近日，谷歌健康团队发布最新报告，显示其2019年开始在泰国测试的一款人工智能系统表现出强烈的“水土不服”。这款人工智能系统通过观察视网膜照片，来判断患者是否患上糖尿病性视网膜病变，然而在泰国11家诊所落地后被排斥。

报告显示，超五分之一的图像因为清晰度问题被系统拒绝识别，网络不畅造成图像迟迟无法上传，还有更多的时候系统无法给出明确的诊断结果……由于上述原因护士们不得不重拍照片，患者也辗转至其他医院就诊。号称90%的准确度和几秒钟内给出专业结论的谷歌人工智能系统，显然在泰国不灵了。

远距离制约沟通、磨合效率

对此，清华大学附属北京清华长庚医院眼科主任胡运韬认为：“美国工程师很难每次都到泰国考察出状况的原因，在实验室环境下结果不错，到泰国可能就不是那么回事了。”他分析道，眼底相机性能、人员拍摄能力、网络速度，都是导致人工智能系统“水土不服”的原因。好比开一辆豪车到乡下去，到山坡上颠两下容易颠坏。

记者了解到，糖尿病性视网膜病变作为一大公共卫生问题，被视为眼科疾病中最需要、也是最有望落地人工智能技术的领域。胡运韬表示，目前人工智能系统在眼科领域最适宜的场景是体检和门诊及社区筛查，通过初筛把患者尽早分诊至二级以上医院进行下一步治疗，这将是减少糖尿病致盲的有力措施。

“不清晰的图像会对医生诊断带来挑战，对人工智能来说也一样。”胡运韬认为，图像质量是AI医疗落地的关键因素，眼底图像首先应让专业医生能看清、能判读，这也是人工智能去识别和判断的前提。要拍出清晰的图像牵涉到一系列现实问题，如眼底相机性能，拍摄环境及技师操作水平，而真实世界中病人情况多样也是一大难题，年龄大小、是否患过眼病、是否受过眼伤、是否做过相关手术等，都会导致所拍摄眼底图像的清晰程度有差异。这要求在产品设计过程中工程人员要到现场和医生反复沟通、测试和不断磨合。

胡运韬还强调，人工智能系统对图像的接受“门槛”值得关注。对图像质量要求太严苛，稍微模糊一点就给拒绝了，那么人工智能系统的落地就比较困难;对图像接受度较为宽泛并且识别能力强，落地自然更为顺畅。

“水土不服”是AI医疗落地通病

10年前，胡运韬致力于糖尿病防盲工作时就期待出现一款读片系统，通过初筛减少人力超负荷工作实现快捷诊断。近几年，医院与各大科技公司开始联合研发人工智能检测系统，让这一想法得以实现。

而谷歌遇到的问题，对于国内大多数人工智能医疗研发人员来说并不陌生。“谷歌在泰国面临的问题，我们在一线试点时基本上都碰到过。”国内人工智能创业公司Airdoc医学总监王斌对科技日报记者说，适配各种照相机，培训各种水平操作人员，面临各种网络环境，是人工智能系统落地时绕不开的难题。但相比谷歌的远程操控，国内研发人员通过不断的磨合与测试，这些落地困难基本克服了。目前，其开发的系统已通过临床试验进入最后的审评阶段。

王斌表示，一些落地问题看起来简单，却需要实地考察才能发现。如在一些医疗条件下，由于没有很好的暗环境而导致拍照时容易产生不合格的眼底图像，对于这个问题，其团队设计制造了一块小挡板，在眼睛和镜头之间的局部位置形成暗环境，成功拍摄合格图片。

此外不断增进医生和护士等对系统的理解也是落地需要解决的问题之一。王斌表示，对于这个问题，可以在系统中设计一个自动的质量控制预警模块，当系统发现质量不理想的图像时就能追踪原因，便于工程师和医护人员的交流和讨论。

在王斌看来，国内外AI医疗的发展趋势良好，只是谷歌开发团队和试用医生未能处于同一环境，交流改进的效率随之受到影响，再加上泰国当地的网络环境、设备环境、现场培训条件不够理想，多种因素叠加导致了AI系统暂时的“水土不服”。