從六十年代開始，人工智能經歷了三起三落 。目前，人工智能正經歷新一輪的爆發，各行業都在積極探索和發展人工智能。

“人工智能＋放射治療”，使得在北上廣的優質醫療資源得以在基層下沉；“人工智能＋新藥研發”，藥物研發中的微觀問題得以顯現；“人工智能＋診斷輔助”，在節省時間的同時還能減少診斷的錯誤率。

自2015年開始，人工智能浪潮重新來襲。在醫療領域，“人工智能＋影象”率先落地。盡管偶爾有質疑聲發出，但我們不能否認的是，這一輪人工智能的浪潮正在席卷醫療全行業。在“人工智能＋影象”之后，“人工智能＋新藥研發”、“人工智能＋診斷輔助”的風口相繼來臨。

在華興資本一年一度的醫療與生命科技領袖峰會，“AI”毫無懸念的成為了討論熱點。

在Alpha Go相繼戰勝李世石和柯潔后，社會和行業開始思考，在醫療領域，人工智能最終是否會替代醫生？來自Insilico Medicine、弘暉資本、全域醫療、晶泰科技、森億智能的行業專家從人工智能在醫療領域的應用場景、應用門檻、數據歸屬等方面進行了討論，希望從中找出答案。

AI在基層醫療：向下的力量

在全域醫療聯合創始人兼副總裁康世功看來，AI在放射治療領域中最典型的兩個應用場景是資源下沉和質量控制。

AI技術使得北上廣深三家醫院的放療資源能夠下沉到基層。“大多數基層患者的經濟能力不足以支撐他去大城市尋找腫瘤專家。”他這樣說道，“AI技術的加入，就好比把一把摸得很鋒利的手術刀交到了基層。”

當然，在這個過程中，AI的質量控制尤其重要。通過大數據把所有導致質量控制不佳的條件逐一判斷和收集起來，做成模型和算法，用來自動監控和指導基層放療的運作。

AI＋新藥研發則是在2017年開始走向風口浪尖，人工智能的進入，使得藥物研發中的微觀問題得以顯現。

助力藥物研發，繼往開來

“它是一個工具，好比是高分辨率顯微鏡。”談及AI在新藥研發中的應用，晶泰科技聯合創始人兼大數據與人工智能研發中心負責人賴力鵬這樣形容。在藥物作用過程中，小分子和蛋白該怎么結合，僅靠人力是很難想象的，但AI卻可以通過大量的數據去學習和發現其中的規律。

在賴力鵬看來，AI在藥物研發中的應用可以用“繼往開來”形容。過去積累的大量數據中包含了失敗的數據，但所謂的失敗其實是臨床上的失敗，并不代表數據是沒有價值的。“繼往”，即是通過統計和機器學習的方法，從過去數據中提取以往沒有注意到的信息。

而“開來”部分，基于深度學習生成的模型可以幫助研發人員探索更大的化學空間，做更多開創性的工作。比如2017年《Nature》的一篇文章就提到可成藥的化學空間可能有10的60次方，但目前可以實現的實體分子庫約在10的13次方。

“這里還有大約40多個數量級的差距。”賴力鵬表示，“真正在實驗室研究的藥物分子，只是整個藥物空間里的冰山一角。”AI技術的加入，可以定向的在巨大空間里去尋找我們所需的藥物分子。

“另外，我覺得AI還可以重塑新藥研發的工作流程。”他補充道，“現在很多現有的方法是不可能覆蓋到生物體這個復雜體系的。”

比如藥物在一期臨床的毒性問題，同一種藥物在人體和動物身上作用可能會效果迥異。AI強調端到端的預測，非常有希望能夠根據分子結構等條件直接預測候選藥物在人體上的一系列毒副反應，大大降低藥物臨床試驗失敗的可能性。

“更重要的一點是在藥物發現和晶型預測的方法開發上。”他繼續說道。在晶泰科技，他們通過物理模型和AI模型的結合，不斷的提高計算效率。

AI與診斷輔助：代替人工重復工作

森億智能選擇的落地點則是AI在輔助診療的落地。

靜脈血栓栓塞癥（VTE）常見于住院較久，手術后長期住院或者產后長期臥床的病人，這種疾病有一定的概率會發展成為肺栓塞，而肺栓塞死亡率非常高。為了預防病人風險，醫院會派護士每天進行人工監護，給這些病人做病情追蹤、反饋。但依靠人工方法要消耗大量時間和精力，還可能出現誤差。

“AI技術能改善這種狀況。”森億智能創始人兼首席執行官 張少典告訴動脈網。

森億智能開發的醫療AI產品起到兩個作用：一是評估，根據病人的病情、病史，包括住院、手術的情況，以及檢驗、檢查的情況等，系統將自動對病人進行風險打分；二是預警，根據病人的數據去預測是不是有可能是一個高危病人。如果是高危病人，會提前發送預警消息，推送到醫生工作站。

這樣的產品有何作用呢？張少典透露，在與三甲醫院合作的兩個多月來看，這些產品能夠幫助忽視節約95％對病人進行人工評估的時間，同時還能夠把對高危病人的識別率提升70％。

“這是我們在輔助診療領域嘗試的案例之一。”他補充道。

數據門檻如何跨越

但無論是藥物研發還是診斷輔助、又或者是放射治療，AI技術始終離不開大數據。在雜亂無章，五花八門的數據中，如何獲得更好的數據，產生更好的結果呢？或許在數據收集之前就要設置要門檻。

“實驗室是數據產生最基礎的場景，但在這里獲得數據的成本很高。”Insilico Medicine 首席AI官Artur Kadurin表示。通過早期的努力，Insilico Medicine在基礎實驗數據的獲取上找到了方法，可以進一步獲得更多的數據。

Kadurin認為，在中國可以獲取大量數據，這在海外是辦不到的。但Insilico Medicine來到中國的目的卻不僅僅是數據，他們希望能夠在中國、乃至整個亞洲都有更長足的發展。

“中國是一個非常巨大的市場，我們希望能夠與當地的合作伙伴合作。”他如是說道。

賴力鵬對Kadurin的觀點表示認同，要獲得高精準計算過的數據，本身成本并不低。晶泰科技早期進行藥物研發工具開發的數據主要來自兩個方面：一是公開數據（public domain data）；二是自己來自自己內部高精度計算過的數據。

公開數據的量級相對較大，但由于數據質量和格式參差不齊，清洗過程就很費勁。而內部高精算的準確度雖然很高，但由于本身的規模也可以達到上億或幾十億，獲取的成本也不低。

隨著與客戶合作的深入，晶泰科技也獲得了一部分來自合作伙伴的數據。這些數據是最靠近一線研發和特定問題。但由于部分數據搜集的時候并不是為AI建模所準備，有可能關鍵信息并沒有完全記錄。

數據是基礎，但所有權不在企業

“毫無疑問，數據最AI技術而言是最基礎的東西。”弘暉資本合伙人何幸補充道。除了經過處理和機構化，這些數據庫還要能夠實現字段提取和理解、更多智能拼圖、識別。這就目前階段而言，在中國是很難找到的。

“如果沒有積累這些結構化的數據，沒有基礎性的東西很難得到有力的診斷結果。”他繼續說道。他向動脈網透露，資本在看企業的時候，非常注重企業數據來源，是否是合法的，在使用的時候是否經過足夠的脫敏處理、醫院的權利和病患隱私是否得到了很好的保護。

“我們認為科技企業不應該妄想自己擁有數據所有權。”張少典對此表示贊同。他認為，科技企業應該立足自己的核心技術和能力，將技術能力形成害怕，為醫院提供更好的解決方案，然后在院內通過產品使用一部分的數據。

但當前AI企業面臨最重要的挑戰便是數據治理的問題。為什么最先落地的是影像人工智能？因為這一類的數據相對標準。而病歷類、診療類的產品的數據就需要大量的數據治理。比如森億智能為三甲醫院做的VIE預警監控系統。僅這一套系統，森億智能在這家醫院里對接了20多個系統。

“這背后的數據結構化、標準化和數據治理，是一個浩大的工程。”張少典向動脈網透露。

而至于AI最終是否會取代人類，在醫療體系內取代醫生或者護士，其實從上文中已經可以回答。AI目前所做的，是幫助醫院節省不必要的資源和經歷，比如代替重復勞動、縮短時間、提高產出、減少誤診率。在藥物研發端，AI的作用則是提高準確性、減少材料的損耗。

因此，無論從什么角度，AI將是整個醫療體系降低成本、提高效率和精準度的方法和工具。“在短期甚至相當長的時間內，AI都不太可能真正替代人類。但它能成為非常好的幫手。”何幸表示。