AI醫療是AI技術運用最廣泛也較為成熟的領域，但伴隨爭議聲越來越大，看好者認為AI能幫助解決醫療資源缺乏的問題，并能提高醫生工作效率，從而創造價值；唱衰者則質疑其同質化嚴重，落地進程極為緩慢。難道AI醫療走入死胡同了嗎？

“在我接觸以及同行交流中發現，通常做AI醫療的企業，都有肺結節篩查產品”，暨南大學附屬第一醫院放射科主任張水興教授也有類似感受，“像我們科室除了AI輔助肺結節篩查，還有乳腺癌鉬靶篩查、骨齡篩查。同時，正與AI企業開展甲狀腺結節篩查研究”。這兩年不少AI醫療企業來登門推廣自己的影像產品，記者采訪過程中又有一家來敲門。

對比中美AI醫療公司業務布局可見，目前美國醫療AI企業行業分布較廣泛，而中國醫療AI企業大多集中在影像方面。根據估算，目前國內1500多家AI公司中，從事醫學影像的公司有130家以上。肺結節篩查診斷賽道上玩家眾多，既有阿里、騰訊等行業巨頭的身影，也有零氪科技、深睿醫療、圖瑪深維、匯醫慧影等已經過多輪融資的頭部創業公司。為什么大家都扎堆肺結節篩查？在張水興看來，對于科技企業來說，肺結節篩查可謂入門級別。

這樣的場景想必不少人似曾相識：張阿姨體檢結果顯示肺上有一個8mm的小結節，醫生告知肺結節有良惡之分，良性的話通過服藥可控甚至無需治療，但若為惡性則需立即切除，可能形成肺癌危及生命。令人糾結的是，既怕錯把肺癌當良性疾病，耽誤最佳治療時機；也怕貿然手術白挨一刀，影響肺功能，降低生活質量。一個結節讓張阿姨整日憂心忡忡，寢食難安。

一位影像AI領域從業者向記者透露，隨著高分辨率CT的廣泛使用以及公眾對體檢的重視，肺部結節愈來愈成為臨床常見問題，公開數據也較多。如果是惡性肺結節，就提示患癌的風險。所以AI企業在肺結節領域很容易出產品，收效周期短，就更有希望轉換成經濟效益。像肝癌就少有人觸及，一是肝癌影像表現多樣，如巨塊型、結節型、彌漫型和小癌型；二是肝癌伴有復雜肝病背景，如肝硬化、脂肪肝、酒精肝等；賽題訓練集的各種肝癌數據不均衡，增加了判斷難度。

AI醫療企業現階段都在燒錢，算法五花八門，準確率還有待提高，付費場景尚未實現，張水興直言，這種情況下，能沉下心做研發的鳳毛麟角，不少企業登門只是著急向醫生推銷產品。國際頂級期刊《自然》近年發表的一篇題為《深度學習作為提高組織病理學診斷準確性和效率的工具》的研究文章中，研究人員表示深度學習算法的靈敏度達到了100%，但假陽性率也高達40%。

“的確，AI能發現越來越小的肺結節，當醫生工作量大、工作疲勞時，AI能輕易幫忙找到3毫米以下的肺結節，但同時也存在不少假陽性，這就需要醫生再做一次把關”，張水興表示：“我們很多AI醫療產品敏感性高，特異性不高”。所謂敏感性，就是指其在診斷疾病的時候不漏診的機會有多大，所謂特異性就是指該指標在診斷某疾病時，不誤診的機會有多大。

權威雜志《放射學》（Radiology）的主編對于這個軟件系統給予了強烈批評。因為這個軟件系統到目前為止公開的數據沒有多少，唯一可用的結果來自美國心臟協會2018年國際卒中會議的報告。該系統訓練和驗證數據來自埃默里大學醫生建立的ALADIN非公開數據集。另外，提供了兩個神經放射學家的名字，一位本身就在這家軟件系統公司工作，另外一位正規途徑查不到身份?！白钪匾氖撬奶禺愋灾挥?2%，類似于甩硬幣（的概率）”。這提醒我們的AI公司，注意資料的完整性和可索源性。

現在部分醫療AI產品過度重視算法，而忽視醫生的工作習慣和系統穩定性，“在既定的訓練數據場景中表現良好，但臨床環境更為復雜，有可能不能滿足臨床需求，只能被擱置”。一家企業若想研發AI輔診系統，具備處理影像、基因等多模態數據的能力，是必要條件。此外，作為系統科學，醫學數據邏輯、建模、分層非常復雜和豐富。只有算法專家和醫學專家深度融合，彼此聽懂各自的“語言”，才能跨過醫療AI的門檻。

“算法再漂亮，不代表實際臨床中就能起效果”，張水興感慨，“我從2014年就開始接觸AI醫學影像，并參與研發，AI企業做醫療遠比大家想象的難，AI醫療不僅是一個科技領域，更有醫學專業的高要求”。需要在AI運用中醫生與AI企業技術人員不斷溝通，完善產品，從而更好服務百姓。