大數(shù)據(jù)是關(guān)鍵 人工智能+醫(yī)療應(yīng)用場景多元化開始起步

隨著醫(yī)療人工智能的發(fā)展，應(yīng)用場景正逐步多元化。目前，AI參與的醫(yī)學(xué)領(lǐng)域包括可分析腹部腫瘤的腹部醫(yī)學(xué)影像處理系統(tǒng)、精準射頻消融肝癌手術(shù)、超聲機器人、兒童成長發(fā)育遲緩智能診斷輔助系統(tǒng)等。同時，為醫(yī)生提供智能診療工具、臨床決策支持系統(tǒng)等，也是人工智能在醫(yī)療領(lǐng)域的主要方向。

大數(shù)據(jù)仍是人工智能發(fā)展的掣肘因素。3月23日，在2018中華醫(yī)院信息網(wǎng)絡(luò)大會上，清華大學(xué)信息技術(shù)研究院Web與軟件技術(shù)研究中心副主任楊吉江認為，“數(shù)據(jù)是人工智能的基本素材。”醫(yī)療場景的復(fù)雜、決策程序的復(fù)雜，讓更多的AI＋醫(yī)療公司不止局限于算法的開發(fā)，而是逐漸回歸數(shù)據(jù)，重視數(shù)據(jù)采集和管理。

?

應(yīng)用場景多元化

在歸納醫(yī)療領(lǐng)域人工智能的應(yīng)用時，浙江大學(xué)數(shù)學(xué)學(xué)院教授孔德興介紹，目前主要包括AI＋輔助治療、AI＋醫(yī)學(xué)影像、AI＋精準手術(shù)、AI＋藥物挖掘，以及虛擬護士等AI＋健康管理產(chǎn)品。

楊吉江表示，在一些歐美國家，人工智能已經(jīng)在自我監(jiān)測和預(yù)防、癡呆癥的早期發(fā)現(xiàn)、胰腺癌診治、眼科影像等領(lǐng)域應(yīng)用。

在AI輔助診療的領(lǐng)域中，具有典型性的案例就是IBM Watson，作為IBM開發(fā)的人工智能云平臺，Watson可幫助腫瘤醫(yī)生或臨床團隊做出治療決策。自2017年3月百洋智能科技取得了Watson腫瘤解決方案（Watson for oncology）在中國市場的獨家總代分銷權(quán)，目前沃森腫瘤會診中心已在中國29家三甲醫(yī)院或機構(gòu)落地。

除此之外，AI輔助醫(yī)療也在多個領(lǐng)域獲得實際應(yīng)用上的進展。孔德興介紹道，國內(nèi)開發(fā)出了“腹部醫(yī)學(xué)影像處理系統(tǒng)”，已在多個醫(yī)院取得成功應(yīng)用。例如，一位37歲的男性患者被診斷為胰頭腫瘤晚期，腫瘤侵犯大血管，認為無法切除，但通過上述系統(tǒng)卻發(fā)現(xiàn)，腫瘤未侵犯大血管，僅為局部壓迫，可以手術(shù)切除。由此，該病例手術(shù)成功，術(shù)后恢復(fù)良好。類似的，這類系統(tǒng)挽救了多名患者的生命。

?

以人工智能為依托，超聲機器人的應(yīng)用則較為廣泛。在獲取合格圖像后，超聲機器人進行自動篩查、智能診斷，輔助設(shè)計手術(shù)方案，并進行療效評估?？椎屡d及合作者曾建立包括超聲影像、病理數(shù)據(jù)在內(nèi)的超過24000個樣本的數(shù)據(jù)庫，同時在英特爾公司支持搭建的計算環(huán)境中，采用深度學(xué)習(xí)算法，研發(fā)出DE超聲機器人。2016年，在針對甲狀腺結(jié)節(jié)的超聲影像識別和診斷的人機“大戰(zhàn)”中，DE超聲機器人獲勝。

孔德興介紹，超聲機器人目前判斷是否有甲狀腺結(jié)節(jié)的平均準確率可達到95％，判斷良性惡性的平均準確率可達到85％以上。

醫(yī)療人工智能領(lǐng)域從不缺少實力雄厚的入局者。例如，科大訊飛智慧醫(yī)療BU總經(jīng)理陶曉東日前向記者介紹，訊飛影像已支持線上胸部CT肺結(jié)節(jié)檢測和乳腺鉬靶腫塊檢測，另有多個病種將陸續(xù)完成人工智能輔助診斷開發(fā)。

阿里健康人工智能實驗室主任范繹表示，阿里健康的醫(yī)療AI“Doctor You”立足于推動醫(yī)療AI全方位的整體發(fā)展。3月23日，由美國梅奧醫(yī)療集團與高瓴資本聯(lián)合成立的惠每醫(yī)療集團也參加了此次會議，旗下的“惠每臨床決策支持系統(tǒng)”來自人工智能與大數(shù)據(jù)的結(jié)合。

回歸數(shù)據(jù)價值是關(guān)鍵

對于AI醫(yī)療公司來說，單一的算法開發(fā)如今似乎很難支撐起一家公司數(shù)據(jù)的價值重新回歸。

“實際上，人工智能是一種知識的表達?！睏罴劦?，人工智能其實是一個交叉學(xué)科，既是計算機科學(xué)的分支，又涉及心理學(xué)、哲學(xué)和語言學(xué)等。如果研究機構(gòu)或公司只是單純研究算法，那么很難實際應(yīng)用。不同來源的數(shù)據(jù)與算法結(jié)合，才是人工智能的根基。

自然語言學(xué)習(xí)、深度學(xué)習(xí)、虛擬助理等，都是AI的具體研究領(lǐng)域。在醫(yī)療方面，圖像分析的應(yīng)用也比較廣泛。

楊吉江認為，從發(fā)展階段上看，人工智能從早期推理到后面的數(shù)據(jù)驅(qū)動，數(shù)據(jù)是最主要的。例如，有AI＋醫(yī)療影像的公司與業(yè)內(nèi)專家探討，開始回歸數(shù)據(jù)，在數(shù)據(jù)采集、數(shù)據(jù)管理上花費很大的力氣，而不是“虛幻的”去做診斷。

?

對AI醫(yī)療來說，數(shù)據(jù)的重要性不言而喻。AI在小樣本集上做的診斷或推定，被認為是不可持久的模式，因為一旦再擴大一點范圍，換一個病種、換一個地方，結(jié)果可能就出現(xiàn)偏差，正確率下降。

“為什么人工智能突然爆發(fā)？實際上這跟大數(shù)據(jù)的發(fā)展也有一定關(guān)系。我們現(xiàn)在手上都有很多數(shù)據(jù)，但如果不去有效地利用，就不具有價值?！睏罴f。

楊吉江有過400萬個數(shù)據(jù)清洗完后，剩下20多萬個的經(jīng)歷；從某醫(yī)院拿到的200萬個眼科數(shù)據(jù)，清洗過后也差不多只剩下20萬個。作為AI醫(yī)療的基本素材，數(shù)據(jù)的準確性和質(zhì)量非常重要。但“干凈”的數(shù)據(jù)并不容易獲得，需要很大的工作量。

即便數(shù)據(jù)量足夠大，在面對每個個體的差異時，AI醫(yī)療依然沒法保證100％的準確率，一旦出現(xiàn)問題就是誤診、漏診。因此，多位與會人員亦表達了類似的觀點，即人工智能在醫(yī)療領(lǐng)域的角色目前仍是輔助。

針對臨床決策的輔助系統(tǒng)，融合大量醫(yī)學(xué)指南與醫(yī)生的經(jīng)驗智慧，針對治療目標及治療的實時效果進行決策建議，大大提升科室的綜合決策診斷水平。

邁瑞發(fā)現(xiàn)，作為光信號的血氧參數(shù)以及電信號的心電參數(shù)間，其實有著緊密的聯(lián)系。把兩個數(shù)據(jù)“擰在一起”，在多參數(shù)聯(lián)合分析作用下，對心率、脈搏監(jiān)測準確性大大提升，并極大地增強了報警的準確性。這樣“智能報警”的結(jié)果，則是讓致命性心律失常誤報次數(shù)大幅下降65％，其他心律失常誤報次數(shù)下降50％。同時，對于心率準確性提升30％，脈率準確性提升30％。

點評：但截至目前，沒有人能保證人工智能能達到100%的準確率，但是有哪個醫(yī)生能保證自己能達到100%的準確率嗎？如果人不能達到，就要求AI一定達到，是不是對人工智能太過苛求？現(xiàn)階段讓人工智能在醫(yī)療的過程中提高數(shù)據(jù)的分析利用效率，給醫(yī)生的分析判斷提供參考就是最大的貢獻。其它的可以在實踐中慢慢進步。