0
| 本文作者： 張棟 | 2017-10-31 00:06 |
資本大量涌入醫療人工智能領域，截至2017年8月份，根據億歐智庫的統計，國內醫療人工智能公司中有104家累積融資額已超過180億人民幣。
從這幾個數字中也可看出當今醫療AI的火爆程度。那么在這個領域中到底什么才是最為關鍵的因素？醫療廠商、算法亦或是數據？
在近日由深圳市福田區人民政府指導，晶泰科技、騰訊主辦，輝瑞制藥、北京大學深圳研究院、科輝創新承辦的2017人工智能＋醫藥健康創新峰會上，浙江大學睿醫人工智能研究中心副主任吳福理談了談他的看法。
在吳福理看來，技術是提供給醫生的工具，而非用來取代醫生的。他認為AI最后的智慧會達到全人類整體的平均水平但不會超過人類，因為醫療是開放性問題，不像圍棋屬于封閉式問題。
除此之外，他還多次提到標準化數據的重要性。
吳福理表示，沒有標準化的數據，AI就無從談起。現階段所有AI公司都在籠聚一些大型三甲醫院，形成數據聯盟。未來的醫療數據，尤其是臨床數據，會像今天移動支付領域的數據一樣，在大家使用后，國家會成立類似金融“網聯”一樣的醫療數據連接中心將這些數據聚集起來，并統一制定數據標準、標注標準，病種影像數據標準。
提及對醫療AI的展望，吳福理表示，關于服務醫生、醫院、用戶端，所有的信息技術都會往云上走，往AI上靠。
如今，所有醫院的信息系統都在升級，通過傳感器收集更多病人數據。人工智能最終是想讓患者了解自己，讓醫生更了解患者，讓醫療過程更加精準，讓第三方服務更科學，醫療管理更科學。所有公司都會朝這個方向發展，不限于APP或PC，不限于移動還是非移動，不限于云端還是終端。
隨后，吳福理也談到了睿醫人工智能研究中心，他們的愿景是以人工智能為翼助力醫療服務，從檢測的量化到診斷評估到干預治療。
以下是吳福理現場演講文稿，雷鋒網做了不改變原意的修改與編輯：
我在浙大睿醫人工智能研究中心任職，今天給大家分享下這幾方面的經驗：
第一是醫學人工智能現狀。
第二是醫學人工智能展望，有哪些領域容易突破，計算機技術能輔助醫生做些什么？這個領域到底哪些組成比較關鍵？
第三是談談浙大睿醫人工智能研究中心的狀況。
從數據角度看，國家在這方面已有不少的布局和規劃。關于人工智能的討論，以“自動駕駛出了事故到底是誰負責”這一問題為例，國家已頒布了相關規范。那么在醫療人工智能領域，如果機器出了問題，到底是誰的責任？
醫生？機器？醫院？
人出錯，人們往往可以能忍受，認為情有可原，但機器出錯，很多人無法容忍。這其實是一個誤解。
目前浙江省、福建、江西，已經有一定的標準去建立第三方影像中心?，F在一個商用CT器械，如西門子的雙源CT，拍一個人可以出2000張數據。而200張數據大概就200MB，如果一個醫院一年數據達數十個TB，十個醫院、一個城市的數據就是幾個PB級，這么龐大的數據怎么分析？
如果有了足夠的數據和明確規范，成立“國家隊”機構也不無可能。
現在所有的AI公司都會籠聚一些大三甲醫院，形成數據聯盟。未來的醫療數據，尤其是臨床的各種數據，會像今天移動支付領域的數據一樣，在大家使用之后，國家會成立類似金融“網聯”一樣的醫療數據連接中心將這些數據聚集起來，形成數據標準、標注標準，病種影像數據標準。
我認為會朝這個方向發展。
如今大大小小的公司都在不同領域解決醫生、醫院各種各樣的痛點。會看到計算機領域大量創業公司利用大量APP搶不同的入口：院內、院外或者病人健康數據、醫療健康、診斷、醫藥，再到平時跟老百姓直接相關的。這些APP更多服務于老百姓，服務于醫生群體的反而比較少。
現在大家都在講用人工智能、大數據解決醫院的問題。但實際現狀是相關技術及設備只在北上廣深、沿海城市有所應用，在西部甚至有的三乙醫院連信息化都沒有完全做到，數據都沒有標準化。
沒有標準化的數據，怎么做大數據AI？舉例說，大家聽到最多的就是讓AI閱片。一個病人拍了雙源CT，200張到2000張的數據，醫生開始看片子，看到有病灶，開始寫報告并給病人。這個數據對AI公司一點作用都沒有，因為并不知道是在哪一張圖片上面有病灶。
這里我們就會發現，現在數據非常稀缺，稀缺到AI公司會去大三甲醫院花費100元買一張帶標注的數據，光買數據就要花上千萬。在這形勢下，創業公司怎么跟BAT競爭。
再者就是數據安全問題。醫療上80%是影像數據，而影像數據一個案例都有幾百兆。大部分人都在講云端處理，我個人更傾向于數據，計算機的AI學習在云端，而最后的推理一定是在終端。
關于AI的工具，慢慢偏向于終端發展。我覺得在醫療領域，終端比云端更重要，因為云端是學習推理能力，未來如果數據標準化，所有AI公司都拿到，標準級數據不再那么貴時，你在終端的推理能力可能變得更加重要。當然，在中國把這個做框架推導的，還沒有這樣的實力。硅谷已經把AI學習框架全部公開?，F在相對來說算法是比較平了，尤其是在工程領域。
下面講講幾個巨頭在醫療人工智能上的進展：
IBM Watson大家很熟悉，它像一個搜索引擎，更多做文本分析，但并沒有太多的結合對應的各種影像學數據和病理學數據。
Google在糖網方向做得比較好，他們有很多數據是花錢購入的。醫療門檻比較高，最近一段時間大部分創業公司或者BAT開始買醫療數據，或者以聯合建實驗室的方式變相買數據。
從國內來說，騰訊在醫療領域布局比較多，全國有三家互聯網醫療方面的公司走得比較前面，這三家公司全都得到了騰訊的投資。
與他們合作的醫院我都會關心有沒有結合醫療流程。對于醫生或者病人來說，我并不介意是不是AI為我看的病，對醫生來說更介意的是會不會影響正常的醫療流程。大部分做影像AI公司都會另做一套系統，而醫生平時每天用的系統在中國是被上百家小廠商(HIS廠商、EMR廠商、PACS/RIS廠商、集成系統廠商等等)控制的，。你可以想象這樣的AI落地有多困難。對醫生來說，不可能今天在醫院用那個系統，突然跳到另外一個系統用AI再來閱片有沒有毛病，告訴我提示什么，我再反過來用現在的系統。
關于服務醫生、醫院、用戶端，所有的信息技術都往云上走，往AI上靠。所有醫院的信息系統在升級，通過傳感器收集更多病人的數據。人工智能最終是想患者了解自己、醫生更清楚患者、讓醫療過程更加精準、讓第三方服務更科學、醫療管理更科學。所有的公司都是朝這個方向發展，不限于用APP或者什么技術，是移動還是非移動，云端還是終端。
想要做好這五點，每一點都要投入大量的工作，當你收集足夠多的數據后，就會有用戶畫像。一個人一生的數據沉淀不是在一個醫院，而是在一個城市，從你在一個城市出生，婦產科、兒科再到普通科室。這些云如果能以城市級別的信息收集，個人的健康數據會更加全，對AI更有作用。
大家談到的醫藥，新藥實驗，醫學知識圖譜，人工智能輔助分析，眼科。把這些管理全部數據化，當有大量數據時就可以做很多工作，比如最典型的醫保欺詐。如果我知道城市級別整個醫保數據，通過數據挖掘和可視化的手段就可以探測到欺詐，可視化領域不僅僅有這個作用。當然，醫療是其中一個應用而已。
做輔助診斷，拿睿醫來說，因為我們是一個隸屬于浙江大學的科研機構，我們的研究更多偏向于解決問題來醫生輔助，不追逐市場熱點。所以說，在甲狀腺、前列腺、宮頸癌、肺這方面和醫院合作會比公司稍微有優勢，因為我們和醫院科研合作方面可以得到更加高質量的數據。有數據顯示我國醫療影像診斷錯誤的比例，在某些地區和某些診斷領域高達35%，個別基層醫院的誤診率甚至更高。AI能提升到50%就非常有意義，因為能提升基層醫療醫生的醫療水平。
健康方面的檢測，比如醫療保險，這都是跟學術相關的，不做詳細解讀。
我們的愿景是人工智能助力醫療服務。在幾個領域都已做了一些工作，從檢測的量化到診斷評估到干預治療。
第一件需要做的事是標準化的工具。我可以提供一個標準化工具讓醫生標注哪兒的數據有問題。再過兩個月之后成立一個數據聯盟，聯合一些大的醫院，形成一個標準化規范化標注結果。雖然你在各種醫療AI大賽看到一些數據，但那些影像的數據對放射科醫生來說沒多大作用，因為標注太簡單了。比如肺結節，下面分六種類型，如果計算機沒有足夠的六種類型的詳細標注數據，現在的深度學習技術不能精確判斷，那么醫生還要重新看，AI的實際作用大大打折扣。
可以做AR/VR工具，增強病患溝通。也可以做免費問診，這里做一些問診匹配，已經做得相對還可以。在TOP1能達到30%多。這個結果對全科醫生很有用。做精準匹配，對病人來說口述是什么，搜索相關醫生或者科室給他推薦。在一級科室分類準確率比較低，二級科室TOP5已經可以使用。
關于眼底檢測，做到四方面專利。眼底檢測可以判斷一般患者80%的慢性疾病。如果通過非侵入式的檢查患者的眼底，通云端或終端設備判斷給出建議，這個比一般的侵入式檢查好很多。
視網膜病變，分辨率是90%，精確度已經達到75%。兩年前我們做這件事的還不多，現在有不少公司在做。我們跟北京同仁醫院合作了很久。
骨齡領域做了一些工作，骨齡是判斷小孩發育成長快和慢的。如果這個小孩只有六歲，骨齡關節閉合程度達到7歲，就發育過快了。醫生有一個圖譜，收集大量圖，會看兩個圖的對比。這個圖譜是多少年來形成的，會有一定的誤差，醫生讀片誤差一般在一歲，而計算機誤差在三個月以下。當然，有些科研數據已經精確到一個月了。有些領域是可以快速的做初篩，減少醫生大量重復的勞動，整個提升醫療的水平。雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
