2020年初，新冠疫情于武漢爆發，當年二月初，武漢大學聯合多個機構動用了幾十位醫生和學生共同研發，迅速開發了一套新冠肺炎智能診斷系統。這一系統能夠快速從病灶中提取新冠肺炎特征，并對輕型和重型進行初步診斷，后期協助醫生診斷了超過2000例新冠肺炎病例。

這是新冠疫情彌漫下，人工智能應用于醫療的一個側影。

在疫情肆虐人力工作受阻的情況下，人工智能被廣泛運用，例如AI測溫、人臉識別、大數據追蹤，篩查新冠病毒感染、預測生物體的蛋白質結構等技術的應用，讓防疫更加高效。業界普遍認為，2020年成為了AI醫療發展的重要分水嶺。

在2021年發布的“十四五”規劃中，人工智能作為前沿科技被多次提及，這讓相關產業迎來了政策的春天，其中，醫療行業被視為AI技術應用的一大重要場景。

4月11日，在2020中國人工智能產業年會中，多位學者、專家談到，輔助診斷、機器手術、精神疾病的干預治療等眾多領域都已在研究使用相關技術。不過，AI醫療在迅速發展的過程中也困難眾多，他們坦言，AI醫療發展中，數據確權問題仍未解決，技術、醫療的跨界人才仍然缺乏，AI醫療產品的落地仍面臨諸多困境。

輔助診斷、機器手術、自閉癥干預……

2020年新冠疫情爆發，在人力工作受阻的情況下，人工智能在疫情防控中發揮著重要作用。從AI測溫、人臉識別到大數據追蹤，還有企業利用AI 技術篩查新冠病毒感染、預測生物體的蛋白質結構等，技術的應用讓防疫更加高效，這也讓越來越多人認識到AI醫療的便利性與重要性。

除防疫之外，AI技術與醫療行業正走向更為深刻的結合中。數據顯示，目前全國已有7700余家二級以上醫院建立起了預約診療制度，全國建成的互聯網醫院已超過1100家。AI及數字化在醫療上的應用范圍正加速擴張。

醫學影像輔助診斷方面，通過人工智能對醫學影像進行標注，能夠大大提高醫生的工作效率，減少重復工作和遺漏。4月11日，浙江大學健康醫療大數據國家研究院副院長吳健在2020中國人工智能產業年會中談到，機器更擅長計算，人更擅長聯想、判斷，有沒有可能把兩者結合，讓人和機器協同干活？

為了解決這一問題，吳健團隊提出，基于對抗學習的影像分割模型，機器首先進行大量相似物中的影像訓練，而后對少量特定級別標注影像進行學習，最后讓機器可以通過少量的特定疾病標注學會少量疾病的輔助診斷。通過這樣的方法，可以解決掃標漏標、3D影像復雜計算成本、多模態數據信息沒有充分利用等問題。

吳健團隊還將類似的數據分析應用到了部分疾病診療中，比如白內障分級，目前準確率約達70%；圓錐角膜分類，準確率約90%；生存時間分期，準確率達到約80%；慢性腎病篩查，準確率和敏感度可達90%。

手術機器人也是人工智能應用于醫療的重要領域之一。華南理工大學副教授、廣東省生物醫學工程學會副理事長楊榮騫談到，傳統手術精度低，耗時較長，組織創傷較大，如果機器人能夠輔助進行外科手術，精度、耗時、組織創傷等方面都將得到優化。不過，機器人手術也面臨著很多挑戰，比如如何解決呼吸運動模擬、呼吸運動采集、機器人目標定位、模型設計及如何在呼吸運動下做胸腹部的手術穿刺等。

除此之外，人工智能還在精神類疾病中得到了應用。自2012年，哈爾濱工業大學（深圳）教授、IEEE Fellow劉洪海團隊致力于搭建視覺系統，通過視覺方法對腦部發育障礙（孤獨癥）患兒的社交障礙行為進行跟蹤與分析，再與臨床經驗融合，并搭建相關的醫療模型。

這一系統由五個攝像頭組成，借此，機器把病人的表情、視線、行為三大特征提取出來，推理機基于臨床數據庫和知識作出相應的反應決定，下載到機器人中，然后機器人和病人進行交互，完成干預過程。

劉洪海介紹，這一系統的目的就是把自閉癥早期篩查和干預過程中的康護師體力勞動降下來，同時提升康復師和診斷師的專業水平。“目前人類對自閉癥并沒有較好的解決方法，而且患者成年之后自閉癥就無法康復，最好的方式就是早期篩查、干預，而且目前95%的解決方法是基于行為的干預。”

在研究過程中，劉洪海發現，相對于康復師的干預效果，類人機器人干預效果能夠高出15%，甚至可達20%。“這也變相印證了自閉癥患兒對類人機器人更感興趣。”他說。

另外，人工智能技術已經應用到了難治性抑郁癥、厭食癥等精神疾病的治療當中。上海交通大學長聘教授、IEEE Fellow呂寶糧談到，目前，由于藥物、心理和物理療法等對難治性抑郁癥作用甚微，許多病人希望通過深部腦刺激（DBS）進行治療。

不過，這一治療方式也面臨著諸多挑戰，比如如何將情緒、心態轉化為DBS參數。2020年，瑞金醫院成立腦機接口與神經調控中心，希望通過腦機接口對抑郁癥作出客觀評估，通過生理信號把量表轉化為客觀的報告。“如今，判斷精神類疾病過程中，主觀因素影響較多，我們希望通過這些數據，讓精神類疾病也有客觀依據。”呂寶糧說。

AI醫療，前路漫漫

在業界看來，2016年是我國的AI元年，但醫療AI在2020年之前一直處于摸索階段。2020年則成為了AI醫療發展的重要分水嶺。一方面，疫情的爆發催生了更多的應用場景，加快了相關技術研發速度；另一方面，由于研發、政策、產業鏈等限制，AI醫療依然面臨著挑戰。

新冠疫情在2020年初爆發于武漢，當年二月初，武漢大學聯合校醫院、校附屬醫院、省人民醫院動用了多位醫生和學生共同標注樣本，快速開發了新冠肺炎智能診斷系統。系統能夠較快從病灶中提取新冠肺炎的特征，而且可以對輕型和重型進行初步診斷。這一系統后期協助醫生診斷新冠肺炎的病例超過2000例。

在這一系統的研發過程中，研究人員通過四周多時間數據迭代才獲得比較滿意的結果。武漢大學人工智能研究院常務副院長杜博在研發過程中感到，如何在有限樣本中標注更多，使得大數據真正利用大樣本，而不是大數據、小樣本。

另外他談到，一項醫學方面的人工智能技術，不但要技術先進，還要解決醫學中的痛點，并且最好能在短期內得到應用落地，這樣后續才有支撐。另外，醫學AI系統應該形成體系或生態，否則單獨的軟件很難進入醫院，也難以收回成本。

“我們覺得，醫學AI技術落地過程中，學校、研究所、醫院及醫學檢驗結構應該通力合作，形成一個從理論技術、產品、牌照發放到市場化的閉環，并且應該有鼓勵和容錯的機制，這樣才可能促進好的產品落地。”杜博說。

中國信息協會醫療衛生和健康產業分會會長宋新則談到AI醫療上的兩大問題，一方面是數據確權的問題，包括醫院的醫療數據保管權、使用權如何拆分等；另一方面，在人才培養上仍存缺陷，比如醫學院中醫療科技課程依然較少，而如今來看，對醫院人才增加科技相關的考核及進修學習，是十分必要的。鄭州大學信息工程學院教授蔣慧琴則談到，如今AI遇到的瓶頸是數據，沒有高質量的標準數據做基礎，AI醫療仍然難以應用。

不過，隨著技術的進步與政策的鼓勵，AI醫療行業蘊含著巨大的機遇。2021年發布的“十四五”規劃中，人工智能作為前沿科技被多次提及，這讓相關產業迎來了政策的春天。有數據顯示，預計到2025 年，人工智能產業規模將超過4500 億元。

中國信息協會醫療衛生和健康產業分會會長宋新表示，2016年是我國的AI元年，而2021年則是一個分水嶺，“十四五”規劃為未來產業布局提供了更多探索空間，我國也在逐步完善相關落地的重要環節。