AI真的会取代人类成为医生吗，这个构想似乎正在变的越来越真实。
2019年2月12日，一项利用人工智能技术诊断儿科疾病的科研成果公布：该系统针对55种常见儿科疾病和部分危急重症的诊断准确率，已经超过了一般年轻医生。
这也是截至目前，中国机构在AI人工诊疗领域的一个重大突破。
这项科研的发起人是依图医疗倪浩团队（公司算法团队）。依图医疗，是目前国内唯一覆盖全链路医学智能的医疗人工智能公司，也是国内率先开展医疗人工智能落地实践的公司，产品涵盖智能医学影像、智能临床大数据、智能门诊优化、智能质量控制等多个领域。
依图医疗方面人士回应称，2018年12月份，该套系统开始在广州市妇女儿童医疗中心的大范围投入，并已陆续启用。
依图医疗的这项成果，会带动中国AI医疗投资推向下一个高潮吗？放眼整个AI医疗领域，巨头们仍然在入场、布局，资本也仍在高调进入。AI领域研究统计显示，2018年，中国人工智能医疗市场规模超过380亿元，到2020年有望达到百亿美元。
而事实上，这一领域的问题也较为突出，如大多数AI医学影像公司的产品功能局限于单个细分疾病，但这似乎并不妨碍这一领域的火热趋势。
2019年1月份，上海交通大学人工智能研究院联合上海市卫生和健康发展研究中心发布的《人工智能医疗白皮书》认为，，AI医学影像成中国人工智能医疗最成熟领域。
依图医疗总裁倪浩认为，2019年的AI医疗行业，泡沫逐渐被拂去，扎实耕耘的玩家们将依旧高潮迭起。
新突破
据广州市妇儿中心医务部主任孙新说，短短20天，医生们已实际调用人工智能技术诊断儿科疾病智能系统开展辅助诊断30276次，诊断与临床符合率达到87.4%。
孙新说，它看病就像人类医生一样。医生将患者主诉、症状、个人疾病史、体格检查、实验室检验结果、影像学检查结果、用药情况等信息输入病历文本，系统自动将自由病历文本转换成规范化、标准化和结构化的数据。“读懂”病历后，系统给出诊断结果。
以呼吸系统疾病为例，对上呼吸道疾病和下呼吸道疾病的诊断准确率分别为89%和87%，而在上呼吸道疾病诊断中，急性喉炎和鼻窦炎的准确率分别高达86%和96%，对不同类型哮喘的诊断准确率从83%到97%。同时对普通系统性疾病以及危险程度更高的疾病也有很高的诊断准确率，例如传染性单核细胞增多症（90%）、水痘（93%）……
与以往人工智能系统不一样的是，该系统不仅会静态看图，还会“识字”，学习的数据量之大前所未有。而这一特性，也在2月12日，作为全球首个研究成果，在顶级医学杂志发表，即有关自然语言处理（NLP）技术基于中文文本型电子病历（EMR）做临床智能诊断的研究成果。
对于这一成果，国内其他AI医疗人士称，技术指标不是决定因素，临床应用才是重点。而未来企业们比拼的主要是落地实用化。
据了解，依图与广州市妇儿中心合作中，曾收集了该中心在2016年1月至2017年7月间的56.7498万个门诊病人的136.2559万次问诊电子病历，抽取到覆盖初始诊断包括儿科55种病例学中常见疾病的1.016亿个数据点。
依图医疗总裁倪浩称，此次成果的核心技术部分，是通过深度学习技术与医学知识图谱，对电子病历数据进行解构，从而构建高质量的智能病种库，并在此基础上建立各种诊断模型。
据了解，这套智能系统中的医疗场景中的数据包括影像数据、电子病历数据、化验数据等，不同格式的数据对应人工智能不同的技术分支——图像识别、语音识别和NLP技术，其中NLP技术尤其复杂，微软创始人比尔盖茨将其比如为“智能领域皇冠上的明珠”。“医生做诊断，肯定不仅看影像报告，还要看病历、检验数据等，这是一个综合的数据分析过程。”依图医疗副总裁方骢在接受本报记者采访时多次强调，一款产品能否真正解决临床需求是关键，不同的场景对于算法的需求各不相同，单一算法很难满足所有临床场景。AI公司要突破文本数据转化、影像提取复杂、数据标准化等难题，才能成为一流的医疗类人工智能公司。
据方骢介绍，早在2018年11月的自然语言处理领域顶级会议EMNLP2018中，依图的论文PreCo:ALarge -scale Datasetin Preschool Vo－cabulary for Coreference Resolution被 录用为Oral文章；同年6月，依图医疗与华西医院共同发布国内首个肺癌临床科研智能病种库，也是当今肺癌领域最大的肺癌智能病种库。据悉，第一阶段成果已经在国内几十家顶级医院投入临床试用，由华西医院牵头的多中心临床实验也即将启动。
而在这次的研究中，纳入的数据量是迄今为止人工智能企业基于NLP技术处理的最海量的真实临床数据，共学习了来自56.7万名儿童患者的136万份高质量真实电子文本病历，采集超过1.01亿个数据点。在本次科研成果中，依图医疗提出并测试了一个专门对电子医学病例进行数据挖掘的系统框架，通过NLP技术与医学知识图谱技术，对EMR数据进行解构，从而构建了高质量的智能病种库，基于此，用逻辑回归分类器（logisticregressionclassifiers）创建了一个疾病诊断系统，覆盖80%以上的儿科常见病。
广州市妇女儿童医疗中心数据中心主任梁会营透露，该智能系统经过上线后三个月的完善迭代，在2019年的第一季度调用量将超过3万次。在未来，该系统的想象空间更是巨大。可以用作分诊程序，例如当患者来到急诊科，可由护士获取其生命体征、基本病史和体格检查数据，再将其输入到模型中，允许算法生成预测诊断，帮助医师筛选优先诊治哪些患者；也可以帮助医师诊断复杂或罕见疾病。通过这种方式，医师可以使用AI生成的诊断来帮助拓宽鉴别诊断并思考可能不会立即显现的诊断可能性。
据倪浩介绍，以NLP技术为基础的“AI导诊”、“AI预问诊”、“AI诊前检验”、“AI辅诊”等多款产品已经在医院落地，包括广州市妇女儿童中心、上海儿童医学中心、厦门大学附属中山医院、温州医科大学附属第二医院等多家医疗机构。
到目前为止，成立仅3年的依图医疗在人工智能三大技术领域布局已经初步完成拼图——图像识别、语音识别和自然语言理解。
或许，在依图医疗自己的世界里，未来AI医疗方面的布局还会更广泛、更纵深。
打破单一弊端
在AI医疗界，人们习惯将2016年称为“元年”。
这一年，AlphaGo战胜李世石，几乎全民都知道了人工智能。
到2017年，IBM的沃森肿瘤辅助诊断系统进入中国，AI医疗在整个医疗界掀起一场热潮。
医疗影像领域因数据优势、行业特性等成为中国人工智能行业中不容忽视的一部分，近三年来，大多数企业从单一图像识别延展到人工智能多个技术分支；从单个病灶检出到细分疾病、到全部位诊断；从几个医院大胆尝试到国内上千家三甲医院的“军备竞赛”。
如果让倪浩看，他觉得依图医疗创始人的意识苏醒的更早。2012年，上海交通大学附近一所民宅中的两室一厅内终日响着紧张的键盘敲打声，直到深夜依旧灯火通明。
“Ideaischeap.Thedevilisinthede－tail”，依图科技联合创始人、UCLA统计学博士朱珑的这句话写在画满花色涂鸦的黑板上，“超人”、“机器人”、“AI”简笔画错落分布，那年，他联合林晨曦共同成立了依图科技。
2013年，依图科技的第一套人脸识别的算法落地，被苏州公安局采用。随即该系统实现产品化，同时获得了真格基金的天使轮融资。此后四年，依图科技一直在安防这样一个特别垂直的领域创业。
直到2016年，依图成立医疗子公司。
据了解，依图医疗的第一款产品进入浙江省人民医院，而这也中国AI医疗发展史上第一例接入临床工作流的人工智能医疗解决方案。目前，依图医疗的人工智能解决方案已进入全国接近200家三甲医院。
一路发展中，依图医疗的人工智能解决方案也从以前单一的一个肺部产品，增加到现在的三大产品线，有影像系统、智能数据系统、互联网儿科系统三大产品线，附带的病种有肺、乳腺、脑卒中、儿科、生长发育、病理和超声等。
事实上，依图医疗的发展过程，背后是中国AI医疗领域的发展。
2017年7月20日，国务院发布《新一代人工智能发展规划》，正式提出我国人工智能发展的顶层战略规划，人工智能上升为国家战略；2018年4月28日，国务院办公厅正式发布《关于促进“互联网+医疗健康”发展的意见》（以下简称《意见》），其中明确提出，人工智能辅助诊断系统提高医疗服务效率；2018年8月1日开始实行的新版《医疗器械分类目录》为AI医疗产品上市划出一条路。
政策的鼓励，和医疗服务市场总规模的刺激，一些BAT巨头和数据类公司们纷纷布局AI医疗领域。如推想科技、深睿医疗、汇医汇影。
医学影像能成为AI医疗热门有其自身的特性，影像是现代诊疗最为基本的环节。随着影像技术的快速发展，X线、CT、MRI以及超声等影像技术已逐渐成为肿瘤检出、分期及随访的重要手段，医疗数据中有80%来自医疗影像；同时，人工智能技术在医学影像领域也具有更广阔的落地场景。大量影像数据和功能成像数据分析在提高疾病诊断准确性的同时，增加了疾病诊断的复杂性和对医师经验的依赖性。
近三年来，随着AI医疗企业们的不断进场，AI医疗的应用场景也从以往单一的肺结节检测扩展到乳腺癌、骨科、儿科等等领域。但这一层面中，仍然存在的问题是，大多数AI医学影像公司的产品功能局限于单个细分疾病，如肺结节筛查、糖尿病眼病、出血性脑卒中、儿童骨龄检测等诸多细分领域取得了显著成绩，但应用范围较窄。如肺结节检出领域，大部分AI应用都只能看肺结节，但肺部影像中还有肺炎、肺结核、慢阻肺、支气管扩张、胸腔积液等多种病症。
在方骢看来，一款成熟的产品应该是基于大量的真实医疗数据来研发产品，深刻理解临床痛点，能够融入临床工作流，帮助医生解决实际问题。以肺结节领域智能检测为例，在医生的日常工作流程中，肺结节仅是影像科医生看胸片时检查的一个病灶，胸部CT不仅用于看肺结节，因此，仅能检出肺结节的AI系统并不能成为医生真正的人工智能助手。
方骢表示，长期以来，绝大部分医疗AI企业的肺部影像诊断产品拘泥于结节检出一项单一任务，而结节仅占肺部CT影像所见的全部病灶的60%，其余占病灶总数40%左右的斑片影、条索影、囊状影、等均无法检出，与肺部密切关联的纵隔和胸膜病变也无法检出。
“痛点、痒点、骚点”
有关数据统计显示，[c3]在医疗行业市场规模基础上，医疗人工智能市场前景也十分广阔。2017年中国医疗人工智能市场规模超过136亿元，随着应用的不断深入，预计2019年市场规模有望突破500亿元。而2018年，中国人工智能市场规模超过380亿元。
公开数据显示，[c4]随着人口老龄化趋势凸显，以及患病率上升，中国医疗支出近年来快速增长，2012年至2016年，医疗支出总额就由28120亿元增至46060亿元。
借助人工智能技术，将有望实现大幅提升医疗诊治效率和诊治水平，降低医疗机构相关成本投入，解放更多医疗资源，并为患者带来相当利好。因而，在医疗行业市场规模基础上，医疗人工智能市场前景也十分广阔。
上海市卫生健康委员会科教处处长张勘，在“中德合作AI医疗论坛”上称，人工智能对于医疗行业而言是“颠覆式的创新”。结合人工智能实现智慧医疗既是一种创新的探索，也是时代背景下的大势所趋。
全球趋势来看，AI医疗在多个国家快速发展。截至2018年上半年，美国食品药品监督管理局（FDA）已经批准人工智能相关产品9项，包括自动监测预警类产品和辅助诊断类产品，许多医院已经应用了这些产品。日本的医院开始实验和试用人工智能系统，尤其是在影像辅助诊断领域，从而提高日本的医疗服务的供应能力。
有关数据显示到2017年时，AI医疗影像已然是资本市场当仁不让的明星，据粗略统计，AI医疗影像企业2017年融资企业数量网络披露数高达19家，总规模10亿元以上。
2019年1月份，上海交通大学人工智能研究院联合上海市卫生和健康发展研究中心、上海交通大学医学院9日在沪发布的《人工智能医疗白皮书》显示，全国19个省市已发布人工智能规划，AI医学影像成中国人工智能医疗最成熟领域。
但泡沫永远与风口并存。“一个行业变得很热的时候，一定有很多的钱涌入，有很多的玩家进入，行业出现一定的泡沫。”方骢表示。
公开数据显示，2018年在册的有100多家医疗影像AI公司，而亿欧智库发布的《2018年中国医疗人工智能发展研究报告》称，从2018年后半年，AI医疗影像已经走出泡沫期，变得更加关注产品、应用，产品上会越来越成熟。智能影像诊断竞争格局基本形成，“伪医疗AI企业”基本出局，新入场技术型玩家基本没有获得风投的可能，商业机会已然错过。
在方骢看来，部分AI医疗企业们的退出，主要问题集中在分不清痛点、痒点、骚点上。
方骢称，痛点即医生真正需要，人力是无法满足的，如基层医疗看片医生缺乏，它是痛点，它不是痒点。而这个的确是已经影响到基层群众看病的质量。
痒点，举例来讲，互联网医疗火热了一阵子，网上挂号，或者是某平台帮你在网上预约，在免费的时候大家觉得这东西好像还不错，也能帮助解决一些问题。但痒点的问题是，一旦开始要收费，互联网医疗，商业化就是个很大的问题，因为它本质上并没有解决医疗供求关系不足的问题，只是实现了连接，但是这种连接本质上只是一个手段，并不是一个解决办法。虽然将患者和医生用平台连起来了，但并没有扩充它的医疗资源的接入，当连接手段要开始收费的时候，付费方就会说，有很多公司依然没有收钱，那我就用免费的，方骢认为，痒点就是很难完成商业化的闭环。
而骚点，就是做的东西很好看，但是它不具备解决落地临床问题的先决条件。如斯坦福两年前发了一篇文章叫“皮肤癌的AI分类器”，它的敏感性、特异性都非常高，又在权威期刊《Neture》发表。但是，这个方向在中国没有落地的可能性。方骢认为，原因之一是，中国的人群是一个皮肤癌发病率相对较低的人群。第二，皮肤癌，它的图像上传途径五花八门，有的手机拍的照片，有的是医院专业的摄像机拍的照片，不管训练数据集还是临床使用数据集，它的数据来源和数据质量都存在问题。
方骢称，骚点就是看起来很美，但是具体一分析，没有临床落地的意义。而医疗影像公司大多是AI医疗热起来的一个标志，但是随着行业回归理性，逐渐变成一个成熟的行业，进行可持续发展，有些公司就会被自然淘汰，就是由于他们没有分清痛点、痒点和骚点之间的区别。
