6月10日，CCF YOCSEF主辦的《人工智能與病理切片診斷專題報告會》在上海召開，醫生、AI專家、投資人、律師等各路英雄匯集于此，就打造智能醫療產品中出現的問題進行探討。
一、目前，人工智能診斷是否靠譜？
“人工智能診斷是否靠譜我不知道，但就Google比賽結果來看，我認為不靠譜。”朱虹光教授調侃道，診斷準確率88.5%是要死人的，被人家打死的，朱虹光教授是國際病理學會中國區副主席，復旦大學基礎醫學院病理學系主任。
2017年3月，谷歌、谷歌大腦與Verily公司的科學家共同開發出的診斷乳腺癌的人工智能與病理學家展開PK，比賽結果是，病理學家準確率為73.3%，人工智能準確率為88.5%，就此，媒體報道稱AI“完勝人類”。
朱教授稱，若AI系統把潤性導管癌2級誤診為1級，治療方法相差無幾，但診斷是否患有癌癥，一個都不能錯，錯一個就是一個醫療事故。“通過人工智能診斷，這件事至少在今天還不靠譜。”
二、人工智能診斷的瓶頸在什么地方？
“這個問題很難回答，但我認為目前人工智能醫療沒有好的觀察整體。”朱教授舉例說，一張切片，第一遍看時判斷為惡性，到高倍鏡下看局部變成了良性，但最終結論確是惡性的，因為醫生判斷不是基于細胞，而是生物細胞行為。病理科醫生重點要看是低倍鏡，因為低倍鏡可以看全貌。
對此，微瞰智能創始人兼CEO李冠男博士說道，算法在不同的尺度下都有相應的處理結果，他們不僅看局部區域，也看整體，“AI只負責把病灶找出來，最終定性是醫生做的。”他分享到，目前，公司做的項目更多關注科研，而不是在臨床上診斷出什么樣的結果。前期處理的數據大部分圍繞細胞，后期慢慢轉移到整個區域的分析，包括組織區域的紋理變化、對病理科醫生的工作產生的影響等。
病理技術裝備專委會常委何金認為，制約人工智能診斷的瓶頸有3方面：一是切片是否標準化：HE切片是病理診斷的基礎，要保證切片的厚度、質量和染色的質量，如果標準不統一，最終的結果也是不好的;二是影像的清晰度;三是AI公司應該與病理科醫生尋求更加緊密的合作。
三、人工智能與醫療如何結合？
科大訊飛智慧醫療事業部總經理陶曉東博士認為，人工智能與影像結合能解決這些問題：一是醫生沒有時間做的事情或對專家來講是浪費時間、但是對診斷十分必要的事情，比如取材時候做記錄、影像篩查等;二是計算機更擅長做的事情，醫生更擅長定性診斷，但計算機更適合定量診斷;三是對于影像科和放射科而言更重要，解決技術經驗不足、成像標準不統一的問題。對于病理科而言，計算機有助于成像更加標準。
他認為，AI對于醫療怎樣用處最大？這是技術上的難題，也是應用的難題，需要AI專家與醫療專業交流，碰撞火花。
上海中醫藥大學附屬龍華醫院腫瘤科副主任醫師特聘教授于觀貞稱其比較關注病理科醫生難以診斷的疾病，能否通過新的手段、技術達成。而李冠男認為，目前人工智能的主要作用是幫助病理科醫生減少工作量，幫助醫生先定位病灶區域。
四、數據歸誰？
北京盈科(上海)律師事務所高級合伙人律師李剛稱，目前，醫療機構內對于病歷的管理執行依據是衛計委的規章，封閉在醫療機構內。目前，數據的歸屬沒有明確的法律規定，但患者是病例的生產者，醫院擁有知識產權，病歷是不是患者與醫院共有的？目前還沒有明確的界定。
據了解，6月份開始生效的《網絡安全法》42條提到，如果經過了加工處理且不可逆的數據是可以應用的，但通過一些技術手段侵犯個人隱私是有問題的。所謂個人信息，有兩方面，一是身份信息，比如職業、姓名等；二是生活軌跡信息。
