最新统计显示，上海已有20多家三甲医院引入AI辅助诊断。与此同时，随着第二批19个人工智能应用场景公布，包括上海儿童医学中心、瑞金医院、中山医院以及首批医疗AI场景落地地点肿瘤医院、第十人民医院等在内，已有一大批大型医院拥抱AI。

在上海，智能AI医疗已取得多点突破，在专家看来，下一步重点要做的恐怕是：走出“数据浮躁”、告别“单兵作战”。

第二届世界人工智能大会日前在上海召开，作为医疗卫生专场的开场嘉宾，英国皇家科学院院士、计算机视觉领域泰斗级人物Demetri Terzopoulos教授发表了主题为《人工智能在医学影像和医疗健康中的应用》的演讲。

从1978年开始，Demetri教授就尝试使用对医学图像进行分析。上世纪80年代开始，他开始了基于可形变模型的医学影像研究，并在1987年，与Kass等合作提出了著名的Snake模型，合作发表的论文也在IJCV 第一期Marr奖特刊中获奖，是计算机科学中乃至整个工程学界被引用次数最多的论文之一。模型提出后，各种基于主动轮廓线的图像分割、理解和识别方法蓬勃发展。

在他看来，计算机科学、人工智能和信息技术有巨大潜力，可以赋能医学事业，这对未来的创新是最大的源泉。但他也提醒，“我们有前沿的数据驱动的机器学习技术和强大的模型为基础的方法，但是不能盲目认为，深度学习的单兵作战就可以解决所有问题。”

该观点也映照了近年来深度学习渐渐呈现出的一些弊端，例如“需要大量数据进行训练”“可解释性差”等。Demetri教授也坦言，深度学习已有五六年历史，在很短的时间内影响了很多不同的领域；而现在深度学习面临诸多挑战，也是正常现象，任何技术的发展都不会直线上升的状态，总会遇到低潮。

“病灶分割问题，就是一个非常困难的问题。我们在深度网络上并没有获得非常出色的性能。另一个大问题是配准问题，你有多个数据集、多个图像模式，必须把它们配准在一起。例如，当你在做心脏分析时，追踪是很重要的，因为身体里的血管结构在泵血，就像人在运动一样。因此，图像的配准和分割等步骤一样，实现起来难度也很大。”他举例强调，AI医疗需要更强大的医学图像分析算法。

据透露，Demetri教授已加盟上海一家年轻的科技公司体素科技，担任联合创始人兼首席科学家。目前，体素科技以胸部CT、眼底彩照、冠脉CTA、皮肤四项全病种解决方案作为整体的发力方向。

目前，已有超过200家机构与体素科技合作眼科和皮肤全病种产品。值得一提的是，体素科技与中国国家标准化代谢病管理中心（MMC）的合作，体素科技作为首家接入MMC代谢中心的AI技术提供方，上线一年就为170多家MMC筛查超过40000人次的糖尿病患者，帮助MMC更好地管理糖尿病患者的眼底并发症。据MMC不同中心的统计，在真实诊疗环境中，体素眼底AI对于糖网国际分级的判断，与眼科医生人工阅片的一致率在81%以上，对于是否中度以上DR的判断，一致率在93%以上。预计2019-2020年，MMC代谢中心将达到30万人次的筛查量，基于人工智能技术的眼底照相分析会使更多患者获益。

包括“全病种医疗影像阅读”在内的全病种AI对人类医生来说尚且不是一个容易达成的目标，却可能更好地助力医生实现真正的完整诊断，而非片面。

“我国大约有一半的早期大病没有获得应有的检查，基层医院其实有丰富的影像设备资源，但是为丰富的设备配备同等丰富的医生资源却是几乎不可能的。”体素创始人丁晓伟博士对全病种AI充满希冀，当然，这对数据、算法、模型的构建提出了更高的要求。

与Demetri教授类似的，已有多名学者提出目前的医疗AI需要走出“数据浮躁”，突破核心算法，助力医疗AI在实战领域发挥更大作用。