醫療AI「二重の天」：大手が競って入ってきて、商業化が苦しい臨床関係

一度のブームからだんだん苦境に入って、起伏の多い醫療AI業界を経験して、人工知能と大データが疫病の狀況の中でいろいろな応用と検証を得て、この業界の注目度は再度高まります。

科學技術の巨人であろうと、初めての企業であろうと、みんな競い合ってこのコースに入ります。Google、マイクロソフト、百度、アリババ、テンセントなどはすでに醫療AIの分野に大量の資源を投入し、密集的な配置を展開しています。

今に至るまで、醫療AIは新興科學技術産業として広く認知されていますが、臨床応用が難しく、商業化が難しい苦境は依然として突破できず、大多數の醫療AI企業は依然として「賠償金」の運命を抜け出すことができません。また、業界標準に欠けている人工知能醫療には信頼性や安全性などの隠れたリスクがあります。人工知能をいかに安全に臨床に投入するかは、業界の當面の課題でもある。

疫病の時、醫療aiの応用はさらなる革新と普及を得ました。視覚中國

道の熱い背後の難題と危険を競います。

人工知能醫療競技場はやや混雑していますが、AIと醫療の融合はまだ新しいものであり、模索の初期段階にあります。

多くのAI醫療會社の中で、米國IBMの「ワトソン」は技術と応用の先端を行く先鋒であるに違いないが、同時に、時間が経つにつれて、ワトソンも次第に「過度な宣伝」というレッテルを貼られている。

2016年、東大醫學研究院はIBMの人工知能システム「ワトソン」を利用して女性がまれな白血病を患っていると診斷しましたが、これは10分間しかかかりませんでした。AI醫療の発展の希望を見て、IBMはボブをワトソンに預けました。2017年、2.4億ドルを投資してマサチューセッツ工科大學と共同でMIT-IBMワーソン人工知能実験室を建設する。同時に30億ドルを投資して、ワトソンのグローバルな青寫真を作るつもりです。

だが青寫真はまだ完全に定著していないので、ワトソンは苦境に立たされている。最近の一、二年、ワトソンは多くの業界の専門家に質疑され、危険と誤った癌治療のプログラムを開く可能性があることを含む多くの問題を暴露しました。2018年7月、米國の健康醫療メディアSTATが暴露したIBM內部文書によると、IBMがウォーソンを訓練する際に、仮想患者にオススメする治療案は、醫療マニュアルや真実の証拠ではなく、スローン?ケイトリーンがんセンター専門家を記念する方案に基づいている。

清華大學の自動化學部教授、生命學院と醫學院の兼任教授の張學工さんは21世紀の経済報道記者に対し、「ワトソンのような醫療AIの発展が妨げられていることには驚きません。醫療AIは技術面で特に優れた技術がないと、メディアと宣伝面での宣伝だけで、発展が難しいです?！?/p>

ワトソン以外にも醫療AIに身を投じる科學技術企業は多くの業界の痛みに直面しています。我が國の國內企業のように醫療の映像の面でデータの流転の問題に直面して、患者は自分の原始の映像の資料を保存して管理することができません。

上海交通大學人工知能研究院が発表した「2019中國人工知能醫療白書」によると、中國の醫療AIは醫療人材、データ、機器承認などの面での挑戦に直面している。具體的には、醫療AIの人材不足、データの帰屬が不明確、データの標準が統一されていない、器械の分類要求が高等問題を含む。

疫病の時、醫療AIの応用はさらなる革新と普及を得ました。しかし、否定できないのは、醫療AIは発展の中で様々なボトルネックと痛みがあります。どのようにボトルネックの気まずい時期を打破し、業界の前向きな発展を推進するかは、醫療AI業界の人々の前に置かれている非常に重要な課題である。

張學工は「人工知能には多くの挑戦が含まれており、ボトルネックを突破してすべての醫學問題を解決できるわけではなく、そんなに劇的ではない。人工知能を少しずつ改善し、醫學の分野で過去の問題を解決させることが、徐々に拡大し、突破していくのです。

阿里健康會長兼CEOの朱順炎氏は11月14日、広州腫瘍大會で、醫師と人工知能（AIと略稱する）の関係は醫者＋AIであるべきで、つまり醫者は前にいて、AIは補助醫の道具で、反対ではないと述べました。彼は、醫療分野で最も重要なのは正確さであり、総合的な一連の人工知能から算出された指標をもとに、醫師による最終的な判斷と決定が必要であると指摘した。

中國工程院院院士の樊代明氏は、人工知能を醫學に導入することは必然的な結果であると指摘している。彼は、最も良い科學技術は、「大データ＋人工知能」であり、それを使って醫學を助けて人類の健康水準を向上させることは必然であると考えています。人工知能は広大な見通しを持っています。私達の醫者は人工知能をよく勉強して、それを利用して私達にもっと良いサービスを提供してくれます。樊代明説

過度の宣伝と思われていますが、醫療AIが大きな潛在的な経済効果を持っていることは確かに公認されています。國際管理コンサルティング會社のローランベグが発表した「人工知能白書」によると、2030年までに、人工知能は中國で10兆元の産業牽引効果を生むと予想されている。このうち醫療産業は、AIを使っておよそ4000億元の減本価値をもたらすと予想されています。これにより、醫療AIは人工知能分野で人気のあるジャンルとなり、多くの資本の愛顧を受け、多くのプレイヤーを引きつけています。

現在、醫療AIの主な応用シーンは肺部CT、眼底検診及び醫療映像などの多方面にあります。今年1月、南開大學と北京は科學技術の共同プロジェクトチームを推察して疫病の発生の初期の時期に新しい冠の肺炎CT映像AIふるい検査システムを開発しました。第一時間はこれまで培ってきた肺炎、肺結核CT映像知能識別技術に基づいて、華中科技大學同済醫學院付屬同済病院、武漢大學中南病院などに応用され、補助醫が急速に新冠肺炎を診斷する。

醫療映像は醫學診斷のための畫像に関する情報を提供しています。張學工は醫療AIの具體的な臨床と商業化の応用において、畫像は明瞭で分かりやすいという特徴があり、醫療AIの分野で率先して著地して応用されているが、まだ限界があり、映像はすべての生命システムの中のデータを醫師と患者に與えることができない。分析する。

いくつかの珍しい病気は典型的な癥狀ではなく、あいまいな表現で癥狀を判斷します。大量の癥例が蓄積されたら、機械で分析して判斷すると、人の判斷より全面的になります。張學工は醫療AIの大きな役割だと言いました。

しかし現在、AI技術は人體の生命安全に関する醫學分野でも応用されています。AIシステムは診斷、予測、リハビリなどの分野にも深く入り込み、多くの新しいAIツールを開発しました。しかし、試験設計の品質がバラバラで、具體的な有効性は比較と評価が難しいです。

統一業界の評価基準がないと、數百萬人の患者にリスクをもたらすかもしれません。醫療企業の宣伝を助長しやすく、AIの実効性の炎を宣伝する。大手が殺到するにつれ、AI競技場は大きな潛在力を見せているが、ゲームルールは早急に確立されなければならない。

クロス領域の深さ融合または新たな発力點

高齢化や慢性疾患の患者數が増えている中、醫療技術者や醫療資源への需要が高まっています。現在の醫療システムでは、大量の長期診療が必要で、複雑な病気の患者など、多くの面でまだ足りないところがあります。

また、優れた醫療資源には分布の不均一があり、地域間の差異が大きい。國家衛生委員會が発表した「2019年國家醫療サービスと醫療品質安全報告」によると、患者の異郷受診狀況から見ると、患者の流出率が最も高い5つの地區はチベット、安徽、內モンゴル、河北、甘粛で、患者の流入率がトップ5の地區は上海、北京、江蘇、浙江、広東である。醫療データ量の急速な増加に伴い、AIのビッグデータを使って人的資源を節約し、醫療労働力不足を補うことができる。

張學工は、AI醫療も確かに多くの労働を繰り返して解決する問題に応用する必要があると告白しました。より長い視點から見れば、人工知能の発展は生命研究そのものと結びつきます。

近年、AI醫療分野での深度學習が再び焦點となっている。張學工はこれに対し、「人工知能の領域全體は機械より深く勉強する領域が広く、深さの學習には強みがあり、限界があり、すべての希望を深さの學習に託すことはできず、基礎知識の學習も重視しなければならない。大量のデータの中から簡単な規則を探して、少量のデータの中から複雑な規則を探して、これは深さの學習の外の方法あるいは深さが自身を學んでもっと良い方向に発展することを必要とします。

中國発展研究基金會がこのほど発表した「人工知能醫療健康分野における応用研究」の報告によると、現在の段階では、人工知能は全世界の醫療分野で広く応用されており、流行の先端にあるという。新技術は主にバーチャルアシスタント、醫學映像、補助診療、疾病リスク予測、薬物発掘、健康管理、醫療管理、補助醫學研究プラットフォームなどの分野に集中しています。

報告によると、人工知能は醫療健康分野の応用において、健康技術革新と醫療サービスモードの転換を推進し、醫療コストの低減と醫療サービス効率の向上を促進するとともに、同質、標準、延伸しやすい醫療サービスシステムの形成にも役立つと指摘した。高品質、高基準の醫療サービスの権利は、健康の公平性と可及性を促進する。

未來、AI醫療はほぼ各分野、各分野に展開されます。醫療機器、手術裝備、各種の無源類インプラントから、人工関節、人工臓器、心血管ステントなど、AI醫療ロボットなども生まれます。AIと醫療機器の二つの分野の交差深度融合発展には、學際団體全體の建設が必要であり、人材育成及び深度融合の課題研究などが含まれる。AI醫療の発展は「速くて、安定して、正しい」道に向かっていきます。企業も當面の需要を満たすべきでなくて、未來の知恵の醫療の高速の反復の発展のために準備をしっかりと行います。

?