广东省正推动“人工智能+”和“机器人+”行动，支持AI与医疗技术结合走向商业化落地。
2.臻络科学创始人兼CEO任康表示，AI与医疗结合需面对学术科研、工程技术转化、应用落地三个过程中的不确定性挑战。
3.目前，臻络科学的设备和软件已覆盖全国700多家三甲医院，惠及20余万患者。
4.任康认为，提升效率和提升质量将是AI与医疗结合最先落地的板块，而辅助决策将是未来有可能大放异彩的领域。
当前，广东省正加力推动“人工智能+”和“机器人+”行动，支持人工智能与机器人技术与广东多种多样的优势产业向结合，快速走向商业化落地。在4月9日发布的广东省“人工智能+”首批应用场景中，人工智能+医疗是首批发布的四大行业之一，可见AI医疗落地已成为投资市场、医疗领域、政府部门等各方共同关注的焦点。
AI在医疗领域的应用落地需要面对哪些共性挑战，有哪些关键落地方向？近日，深圳市臻络科技有限公司（以下简称“臻络科学”）创始人兼CEO任康接受南都·湾财社记者采访时表示，AI与医疗结合都要面对学术科研、工程技术转化、应用落地三个过程中的不确定性挑战。整体来看，AI与医疗具有天然结合属性，预计AI医疗将在“提升效率”和“提升质量”两个方面率先落地，并在能力持续提升后挑战更具医疗核心价值的“诊疗决策”领域。
作为一种神经系统退行性疾病，帕金森病严重影响着全世界数百万患者的生活质量。在我国，约有300万名患者受此困扰，预计至2030年病患人数将增至500万人。
4月11日是第29个世界帕金森病日，今年的主题是“人工智能助力帕金森病管理”。由此可见，如今AI在帕金森病领域的诊断和辅助治疗等方面已经开始发挥重要作用。
“帕金森病领域有许多环节都存在大量未被满足的需求，随着新技术的出现和应用逐渐被满足。“据臻络科学创始人兼CEO任康介绍，比如早期的症状非常不典型，给疾病早筛带来了很大的问题；诊断的手段非常复杂、成本很高；治疗有很多药物，但仍不能覆盖所有的症状控制，需要因人施药；以及作为一种长期发展的慢性病，需要动态调整用药策略、长期管理和护理等。
2013年，具有医工交叉背景的任康在深圳创办了臻络科学，以脑科学，特别是运动障碍疾病作为创业的切入点，聚焦神经系统疾病领域人工智能及数字诊疗领域的技术研发。经过12年的创新及积累，臻络科学已通过创新医疗设备、临床数据平台及慢病管理平台，完整覆盖诊断、评估、治疗、康复和个性化患者管理，构建起全国最主流的帕金森病临床数据平台。
目前，臻络科学的设备和软件已经覆盖了全国700多家三甲医院，惠及20余万患者。公司获得启明创投等创新医疗赛道知名投资机构投资，不断推进AI医疗在帕金森病领域的技术研发与应用。
今年4月8日，臻络科学发布面向帕金森病及相关疾病的全场景医疗人工智能系统“智医灵心”。据介绍，该系统利用大模型、深度学习、经典机器学习等人工智能技术，基于创新医疗设备、软件和服务体系，以不同形态连接真实医疗世界，进行实质性的感知、交流、反馈、决策和干预，贯穿院内外全场景,早筛、评估、诊断、治疗、康复及管理全环节，以及早中晚期全病程，有望为帕金森病临床医护和患者提供更多帮助。
走过12年的研发创新到落地应用经历，同时身为华中科技大学、上海科技大学研究生行业导师，发表过21篇SCI论文，任康对于从学术成果转化为实际应用落地中面临的挑战深有体会。
“我们做过系统、产品、服务等不同的形态，整体来看，它们从创新走向产品化的共性都是要经过三个阶段。”任康说，这依次为学术研究阶段、工程技术转化阶段、落地应用阶段。三个阶段都要面临很大的不确定性挑战。
“学术研究阶段最大的挑战是来自于研究的不确定性，我们可以提出很好的科学假设，但未必最终一PG电子官网定能验证这种假设。“任康说，在学术研究阶段，不一定能有符合预期的成果。
而当学术研究确实取得了成果突破之后，接下来面临的是怎么将其转化为可以应用的工程技术的挑战。比如AI医疗设备的研发，就要将学术上可行的模型转化为一个真实的实时系统，并要考虑实际算力需求、模型裁剪、性能平衡、成本功耗以及用户体验等诸多问题，这之中需要很多的应用研究突破也会存在不确定性。同时，与学术研究不同的是，在应用研究阶段就需要带入很多实际的场景实践中不断获得反馈，进行迭代优化。
“当有一个已经具备可应用、个性的技术或者是产品，但它对整个领域来说是全新的产品、全新的理念，怎么让它真正落地在临床？”任康说，有很多新的技术的落地，最大的挑战未必来自于技术挑战本身，也未必来自于商业挑战本身，更多的是大家是否接受它，对的事物未必是大家接受的事物。
“我们解决这个问题的方案，是从医工交叉研究阶段就协同大量顶尖帕金森病专家深度参与其中。”任康说，从源头入手，和临床医生及患者一起参与和探讨，进而理解技术路线设计，到整个科研的推进、技术转化。当技术转化为应用产品的时候，大多数用户也自然理解相关的新理念，并形成共识。这是臻络科学解决新技术新理念落地挑战的一种实践方案。
在4月9日发布的广东省“人工智能+”首批应用场景中，人工智能+医疗作为首批发布的四大行业之一，共梳理发布了影像诊断、临床决策、手术规划、门诊分诊、就医咨询等10大典型场景，展现出广东作为人工智能创新应用热土可落地场景之丰富。从一线从业者和行业专家视角来看，人工智能与医疗结合将在哪些领域有望率先落地？
广东省发布首批30类“人工智能+”应用场景，包括10类人工智能+医疗场景。
对此任康表示，人工智能和医疗的结合应用有三个方面值得关注。一是提升效率方面，这也是当前许多AI医疗创新公司的切入点。例如将医疗笔记、语音记录等工作通过自然语言处理、图像处理、大语言模型等技术进行自动分析总结，可以大大提高工作效率。
二是提升质量方面。任康解释说，提升质量是针对在很多临床工作中，医生需要通过主观经验来判断，或通过肉眼观测的环节。如影像读片、运动障碍领域的量表评估、电生理数据解读以及对其他检验报告的解读等。这些评估解读的质量会因不同人的经验不同产生差异，有时候甚至还会因为临床自身状态、主观视觉的疏忽等造成影响。
对于这些实际上都是量化的指标数据，人工智能的接入，可以把很多需要客观评价的指标让它尽量客观、一致性强、质量提升。任康认为，提升效率和提升质量，这两方面将是人工智能和医疗结合最先会落地的板块。
任康还从医生群体的角度提到，这两方面的工作对于医生来说都是当前需要做但又并不是最大价值的工作。人工智能的结合既可以减少医生的许多繁琐工作，也不会影响医生核心的价值，因此在推广应用方面不太有阻力。
“临床专家最大的价值往往是来自于决策本身。”即做诊断决策、治疗决策等。由此也引出人工智能与医疗结合的第三个切入点——辅助决策。
任康认为，辅助决策乃至决策支持，将是人工智能未来有可能大放异彩的结合点，但也可能是最慢落地的场景。除还需要许多技术突破来提高可用性、准确率外，还面临人工智能伦理问题和对医疗专家核心价值冲突带来的挑战等。
“总体来看，人工智能和医疗是天然结合的。”任康说，医疗是典型从多个维度感知疾病到做决策的过程，人工智能加上多模态的感知，刚好匹配这个框架。“来自不同数据采集的多模态感知，加上一个或多个优秀的人工智能模型，理论上可以覆盖医疗需求的方方面面。”
而在推动AI和医疗深度结合应用过程中，现有的AI能力还需要在多个方面有所进化。任康表示，当前人工智能对于一些复杂问题的处理取决于多种因素，如数据是否丰富、专家经验和临床知识能否转化并让模型真正学习，人工智能整个决策过程是不是足够可靠、可信及透明化等。当前，人工智能已在某些疾病领域的某些环节表现出不错的临床应用能力，且发展速度很快，未来有望在更多方面达到甚至超越现有医疗水平，给更多“疑难杂症”类患者带来福祉。
