投壶智库由医健各个细分领域的专家组成，现已涵盖新药研发、医药外包、医疗器械、体外诊断、人工智能+、生物信息与基因科技、营销推广、医学专家、医药商业、互联网医疗、大健康产业基金等各个细分领域的智囊专家近200位。其中国家千人专家及中科院院士十余位。他们将协助医疗大健康领域茁壮发展，赋能投融资对接。今天我们邀请投壶智库专家成员，上海交通大学机械与动力工程学院教授 博士生导师 闫维新教授对近日发生的热点事件进行独道点评，详见以下：

IBM沃森健康大规模裁员，AI医疗到底是不是噱头？

据外媒消息，IBM沃森健康(IBM Watson Health)自5月24日起将裁掉约50%-70%的员工，包括美国本土和其他一些国家的员工。事实上，近年来沃森布局医疗人工智能的步伐从未停止，但成绩并不显著，有分析人士表示，虽然沃森具有十分广阔的发展前景，但就目前而言，沃森距离真正为IBM创造价值还为时尚早。AI医疗到底是不是噱头？

一、请您简要分析一下此次新闻的主角——IBM的人工智能Watson机器人？

IBM研发的人工智能医疗方案Dr. Watson（以下称“沃森医生”），目前以辅助治疗方案推荐为主，它的智能系统构架也比较完善。“沃森医生”更像是一件智能检索的工具，即依据文献、指南等医学资料对医生的诊断结果进行判别，在数据库中进行检索，从而获得治疗方案，节约了医生查询指南的时间。但是“沃森医生”仅以医疗文献、病例病史和医学影像为训练集样本，这一层次的样本数量有限，如果数据量不足，将导致“沃森医生”的诊断结果和治疗推荐方案与人类专家的结果出现一定的偏差，且它的治疗推荐方案可追溯不强。此外，“沃森医生”并没有真正解决医生每天面临的巨大诊断工作量的问题，这种工作模式并不能真正发挥人工智能的优势。

另一方面，“沃森医生”的收费模式也值得商榷。“沃森医生”的收费对象是病人，容易造成以下就诊流程：病人先和医生交流，由医生进行初步诊断，然后将诊断结果交由“沃森医生”进行复核。这相当于变相地质疑医生的诊断结果，极易加大患者和医生之间的矛盾。作为医生，可能对该流程比较反感。

综上所述，“沃森医生”并没有给医生诊断结果的出具和治疗方案的制定提供实质上的帮助，而是向病人收取不菲的开机费用。“沃森医生”就是一个智能的医学文献检索工具，而不是真正意义帮助提高患者诊断的准确性。“沃森医生”与我们定义的人工智能——依据海量病人样本多组学多中心联动模式下建立特定的疾病模型有距离。我认为，人工智能在医疗领域的正确应用方式是做到疾病的检出、定性和分级分期，才是构成精准诊疗决策的关键。

二、“沃森医生”模式能否在应用于中国？

“沃森医生”很难大规模应用于国内的医院，我认为原因有以下几点：

1、“沃森医生”所收集各种医学数据的数量远远不够。疾病诊断不仅仅是读片，是一个多组学的问题，涉及很多内容。诊断是以病理为金标准，以影像组学、蛋白组学、微生物组学、基因组学等作为辅助，是一个多中心联动的、综合海量数据的决策。而针对不同疾病的模型，数据的构建方法也不一样的。目前“沃森医生”的数据量还达不到这种要求；

2、“沃森医生”的很多样本和数据来源于国外，不同地域的患者有一定差异性，“沃森医生”没有针对所应用区域人群的个体情况进行样本数据的重新训练和模型建立，因此其应用范围和诊断准确率有限；

3、“沃森医生”和国内医院对接深度极为有限。对于我国的医院，患者的样本、病理、病例和病历都是一个医院的财富，医院对于患者的数据具有保护不被泄露的义务。因此医院在本质上会排斥与商业企业进行患者数据上的深入合作。

4、具有诊疗功能的人工智能要给医生提出指导意见，是一个非常慎重的事情。并不能通过简单的文献检索就能搞定的，一定需要CFDA的监管。

三、您认为建立一个AI诊断中心的正确方式是怎样？

在国内建立人工智能的诊断中心，是一个依托政府和各级医院的巨大工程。需要由政府做推手，各大医院进行样本开放，并且投入大量的医生资源进行疾病模型建立，在海量样本数据（这里的样本是指有效样本，不单纯是数据）的支持下才可能真正得到建立。

在执行层面，AI诊断中心需要和大医院进行深入绑定，但首先要解决两个问题：一是人工智能辅助诊疗的CFDA注册问题，也就是它的合法性问题，根据政策趋势来看，2018年8月进入注册名录。第二是收费问题。目前医院收费项目没有人工智能读片费和诊疗费，需要让它进入收费项目的名录，才能让从事人工智能的公司真正获得利润，完善人工智能公司的商业模式。

对于医院来说，可以通过提供样本、样本数据处理、医生的介入来参与AI医疗的建设，真正的商业化运作不能由医院来完成，需要商业公司与多家医院深入合作来实现。而数据也不能仅仅针对单一病种的样本，需要大量病种的模型和大量的数据，这个数据量之大还是需要运用人力收集、挖掘与录入。毕竟人工智能是先“人工”才能后“智能”。

总体上来说，目前的人工智能医学还没有建立很好的商业模式。行业内跟风严重，需要一个应用示范点的推进。

四、您认为目前人工智能可以在哪些医疗场景有着实质的应用突破？或者说哪些场景下我们对人工智能的需求比较迫切？

现阶段的人工智能在影像、病理方面可以有所应用。以仁济医院放射科为例，科室日均门诊量3000-5000人，海量的医学影像数据都是人工进行判读，工作量非常巨大；病理科更甚，染色后的显微图像都需要人工一点点进行识别。如果应用了人工智能，可以大大减少医生的工作量。在多组学下，尤其是影像组学和其他检验数据相关联，可以辅助临床医生进行判读，提高诊断的准确性。在此基础上，诊断的效率可以明显提高，医院即可以提高就医量，解决医疗资源供应紧张问题。最后，我们可以发展远程协作医疗、异地诊疗，解决医疗资源分布不均匀的问题。

值得一提的是，人工智能不能替代医生，只是辅助医生，减少医生的工作量，提高医生诊疗的准确性。人工智能永远不要站在医生的对立面。

五、请您总结一下AI+医疗的今后发展方向，以及各方需要做出哪些努力？

我认为，行业的短期方向是在多中心联动的基础上，进行疾病的检出、定性和分级分期，做到几种常见疾病的精准诊疗决策。长期方向则是人工智能和医学影像、病理学、组学（代谢组学、蛋白组学、基因组学、微生物组学、生活方式、临床病史等）、学术文献、诊断指南等数据资料的深入交叉，才能做到人工智能的精准辅助诊疗，关键是辅助诊疗而不是替代。AI替代人工进行诊断为时尚早，也不符合发展AI的初衷。

我认为发展“AI+医疗”，政府需要出面做推手，开放医院的现有样本数据，在主要医院开展多中心联动覆盖及联合应用，建立人工智能数据公共平台，合力推动“AI+医疗”技术的发展，形成人工智能精准辅助诊疗服务的示范应用和辐射能力。

…………………………………………………………………………………………………………

闫维新，博士毕业于上海交通大学机械与动力工程学院机器人研究所。现任上海交通大学博士生导师。荣获2016年苏州市姑苏领军人才、2016年江苏省双创博士称号。

闫维新是中国首个全自动烹饪机器人发明人之一，目前主要从事服务机器人智能控制理论与应用、高精度智能检测与主动控制系统的研究工作，同时将机器人学、精密机械制造、自动控制理论与流体力学相结合，开展了基于微流控和人工智能的生物医疗诊断方法以及医疗康复类机器人的研究。对于人工智能在医学影像领域的应用有着多年的深入研究与思考。围绕人工智能在医学领域应用的主题，闫博士连续四次接受解放日报报道（1次整版专访）和一次新华社瞭望周刊报道。

闫维新自2014年开始，完成了上肢、下肢、手指手腕等多款康复外骨骼机器人的功能样机并进入医院进行临床测试。他专注于人工智能和微流控技术在医疗领域的应用研究基础，探讨机器人应用技术与生物医疗诊断方法相结合的新路线，结合分子病理学诊断，在良恶性肿瘤病理诊断、分子诊断核心技术的研发方面具有丰富的经验。他建立了基于卷积神经网络的人工智能训练平台，在细胞形态学和分子生物学上对肿瘤细胞进行病例分析。