了解的服务付费。
医学的任何重大进展都必须基于科学证据和同行评审。有趣的是，IBM沃森拒绝了对超级计算机癌症应用进行同行评审的请求，理由是担心商业知识产权。如何在
医疗数据共享和隐私保护之间找到平衡？
在实际应用场景中，人工智能辅助医疗需要大量的数据积累，包括疾病诊断记录、患者用药效果、基因数据、家族史等。为了实现这些数据的积累，我们需要打破各种医院和社区的壁垒，实现数据的交换和共享。基于这一考虑，美国建立了电子健康记录系统(EHRs)，该系统在10年内累计记录了1000万名患者。
是在交换和共享患者健康数据时保护隐私的最重要问题。美国在这方面起了带头作用。《隐私法》于1974年通过，《健康保险携带和责任法》于2003年生效。通过HIPAA，为EHRs规定了许多隐私保护规则，并且有使用该系统的明确规则。是否可以使用电子健康记录取决于信息是如何建立的，由谁维护，以及有关各方的情况。
值得注意的是，美国政府在关注数据隐私的同时，也帮助人工智能的研究和开发。2019年2月11日，特朗普签署了一项启动美国人工智能倡议的行政命令，提议联邦政府将集中资源发展人工智能。该计划的一个重要方向是向学术和医学领域开放一些政府数据库，以便为人工智能项目积累所需的数据量。
美国总统特朗普签署行政命令保持美国在人工智能领域的领导地位医院是医疗数据的最大生产者。事实上，没有一家医院愿意分享医疗数据。一方面，数据属于医院财产，部门主管不能擅自共享。另一方面，医院需要考虑病人的隐私当
中的人工智能医疗初创企业需要患者数据进行机器学习培训时，他们需要挨家挨户地与医院沟通，因此产生了许多“灰色地带”对此，中国医学协会放射科主任柳时元建议，如果政府能够带头在一个省建立一个大型数据中心，那么该省所有医院的数据都将被收集和使用。公司谈论与数据中心的合作可能更合法，这对于促进人工智能医疗的发展更有效。
应当注意的是，在法律层面，国内法尚未进一步规定个人健康和隐私2018年5月1日实施的《信息安全技术个人信息安全规范》从个人信息的收集、存储和使用角度提出了保护个人信息安全应遵循的原则，但仍缺乏详细的医疗隐私保护法律法规。一旦有了全国患者数据共享系统(类似于美国电子健康记录系统)，隐私保护将变得更加紧迫谁应对
AI诊断错误负责？
人工智能主要是由医疗设备还是医生诊断的？法律上是人还是物？这是探讨人工智能在医疗服务中的法律责任最基本、最重要的问题。人工智能在法律上可以被视为民事主体吗？
所谓“民事主体”是指能够参与民事法律关系、享有民事权利和承担民事义务的主体。中国《民法通则》规定，民事主体包括法人和自然人因此，传统观点认为人工智能诊断主体不具备民事主体资格。
随着人工智能诊断技术的迅速发展，特别是在未来诊断水平可能超过人类医生的情况下，法律是否应该授予人工智能民事主体资格是一个亟待解决的问题。
2016年，欧盟委员会法律事务委员会提交议案，提议将最先进的人工智能机器人定位为“电子人”，这也引发了一场旷日持久的辩论。“电子人”将获得特定的权利和义务，还需要像正常人一样进行登记和纳税，从而使诊断主体真正获得民事法律主体的地位。
欧盟委员会投票通过了一份报告草案，该草案提议给予机器人法律地位，并将其归类为“电子人”。当然，人工智能在各国医疗服务中的法律地位是不同的。日本采取了不同的方法。根据2018年7月3日《日本经济新闻》的报道，日本政府将改进一系列关于人工智能医疗设备的规定，规定诊断的最终责任在于医生。由于人工智能可能被误诊，日本卫生、福利和劳工部将人工智能医疗设备定位为帮助医生诊断的设备。根据《医师法》，规定“做出最终诊断和决定治疗政策的责任应由医生承担”
在聚集和整理高质量和通用的训练数据方面存在挑战
确保高质量的数据是人工智能和机器学习中广泛使用的主要挑战之一。人工智能和机器学习的成功实施需要汇集来自各种来源的大量数据。然而，一些数据源不可靠，数据验证和不同数据集的连接可能是一个困难的过程，需要高度熟练和训练有素的专家，具有强大的数据分析能力和丰富的临床经验。
今年早些时候，诺华公司首席执行官瓦斯·纳拉西姆汉解释了将人工智能应用于药物研发的痛苦过程。“我们学到的第一件事是拥有优秀的数据对于真正构建机器学习的重要性。”在我们自己的工作室里，我们一直在进行几个大型项目。在运行算法之前，我们必须花大部分时间整理数据集。Vas Narasimhan说:“我们花了几年时间来整理数据集。人们低估了高质量数据的可获得性，以及整理和链接数据的难度。
不仅保证了高质量的数据，而且用于模型训练的数据的通用性也非常重要。然而，在我国，目前对医学人工智能的数据研究仅限于一家医院或多家医院的合作研究。数据输入相对单一，并且仅限于特定区域。这样建立的模型在更大范围内使用时可能不完全适用。结论
优质医疗资源的缺乏和医疗费用的增加是各国面临的难题。“人工智能+医疗”方案解决这一问题的潜力很大，但在各种资本的追求下，这一新概念似乎被过分“炒作”在推进人工智能医疗的过程中，挑战不断涌现。如何保护病人的隐私？如何对人工智能诊断错误负责？如何获得高质量的培训数据？这些都是需要逐一解决的难题。这篇文章是Observer.com的独家手稿。未经授权不得复制。
这篇文章是Observer.com的独家贡献。本文的内容纯粹是作者的个人观点，并不代表平台观点。未经授权不得复制。否则，将追究法律责任。密切关注《观察家》微信博客，每天阅读有趣的文章
本文由 在线网速测试 整理编辑，转载请注明出处。
