本月早些时候，特斯拉CEO埃隆·马斯克和Facebook CEO马克·扎克伯格从互联网的不同角落探讨了人工智能的利弊。
硅谷钢铁侠埃隆·马斯克12日推特发文表示，“人工智能（AI）比朝核潜藏着更大的风险”。马斯克警告说，人工智能将在未来威胁人类，呼吁政府尽快开始考虑这一技术的相关立法与管控。而扎克伯格对马斯克的观点表示反对。扎克伯格在自家后院烧烤架前的直播中表达了自己对人工智能未来的乐观态度，他认为人工智能将会让人类的生活变得更安全和美好。扎克伯格说：“我对于人工智能持乐观态度。对于那些认为人工智能会导致末日的‘悲观主义者’，我并不能理解他们，他们太过于消极。从某种角度看，我认为他们很不负责任。”
一边坚持认为我们应该谨慎对待人工智能，并提出“基本存在风险”。而另一边则倾向于更加乐观的未来，驳斥“世界末日的情景”，认为人工智能能够帮助我们创建更光明的未来。
在我看来，作为一个家里有三个已步入青少年时期孩子的母亲，我现在同意扎克伯格这种更加光明的看法。但你知道吗，不久以前的我可从来不这么认为。作为一名工程师，我对人工智能非常感兴趣，但是我一直无法确定它的发展是否太快。从前我也会担心人工智能将破坏我孩子未来的教育、工作和日常生活。
直到发生了一些事情……
传统治疗vs人工智能
2011年，我发现了我的乳房里长了一个肿块。我的家庭医生和我都相信，这是一个纤维腺瘤——一种常见的良性乳房肿块。医生建议我去拍一下乳房X光片确定一下。结果从乳房X光片中竟然发现了两个未知的“黑点”。至此，一段未知的旅程正式开始了。
由于当时没有人工智能影像技术，所以我不得不依赖人工分析的方式。所以在接下来的四年时间里，超声波、活检和手术不断充斥着我的生活。尽管我的医生和专家都非常的专业，但是依然无法诊断或治疗这种罕见的癌症形式，唯一能做的就是通过多次的手术切掉复发性肿瘤。
后来，在切掉四个肿瘤之后，我打算进行双侧乳房切除手术。再加上担心癌细胞可能会扩散到全身，那段时间恐惧感似乎从未离开过我。
想象一下，假如你是一位病理学家，工作是在每30分钟滚动的1000张照片中寻找一个微小的异常值。就好像在“干草堆”中找到一根细小的针，这几乎是不可能完成的任务。
许多疾病的诊断依赖于病理学家对于组织切片的分析，这也成为了疾病诊断的黄金标准。对乳腺癌患者来说，病理学家将用显微镜镜检的方法，仔细观看乳腺旁的淋巴结，寻找肿瘤的痕迹。根据镜检的结果，病理学家将告诉患者乳腺癌所处的阶段，以及肿瘤是否发生转移。这些分析直接决定了患者要采取的治疗手段与疾病管理方法。据估计，全美每年有23万乳腺癌患者需要接受这样的诊断，聆听医生对她们命运的宣判，但遗憾的是，最近的一项研究发现病理学家只能准确地检测到73.2％的肿瘤。另外，在医疗资源不足的地区，想要得到诊断，都是一种奢望。
好在幸运的是，四年后我被介绍给了一名医学物理学家，他决定采用一种不同的方法——使用大数据和机器学习算法来发现我的肿瘤，并用放射疗法治疗我的癌症。虽然对于当时的科技疗法我也抱有怀疑的态度，不过事实证明，这种技术结合了正确的医学知识，确实阻止了肿瘤的发展。我现在已经摆脱癌症两年了。
其实在今年早些时候，来自谷歌、谷歌大脑与Verily公司的科学家们开发出了一款能用来诊断乳腺癌的人工智能，它的表现甚至超过了专业的病理学家。诊断乳腺癌，30小时病理分析竟不如谷歌AI准确。
谷歌和Verily的科学家们做了一个尝试。由于单张切片的照片过于庞大，他们将这些图像分割成了数万至数十万个128x128像素的小区域，每个小区域内可能含有数个肿瘤细胞。随后，他们提供了许多肿瘤组织与正常组织的病理切片，供人工智能学习。最终，这款人工智能掌握了一项像素级的技巧——它能分辨出单个小区域内被标注为“肿瘤”的像素，从而将整个小区域标注为“肿瘤区”。这能有效将肿瘤组织与健康组织区分开来。
学习完毕后，科学家们邀请了一位病理学家，并让他与人工智能进行一场比赛。这名病理学家花了整整30个小时，仔细分析了130张切片，并给出了他的诊断结果。在随后基于灵敏度（找到了多少正确的肿瘤）和假阳性（将多少正常组织诊断为肿瘤）的评分中，这名病理学家的准确率为73.3%。人工智能交出的答卷是88.5%，完胜人类。
2017人工智能赋能医疗产业研究报告
对于人工智能来说，医疗行业是目前该技术发展相对较快的领域。大量医疗人工智能创业公司自2014年后集中涌现，不少传统医疗相关企业纷纷引入人工智能人才与技术。
亿欧智库通过大量的案头研究，以及对数十位从业者、相关专家学者、意见领袖进行访谈，最终完成这份多维度的、内容全面的研究报告。以下节选自该报告。
·医疗产业宏观环境分析
1.中国人口老龄化趋势下，疾病高发的老年人口数量日趋增多， 医疗产业宏观环境分析医疗需求正在逐年增大。
2.我国医疗资源压力巨大，以慢性病为例，我国慢性病患病人数医疗产业宏观环境分析逐年上升，慢性病治疗需求不断膨胀。
3.医疗卫生机构总量较大，但医院和床位供不应求，城乡资源配医疗产业宏观环境分析 置不平衡。
4.医护人员数量缓慢增长，卫生人员总体学历偏低，“医师多点医疗产业宏观环境分析 执业”处于试点阶段。
5.卫生总支出保持较快增长，但人均卫生费用与发达国家相比还 医疗产业宏观环境分析有较大提升空间。
6.过度医疗、过度耗材、资源配置不合理等医疗资源浪费现象严重。
·八大应用场景解析
综合分析了我国目前“人工智能+医疗”领域的公司和产品，梳理出包括虚拟助理、医学影像、辅助诊疗等在内的八大应用场景，并从场景概念、发展环境、产品形态、业务模式、公司现状及案例等方面对各应用场景进行深入探讨。
目前我国八大应用场景中，疾病风险管理和医学影像是最热门的两大应用场景，提供药物挖掘服务公司的较少；以下是八大应用场景下的公司数量统计，多数公司不仅属于单一应用场景，其提供的服务往往具有多元性。
医学影像，是目前人工智能在医疗领域最热门的应用场景之一，目前国内共有43家公司提供“医学影像”服务。“医学影像”应用场景下，主要运用计算机视觉技术解决以下三种需求：
1、病灶识别与标注：针对医学影像进行图像分割、特征提取、定量分析、对比分析等工作；
2、靶区自动勾画与自适应放疗：针对肿瘤放疗环节的影像进行处理；
3、影像三维重建：针对手术环节的应用。
AI+医学影像的产品形态主要以用于影像识别与处理的软件为主，极少数结合硬件；各公司产品成熟度均处于搭建基础模型向优化模型过渡阶段，产品落地速度较缓慢，主要受以下几方面因素影响：
1、数据短缺：公司主要以科研合作的方式从医院获取影像数据，但训练模型所需影像数据量较大，仅依靠几家医院提供数据远远不够，而大量医院并不愿意进行数据共享；
2、成本较高：根据统计，国内42家AI+医学影像的公司中，有27家提供癌症病灶识别与标注服务；而影像科医生在日常读片过程中并不会进行病灶标注，这使得该领域公司需要花费较大的成本邀请专业的影像科医生在工作之余进行标注；
3、门槛较高：任何一家“AI+医学影像”公司在实现产品合法销售前，需要申请经营许可证、生产许可证、医疗器械证，并且要通过FDA认证（FDA是国家食品药品监督管理总局的英文缩写）。FDA的审批流程较为繁琐，需要同国家指定的三甲医院合作进行临床测试（前提是要通过医院的医学伦理委员会审查），需要同做临床试验的每一个病人签订合同，还要在国家专业机构做检测和报备，然后才能获得FDA认证，这其中的时间成本、技术水平等因素均构成了“高门槛”。
·人工智能+医疗企业统计分析
2010年是我国医疗人工智能领域创业分水岭，此前每年出现的新创公司数量极少，而2010年后我国迅速出现一大批医疗人工智能公司，并于2014和2015年出现创业高峰，两年内出现52家创业公司。
截止到2017年7月31日，我国医疗人工智能公司共有131家，集中分布于北京、上海、深圳、杭州、武汉等一、二线城市，其中北京、上海、深圳三城集中了97家公司，占全部公司的76%左右。
截止至2017年8月15日，国内医疗人工智能公司累积融资额已超过180亿人民币，融资公司共104家；另有27家公司未获投，或未公布融资信息。“中国医疗人工智能资本市场社会网分析图（主要投融资方）”显示，目前中国资本市场中的明星企业是华大基因和达闼科技，二者的投资关系数量最多；资本市场中的活跃投资机构主要有红杉资本中国、真格基金、北极光创投、经纬中国和软银中国，上述五家投资机构对医疗人工智能企业的关注度最高；
·人工智能+医疗发展趋势
人工智能+医疗新领域的出现，创造了与医疗相关的产业链新模式，在逐步解决医疗产业各大痛点的同时，也创造着市场需求和相关企业新的增长突破点。医疗人工智能企业目前主要以B端业务为主，极少健康类产品面向C端市场。医疗人工智能公司因其刚性技术与服务需求，也为解决方案提供商带来了新的服务方案和商业机会。综合来看，医疗人工智能拥有广阔市场需求与多元业务方向，发展机会非常丰富。
人工智能技术人才目前在市场上处于供不应求的状态。针对该问题，公司最佳策略之一，就是与进行人工智能相关研究的国内外高等院校进行科研合作，合作基于公司产品技术应用方向（如医学影像分析、语音电子病历文字转写等）进行算法模型的开发，该合作不仅推动了公司产品化进程，而且也潜移默化地为公司培养未来的算法人才。相比国内，海外成熟的算法模型较多，产品化和产品落地速度普遍领先与国内。国内人工智能公司有机会与海外公司进行战略合作，共同进行基于中国市场环境的模型训练和产品研发；资金雄厚的公司则可以通过战略投资、并购等方式，直接获得整个技术与产品研发部门。
此外，人工智能+医疗还面临诸多发展挑战。目前医疗人工智能产品无法彻底避免的错误和漏洞、不合理的产品宣传策略，以及人的主观经验，会影响用户对于产品的信任度。较长的FDA认证周期和中国严格的医疗器械监管，使企业花费较高的时间成本，技术创新与产品化速度受到影响。此外，医疗人工智能企业还面临隐私保护、社会歧视等法律与道德伦理挑战。
原文发布时间为：2017-8-25
本文作者：孙博
本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。
