5月27日上午，中国围棋手柯洁与人工智能AlphaGo的第三局棋就将开始。作为三番棋战，虽然柯洁在这场中国围棋峰会人机大战中注定无法“屠狗”成功了，但人工智能给人们带来的震撼一点不比去年韩国棋手李世石与其的五场大战。

下棋充满噱头，但注定只是副业。Alphabet执行董事长施密特就表示，最看好人工智能在医疗领域的应用和前景。

把时钟往回拨几天。近日总部位于美国德克萨斯州的MAP公司将IBM Watosn的认知计算工具应用于其Recovery Network Platform平台，以改善对于药物滥用患者风险模型的计算，从而更有针对性的为患者提供服务。

从肿瘤诊疗到药物研发、药品滥用，人工智能似乎无处不在地渗入医疗领域。这不禁让人思考，我们离人工智能在医药领域的全面应用究竟有多远。

看上去很近

在美国每年有12.5万人死于药物成瘾和滥用，每年造成的经济负担高达7000亿美元。超过2250万美国人需要在这方面接受帮助和治疗，现实却只有260万人的得到治疗。目前，很多治疗方案无法在患者在发生急症时给出解决方案，而且在长期治疗项目方面缺乏数据收集标准。MAP的目标，就是通过技术手段，更好地了解患者在治疗期间复发的风险。

MAP公司指出，传统风险模型计算工具无法准确读取患者病历中的非结构数据，分析结果不够准确，而这正是IBM Watson认知计算工具可以帮助改进的方面。

事实上，这并不是IBM Watson初次涉及药物滥用领域。上个月，IBM Watson刚与Lief Therapeutics合作，参与检测药物滥用患者的焦虑程度。今年二月份IBM Watson也与Intent Solutions达成了合作协议，利用Intent的智能给药器来监督药物滥用患者的依从性。

中国政府对于人工智能的发展高度关注。李克强总理2017年所做的政府工作报告中首次涉及了“人工智能”，强调要加快我国人工智能方面的技术研究与转换，推动人工智能技术的落地使用。今年2月份，国家卫生计生委也在其印发的《造血干细胞移植技术管理规范（2017年版）等15个“限制临床应用”医疗技术管理规范和质量控制指标》中》发布了《人工智能辅助诊断技术管理规范》与《人工智能辅助治疗技术管理规范》及配套的临床应用控制指标。

市场对于人工智能的发展也一直保持了较高的热度。2016年8月份杭州认知网络科技有限公司作为IBM Watson 肿瘤解决方案（IBM Watson for Oncology）的运营代理合作商就与21所中国医院达成了合作意向，旨在利用IBM Watson肿瘤解决方案为中国患者提供更好的个性化肿瘤治疗方案。今年3月百洋智能科技也正式成为了Watson Health（沃森健康）中国地区的战略合作伙伴，显示了国内对人工智能在医疗领域最成熟应用Watson的极大热情。

其实还挺远

不过事实上，人工智能在医药领域的应用并不仅也不应局限于辅助诊断与治疗。仅用上文提到的IBM Watson举例，它的应用范围远大于辅助医疗诊断和辅助治疗。

IBM Watson在健康方面的应用集中于五大领域，分别是生命科学（Life Science），上文提到的肿瘤治疗（Oncology），基于价值的医疗服务（Value-based care）, 政府领域（Government）和医疗影像（Imaging）都只是其中一部分。而具体的应用则包括研发新药，重塑医疗服务流程，提升患者安全，增加患者参与度，控制医疗费用等等。过度关注辅助诊断与治疗，不仅局限了人工智能在医药领域的应用范围，还有可能造成技术驱动的医疗费用上涨等负面后果。

医疗人工智能本土化在何方

2017年5月国务院办公厅印发了《深化医药卫生体制改革2017年重点工作任务》。其中明确指出“2017年，全国公立医院医疗费用平均增长幅度控制在10%以下”，“开展按疾病诊断相关分组（DRG是）付费试点”，“制订200个左右临床路径”，这都是医疗人工智能在中国本土化可以积极探索的方向。

随着经济水平发展和科技进步，医疗费用的增长是不可避免的。而由于历史发展的原因，我国医疗费用增长主要集中在药品的不合理支出，而如何发现、审查和制止药品费用不合理之处，是医改中的重中之重。目前我国医改对于药品不合理支出的管理方向主要集中于药品流通，通过“零差价”等手段抑制药品费用上涨。而事实上，如果我们能利用人工智能在非结构化数据分析上的优势，审核药品处方的合理性并进行监管，则可以更好的控制药品费用的上涨，从而控制我国医疗总费用的上涨。

比如，国内的海虹控股等公司已经在这方面有所布局。去年底，海虹控股在海口发布了其第一款智能医疗产品，并首次对外透露人工智能战略。发明AlphaGo的DeepMind公司，其核心医疗板块DeepMind Health与NHS（英国医保）也再次公告合作，要在5年内建成全新的人工智能临床信息系统。

但对于中国这样规模的市场，拥有技术优势的公司还是大有可为的。同理，基于DRGs付费和临床路径的制定都需要大量基于非结构化数据的分析，类似于IBM Watson的公司可以积极探索中国市场在这方面的可能性，而不仅仅将眼光局限于临床治疗与诊断。

总体来说，在当前的情况下，人工智能在中国医药领域的发展更多取决于与政府合作的深度与广度。人工智能的核心是基于机器学习，高质量的数据是其发展的根本。如果可以通过和政府合作获取到高质量的数据，并且通过强大的机器学习能力为中国医改提供更好的解决方案，则会达成双赢的局面。