人工智能在医疗数据荒野上“刀耕火种” | 海斌访谈

任何一家想要在医疗领域掘金的人工智能企业，必须要有身为拓荒者心理准备。在这个行业，当然有希望收获满满，但也得先干许多苦活。

“有许多数据科学家、机器学习方面的专业人员，在进行机器学习模型开发的时候，花了一半的时间来做数据准备的工作”，亚马逊AWS副总裁Swami Sivasubramanian接受第一财经记者采访时说，这些苦活、累活需要借助专门的平台型工具帮忙完成，比如给数据打注释、给数据做清洗等工作。

机器学习是人工智能的核心组成部分，而数据常被认为是人工智能的“燃料”，它是这项技术用于构建模型和改进算法的根基。

数据准备的工作通常包括数据清洗、数据格式统一化、数据合并等方面。非标准化的数据，意味着在数据准备阶段就要耗费大量的时间，延缓了人工智能技术部署速度和使用效率。

Swami所说的现象在人工智能落地的各个场景普遍存在，而非某个行业的个例。他的这一观点也得到了国内人工智能企业界的响应。

“他说的还是轻了，我觉得百分之七十或百分之八十的时间用于了（数据准备）这个事情。人工智能的技术已经可用，但大部分时间耗费在了数据上了”，第四范式的副总裁、主任科学家涂威威接受第一财经记者专访说，尽管这一问题普遍存在，但在一些特定行业里问题尤其突出，医疗领域就是如此。

从2018年开始，上海三甲医院瑞金医院与第四范式开始战略合作，使用人工智能技术筛查糖尿病，以期实现病人的尽早发现、尽早治疗。瑞金医院主导这一合作的是中国工程院院士、瑞金医院副院长宁光院士。

“宁光院士还是非常有远见的，他十年前就开始做医院数据的标准化。但无奈在之前那个阶段，信息化水平确实一般，我们合作项目里涉及到几十万病人的数据，相对（其他医院）来说已经是非常好的数据，但我们依然花了很多的精力来做数据的处理”

这些医疗数据已经实现无纸化，均是电子化的病例，但在这些数据基础上直接部署人工智能仍然困难。举例来说，不同医生对于同一疾病的症状描述差异，都可能意味着需要花时间重新甄别和筛选。

更深层次的原因在于，人工智能出现之前，既往医疗数据对于医生和医院来说价值并不大。

“原来医院搞的信息化质量堪忧，因为在人工智能技术出现之前，数据存下来对医院不能直接产生作用。医生坐诊、看病就够了，这些医疗数据对他们来说没有特别重要的意义”，涂威威表示。

“金融行业就不必花这么多时间（用于数据清理），因为金融领域的数据质地非常好“，第四范式的技术已经布署在金融、零售、互联网、医疗等不同行业，涂威威比较下来发现，”相比金融或互联网行业，医疗信息化还处于刀耕火种阶段。

医疗信息化需要在与数据使用方的合作磨合中逐步改进。目前瑞金医院的数据质量有了极大的提高。涂威威 认为，“慢慢的，数据的问题会越来越少。”

人工智能在数据可用性方面遭遇的问题，中外并无差异。

“数据准备其实是要进行机器学习模型开发的必备的阶段”，Swami对第一财经记者表示，不管哪个市场，数据底层的问题都是一样的，都要从数据的清洗到ETL(Extract-Transform-Load，数据从来源端经过抽取、转换、加载至目的端的过程)，然后做好了数据的准备之后，才能够开始机器学习模型的建构。

经过数据筛查和清洗这个“苦活”、“累活”的阶段，人工智能就开始发挥比较大的作用了。据涂威威介绍，在一些慢病的筛查阶段，比如发现早期糖尿病，人工智能的准确率已经不亚于经验老道的医生，而人工智能无疑效率更高。

除了在医疗领域落地，人工智能在药物研发方面也有了进步。在这次疫情期间，机构开始使用机器学习来进行新冠病毒治疗方案的研发。

总部在深圳的晶泰科技，同时在北京、波士顿设有研发实验室。晶泰科技搭建了云端智能药物研发平台，在这个平台上，晶泰科技使用亚马逊的AWS GPU搭建机器学习框架，实现大规模的模型训练及参数优化。

在新冠疫情爆发后，晶泰科技对近3000个已通过美国药监局（FDA）审核的上市药物、以及超过1万种中药成分分子，进行了老药新用的扫描，找到了183个可能对新冠病毒有潜在治疗效果的药物。作为合作方，Swami介绍称：在这之后，晶泰科技对药物的活性进行了排序，然后通过更加高精度的计算方法，最终锁定了38个药物。

“在全球，人们正在使用人工智能应对人类所面临的一些重大的挑战。”Swami评价说。

亚马逊内部有一种广泛的认知，即人工智能还处于“Day One（第一天）”的阶段。“打个比方，就是我们刚醒过来，需要喝杯咖啡的阶段。即使在这么早期的阶段，机器学习领域就已经出现了非常多的创新了。