0
過去一年，越來越多企業和資金涌入醫療人工智能領域。據公開數據估算，該領域的融資總額已經超過了20億元。這些企業和資金大部分匯聚在醫療影像輔助診斷市場，“AI+診斷”的賽道已經逐漸變得擁擠。在此背景下，部分企業開始把目光投向了更加藍海的“AI+治療”市場。
與這些企業不同，成立于2016年的連心醫療從一開始就把將人工智能應用于治療環節，當成了自己的奮斗目標。
這個目標并不容易實現，和“AI+診斷”相比，“AI+治療”的門檻要高得多。一方面，治療直接作用于患者，對技術的安全和可靠性要求更高；另一方面，治療產品在《醫療器械分類目錄》中屬于三類醫療器械，必須過臨床實驗。目前國內“AI+治療”市場的玩家并不多，主要是一些大型醫療器械廠商，和為數不多的幾家初創型公司。
連心醫療之所以敢于一頭扎進“AI+治療”市場，與其優良的團隊基因密不可分。連心醫療的創始人章樺曾經在微軟亞洲研究院從事過機器學習和人工智能方面的研究，后來他又去了荷蘭國立癌癥研究所放射腫瘤科攻讀博士，主要研究醫學影像和人工智能在腫瘤放療領域的應用。
很多業內人士曾指出，醫療人工智能的瓶頸在于“懂AI的不懂醫療，懂醫療的又不懂AI”。章樺恰恰是既懂人工智能又懂醫療的極少數人中的一位。他清楚地知道，人工智能的優勢和局限，同時又對醫院的臨床需求有著深刻的洞悉。連心醫療的其他核心團隊成員也都擁有專業的醫學知識背景。
得益于強大的技術團隊和先發優勢，連心醫療在“AI+治療”的賽道上已經領先了一大截，在劑量計算和治療方案的制定與優化等核心技術上豎起了壁壘。
“其他同行還在做靶區優化，而我們已經能夠在靶區勾畫后自動生成放射治療計劃了”，談到連心醫療所取得的成績時章樺依然顯得很平靜。
他認為，人工智能技術切入治療市場，對場景的選擇尤為重要。AI+放療質控和靶區勾畫是人工智能十分理想的落地場景。
首先，中國的放療資源非常稀缺。據統計，目前全國只有3000個有執照的物理師，而且絕大多數集中在大城市的大型三甲醫院。基層醫院雖然可以通過租賃的方式獲得放療設備，但缺少物理師使得基層醫院的放療設備大多成了擺設。而且患者通常也會想方設法到大城市的三甲醫院去治療，導致大型三甲醫院人滿為患。
其次，如果操作不當放療射線會對病人造成極大危害。因此每一個放療方案都需要嚴格畫靶，確認放療射線的靶向位置和劑量，及其穿透路線，避免傷及正常的組織器官。每一位病人每次放療前都需要拍300-400張CT，傳統方法完全依賴腫瘤醫生在患者的醫學影像上手動標識器官和腫瘤，效率十分低下。
連心醫療的目標就是用人工智能技術幫助腫瘤醫生提高治療效率和質量，同時借助互聯網協作的手段，讓大型三甲醫院的醫生能夠為地、市級醫院提供優質的治療方案和建議，以及遠程醫療質量控制的相關技術支持。讓大型三甲醫院提高自身效率的同時，能夠將其能力輻射到更大的范圍。
章樺向雷鋒網介紹道，放射治療的執行可以分為兩個環節：
一是在治療執行前對整個治療方案，包括靶區、劑量、設備參數等的安全性和有效性進行評估和審核。連心醫療的算法可以自動驗證各項參數，并結合專家的建議，形成完整治療方案。
二是治療中的自適應放療，即在治療過程中動態調整治療方案。腫瘤患者的治療周期通常為5-7個星期，每周需治療4-5天。期間患者的反應、器官位置和腫瘤大小的變化（治療過程中腫瘤常常會不斷縮小），以及機器參數的變化都會對治療方案產生影響。連心醫療的產品可以分析影像和設備參數供專家參考，以便及時對治療方案進行調整。
此外，連心醫療的產品還能實時監控放療設備的各項參數，發現異常時自動報警，幫助放療師定期檢查設備的安全性和有效性。
“原來醫生做一個靶區勾畫需要五六個小時，現在借助人工智能技術只要二三十分鐘，效率有了極大的提升”，章樺語氣中流露出一絲自豪。
除了放療質控，連心醫療還提供遠程治療方案。章樺介紹道：“北京大學腫瘤醫院的王維虎主任在全國各地講課時發現，基層醫院對很多病例沒有把握，希望他能提供一些指導性意見。過去他經常飛去各地做相關的教學工作，但現在通過我們的云平臺就能輕松實現。”
章樺表示，連心醫療接下來將重點在病種方面進行橫向拓展。目前針對腦膠質瘤、鼻咽癌和食道癌的方案已經比較成熟，未來將進一步拓展到肺癌、肝癌、前列腺癌、直腸癌等病種。
毋庸置疑，在醫療人工智能這條跑道上，連心醫療取得了一個好的開局，但接下來的道路并非一片坦途。
數據是所有醫療人工智能玩家都繞不開的一道坎。一方面，高質量的醫療數據極度稀缺；另一方面，國家對醫療健康數據的使用缺少明確的政策引導和規范，醫院和企業都仿佛在鋼絲上跳舞。
為了獲取比較優質的醫療數據，連心醫療和十五家頂級三甲醫院達成了合作，包括北京大學第三醫院、四川省腫瘤醫院、空軍總醫院、中國武警總醫院、海軍總醫院、浙江大學附屬醫院等。此外，雷鋒網了解到，連心醫療還依托中華醫學會在河北省的醫師學會，搭建起了一個省級放療質控平臺。該平臺輻射了河北省的78家醫院，進一步加速了連心醫療的數據積累。
章樺坦言，目前醫療人工智能領域的數據挖掘還存在諸多亂象，亟待國家出臺相關的法律法規進行引導和約束。
今年6月20日，中國健康醫療大數據股份有限公司宣布籌建，加上此前正在籌建的中國健康醫療大數據產業發展集團公司和中國健康醫療大數據科技發展集團公司，我國在健康醫療大數據領域已經初步形成了由“國家隊”主導的三大集團公司格局。章樺認為，這一格局或許能幫助醫療人工智能企業走出當前的數據困局。
他表示，醫療健康大數據的挖掘可以類比采礦業。“真正擁有開礦權的企業很少，但原油開采出來之后要經過許多道工藝，才能變成人人可用的汽油和塑料制品。民營企業和初創公司不具備開礦權，但他們有的擅長提煉，有的擅長深加工，可以在產業鏈中提供相關的技術方案，發揮自身價值。”
在章樺看來，國家主導的三個醫療大數據公司就是“擁有開礦權的企業”，以連心醫療為代表的醫療人工智能初創公司則是擁有數據深加工能力的中下游技術服務商，能夠將醫療健康數據的價值應用到診斷、治療、制藥、保險控費等各個細分領域。他表示，圍繞醫療健康數據的產業才剛剛開始，還有非常大的發展空間，可以容納很多企業。
但在政策和規范到來之前，醫療人工智能企業必須確保數據不出醫院，要先在醫院內訓練好模型之后再拿到醫院之外去驗證和應用。章樺向雷鋒網介紹，目前已有相關技術可以把在多個醫院訓練出來的模型進行整合，連心醫療也在做這方面的嘗試和技術積累。
CFDA認證是醫療人工智能發展道路上的另一道坎。章樺介紹，傳統的CFDA認證框架要求軟件申報時，算法等必須停留在申報的時間點，然后進行臨床驗證。這種方法只能夠驗證軟件在某一個時間點的安全有效性，而人工智能的發展可謂日新月異，每天都在發生變化。傳統的CFDA認證體系顯然已經不再適用，亟需作出相應的調整。
同時章樺也指出，現階段醫療人工智能企業不能太過激進，應該等產品本身達到一定的穩定程度后再進入臨床環境。
“還要等等看，等醫療人工智能產品趨于穩定后，才能判斷什么的調整比較合適，現在還看不清”，章樺說道。
高速發展的同時，醫療人工智能也引來了諸多質疑。
此前，《人民日報》在題為《人工智能，怎樣火下去》的文章中指出，當下炙手可熱的人工智能，可能有熱過頭的傾向。文章引述斯坦福大學人工智能實驗室主任李飛飛的說法稱，人工智能雖是個“真貨”，但也在許多隨意和缺乏嚴謹性的交流或展示中被強烈地夸大了，進而影響到政、商、投資者。
不久，另一家中央權威媒體“中央人民廣播電臺”經濟之聲《天下財經》欄目，再度批評人工智能偽創新，稱不要像“炒作明星”一樣炒作人工智能“創新”。
章樺對醫療人工智能的發展很樂觀，他認為目前行業“總體還是積極正面的”。首先，醫療人工智能產業的蓬勃發展吸引了大量優秀人才。
他結合自身經歷解釋道：“我2014年回國的時候想找個工作都很困難。以前學醫學影像的人只能去GE、飛利浦，或者轉行做金融。人工智能產業的發展為這些高端人才提供了機會，吸引了大量資本投資之后，企業也能用得起這些人才。”
其次，醫療人工智能終歸是技術創新，可以產生很多新技術和專利，幫助醫生解決或大或小的問題。即使最終有些公司“死掉了”，也并非全無價值，都推動了行業的發展。
章樺認為，人工智能產業的競爭本質上是中美兩國的生態競爭。目前國內大多數初創型公司都是在Google的TensorFlow平臺上做二次技術開發。中國要在人工智能領域和歐美分庭抗禮，就必須建立自己的通用人工智能平臺和生態。這樣的通用型人工智能平臺只有BAT等巨頭才有能力搭建；無數大大小小的初創型公司則可以在此基礎上進行細分應用場景的技術開發，進一步豐富生態。
日前，首批國家人工智能開放創新平臺公布，四大平臺包括：依托百度公司建設自動駕駛國家人工智能開放創新平臺，依托阿里云公司建設城市大腦國家人工智能開放創新平臺，依托騰訊公司建設醫療影像國家人工智能開放創新平臺，依托科大訊飛公司建設智能語音國家人工智能開放創新平臺。章樺認為，隨著四大平臺的確立，國內的人工智能生態格局正逐漸變得清晰。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
