AI醫療將有效解決人口老齡化加劇帶來醫療資源不足的難題

來自專欄陳劍鋒

文/陳劍鋒

醫療作為與大眾切身利益相關的話題，一直以來也是社會非常看重和關注的民生問題，政府的相關政策的推行和醫療行業的不斷改革無不都有圍繞民眾的醫療健康問題展開的談論和研究，但是無論考慮的多麼周全，由於目前醫療環境的格局限制，依舊存在很多我們無法考慮到和解決的困難。

尤其是隨著人口老齡化的不斷加劇，和醫療資源的極具不平衡，如何解決未來日益增長的龐大老齡化人口的醫療健康問題，將會成為國家醫療的巨大壓力和負擔。

人口老齡化帶來醫療資源的嚴重不足

據截止2016年底的數據顯示，中國60歲及以上老年人口超過2.3億，佔總人口的16.7%；預計到2050年，中國老年人口將達到4.8億,佔全球老年人口的四分之一,比現在美、英、德三個國家人口總和還要多，老齡問題將成為中國社會經濟發展和轉型帶來新挑戰。

與此同時，解決龐大的老年人口醫療健康問題也存在巨大的挑戰。縱觀目前國內醫療環境，城鄉醫療資源分配的不平衡，醫護人員的嚴重缺失和專業水平的極具差距都在很大程度上給國家醫療資源帶來了巨大的壓力，因此在醫療資源的迫切需求下，急需有一種既可靠、又能全面解決醫療資源缺失的方式方法出現。

剛好隨著人工智慧的快速發展，在賦能各行業中取得了很好的表現和較成功的落地項目。尤其是在賦能醫療上的成果，讓大眾看到了希望，眾多的行業人士紛紛轉入研究智慧醫療，希望能夠在智慧醫療上有大的突破。

AI醫療有效緩解醫療資源不足的壓力

目前人工智慧大致分為三個階段，弱人工智慧、強人工智慧、超強人工智慧，而目前我們正處於弱人工智慧時代，也就是人工智慧能夠在某一方面或特定的領域的能力要強於人類，但是在綜合能力上面人類是強於人工智慧的。

對於AI醫療來說也同樣如此，目前處於弱AI醫療階段，簡單的來說就是目前AI醫療的應用場景只適用於醫療行業的某一個簡單的環節或者某一項重複、固定的流程和工作。而諸如臨床診斷和醫學研究這種需要深入靈活動腦的環節人工智慧還無法完成。

諸如速途研究院發布的2018年上半年AI醫療行業研究報告就明確顯示，目前AI醫療的應用場景主要適用在虛擬助理、藥物挖掘、醫學影像、健康管理、輔助診療、醫院管理、疾病風險預測以及輔助醫學研究報告等方面。而目前AI醫療應用最熱的還是醫學影像以及疾病風險預測方向。

雖然目前處於弱AI醫療階段，但是在很大程度上仍舊可以緩解人口老齡化的不斷加劇帶來的醫療資源嚴重不足的壓力，比如AI在通過大量的醫學數據深度學習之後，輔助醫生讀取CT影像，早期的癌症篩查，這將在很大程度上緩解醫療人員不足的壓力和誤診、誤判的壓力。

其實這些問題互聯網巨頭BAT早已經解決，2017年7月，阿里健康、萬里雲對外發布醫療人工智慧系統「Doctor You」,可在半小時內讀完九千張CT影像，可以說是效率是人類的上千倍。2017年8月，騰訊發布了AI醫學影像產品「騰訊覓影」，利用人工智慧醫學影像技術輔助醫生進行早期食管癌篩查。

同樣，百度研究院也在今年6月份發布了一種名為「神經條件隨機場」的AI演算法，擁有強大的腫瘤病理切片檢測能力，將為癌症診斷和治療提供重要助力，其檢測準確率甚至超過專業病理醫生，並突破此前最高記錄。

AI醫療目前仍舊存在諸多需要突破的壁壘

儘管AI醫療在一定的程度上取得了實質性的成果和突破，但是由於AI自身的技術限制和整體環境的影響，AI在賦能醫療上面並沒有達到很完美的狀態，仍然有很多無法突破的壁壘。

諸如億歐智庫發布的《2018中國醫療人工智慧發展研究報告》裡面講到，AI醫療發展存在四大挑戰：

其一是數據數量問題：中國醫療整體數據量大，但針對不同病種的數據量和質量參差不齊，有些病種的訓練數據缺乏；健康大數據孤島問題有所緩解，但仍未達到深度學習的階段。

其二是數據質量問題：AI數據處理中標註的準確性關乎結果的準確性，近兩年之內還是需要大量醫生去標註。藥物研發中的數據質量對於研發效率的提升至關重要。

其三是人才問題：AI演算法人才與醫學人才知識體系不同，如何融合各自優勢發揮最大價值，值得企業思考。

四是市場問題：醫療被認為是人工智慧最早落地的領域，但是醫療的特殊性對產品的要求會更高，從認識到被接受再到相應支付體系的完善，以及到醫保的接入，都需要一個很長的過程。

寫到最後

無論是AI醫療有多少無法突破的壁壘，總之如果回到主題上，在一定意義上來說，AI醫療在很大程度上解決了人工老齡化所帶來的醫療資源嚴重不足的壓力。

另一方面AI醫療在未來帶來的龐大市場價值驅使巨頭企業和資本不惜花重金投入AI醫療的研究，這在很大程度上解決了AI醫療在研究上所需要的資金支持，為AI醫療能夠進一步突破提供了後驅動力。

【陳劍鋒，科技自媒體人，長期關注AI和IoT等前沿科技，微信公眾號：劍鋒撩科技(cjftmt)】