大数据+AI “健康中国”难点在哪？

来源：强国融媒智库

如果不是此次疫情，不会有那么多人注意到医疗物资的重要性，在医疗物资领域，中国在此次疫情中的表现堪称全球只能仰望而无法学习的典范，但同时也暴露出了中国在医疗领域存在的问题和差距，在中国接近风平浪静，全球尚在风起云涌的今天，中国在医疗领域正在和将要面对怎样的挑战？又有怎样千载难逢的机遇呢？

北京时间6与30日，世界卫生组织总干事谭德塞在新闻发布会上表示，疫情的一切还远没有结束，世界依然在和病毒进行着斗争，而人类的重要武器就是医疗物资。

早在三月底，欧美国家纷纷进入紧急状态的时候，特朗普在自己的社交媒体上点名两家汽车厂商，让他们抓紧时间制造呼吸机，而那时的中国则收到了无数来自世界各地的订单。加班加点的开始“拯救世界”，商务部统计，3~5月，中国向190多个国家和地区伸出援手，仅美国一家，中国就供应了超过60亿只口罩和近10000台呼吸机，日本、意大利之前的捐赠，中国的滴水之恩均收到了中国的涌泉相报。

不过有一个事实还是引起了人们的注意，呼吸机的核心元器件，如芯片传感器的生产主要集中在欧美发达国家，而且国外很快就实现了呼吸机的本地化制造。被特朗普点名的福特汽车和老牌医疗巨头GE合作，开始利用自己的产能设计并制造简化版的呼吸机。

中国的医疗器械水平发展到了什么程度？医疗器械的难点在哪里？事实面前，问题随之浮出水面。

在全世界范围内，医疗器械领域市场规模达到了5000亿美元，和养活了谷歌、Facebook、字节跳动等互联网巨头的全球广告市场规模相当。

作为人口大国，中国对于医疗器械的消费在2018年已经超过了5000亿人民币。

医疗器械的研发难度可以分为三个大类，首先是：精密元器件的制造。

例如呼吸机的核心部件“传感器”，呼吸机需要用它来监测患者的呼吸状况，动态调整进气压力流量。以空气流量计为例，从原理上来说，只是一个简单的热敏电阻链接的初级电路，通过感受被检测者呼吸的空气流速改变电路电流大小，再通过电流的大小来判断被检测者的呼吸状态。

呼吸机工作原理

这种传感器其实是汽车的核心部件之一，这也就是福特汽车可以很快转型研发和制造呼吸机的原因。

原理虽然简单，但医疗器械毕竟是需要用在人身上的，其中的元器件不仅需要灵敏、高效、耐用、应用范围广，而且必须要适应人体器官，毕竟人不像汽车那样坏了能修。

元器件对中国的医疗器械研发和制造领域来说，难度还不算很大，虽然可能会遇到一些技术瓶颈，终究还是可以在较短时间内取得突破的。但是医疗器械并不是简单的元器件堆积，而是一套完整的系统，在上升到这套系统之后，难度也就系统性的上升了。

虽然中国正在逐步向技术密集型产业发展，并且实现了部分高端产品的国产化，但是在许多领域，比如占据中国医疗器械市场最大份额的“医学影像”，国货还在厚积薄发、奋起直追的路上。

医学影像

全球范围内，这一领域主要由三家欧美公司占据，业内称之为“GPS”，也就是：通用电气、飞利浦、西门子。

通过影像学领域的发展历程可以很明显的感受到医疗系统的难点，那就是在原理上、技术上的系统创新。

系统的创新需要利用人类最前沿的技术，前沿的程度基本上和最近十年的科学类诺贝尔奖齐头并进。

例如X射线的发现和利用，到今天的CT机，不仅仅是科学的突破，更是人类医疗方式的创新，因此1901年首次颁发的诺贝尔物理学奖颁发给了伦琴。同样属于医疗成像领域的核磁共振在几十年的时间内给横跨相关研究的三大领域：物理学、化学、生理学及医学带来了6个诺贝尔奖。

CT（Computed Tomography）即：电子计算机断层扫描

这些历史性的突破已经被中国完整错过，但进入智能时代，在最新的前沿技术人工智能、大数据领域，中国已经是入局玩家。不过要说到具体有哪些产品实现了落地应用？中国在这一领域恐怕还是追赶者。

对比CT和核磁共振，另一种成像方式是超声波，目前，心脏、肺脏等重要器官的检查都会应用到超声波，早就不是什么新鲜词汇的B超就属于这一领域。2015年，GE对其产品进行了一次重大升级，推出了一个名为“cSound”的全新系统。核心就是和最新的计算机技术接轨。

其实在医疗领域，影像和人工智能的结合早就不是什么新鲜事了。因为AI最常见的算法就是图像识别和图像处理。

旧的图像处理在医学领域的应用原理相当简单，多次拍摄再加上人工智能算法的合成就行了，基本上属于现在智能手机的低级配置，但这套已经使用了30多年的成像系统硬件方案不论是运算速度还是内存都已经跟不上时代的发展。于是GE使用了新的硬件方案，采用GPU运算单元取代线路板提升数据处理能力，这种提升带来的是数据呈现几个数量级的提升。

图像增强

新的人工智能大脑对大数据照单全收，用算法合成之后，生成新的图像，由于技术水平的提升，成像质量自然水涨船高。

与图像生成水平提升相应的，图像识别也得到了提升，以此次疫情为例，在ICU中，除了呼吸机和检测仪，超声设备也必不可少。在病人进入昏迷状态的时候，超声设备可以快速的帮助医生找到病因。

之前，这些工作都需要医生肉眼进行判断，而培养一个合格的超声医生，没有三年五载绝无可能，但利用人工智能和大数据，图像识别的历史被一种叫做“卷积神经网络”的技术改写。

依托大数据支持的人工智能，卷积神经网络现在已经达到了和人类专业医生同等的识别能力，而人工智能不仅无需漫长的学习过程，而且能随着数据积累和技术提升实现能力快速提高。

和一百年前的X光技术一样，人工智能和大数据赋能医疗领域，的确改变了整个行业的发展轨迹，开启了一个全新的医疗时代。

技术系统性的创新难点显然难度更大，但直观上看，可能会有一个疑问：新技术赋能这些领域，好像并不难啊？

的确，对于人工智能和大数据相关技术来说，应用相关领域并不是什么特别难的事情，甚至可以说不用工程师出马，只要标注数据量足够多，靠实习生把框架搭起来也不是不可能的。

那么中国医疗行业的关键挑战到底是什么呢？

答案是：产品创新方向。

在任何一个行业，要想实现商业化，技术必须为实现产品功能服务，而不是产品为了实现技术落地而服务。

在这方面最典型的反例就是“区块链”技术，一套技术理论为了赚钱不管是否合适，见到一个场景就去生搬硬套，最终结果却是任何产品落地都看不到——当然这是题外话，我们以后有机会再说。

在医学领域，要求研究者深入到医院临床一线，发现切实需求的“临床研究”对技术落地，产品研发都有十分重要的意义。

典型的智能医疗企业产品研发过程从立项开始，就开始收集全球上百家医院的进行长达数年的实地研究，研究人员会形影不离的跟随各级医疗人员，观察他们的行为，收集他们的反馈，理解他们的抱怨，最终了解到医疗人员需要解决的问题并通过技术手段着手解决。

知道了研发里程之后，回过头去看很多功能设计的初衷，就会发现，从技术角度实现起来十分简单的事情，难点就在于要发现这些需求必须具备实践经验和专业知识。

中国的互联网产业位居世界前列，很多产品的需求，靠常识、直觉，就能很轻松的发现，但是在医疗行业产品需求就没那么容易发现了，因为医学本身就不是一件简单的事。能引领行业跨越几次技术变革的企业，都需要投入大量的时间和金钱，到医院去采集数据，收集信息，迭代策略，推动技术完成最有价值的落地，这些过程很艰辛，但也充满了意义。

医疗行业是一个非常庞大的系统工程，实现一个理论、一个器件、一个功能、一个系统乃至于一个体系的突破，都需要大量的数据积累。

要想实现从追赶者到领导者的升级，就必须实现医学、商业、工程等方面的深度融合，这不仅仅是医疗行业，也是整个大健康了领域，乃至各行各业发展的必由之路。