AI医疗：亚洲的发展空间、能力和主动健康的未来.pdf

合作单位 AI医疗 亚洲的发展空间、 能力和主动健 康的未来2 MIT T echnology Review Insights 引言 我们正身处于以人工智能为核心驱动力量的新一轮科技革命和产业变革浪 潮中， 人工智能正在加速渗透各行各业， 推动产业智能化升级。 医疗是关乎国计民生的关键领域。 当前， 有很多国家同中国一样， 面临优质 医疗资源不足、 资源分布结构化失衡等问题。 人工智能技术的发展， 使我们 看到了解决这些问题， 从而为普罗大众提供更好、 更全面医疗服务的希望。 从医学影像分析到临床辅助决策、 从院内诊疗流程管理到院外健康管理、 从 赋能医生到赋能药企等， 人工智能技术在医疗领域的应用越来越广泛和深 入， 能够帮助促进优质医疗资源下沉， 实现资源共享， 提高基层医生诊疗效 率和医疗服务水平。 当然， 人工智能在为医疗带来重大机遇的同时， 也带来了包括数据、 技术、 安 全、 法规、 伦理、 人才等多方面的挑战。 这需要全社会的努力， 一方面推进人 工智能在医疗领域的规模化应用， 并在实践中发现和解决问题； 另一方面不 断健全和完善相关法律法规， 保障结合人工智能的新医疗模式的健康发展。 我们相信， 人工智能技术与医疗的结合， 会让每一个人受益。 王海峰 百度首席技术官3 MIT T echnology Review Insights 前言 AI医疗： 亚洲的发展空间、 能力和主动健康的未来 是MIT Technology Review Insights在百度公司的支持下撰写的一份报告。 这份报告通过对该 地区医疗服务和科技引领者的采访、 案头调研和对中国医疗机构的实地调 研编写而成， 以评估人工智能是如何用于改善医疗服务成果的。 具体而言， 报告研究了该地区的医疗保健提供商、 科技公司以及政府机构之间如何通 过协作， 来确定和应对各自国家/地区的重大和长期的医疗服务挑战。 MIT Technology Review Insights评估了亚洲人工智能生态系统参与者正 在进行解决方案革新的多个领域； 这些领域包括用于医学影像诊断和分析 的工具和平台、 供医生进行治疗决策的支持软件、 识别疾病风险的预测分 析， 以及使用自然语言处理技术为老年人提供健康服务。 Claire Beatty担任 本报告的主编， 出版人为Nicola Crepaldi。 本研究在编辑方面完全独立， 其 中所表达的看法均代表MIT Technology Review Insights的观点。 感谢以下专家在本研究项目上所投入的宝贵时间和提供的洞察： Padmanabhan Anandan ， 印度瓦德瓦尼 （Wadhwani） 人工智能研究所首 席执行官 黄 艳， 百度智慧医疗总经理 Kazumi Nishikawa ， 日本政府经济产业省健康产业部主任 Bborie Park ， 美国加利福尼亚州PostGIS项目首席程序员 Eric S. Sullivan ， 美国Inovalon公司 创新和数据战略高级副总裁 王璟瑜 ， 百度AI规划与管理部 高级业务分析师 许 珊， 中国信息通信研究院高级业务主管、 WHO-ITU医疗健康人工智能焦点组副主席4 MIT T echnology Review Insights 目 录 1. 报告概要 .5 2. 医疗保健缺口 .7医疗健康领域涌现的人工智能应用案例 .9 3. 提高医疗保健的人才数量和技能 .11增强医疗保健提供商的能力 .13中国基层医疗机构的能力和信心 .13可解释的人工智能 . 14 4. 跟上机器的步伐 .15人机诊断 .15弥合数据鸿沟 . 16 5. 因地制宜应对医疗保健挑战 .17降低印度婴儿死亡率 .17人工智能为日本老龄化带来的希望 . 18新加坡的医疗创新挑战赛 .20 6. 人工智能与主动健康 .21扁鹊三兄弟的故事 .21可穿戴设备+人工智能 .22人工智能无法替代人类 .22 7. 结论： 兼顾紧迫性与能力建设 .235 MIT T echnology Review Insights 01 由人工智能驱动的软件和平台有望在未来十年重塑亚 洲的医疗保健格局， 提升医疗保健提供者和政府医疗机 构的服务能力、 诊断速度、 护理质量和患者的整体康复 水平。 人工智能应用并非处于萌芽阶段。 事实上， 它早已 被广泛应用于医疗行业， 尤其是在亚洲发达地区。 尽管 如此， 新的应用案例、 创新成果和人工智能应用中心仍 如雨后春笋般不断涌现， 而政府和科技企业想在医疗保 健生态系统中普及人工智能的迫切之心也将为亚洲患 者带来诸多利好。 AI医疗： 亚洲的发展空间、 能力和主 动健康的未来 报告要点如下： 人工智能正在有效缩小亚洲的医疗保健缺口。 人工智 能是切实提高亚洲地区医疗保健服务能力和效率的 重要解决方案。 在人力资源短缺的背景下， 许多国家 面临医疗资源紧张的难题世界卫生组织 （WTO） 估计， 到2030年， 亚洲地区将需要超过1,200万名新的 医疗保健专业人员， 比当前增加70%以上。 医疗支出 不足是又一大挑战。 除发达经济体外， 亚洲其余国家 和地区的人均医疗支出不足经济合作与发展组织 （经 合组织） 标准的四分之一。 在此背景下， 越来越多的成 功案例表明， 利用人工智能可以提升医务人员的效率 和准确率。 亚洲地区的医疗发展正受益于一线医务人员能力的提 高。 人工智能可以引导医生通过规范的诊疗操作流程作 出更快、 更准确的诊断决策； 运用机器学习分析日益复 报告概要 新的应用案例、 创新成 果和人工智能应用中心 仍如雨后春笋般不断涌 现， 而政府和科技企业 想在医疗保健生态系统 中普及人工智能的迫切 之心也将为亚洲患者带 来诸多利好。 6 MIT T echnology Review Insights 杂的医学图像， 从而诊断各类常见和罕见疾病； 此外， 可 穿戴健康追踪技术可以跟踪监测患者健康状况， 帮助医 生提早识别疾病风险和预警信号。 人机交互的全新诊疗手段正在逐渐提高亚洲医务人员 的专业技能。 人工智能将推动亚洲地区， 尤其是发达经 济体的医务人员进一步提升专业水平以及人机协作的 能力， 涵盖机器人辅助手术、 医学图像高精度诊断以及 新药研发等领域。 然而， 由于亚洲地区大部分医疗系统 长期超负荷运转， 即使初级医疗服务能力也受到限制， 一些业内观察人士据此主张首先将人工智能资源集中 用于增强初级医疗保健的能力。 亚洲严峻的医疗挑战为促进公私合作提供肥沃土壤。 亚洲多国均有不同利益相关方利用当地技能、 人才或 数据资源合作应对严峻医疗挑战的案例。 老龄化正在 迅速成为亚洲主要的医疗危机之一： 目前， 日本65岁以 上人口比例居世界前列 （接近国家总人口的三分之一） ， 而多个亚洲经济体老龄化程度紧随其后， 均密切关注 老年医护领域的创新。 此外， 人工智能在降低印度婴儿 死亡率， 新加坡高血糖、 高血脂、 高血压 （ “三高” ） 等其 他医疗负担领域发挥了主导作用。 在未来数十年内， 政 策制定者和AI开发人员将更加紧密地进行合作， 以提 升公共健康水平。 预防性诊疗策略将成为医疗保健行业的重中之重。 在 未来， 医疗生态系统将更加侧重健康和福祉， 而非单纯 的以治愈为主导的医护。 人工智能将通过识别疾病征 兆并追踪健康状况， 在促进 “主动健康” 中发挥主导作 用。 预防性策略提供的数据使得人们能够掌控其生活 方式和医学治疗， 积极改变自身的健康状况。 如今， 可 穿戴设备和AI技术正在不断融合， 创造新的能力， 并提 供深刻的洞察。 医疗保健系统必须坚持以人为本。 科技对医疗诊断决策 与日俱增的影响无疑为亚洲诸多患者带来了福音。 然 而， 从伦理角度考虑， 科技必须是医生和医疗从业者的 辅助工具。 为保障医疗系统的问责制， 最终决策权必须 牢牢掌握在人类手中。 AI开发人员应当确保医生、 患者 能够准确解读和理解科技， 这样医生和患者才会持续信 任科技， 并乐于在医疗领域使用人工智能。 在未来， 医疗保健生态 系统将侧重于健康和福 祉， 而非单纯地提供治 疗服务。 人工智能将在 促进 “主动健康” 中发挥 主导作用。 7 MIT T echnology Review Insights 发达国家中是最低的。 在人口超过22.5亿、 占亚洲总人 数一半以上的南亚和东南亚， 平均每10,000人拥有的医 生不到7人 （见图1 ） 。 在亚洲部分地区， 特别是在南亚， 医疗专业人员也同样 稀缺。 虽然东亚的医疗专业人员密度高于全球平均水 平， 但专业领域的人力资源却远远落后于美国等发达国 家。 对大多数亚洲患者而言， 这些资源可能很难获得， 其 成本也十分昂贵。 由于有效的医疗服务覆盖范围有限， 且慢性病治疗费用 高昂， 医疗人才短缺问题愈发严重。 据瑞士再保险公司 02 医疗保健缺口 亚洲正在积极使用人工智能驱动的工具， 以弥补医疗资 源方面的长期缺口， 并应对越来越多的新挑战， 例如快 速老龄化所带来的压力。 在加速创新和重新定义医疗保 健提供商和医疗机构的价值方面， 人工智能将起到真正 变革性的作用。 但目前的现实是， 人工智能在医疗背景 下的真正作用在于它能够改善现有的流程， 并为面临挑 战的医疗专业人员提供更多信息和洞察。 亚洲的医疗统计数据在覆盖面和资源能力方面面临不 小的挑战， 即便在发达经济体也是如此。 面临的主要挑 战是人力资本的缺乏： 即使在富裕的日本、 韩国和新加 坡， 每10,000人拥有的医生也低于25人， 医生的比例在 由于医疗保健保 险的覆盖面不足， 且慢性病治疗费用 高昂， 亚洲的临床 医生短缺问题愈发 严重。 图1： 2016年或最近每10,000人拥有的医生人数 资料来源： 世界卫生组织 0 5 15 20 25 30 35 40 10澳大利亚 35.9新西兰 30.3日本 24.1韩国 23.1新加坡 23.1中国 17.9马来西亚 15.1菲律宾 12.8越南 8.2印度 7.6孟加拉国 4.8泰国 4. 5印度尼西亚 2.78 MIT T echnology Review Insights 图2： 2014年每100,000人拥有的医疗专业人员数 资料来源： 柳叶刀全球外科委员会， 2014年 美国 东亚 全球 日本 中国 新加坡 泰国 印度 南亚 55 40 37 35 31 30 13 7 6 0 60 50 40 30 20 10 估计， 沉重的医疗服务负担造成亚洲12个国家约4,000 万家庭1.8万亿美元的医疗保健缺口， 其中有近半数为 中国家庭， 对家庭财务和社会福祉都造成了巨大压力。 1这一困境限制了亚洲大部分地区获得医疗服务的机会； 经合组织估计， 在收入最低的五分之一人口中， 多个南 亚和东南亚国家有一半以上的妇女提到了因为经济原 因而无法获得医疗保健服务。 2 本地区各政府为医疗保健服务提供充足资金的能力正 面临挑战。 除发达经济体外， 亚洲其余国家和地区的人 均医疗支出不足经合组织标准的四分之一 （见图3） 。 在 较富裕的亚洲国家， 人口老龄化和债务水平不断增加所 带来的挑战造成了额外的财政压力； 据日本厚生劳动省 图3： 2015年人均医疗保健支出 政府/强制缴纳 自 愿 / 个人 支付 0 1,000 2,000 3,000 4,000 5,000 美元PPP 经合组织， 3,800美元PPP 澳大利亚 4,491 日本 4,405 新加坡 3,681 新西兰 3,530 韩国 2,556 中国 762 泰国 610 印度尼西亚 369 斯里兰卡 353 越南 334 菲律宾 322 缅甸 267 印度 237 柬埔寨 209 巴基斯坦 134 孟加拉国 88 资料来源： 世卫组织全球卫生支出数据库 （2018年财年） ； 经合组织卫生 统 计 数 据（ 2 0 1 8 年 ） 鉴于亚洲公民和服务提 供商所面临的压力， 以 及该区域越来越注重开 发人工智能资源的情 况， 利用人工智能加速 取得积极的医疗保健成 果有了越来越多的成功 案例。 马来西亚 1,0639 MIT T echnology Review Insights 统计， 日本政府在2017年的医疗保健支出为42.2万亿 日元 （ 3,960亿美元） ， 比十年前增加了30% （见图4 ） 。 因此， 毫不意外的是， 鉴于亚洲公民和服务提供者所面 临的压力， 以及该区域越来越注重开发人工智能资源的 情况， 有了越来越多利用人工智能加速取得积极的医疗 成果的成功案例。 为消费者和客户体验专业人员提供决 策支持的虚拟助理， 是亚洲乃至全球许多行业中常见的 新兴人工智能应用案例。 这些案例的基础假设是， 对交 易的洞察越来越多， 那么就可以加快原本缓慢的进程并 取消中间不必要的环节。 但是， 另一方面亚洲的医疗保 健体系往往比较官僚， 而且在很大程度上面临着一系列 不同挑战。 医疗健康领域涌现的人工智能应用案例 打造最有效的应用不是为了更顺利地开展医疗保健业 务， 而是为了促进基础生产力， 为医学诊断和治疗方案 提供更好、 更强大的洞察。 人工智能和其他新兴技术的 应用通常围绕以下案例展开： 为医疗保健专业人员提供决策支持。 在诊断和治疗过程 中， 由人工智能驱动的分析软件正在帮助引导医生和其 他医疗保健工作者， 给出有效建议并及时提示风险， 以 便医生更快和更准确地制定治疗方案。 在中国， 百度在 近1000家医院推出了临床辅助决策系统 （CDSS） ， 通过 标准化的问诊程序指导医生完成病情诊断， 并推荐科学 的治疗方案， 为医生提供支持。 医学影像分析和诊断支持。 机器学习全球人工智能 创新的一个快速发展领域正被用于分析日益复杂 的核磁共振成像 （MRI） 、 计算机断层 （CT） 扫描和其他医 学影像， 以诊断骨折、 癌症、 中风和许多其他疾病。 依图 科技是一家由风险投资支持的人工智能初创企业， 发挥 中国在图像识别研发方面的领先地位， 与成都华西医院 肺癌数据库共同构建了一套用于肺癌诊断的四维CT扫 描分析系统。 为患者提供虚拟帮助。 如今有越来越多的人工智能工具 可以为患者寻找就医资源和优化选择， 例如非正式的自 我诊断、 寻找医生和预约等。 这些工具目前在美国和欧 洲越来越受欢迎， 那里的患者通常需要借助众多工具进 行优化选择， 它们也开始在亚洲得到应用。 在中国， 平安 保险公司的 “平安好医生” 拥有各种在线咨询和分诊功 能， 预计有1.8亿注册用户。 图4： 1992-2017年日本医疗保健支出估算 50 （万亿） 40 30 20 10 0 1992 95 2000 05 10 15 17 （财年） 资料来源： Nippon， 基于厚生劳动省2017年医疗保健支出趋势报告10 MIT T echnology Review Insights 的问题在美国， 据联邦调查局估计， 每年保险欺诈 和滥用的金额范围在900亿至3,000亿美元之间但 此类事件在亚洲也出现了一些苗头。 亚洲大型保险公 司， 如日本的Sompo ， 正在理赔和欺诈识别过程中使用 人工智能技术。 智能手表、 健身监视器以及智能手机在亚洲大量涌 现， 引发了许多用于监测心血管活性、 脉搏数、 含糖量 和含氧量等健康数据的应用。 结合人工智能分析， 这 些数据可用于评估健康风险和发现预警信号， 以及制 定预防性或增进健康的各种措施。 这将越来越多地涉 及DNA分析， 而人工智能可以发挥提高DNA分析水平 的作用、 考虑有关患者病史的元数据， 并跟踪DNA测 试供应商的记录， 以帮助患者和医疗保健专业人员选 择最佳提供商。 在亚洲， 帮助患者和护理人员实现健 康成果或常规护理程序管理的专用设备开始出现； 日 本初创公司Triple W研发的DFree如厕时间预测装置 开始兴起， 该装置能够在护理老年人时为护理人员提 供帮助。 就诊工作流程协助。 新兴的技术平台， 如美国人工智能 巨头Inovalon开发的技术平台， 正在使用自然语言处理 （NLP） 和深度学习算法， 更快速地对病历和程序进行 分析和编码， 并自动审查文档和患者病史， 以提高持续 护理和支持水平。 机器人外科医生。 认知机器人技术正用于增强对患者术 前医疗数据的分析， 并就具体的手术策略和方法做出建 议， 最终协助外科医生完成手术。 埃森哲咨询公司估计， 机器人辅助手术可以为美国医疗保健系统节省400多 亿美元。 3在亚洲， 日本初创公司Riverfield Surgical Robot正在构建一个名为EMARO的平台， 该平台将手 术现场指导和支持与术前记录的医学影像数据强化分 析相结合。 减少欺诈。 人工智能软件可以使用NLP分析保险理赔数 据 （其中一些是非结构化的和非标准的数据） ， 以识别欺 诈性或不精准理赔的运作模式以及嫌疑人。 在拥有庞 杂、 昂贵和私人医疗保健体系的市场中， 这是一个更大 0311 MIT T echnology Review Insights 可能性也进行了许多讨论。 MIT Technology Review Insights在 人工智能与人力资本 中估计， 在11个亚太 市场， 医疗保健将成为人工智能和自动化技术的受益行 业之一。 虽然该行业的工作机会将减少， 从日本的约8% 到菲律宾的约5%不等， 但更大的影响在于， 随着新兴技 术的出现， 这些工作将得到增强和改善。 研究表明， 在新 加坡和韩国等市场， 大约14%的医疗保健工作将因为人 工智能而变得更加高效和更具生产力。 自动化技术将推动从业人员， 尤其是发达经济体的医 务人员进一步提升专业水平与人机协作能力。 但现实 情况是， 亚洲的医疗生态系统从一开始就缺乏训练有 素的从业人员， 而该区域的医疗保健需求却在持续增 长。 人工智能是切实提高医疗保健行业效率和价值的 重要解决方案。 从日本到印度， 在扩大医疗保健覆盖面和促进亚洲各地 医疗专业人员研究成果转化方面， 人工智能发挥着重要 作用。 提高疾病检测的速度和准确性， 或向临床医生提 供见解和决策支持， 正在成为缓解该区域长期和日益严 重的医务人员和资源短缺现象的主要目标。 世界卫生组 织估计， 到2030年， 亚洲地区将需要超过1,200万名新 的医疗保健专业人员， 比当前增长70%以上。 虽然弥补 亚洲地区医学人才短缺可能是当前人工智能应用浪潮 的驱动力， 但决策者和人工智能企业家也正在以更具变 革性的方式思考该技术， 并努力开发人工智能应用， 使 该地区的医疗保健系统能够以更加积极主动、 预防性的 方式运作。 与正在迅速部署新兴技术的大多数行业一样， 人们对人 工智能在取代现有或未来医疗保健工作方面所具备的 03 提高医疗保健领域的 人才数量和技能 MIT Technology Review Insights估计， 在11个 亚太市场， 医疗保健将成为人工智能和自动化技 术的受益行业之一。 虽然该行业的工作机会将减 少， 从日本的约8%到菲律宾的约5%不等， 但更大 的影响在于， 随着新兴技术的出现， 这些工作将得 到增强和改善。12 MIT T echnology Review Insights 印度 澳大利亚 印度尼西亚 马来西亚 菲律宾 新加坡 韩国 泰国 越南 日本 % Singapore 印度 澳大利亚 印度尼西亚 日本 马来西亚 菲律宾 新加坡 韩国 泰国 越南 图5： 5年内通过人工智能实现自动化或得到增强的医疗保健职位比例 通过新兴技术实现自动化的职位比例 通过新兴技术得到增强的职位比例 资料来源： MIT Technology Review Insights和Faethm， 2019年13 MIT T echnology Review Insights 中国基层医疗机构的能力和信心 百度正在通过临床辅助决策系统 （CDSS） 为中国基层医 疗提质增效。 该系统由AI技术驱动， 能够为基层医疗机 构推荐诊断和治疗方案的实施建议。 百度设计该系统的 初衷是为了切实帮助基层医疗机构的医护人员。 中国的 公立医院分为三级： 三级医院通常是拥有超过500张病 床的大型综合医院， 而一级医院则是位于城乡地区的规 模较小的医院， 床位大多不足100张， 且医护人员数量 较少、 经验有限。 基层医疗机构本应该是人民健康的第一道防线。 然而， 由于人们普遍认为在基层医院提供服务的医师经验欠 缺且医院的资源有限， 大多数患者更倾向于到三级医院 就医， 以获得规范的专业治疗。 黄艳认为， 这样的情况进 一步加剧了 “中国医疗资源的结构性失衡” ， 一级医院门 增强医疗保健提供者的能力 百度智慧医疗总经理黄艳透露， 作为中国互联网巨头之 一的百度正在探索利用其核心技术优势、 用 “循证AI赋 能基层医疗” 。 百度智慧医疗于2018年成立， 专注于探 索AI在医疗领域的应用。 黄艳说道： “中国医疗体系的一 个核心问题是医疗资源的结构性失衡， 中国人口众多， 社会老龄化日益严重， 人们对优质医疗服务的需求不断 增加， 但有能力的医生数量还不够， 而且大部分都集中 在大城市。 ” 谈及医疗AI的商业化， 黄艳补充道： “我们不急于变现。 医疗服务是以价值为导向的， 只要能够为医疗体系带来 重大价值， 就能看到商业机会。 我们很高兴地看到自我 们的产品推出以来， 不管是患者、 还是基层医院都对其 给予了非常积极的反馈。 ” 百度的临床辅助决策系统 （CDSS） 提高了平谷区 医生的治疗水平， 他们过去能治疗的疾病种类非 常有限， 只能为少数患者提供服务。 现在， 越来越 多的患者都选择去基层而不是更高级别的医院看 病， 因为人们对基层医疗机构服务水平的认知已 有了明显改观14 MIT T echnology Review Insights 者看病， 并建议他们应该去哪家医院和哪个科室就诊。 在看完病以后， 让CDSS持续跟进患者病程， 给出下一步 治疗和护理建议。 可解释的人工智能 CDSS系统能够提供可解释的建议， 辅助医生完成诊断、 治疗方案等临床决策过程， 并在必要时给出风险预警。 CDSS的可解释性是建立在医学自然语言处理 （NLP） 和 知识图谱 （KG） 技术之上的， 这两项技术也是CDSS最终 成功的关键因素。 “医学自然语言处理技术和知识图谱技术奠定了百度 人工智能医疗的基础。 自然语言处理技术能够自动识别 病历和医学文献中的实体以及实体之间的关系， 将其整 合入医学知识图谱。 这种对于医学知识的编译和理解很 复杂且高度结构化， 如果没有医学专家和人工智能工程 师的密切合作， 是很难实现的， ” 黄艳介绍。 除了CDSS外， 百度还基于医学NLP技术和KG技术开发 了许多其他AI医疗产品， 用可解释的建议为临床诊疗过 程提质增效。 可罗雀， 不能承担起基础医疗服务提供者的职责， 而三 级医院则人满为患， 常常超负荷运转。 百度希望通过提高基层医院医生的能力、 增加优质医疗 服务的患者可及性。 这与近年来中国政府鼓励分级诊 疗、 推动基层医疗提升的政策方向是一致的， 其目的都 是希望基层医院能够承担起健康守门人的任务， 让居民 就近得到专业、 优质的医疗服务。 在百度CDSS落地的众多基层地区中， 位于北京东北部 的平谷区最为典型。 平谷区有46万人口。 平谷区卫生健 康委员会信息中心主任焦军锋表示， 在百度CDSS的帮 助下， 当地的医疗机构能够更好地满足整个行政区域的 医疗需求， 服务包括18个乡镇的居民。 焦军锋谈到， 国 家要求基层承担66种常见病的诊疗， 这对于基层医生 是有一定难度的， 而且当地有限的基层医生数量也不能 满足居民日益增长的医疗需求。 百度CDSS定位于提升 基层医院的诊疗能力， 这与国家的要求高度一致， 二者 的目的都是让基层医疗承担更多的诊疗任务、 更好地服 务于基层群众。 谈及CDSS落地以来的效果， 焦军锋大加赞赏。 “这个系 统对于症状识别的准确性远远高于我们的预期， 可以有 效帮助医生做出判断。 这个系统获得了医生和患者的高 度评价。 以前基层医生能看的病人、 能看的病比较少， 所 以诊疗经验也比较有限， CDSS部署以后， 医生的能力提 高了， 人们也因此越来越认可我们当地的医生了。 现在 越来越多的患者来基层医院看病， 而不像以前那样不分 病情轻重就径直去大医院。 ” 焦军锋对目前CDSS的应用效果非常满意， 他希望能进 一步探索更多CDSS应用场景、 让CDSS更多、 更全面地 服务于基层医疗。 例如运用CDSS远程为偏远地区的患 研究表明， 在新加坡和 韩国等市场， 大约14% 的医疗保健工作将因为 人工智能而变得更加高 效和更具生产力 04Padmanabhan Anandan表示， “例如， 数字影像的数 量和可用性以及机器学习工具日益增强的解读性能， 已 远远超出了人类的能力。 ” Anandan将影像解读描述为一个具有挑战性的医学分 析类别。 “医学影像 晦涩难懂 ， 需要经过复杂细致的 理解才能得出合理推断。 ” 他说， “医学影像非常适合用 于复杂分析工具的诊断辅助， 这与化学分析 （例如血液 检测或活检） 完全不同。 对于后者， 医生可以更轻松地理 解定量结果。 ” 中国信息通信研究院 （CAICT） 高级业务主管、 WHO-ITU 医疗健康人工智能焦点组副主席许珊表示， 医学影像是 极具影响力的人工智能创新应用案例， 她认为部分原因 是计算机视觉和深度学习技术的强大而独特的组合。 许 珊表示多维影像融合过程将来自多个记录影像的重要 医学影像技术的飞速发展， 结合人工智能的分析和机器 学习能力， 使得亚洲医疗保健专业人员快速诊断重大疾 病的能力有了显著的提升。 有几个因素促成了这些能力的大幅提高。 首先是医学影 像方面的投资。 在整个亚洲， 2019年上半年的医疗保健 科技企业投资总额将近25亿美元， 其中有将近4亿美元 的风险投资流向了医学影像企业。 4 研究公司IDC估计， 到2022年， 亚洲医疗保健行业的技术支出可能达到近 150亿美元， 与目前水平相比每年增长7%。 5 第二个进展领域是正在围绕某些疾病和伤害而建立的 大量的数字化数据集。 虽然整个地区的情况参差不齐， 但中国、 韩国和日本的数字化数据集正逐渐强大起来， 经过CT和MRI扫描得到的大量原始资料正在为机器学 习算法提供依据， 使其能够进行模式识别、 歧义解释， 并 以令人惊叹的准确性做出诊断。 随着新数据集的出现， 用于检测疾病的新人工智能模型也会显现。 在韩国， 医 学影像初创公司Lunit最近获得了该国食品药品安全部 关于其乳腺癌检测平台的批准， 该平台的算法是基于 20多万张乳腺X光医学影像进行训练后得来的。 6人机诊断 医学影像技术在过去十年间飞速发展， 在疾病诊断方面 为医学专业人员提供了巨大帮助， 但也对医生正确诊断 影像的技能提出了巨大挑战。 “在过去六、 七年间， 医学 影像诊断作为一种人工智能医疗应用， 得到了蓬勃发 展， 这是多种因素共同作用的结果。 ” 印度瓦德瓦尼 （Wadhwani） 人工智能研究所首席执行官 04 跟上机器的步伐 “ 在过去六、 七年间， 医 学影像诊断作为一 种人工智能医疗保 健应用， 得到了蓬勃 发展， 这是多种因素 共同作用的结果。 例 如， 数字影像的数量 和可用性以及机器 学习工具日益增强 的解读性能， 已远远 超出了人类的能力。 ”Padmanabhan Anandan， 瓦德瓦尼人工智能研究所首席执行官16 MIT T echnology Review Insights 建立数据生态系统， 而实现数字医疗保健的目标为他们 提供了又一个机会。 印度总体上缺乏数字医疗基础设施， 这掩盖了印度拥有 大量财富和医疗保健专业知识的事实。 Anandan解释 说： “印度的很大一部分地区已经超出了发展中国家的 水平。 ” 印度国家级医疗资源在人力资本、 医疗设施和基 础设施方面的人均分配不足， “大多数贫困地区主要由 未受过全面培训的医护人员提供服务。 然而， 我们也有 不错的中产阶级医疗保健覆盖率。 ” 他认为， 这种组合为 印度在社会经济领域探索人工智能应用案例提供了独 一无二的机会 数据合并为单个数据， “可将肺癌检测的准确性提高 50%， 而卷积神经网络 （专门用于检测和解释像素数据 的神经网络） 则可增强诊断能力” 。 亚洲多个国家都在努力将这些技术应用于影像分析。 日 本经济产业省 （METI） 健康产业部主任Kazumi Nishikawa说： “癌症是全世界面临的难题。 ” 从这一点 来说， 亚洲国家的丰富经验和大量数据确实带来了不少 优势。 例如， 中国在这方面的能力正在增强， 这要归功于 大量的医学影像数据以及国家在各种图像识别工具方 面早早确立的领先地位， 特别是面部识别。 Nishikawa指出， 医学影像分析是日本各家医院和大学 尤为突出的一项技能。 “世界各地都有 （影像诊断） 项目， 但日本是独一无二的， 因为这里生成了大量影像数据， 而且医生能为人工智能平台提供高质量的关键词和教 学资源。 ” 2017年， 日本国立情报学研究所、 日本医学研 究和发展局 （AMED） 以及其他医学学术机构推出了基 于云的国家医学影像研发计划医学大数据研究中 心。 日本还拥有经合组织国家中密度最高的CT和MRI扫 描仪。 7Nishikawa注意到， 日本医学大数据人工智能研 究与全球其他医疗系统之间的学术合作机会越来越多， 并指出AMED正在寻求扩大该计划的规模， 将它从研究 过渡为商业化诊断工具。 弥合数据鸿沟 亚洲新兴经济体的政府大多尚未为发展医疗保健领域 的人工智能制定出具体规则， 这主要是因为还面临着其 他挑战。 瓦德瓦尼人工智能研究所的Anandan以印度 为例， 指出在该国的国家数字医疗服务蓝图发布时， “甚 至没有将人工智能考虑在内” ， 因为 “首先需要建立患者 信息的数据收集与分析平台。 ” 人工智能可以部分胜任 这项工作， Anandan表示， 因为机器学习工具可以 “过 滤和清洁数据， 使其灵活易用， 并确保患者数据的安全 使用和分享。 ” 印度在解决这一数据鸿沟方面还有其他独特资源， 例如 其世界领先的IT服务行业。 Anandan认为： “印度IT业不 仅为全球提供后台支持， 也为印度提供重要保障。 ” 印度 IT公司已经在为印度政府的一系列基础设施建设项目 “ 世界各地都有 （影像诊 断） 项目， 但日本是独 一无二的， 因为这里生 成了大量影像， 而且医 生能为人工智能平台 提供高质量的关键词 和教学资源。 ”Kazumi Nishikawa， 日本政府经济产业省 （METI） 健康产业部主任 0517 MIT T echnology Review Insights 历史数据， ” Anandan说， “这使我们有机会利用人工 智能对孕产妇的风险程度进行分级。 ” 瓦德瓦尼研究所 已经开始使用人工智能手机应用程序来获取新生儿数 据 。 虽然有大量的统计数据， 但Anandan指出， 其中大多 数数据并没有很好地收集起来， 因为 “在医疗保健机构 之外对新生儿进行准确的测量是非常困难的： 例如头 部大小需要以某种方式在一定时间范围内测量。 大约 30%至40%的婴儿在出生时没有进行正确的体重测 量， 特别是低体重出生儿的体重往往是出于 “猜测” 。 瓦 德瓦尼研究所的项目包括 “几张智能手机拍的照片和 一个由合成数据驱动的3D虚拟模型” ， 用以描述 “基础 事实” ， 这些基础事实可以为今年晚些时候全面展开的 现场试验奠定基础。 Anandan指出， 准确的测量数据或许能消除使用人工 智能降低婴儿死亡率过程中的最大障碍之一， 但瓦德瓦 尼研究所的项目 “现在必须后退一步” ， 以便对婴儿死 亡风险程度进行更充分地分级， 从而整合和分析关于社 区因素和妊娠健康指标的数据。 他认为其他医疗领域也 有类似的人工智能发展潜力， “在这些领域， 印度在数据 收集以及与政府合作方面拥有丰富的国家级资源。 ” 结 核病等疾病 “将首当其冲成为印度在人工智能方面的基 础医疗投资领域 ， ” 他表示。 印度高端医疗保健行业在提高效率和改善患者恢复效 果方面都有得天独厚的机遇。 为有风险的选择性手术提 供人工智能的参考意见就是其中的一个例 采用人工智能技术的医疗保健行业在亚洲取得了巨大 成功， 他们利用国家的独特资产本地技能、 人才或 数据资源来应对严峻的医疗挑战。 如前一章所述， 在医 学影像等大型数据集的支持下， 人工智能在癌症、 中风、 心脏病、 骨折和眼疾的诊断方面取得了令人难以置信的 进展， 并且能够诊断的疾病种类还在快速增加中。 亚洲 欠发达经济体也面临重要的机遇， 他们可以利用人工智 能解决自身特有的医疗难题， 如印度的产妇和新生儿死 亡率或肺结核。 在中国， 国家财富的日益增长以及获得数字服务的便 利性让大量人口所面临的一系列医疗保健挑战变得更 加复杂， 人们对医疗保健机构的期望不断提高， 有限的 资源和空间变得更加紧张。 最终， 老龄化正在迅速成为 亚洲主要的医疗保健危机之一。 日本无疑就是典型的 例子， 他们有近三分之一的人口年龄超过65岁。 该地区 其他国家的老龄化程度紧随其后。 到2030年， 韩国、 泰 国和中国的60岁以上人口比例将超过25%。 在未来几 十年中， 政府的政策和私营企业的创新将相互结合， 以 便开发特定的人工智能应用来解决这些独特挑战。 降低印度婴儿死亡率 瓦德瓦尼研究所已将妇幼保健确定为人工智能发展的 一个重要领域。 据印度中央卫生情报局报告， 虽然婴儿 死亡率在过去二十年里减少了一半以上， 从1994年的 每千名活产婴儿死亡74人减至2016年的34人， 但这仍 然是美国的六倍。 美国的每千名活产婴儿的死亡率为 5.6人， 是发达国家中排名最低的国家。 8,9 “新生儿风险 管理是国家的高度优先事项， 也因此有了更多可用的