首页专业知识 AI医疗、基因检测进入洗牌期，专家称IAB应加强跨界交流

AI医疗、基因检测进入洗牌期，专家称IAB应加强跨界交流

来源：晰数塔互联网快讯时间：2019年08月30日 19:31

编者按：本文来自南方都市报“南都科创”栏目，36氪经授权发布。

自2015年AlphaGo战胜李世石后，人工智能技术掀起市场应用热，其中AI+医疗也迎来了春天，AI诊断甚至AI治病等概念一度热炒。与此同时，以基因检测为代表的大数据+生物概念也迎来资本市场的青睐，例如2017年上市的华大基因，曾在上市后短时间内攀上千亿市值。

然而，短暂的热炒过后，AI医疗与基因检测在实际应用中双双出现了不少问题，行业也随之进入洗牌期。其中华大基因曾在2018年7月陷入“无创产前DNA筛查致儿童患生理缺陷”丑闻，股价大幅下跌，市值至今仅剩约250亿元左右。

华大基因上市后股价走势

而美国IBM旗下肿瘤辅助治疗AI产品Watson Health因经常性诊断错误或开错药，与知名肿瘤专科医院MD Anderson合作失败等事件，也为国内医院临床应用AI医疗敲响了警钟，AI临床使用准确率能否信任成疑。从市场情况来看，AI医疗在2019年尚未出现现象级的应用案例，医院对引入AI技术的态度趋向谨慎。

在8月23-25日于广州举办的第四届中国计算机学会生物信息学会议上，南都科创记者与数位医疗界和计算机界专家进行了访谈，进一步了解计算机与生物医疗领域当前的技术和应用发展阶段。多位专家一致认为，人工智能、大数据等新一代信息技术与生物、医疗产业确有很大的结合空间，但在应用过程中还面临着很多难点，并非可以一蹴而就。在热炒过后，行业回归冷静更利于稳步发展，以解决技术和应用问题。而在这一过程中，“IAB”概念中代表计算机界的I和A，应该和代表生物医疗界的B有更多跨界交流合作。

AI临床难点：从单一数据单向分析到复杂数据复杂分析

据了解，人工智能技术在深度学习算法取得突破后，在图像、语音、文字等信息领域的能力均取得了较大飞跃，实验室中的信息识别和分析能力成绩屡创新高，在部分医疗诊断上，人工智能在实验室中的诊断正确率已达到90%以上，达到专家级医生的水平。

然而，尽管在实验室里人工智能取得了很高的诊疗准确率成绩，但在实际临床应用中却会出现较大差距。以主要通过影像判断的眼科诊疗为例，在实际应用中，人工智能往往只能达到70、80%的准确率，这就使得人工智能目前还无法代替医生做病情诊断，只能起到一定的辅助作用。

AI医疗、基因检测进入洗牌期，专家称IAB应加强跨界交流

临床应用中AI医生准确度还有明显差距

而当被问及什么时候人工智能在实际眼科诊疗中准确率能达到90%的水平，中山大学眼科医院院长刘奕志表示并不乐观，他说，目前还没有看到人工智能在实际应用中能够实现足够准确率的可能。

中山大学生物医学大数据中心主任谢志告诉记者，中山大学眼科医院是率先将人工智能技术应用在白内障诊疗、并于2017年发表国际论文的医疗机构，其后也推动了人工智能在近视眼、青光眼诊疗等方面的应用，并自己组建了人工智能开发团队。在长期的研究过程中，他们发现目前的人工智能技术并非“万能药”，能够解决的眼科诊疗问题还十分有限。

AI医疗、基因检测进入洗牌期，专家称IAB应加强跨界交流

中山大学眼科医院院长刘奕志

据刘院长介绍，目前制约人工智能实际应用眼科诊疗的主要痛点在于数据质量问题，即医疗实践中产生的数据能否很好地计算机语言化。人工智能在实验室中测试时，使用的都是预先筛选过的数据，数据标准化高。但在实际应用中，不同医院乃至不同医生对同一种病的图片拍摄方法都可能有很大不同。另外，以眼科诊疗为例，影像只是判断病情的一个主要部分，在实际诊疗过程中，医生还会通过与患者交流、整体观察等方式综合考虑，而这些都很难被转化为计算机语言。

对于计算机界和医疗界的差异，中科院北京基因组所研究员方向东也有类似的看法。方向东告诉南都科创记者，不管是人工智能下赢国际象棋还是围棋，本质上都是在确定的规则之内，通过对单一类数据进行单向分析实现机器学习。而人工智能在生物领域应用的挑战在于，生物体的数据十分复杂，具有许多维度，而且数据标准化困难，在数据分析上，也往往需要进行系统性地复杂分析，这就使得医疗领域应用对于人工智能来说有很大的挑战。

基因检测现状：重心回归上游研发，计算机技术尚需突破

南都科创记者发现，目前计算机界与医疗行业结合的部分主要分两个方向，一是针对医疗中的影像学检查，二是基因检测应用。这与新一代信息技术目前的发展情况也较为契合：人工智能领域的图像识别和基于大数据的预测分析是当前较为广泛成熟的两大方向。

AI医疗、基因检测进入洗牌期，专家称IAB应加强跨界交流

中科院北京基因组所研究员方向东

相比临床应用影像学检查，基因检测的应用更早市场化铺开，在国内已诞生了一批产业链公司。据了解，相比临床诊疗，基因检测由于检测设备比较统一，检测数据均为标准化数字化呈现，因此在数据质量上问题较小，而人工智能技术的突破一方面帮助基因检测的成本大为降低，一方面使基因检测能够进行大数据分析，从而使市场应用得以铺开。

不过，基因检测在市场推广中也陆续暴露出了一系列的问题，尤其是目前基因技术本身尚不能完全解释生命现象，基因检测结果的可信度和指导价值仍然存疑。方向东告诉南都科创记者，目前国内基因检测的产业布局重心已经从偏重中下游试剂盒、遗传报告的推广回归到上游的源头创新上，一方面是为了避免出现产品应用过程中出现上游“卡脖子”问题。另一方面则是基因技术本身仍存在许多局限，需要从源头进行研发突破。

方向东判断，未来3到5年，基因检测技术会从以前的推广检测服务、第三方实验室等转向投入研发源头创新技术，而这其中就需要人工智能技术的深度参与。“这涉及到庞大数据量的处理”方向东说，一个人的生物信息估计转化成计算机数据就有10TB左右，要对人类基因组做大规模研究，数据存储技术、数据分析算法和计算机算力都面临很大的挑战，不仅是在现有基础上进行提升，还要取得技术上的突破才行。

背景：医疗应用需求催生交叉学科交流

一方面，中国长期面临医患资源不匹配的矛盾，医生工作繁重，需要人工智能、大数据等技术帮助减少工作量；另一方面，线上用户增长红利逐渐减退，互联网行业纷纷进军产业互联网，而医疗领域就是重点传统行业之一。可以说，计算机和医疗领域互相间存在明确的融合需求和产业导向性。

然而，计算机和医疗的知识体系与语言体系差别，让这种融合面临不少困难，相比其他领域，医疗领域知识的专业性更高，计算机跨界医疗行业更难。

中山眼科医院刘院长表示，目前医疗界与计算机界的交流平台和交流机会还比较少，类似此次参加的交流会议的次数并不多。他认为，医疗界和计算机界的专家学者、企业机构等应该进一步加强交流，医疗界需要了解计算机界拥有哪些技术能力，计算机界需要从医疗界明确实际需求，避免空有大数据在手却挖掘不了数据价值的尴尬，从而共同推进计算机与医疗的融合发展。

会议主办方华南理工大学计算机学院教授蔡宏民介绍，本届中国计算机学会生物信息学会议是首次在广州举办，在全部四届中今年参会人数首次达到500多人，是上一届的两倍多，这也从一方面说明了我国在生物信息计算领域的市场规模和关注度都在快速增长。

AI医疗、基因检测进入洗牌期，专家称IAB应加强跨界交流