智能“阅片”、临床决议计划、护理机器人……近年来，跟着人工智能的蓬勃开展，人工智能与医学结合的相关技能开发也进行得如火如荼。
近来，人工智能在药物研制范畴迈出重要一步，澳大利亚研讨团队将全球首个AI设计药物——“涡轮增压”流感疫苗推入人体实验阶段，这款药物开发用时两年时刻。
就像“互联网+”一样，“人工智能+”的形式必定会给咱们的生活带来翻天覆地的改变，但在涉及生理和生命的医学范畴，人工智能落地还将面对哪些挑战？
质与量并重 根底数据仍需“精粹”
不管在何种范畴，数据都是让机器聪明起来的底子。
“人工智能若想在医学范畴长足开展，数据质量、数据量和规范化方面还有待改进和完善。” 8月6日，天津市肿瘤医院副院长徐波在接受科技日报记者采访时表明。
“医疗大数据怎么‘降噪’是个关键问题。”徐波指出，医疗大数据涉及的类型近年来呈多模态开展。而病例数据掩盖面广，服务用户多样，怎么构建以病人、医师、医院和政府等多中心的数据管理系统，从而面向不同的用户供给不同的数据视图和剖析结果，是医疗大数据采集及研讨中亟待解决的问题。
自改革开放以来，我国医学范畴开展迅速，信息化程度也在逐渐提高。可是跟着医疗设备更新迭代，数据的格局和录入的内容也在不断改变。以慢性病为例，即便是同一位病人在同一家医院治疗，几年前后的数据内容和形式也可能会大有不同。更何况我国医学范畴在病种分类、称号方面也有部分没有一致，还有一些医师会选用口语、简称，如“乳腺癌”和“乳癌”就是不同医师对同一种病症的不同叫法，这也会给人工智能在临床决议计划或印象剖析时平添困扰。
“尽管我国医院的数据巨大, 但由于疾病的杂乱性，数据维度、特性各不相同, 质量参差不齐,导致许多细分的病种实际可用数据量少，尤其是较为稀有的疾病类型。假如是多学科穿插的病症可运用的数据量就更加有限了。”徐波表明。
此外，数据同享也存在壁垒。我国当时医院与医院、同一家医院内科系互不相连, 没有一致规范的临床结构化病历报告,不同地域乃至不同医院之间的数据库无法通用。
我国人口数量巨大，医学数据体量也很大，但在某种程度上，人工智能开展却陷入了“无数据可用”的为难境地，怎样才能将这座“富矿”充分发掘出来呢？
“数据规范化和规范化是解决该问题的必经之路。”在徐波看来，应加快医疗数据电子化、规范化的进程, 打破医疗机构的数据壁垒, 树立数据同享机制,进一步“精粹”医学范畴数据。
医工结合 学科穿插人才紧缺
“既懂医疗又懂AI技能的复合型、战略型人才极其短缺, 其中10年以上资深人才尤为缺乏。一起, 医务人员对AI的接收度缺乏, 部分医务人员乃至对AI抱有抵触心思。”上海市卫生和健康开展研讨中心（上海市医学科学技能情报研讨所）健康科技创新开展部执行主任何达曾在相关期刊发表文章时提到，AI技能的运用需求对医务人员进行专业化规范训练, 在此布景下, 树立完善的人才培育和人才引入机制是重中之重。
徐波告知科技日报记者，智能医学范畴是人工智能和医疗健康这两个专业性极强范畴的结合，如今二者都能深入研讨的人才是“香饽饽”。而正是由于二者专业性极强，人才培育的形式才更加杂乱、更值得深入探讨。
上一年，南开大学和天津大学初次在本科开设智能医学工程专业，敞开了培育人工智能+医学范畴专业人才的新征程。本年，包含重庆大学、东北大学在内的7所院校也成功申报获批开设相关专业。南开大学医学院相关负责人曾表明，该专业是挂靠在学校医学院下的一个工科专业，为了满足学生学科穿插的学习需求，会约请外院的教师上课教学。
在徐波看来，智能医学范畴开展时刻短，能大范围推行的培育形式需求必定的时刻摸索。但归根到底，假如让部分有兴趣的医学生在校期间就能接触到一些人工智能相关的工科根底知识，将会对其后续向着智能医学方向开展起到必定的引导和辅佐作用。
尽管现阶段穿插人才缺口很大，但值得庆幸的是，家长和学生对智能医学工程专业高度认可。2018年，天大、南开智能医学工程专业第一批招生投放包括全国十几个省市，招生期间，民众的相关咨询继续火爆，未投放省市同样反应火热。
市场良性开展 监管系统亟须加强
除了数据和人才两大根底方向，新兴的智能医学在商业形式和法令监管等方面也需求人们投注目光。
以现在人工智能与医学最常见的结合点——医学印象为例，现阶段该范畴的AI产品在国内主要选用免费试用的协作方法，尽管短期来看，医院是获益的，但长远核算，优质AI企业会因长时刻无法盈利而难以为继，无法继续为医院供给更好的产品。
合理的商业化形式尚在“摸着石头过河”的阶段，而相配套的监管机制也亟须完善。清华大学法学院院长申卫星此前在接受科技日报记者采访时表明，现在只要《民法总则》第127条提出，“法令对数据、网络虚拟财产的维护有规则的，按照其规则”。但具体怎么维护数据，并没有详细说明。
以往，机器被归为东西一类，东西形成的危害职责通常是产品设计者、制造者来承担，但假如东西经过人工智能深度学习，成为自主型产品后形成危害，这到底是谁的职责？依旧是产品的职责仍是智能系统开发单位的职责？这些疑问都需求清晰的法条来回答。
记者了解到，我国不仅对智能医学数据的隐私维护、职责规范、安全性等没有清晰的法令指示，人工智能在医疗健康范畴使用的质量规范、准入系统、点评系统也未设置详细的准则, 无法对AI数据和算法进行有用验证和点评。
“现在国际上也没有成功的案例经验可供学习，开展出一套契合我国国情、相对完善的智能医学监管系统还需求必定的时刻和多学科、多职业的研讨者和实践者共同努力。”徐波表明，较为科学的监管系统之下，人工智能企业在契合各项规范和法规的范围内探究良性的商业化营收形式，各院所、高校、医院等单位合理使用各自资源，进行有用协作，有助于整个智能医学范畴的健康、稳步开展。
