哈工天愈成立，AI医疗是蜜糖还是砒霜？
近日，哈工天愈（抚州）智慧科技有限公司（以下简称“哈工天愈”）的成立，再次引发了人们对人工智能（AI）在医疗领域应用的关注。这家公司由哈尔滨工业大学关联企业投资成立，注册资本100万人民币，经营范围涵盖了智能机器人、人工智能软硬件、物联网设备等多个领域。明眼人一看便知，这是要全面进军AI医疗的架势。
AI医疗的吸引力在于其巨大的潜力。理论上，AI可以通过大数据分析、机器学习等技术，辅助医生进行疾病诊断、药物研发、手术规划等工作，从而提高医疗效率、降低医疗成本。例如，IBM的Watson肿瘤解决方案曾被寄予厚望，希望通过分析海量医学文献和临床数据，为医生提供个性化的肿瘤治疗方案（虽然最终效果并未达到预期，后文会细说）。
再比如，国内一些公司也在积极探索AI在医学影像识别领域的应用，希望通过AI算法辅助医生快速准确地诊断肺癌、乳腺癌等疾病。这无疑对缓解医疗资源紧张、提高诊断效率具有重要意义。
然而，理想很丰满，现实却骨感。AI医疗的发展并非一帆风顺，其中存在诸多挑战和问题。
首先，数据质量问题。AI算法的训练需要大量高质量的数据，而医疗数据的获取往往面临诸多困难。不同医院、不同地区的医疗数据格式不统一，数据标注质量参差不齐，这些都会影响AI算法的准确性和可靠性。此外，医疗数据的隐私性要求极高，数据共享和利用面临严格的法律法规限制。
其次，算法的局限性。目前的AI算法在很多情况下仍然是“黑箱”，缺乏可解释性。医生很难理解AI做出诊断决策的逻辑，这会影响医生对AI的信任度。此外，AI算法在处理复杂病例时往往表现不佳，容易出现误诊、漏诊等问题。
最令人担忧的是，道德和伦理风险。如果AI医疗系统出现错误，谁来承担责任？AI在诊断决策中是否会受到偏见的影响？这些问题都需要认真思考和解决。例如，ProPublica曾报道过一个被广泛使用的AI算法COMPAS，该算法被用于预测罪犯的再犯风险，但研究发现该算法对不同种族的人存在歧视（Angwin, J., Larson, J., Mattu, S., & Kirchner, L. (2016). Machine bias. ProPublica, 23, 2016）。
IBM的Watson肿瘤解决方案的案例就是一个很好的警示。当年，IBM投入巨资研发Watson，希望将其打造成为肿瘤治疗领域的“超级医生”。然而，在实际应用中，Watson的表现却令人失望。其提供的治疗方案往往与医生的判断不一致，甚至出现错误。最终，IBM不得不大幅缩减Watson的规模（Ross, C. (2019). IBM Watson Health: An autopsy. Healthcare Management Review, 44(3), 219-223）。
Watson的失败，一方面在于AI算法的局限性，另一方面也在于对医疗领域的复杂性认识不足。医疗不仅仅是数据分析和算法计算，更需要医生的经验、判断和人文关怀。
哈工天愈的成立，无疑为AI医疗注入了新的活力。哈工大在人工智能领域具有雄厚的技术积累，这为哈工天愈的发展提供了坚实的基础。然而，哈工天愈也面临着与其他AI医疗公司一样的挑战：如何获取高质量的医疗数据？如何开发出可靠、可信赖的AI算法？如何与医生建立良好的合作关系？如何解决AI医疗的道德和伦理问题？
希望哈工天愈能够吸取前人的经验教训，脚踏实地，攻克难关，为AI医疗的发展做出积极贡献。但同时，我们也要保持警惕，理性看待AI医疗的潜力与风险，避免过度炒作和盲目乐观。毕竟，医疗的本质是关爱生命，而不是追逐技术。
