觀衆在世界機器人大會會場參觀手術機器人（李欣/攝）
2018年這個夏天，北京推想科技有限公司（以下簡稱推想科技）CEO陳寬格外忙碌。他不僅要推進産品技術疊代，還要親自跑市場、參加論壇、見醫生，每個月一半以上的時間出差在外。
“這是因為，市場和行業對于醫療人工智能（AI）的接受度越來越高，越來越多的醫院願意嘗試使用AI産品。”陳寬在接受《瞭望東方周刊》采訪時說。
他回想2014年回國創業時，醫療圈還甚少有人提及深度學習，“AI技術在學術界已經流行開來，但包括醫療行業在内的産業界還幾乎沒有人工智能的概念。”
如今3年過去了，AI已經成為醫療大咖們聚在一起必聊的話題，他去參加一些醫療領域的會議或論壇，經常會聽到一些大醫院的院長們互相詢問，“你們上人工智能設備了嗎？”
然而，首都醫科大學附屬北京友誼醫院副院長王振常卻認為，AI要想大規模進入醫療體系，真正改變傳統醫療模式，仍有待時日。
AI“浪潮”來襲
2015年之前，陳寬一直在美國芝加哥大學讀博士，并且一邊上學一邊從事AI+金融的相關工作。
在國際上，2012年前後，以Google為代表的互聯網巨頭開始關注深度學習神經網絡。Google當年便做出了一個大型的神經網絡，并推出了圖像識别技術，随後包括Google實驗室的語音識别面世。人工智能技術就此爆發，并在2013年開始應用于醫療領域。
随着技術的發展，人們開始将人工智能技術應用到金融領域，做股票波動預測和自動化交易等。“在美國，2013年時已經有70%的股票交易是通過人工智能技術自動完成的。”陳寬介紹道。
因此，他在工作中得以接觸AI技術。随着對AI理解的逐漸加深，他認為應該将其應用到更具社會價值的民生領域，如醫療、教育等。
2014年年底，陳寬回國創立了醫療AI企業推想科技。當時正值醫療AI領域創業高峰期的前夕，目前許多活躍在醫療AI市場上的公司均創立于之後的2015年。“當時，2年内中國就出現52家醫療AI創業公司。”行業研究機構億歐智庫分析師尚鞅在接受《瞭望東方周刊》采訪時說。
他指出，2014年開始，國内資本市場開始關注人工智能技術。随之而來的便是許多醫療AI創業公司湧現，百度、阿裡巴巴、騰訊、科大訊飛等科技企業和華大基因等傳統醫療企業也紛紛布局醫療AI。
2016年，AlphaGo打敗柯潔等熱點事件被媒體大量報道後，人工智能的熱度迅速席卷全球。
在中國，則有大批機構開始将自己的投資賽道直白地稱為人工智能，資本市場大熱。“醫療、教育、安防、金融、自動駕駛等成為AI技術的熱門應用領域”。尚鞅指出。
2016年前後，一系列旨在鼓勵發展人工智能的政策密集出台，尤其是2017年7月，國務院發布《新一代人工智能發展規劃》，明确了人工智能發展的6項重點任務，智能醫療即是其中之一。“這些政策成為推動人工智能行業發展的一種重要力量。”尚鞅表示。
億歐智庫發布的《2017人工智能賦能醫療産業研究報告》中的數據顯示：2012~2016年，中國人工智能領域的投資金額不斷上升。尤其是自2015年第二季度以來，投資金額和投資頻次均進入爆發式增長階段，其中僅2016年第二季度投資額就達到4.7億，投資頻次達65次。此外，截至2017年8月，中國醫療AI企業累積融資額已超過180億元，完成融資的企業達到104家，而當時中國共有131家醫療AI企業。
政策的刺激和資本市場的追逐，以及醫療市場需求的不斷釋放，使醫療AI迅速發展。
中國行業研究報告網發布的《2017-2021年中國智能醫療行業市場現狀及未來投資發展研究報告》（以下簡稱研究報告）顯示：2016年中國醫療AI的市場規模達96.61億元，較上年增長37.9%，2018年這一數字有望達到200億元。
應用不斷加快
進入2018年之後，醫療AI行業顯現出新的發展趨勢。
首先醫療AI在技術上日漸成熟，應用落地的速度不斷加快。
以智能影像輔助診斷系統為例，目前針對肺癌和糖尿病眼底篩查的智能輔助診斷技術最成熟，且随着訓練數據的積累，一般影像系統都能夠在30秒鐘之内完成識别和初步診斷，其中肺結節篩查的AI産品平均準确率更是達到90%以上。
“但針對其他病種的智能影像輔助診斷系統大多處于研發或試用階段，還遠未成熟。”尚鞅坦言。
技術的成熟和應用的不斷增加，也改變了醫院和醫生的态度，“可以明顯地感受到，大家更願意接受和嘗試醫療AI産品了。”陳寬說。
2015年，陳寬找醫院談合作時，多數醫院都是聽一聽就沒了下文，一些思想保守的醫生甚至認為他們是騙子，“小半年的時間下來，我們跑了三四十家醫院，沒有一家願意跟我們合作。”
如今，不到3年的時間，他所在的公司已經與全球超過200家三甲醫院建立了合作關系，其中排名前50的三甲醫院滲透率更是達到了50%，包括美國、日本、德國等國家的醫院。
“日本政府已經通過了推想科技智能輔助診斷系統的醫療設備申請，随後它就可以進入日本的醫療診斷體系，這是第一個獲得日本政府認可的AI診斷應用。”日本厚生勞動省醫療AI審查委員會委員中田典生曾透露。
更為重要的是，醫生開始頻繁使用這些AI産品。
“現在我們的醫生已經習慣了使用AI輔助診斷系統進行影像分析。”王振常說。
推想科技的後台檢測數據也顯示：其近200家合作醫院中日常50%的胸片會借助AI完成診斷。
阿裡健康高級副總裁柯研告訴《瞭望東方周刊》，最初醫療領域并不認可人工智能，但現在許多頂級專家都在牽頭或積極參與醫療人工智能的研發。
與此同時，資本市場對于醫療AI行業的投資也逐漸趨于理性，越來越偏好技術水平和落地能力。“目前資本更加關心商業化，也就是說産品要有好的财務模型，将來要有變現的能力。”尚鞅解釋道。
未來尚遠
即便如此，醫療AI想要為醫療領域帶來颠覆式的革命，仍有許多問題需要解決。
以醫學影像智能輔助診斷類産品為例，AI産品必須要有魯棒性，即産品不僅是在某個小數據集裡能訓練出來好結果，在真實的臨床應用時，面臨開放的環境、不同品牌、不同型号的影像設備同樣能保持良好的效果。“隻有穩定的AI才是臨床可用的AI。”陳寬說。
魯棒性
一般用于描述某種事物的穩定性或者穩健性，也是在行業或者領域内是否具有穩定性的表現。此處是指AI産品的穩定性與适用性。
臨床可用的AI産品對于醫生來說也必須是簡單、易操作的，王振常認為這一點至關重要。他說，經過不斷疊代升級，目前市場上一些優秀醫療AI産品的操作界面開始變得越來越簡便易操作，但大多數産品仍屬于後人工智能産品，即在影像拍攝出來以後，醫生閱片時使用，而非拍片過程中。
“希望未來的AI技術能夠整合到PACS系統或影像設備中，拍片後直接給出AI輔助診斷的數據，然後由醫生進行解讀。”王振常設想道。
PACS系統
影像歸檔和通信系統，主要應用于醫院影像科室。其主要任務是把日常産生的各種醫學影像通過各種接口以數字化的方式海量保存起來，以便日後調用。具有節省物料和管理成本、提高工作效率和醫療水平、輔助診斷管理等優點。
數據的安全性也是不容忽視的問題。據王振常透露，目前大多數AI企業都是在醫院的影像科自建服務器或雲端，“這存在着巨大的安全隐患，與國家對網絡安全的要求還有一定的差距。”
此外，王振常認為，目前的醫療AI産品還很難匹配醫院的工作流程。如市場上常見的醫療AI産品多是從單一疾病入手，其中肺結節的輔助診斷技術相對最為成熟，但臨床上不僅僅肺部需要影像檢查，其他疾病同樣需要影像檢查。
“友誼醫院每天要拍1500張影像，其中隻有15%~20%是肺結節檢查，因此我們不得不與3家醫療AI企業合作，未來如果不整合，這個數字肯定還要增加。”王振常希望，未來的醫療AI産品能與醫院的臨床工作流程一緻，這樣AI的效果才能得到充分發揮，也才能真正颠覆現有的醫療模式。