斯坦福大学研究人员开发出AI算法，能够提前12个月预测患者死亡时间，准确率高达90%。能预测死亡时间的医疗 AI，离拯救生命还有多远？
医疗领域是人工智能重点发力方向，尤其影像识别在医疗领域的应用，是当前AI商业化最热门的领域。目前，斯坦福大学最新研究能预测死亡时间，但更多人关心AI距离拯救生命的目标还有多远。
国外AI实现预测死亡时间
斯坦福大学研究人员开发的AI算法，实现预测病患具体死亡时间。该团队在研究过程中，通过分析约200万名成人和儿童患者的电子健康档案数据，利用医生已经编码的医学信息、病人诊断说明、预定扫描次数、医疗处方和治疗等数据，建立标准化参数。
在上述数据和标准上，初步生成进行死亡时间预测的算法。随后采集数十万名病患信息，让算法进行自我学习。在测试过程中，该算法预测3到12个月内死亡的患者，最终结果准确率为90%，预测生命超过12个月的病患，结果显示准确率高达95%。
从结果来看，得到这些预测结果，对于患者来说意义不大，甚至说有点“残忍”。只能让患者家属能提前做好心理准备，并对医生开展后续治疗进行指导，帮助医生采取更合适的医疗措施，减轻疾病给病患带来的痛苦。
这种算法是医疗 AI的一次突破，但是仍不能满足人们对于AI改变当前医疗水平的期待。普通人更期待AI能够帮助人类战胜目前无法治愈的疾病，或者能提高当前看病体验，这也正是目前国内互联网巨头发力AI 医疗的方向。
国内巨头布局医疗 AI
现阶段，国内企业多布局虚拟助手、医疗影像、医用机器人和智能健康管理四个领域，其中医疗影像是现阶段最受资本关注的领域。国内互联网巨头纷纷布局该领域，无疑将进一步加速行业发展。
2016年10月，百度对外发布“百度医疗大脑”进军AI医疗；2017年3月，阿里云发布“ET医疗大脑”正式进入医疗AI领域；2017年，腾讯通过“腾讯觅影” 更是进入大规模的临床预试验。
互联网巨头的参与，各自专注方向不同，让AI 医疗更具想象力。
其中，百度医疗大脑发力智能问诊，实现去医院前的辅助诊疗。原理是通过海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计，依据用户症状提出可能出现的问题，并通过验证给出最终建议。
阿里云通过和华大基因合作，对大量肺腺癌病例的DNA序列进行分析，将尝试从根本上战胜癌症。其发布的“ET医疗大脑”经过研究训练后，人工智能ET可在患者虚拟助理、医学影像、精准医疗、药效挖掘、新药研发、健康管理等领域承担医生助手的角色。
腾讯旗下“腾讯觅影”试图扩展AI辅助诊断上的探索，辅助医生更准确地理解病案，降低风险，提升诊疗水准。现阶段研究方向为食管癌、肺癌早期、糖网、乳腺癌的早期筛查以及乳腺癌淋巴切片图像识别、宫颈位置类型识别。目前，“腾讯觅影”已与河北医科大学等五家医院达成合作。
在技术上的竞争之外，对于人才的争夺也十分激烈。专注于智能医学影像分析的医疗AI科学家郑冶枫博士，近日加盟腾讯优图实验室。与此同时，研究涉及大数据、生物信息学、药物基因组学等领域的浣军教授加盟百度。
AI离拯救生命还缺关键要素
一个行业的发展，需要政策、企业和用户三方面的共同推进，期待AI在医疗行业带来更多惊喜，离不开这三个层面的支持。
可喜的是，国内政策持续好，2016年国务院发布《关于促进医药产业健康发展的指导意见》，明确提出开展智能医疗服务。
企业方面，随着互联网巨头的投入，则意味着留给创业公司的“窗口期”正在迅速消失，后来者想入局需要给用户带来更多切实利益。
对于用户来说，生活水平提高，健康意识不断提升，对自身健康水平关注更高。用户对保护个人身体健康的需求不断增高，但是医务人员培养成本和时间较长，医务人员的补充无法跟上用户增加的需求，如果有更高效的AI支持，自然会受到大众欢迎。
可以看出，AI 医疗已经具备腾飞的基础，但仍有关键要素影响商业化落地。
首先，是科技企业与医院合作的问题。想提高AI算法的准确性，需要大量的数据作为基础，这些基础数据均掌握在医院和相关机构中，必须与主流医院达成广泛合作，才能完成基础建设。
其次，是病患资料数字化问题。国内医学影像还处于传统胶片向电子数据过渡的阶段，大量影像资料还没有实现电子化和数据化。同时，医疗数据本身具备结构、类型复杂，标准不统一的问题，完成数字化需要大量时间和资金。
最后，是病患的信任问题。医疗影像领域目前对某些病理、图片的识别准确率已超过90%，用于辅助医生诊断已不成问题，但还是需要医生来诊断。
未来如果实现AI自主诊断，用户的信任程度还未可知。此外，将自己身体情况等私密信息转变为数字化，交给医院或者第三方科技公司，对隐私泄露的担忧也会困扰一部分用户。
随着科技公司的大量投入，技术的快速迭代和升级，以及医院的开放心态，只要做出成功案例和成熟产品，相信将给行业和用户更多信心。AI从预测死亡时间到拯救生命，或许就不再遥远。
【科技云报道原创】
转载请注明“科技云报道”并附本文链接
