如果要在高德纳技术成熟度曲线上给2017年的AI医疗定个位，毫无疑问他会落在科技诞生促动区间（Technology Trigger）上面：媒体轰轰烈烈报道AI医疗项目，资本前赴后继地涌入相关领域，但真正成功投入商业场景使用的也只有IBM Watson一家，可以说“门外热闹，门内冷清”。
健康点曾经就AI医疗商业模式上的问题进行过分析：依靠筛查、分析报告的“变现之路”现在看来还是非常经不起推敲。“商业模式怎么建构”、“如何变现”这些问题已经成为行业中的老生常谈，可以说无比政治正确但仍然悬而未决，毕竟革命性的技术突破还没有发生。那么在现阶段，我们不经要问：除此以外我们还能够讨论和思考什么？
2017年9月21日，在由中国人工智能学会主办的“2017首届国际医疗人工智能大会”上， 健康点专访了浙大睿医人工智能研究中心（以下简称“浙大睿医”）副主任吴福理，发现了AI医疗商业以外的一些新思路。
浙大睿医成立于今年3月份，是国内为数不多专注于AI技术在医疗领域应用研究的学术机构。在采访一开始，吴福理就强调浙大睿医“非盈利机构”的属性，可以说噎回了健康点记者关于医疗人工智能商业构架上所有的问题，但随后的采访并不令人失望，商业化可能并非AI医疗落地的唯一思路，立场更加独立的学术机构也能在其中添砖加瓦。
对标灰色地带，谁能戴着镣铐起舞？
如果把AI医疗视作为一个人，那么医疗大数据必定处在其咽喉位置，扼住咽喉便扼住了AI医疗的一处命门。然而尴尬的是，“这块咽喉”究竟属于谁，至今在法律上都没有明确的规定，吴福理讲道：“美国有HIPPA法，中国国家没有立法，我们在医院做的检查数据是属于医院、个人还公司？现在在法律上都还没有定论。”
HIPPA法全称为健康信息患者隐私法案（health information patient privacy act），根据HHS官网披露的信息，该法案早在2003年就通过了暂行最终条例（Interim Final Rule），适用于健康计划，健康保健所和卫生保健提供者等多个对象，之后几经修订，形成了患者医疗健康数据获取、隐私保护、线上交易流转等完备的法律框架。这一法律框架为美国之后合法合规收集医疗大数据扫情了法律障碍，实际上为AI医疗营造了良好的大数据环境。
中国在这方面相关立法相对缺失，这实际也使得中美在AI医疗发展路径上呈现出明显的差异，美国方面AI医疗延伸到了精准治疗以及药物研发领域，而中国则集中于医疗影像，其背后的原因主要是医疗影像的相关数据标准化程度较高，容易获取和处理，并且面对的争议也比较小。
相关法律框架没有建立，医疗大数据的使用实际在中国还处于“灰色地带”。如果AI医疗公司以纯商业的方式与医院达成合作，即将医疗大数据作为资产进行购买，在没有相关法律界定医疗大数据的所有权归属和隐私保护的情况下，实际存在相当大法律和隐私安全隐患；而如果AI医疗公司仅与医院方面达成战略合作，医院方面则缺乏合作的激励。有没有办法能解决这一问题呢？学术合作其实是一条很好的思路。
吴福理谈到：“作为独立的第三方非营利学术机构，和任何一家公司或者医院进行合作时更多是基于学术研究，实际上更容易建立信任关系。”从今年3月成立起，浙大睿医已经和微医集团、北京同仁医院、浙江省儿童医院，浙江省妇保等多个医疗机构和公司建立了合作关系，虽然浙大睿医受益于微医集团的一亿元捐赠，但作为隶属于浙江大学的独立学术机构，二者不存在明确的利益关系。
吴福理补充道：“浙大睿医目前主要的工作是做医疗AI的底层数据应用和算法应用，在使用来源不同的数据验证模型之后，会发表论文把结果公开出来，供不同公司用来改进相关技术和产品。”
助力科研是促成合作的一大动力
学术合作确实能够很好回避当前医疗大数据法律框架缺失的问题，但医院方面达成合作的动机问题能在这一方式下得到解决吗？从浙大睿医和同仁医院在脑卒中眼底图AI筛查技术的开发合作中，我们能够发现一些线索。
国际上公认的使用眼底图判断脑卒中的眼底病变形态，一共有7种，而同仁医院在和浙大睿医合作开发脑卒中眼底图AI筛查技术的过程中，发现了第八种病变形态神经纤维层缺损。负责这一项目的浙大睿医人工智能研究中心主任吴健表示：“浙大睿医主要负责的是进行实验和得出数据，第八种病变是同仁医院的医生基于数据发现的。”
这个例子其实一定程度上说明了医院在医疗AI方面能和学术机构达成合作背后的动力：无论是医院还是医生，每年都有沉重的科研任务，AI技术本身并不能学习知识，但是AI技术处理数据的结果能够帮助医生学习到新的知识，从而在科研方面助力医生，这其实对于医生和医院很有吸引力。
吴福理就表示：“医疗机构在和浙大睿医合作的时候主动性比较强，因为浙大睿医本身作为学术机构更懂学术研究，能够真正帮助医生推进科研和发表论文。而在发表论文方面，浙大睿医也是以医生为主的。”
虽然学术合作的方式确实能够避开AI医疗商业合作难以避免的争议，但是这种方式并不见得就是完美的。
吴健曾公开表示：“浙大睿医基于上万级别数据开发的脑卒中眼底图AI筛查技术，在使用同仁医院提供的160万眼底图进行测试之后，得到的准确率达到82%，医生判断一致率也达到70%。”但当记者问及使用眼底图数据的质量问题的时候，吴福理则表示：“模型背后的数据质量完全依赖于医院，得到的准确率和医生判断一致率也是由同仁医院提供的。”
学术合作相较于商业合作对于数据质量方面的把关可能更不严格，因为学术机构的核心任务是推动AI医疗的研究发展而不是推动AI医疗落地到商业场景，并且学术机构对于输入模型数据质量把关的成本负担能力也相对较差，在实际合作过程中一旦遭遇医疗机构的道德风险，学术机构得出的模型算法就避免不了“garbage in garbage out”的现实。
学术合作方式确实从AI医疗商业模式讨论的窠臼中开辟出了新思路，但是这并不意味着我们就可以将之奉为圭臬，AI医疗现在面临的更深层次问题是医疗大数据法律框架不完善以及AI技术本身并未实现革命性的突破，前者需要决策层加紧谋划推进相关法律落地，而后者则需要技术大牛们继续努力。
