前几天，首批国家新一代人工智能开放创新平台名单公布。入选的四家公司囊括了BAT以及科大讯飞。其中，腾讯是以医疗影像开放平台入选的。

我们知道百度是已经 all in 在人工智能上了，智能语音则是科大讯飞安身之本，阿里云国内IaaS市场中份额仅4成，而腾讯虽然市值刚刚超过Facebook，但他们的医疗AI产品“觅影”刚刚发布3个月……

腾讯在医疗影像上的实力应该不差，但推出仅3个月就跻身国家队。要知道，很多创业公司都号称自己在这个领域努力了两三年了。如果这么轻易能够在技术上被大公司反超，那将来的生意就没法做了。

所以，这事儿给我的最大触动，就是智能医疗影像，或者说医疗AI这件事难道都没有“护城河”吗？大公司可以随便后来居上？

1 医生究竟是怎么看病？

护城河涉及到的东西应该挺多的，这次想讨论一个我自己觉得比较重要的问题，就是医疗AI的产品究竟应该做成什么样子。

即便最终的目的不是取代医生，但医疗AI仍然希望更接近医生的诊疗行为，以辅助医生的工作。所以这里面有一个关键的问题是，搞清楚医生是如何看病的。

腾讯觅影的团队曾经大体讲过他们的产品是如何构建的，与大多数的团队比较类似。总体上，医疗AI的训练方式是通过数据告诉机器什么样的特征更符合某类疾病，或者整体概率更大。

大多数医疗AI 给出的分析结果都是把可能的疾病种类依次排列。但我觉得这个逻辑有问题，而且沿着这个方向走下去是没有希望的。

如果你打开一本内科学，然后随便找到一种疾病，会看到从概念、病因、发病机理、临床症状等一系列概括这种疾病的内容。于是表面上的一个逻辑就是，越是符合这个疾病的所有特征，患有这种疾病的概率也就越大。

这个逻辑也是应用数据训练机器的逻辑，看起来似乎也像是医生的逻辑，但我认为不是。

你再仔细看内科学教科书会发现，每个疾病的诊断都有一个重要内容是区分一些症状类似但却不同的疾病。这个反应在医疗AI当中，应该就是那些排在第二位以后概率相对比较小的疾病，但这不是医生看病的方式。

恐怕没有任何一个患者因为发烧走进医院，医生诊断完95%是感冒，5%是痔疮对吧。

具体的说，医生在面对一个患者多种疾病的可能时，第一阶段是通过症状和检查结果去趋近与某几个疾病；然后这里边应该是隐藏着第二阶段的，就是医生从掌握的数据中，或者有目的的检查中，抽取一些数据排除掉一些疾病，最终得出结论。

现在医疗AI都是通过不断掌握更多特征来趋近于最终诊断的疾病，但如何通过掌握没有某种特征来排除个别疾病？

2 你辅助医生，还是医生辅助你

之所以会从这个角度考虑问题，是因为医疗AI目前大多数都是定位于医生的辅助性工作。辅助性工作的目标应该是做减法，而不是加法。

互联网蓬勃发展，不就是因为它可以大量省去人们动手动脚的工作嘛。比如外卖，省去了下楼跑餐馆排队；打车，省去了在街边瑟瑟发抖招手拦车。医疗AI要想获得发展，应该也是能够切实减轻医生的工作。

现在大多数医疗AI产品也是打着辅助医生的旗号，比如智能影像，说是要减轻医生的负担。但问题是，所有的筛查结果都还是要医生确认啊。医生的工作没有少做，反而还因为AI产品的假阳性问题可能多付出很多精力。

如果从医生的角度，他的一个重要的任务当然是应对每天大量的病人。但我觉得有一个任务比这个更重要，也是医生更核心的需求，不要误诊。不出错，少出错，是医生最需要帮助的环节。

这就是我为什么在前面提出，对于医疗AI来讲，排除某种疾病比确认某种疾病更重要。因为这个更接近医生的核心诉求。就是当医生做出一个错误诊断的时候，机器能够给予明确的警报。

3 急需建立一个审评体系

谈到护城河的话，可能还有一个问题就是，如何证明你的产品比别人强。

我们经常在国内看到这样的报道，机器和专家在诊断某项疑难疾病中，正确率非常接近。甚至有的报道中还会有整有零的给出具体正确率，基本都在90%以上。

首先，这些所谓正确率在90%以上的数据肯定都是在吹牛逼，是非常不负责任的结论。第二，如何评价医疗AI确实是个比较大的问题。

比如Watson在推广的过程过程中就遇到这种问题。Watson根据患者信息给出了一个治疗方案，但这个方案没有经过临床实践，医生会产生很大的困惑。

不过，美国目前好像没有明确的审评数字医疗产品的标准。我记得FDA今年好像是要成立一个什么机构，专门负责数字医疗产品的审评的。

那现在还没有这样一个标准，所以很多自说自话的事儿就都出来了。常见的是跟专家比赛的，或者是参加医学资格考试的。

我觉得这些还都是不错的企业，就是起码还有产品拿得出手show一下的。可是坊间出现了不少中医AI的概念，这就有点怪力乱神了。

我这里不是Diss中医啊，相反，我对中医文化是非常尊重的。但是，为了蹭热点，非要把中医往AI上贴就非常扯淡了。你告诉我，“肝气郁结”这四个字儿怎么数据化？

所以，关于医疗AI产品的审评问题应该引重视。或者其实也可以讨论的是，医疗AI的产品在临床上应用的边界究竟在哪儿？