醫療人工智慧應用場景逐漸落地 數據「乾淨」程度仍是發展掣肘

醫療人工智慧應用場景逐漸落地 數據「乾淨」程度仍是發展掣肘

每日經濟新聞 丨趙天宇2018-03-23 22:21:19

3月23日，在2018中華醫院信息網路大會上，清華大學信息技術研究院Web與軟體技術研究中心副主任楊吉江認為，「數據是人工智慧的基本素材。」

楊吉江做演講 每經記者 趙天宇 攝

每經記者 趙天宇 每經編輯 趙橋

隨著醫療人工智慧的發展，應用場景正逐步多元化。目前，AI參與的醫學領域包括可分析腹部腫瘤的腹部醫學影像處理系統、精準射頻消融肝癌手術、超聲機器人、兒童成長發育遲緩智能診斷輔助系統等。同時，為醫生提供智能診療工具、臨床決策支持系統等，也是人工智慧在醫療領域的主要方向。

數據仍是人工智慧發展的掣肘因素。3月23日，在2018中華醫院信息網路大會上，清華大學信息技術研究院Web與軟體技術研究中心副主任楊吉江認為，「數據是人工智慧的基本素材。」醫療場景的複雜、決策程序的複雜，讓更多的AI+醫療公司不止局限於演算法的開發，而是逐漸回歸數據，重視數據採集和管理。

應用場景多元化

在歸納醫療領域人工智慧的應用時，浙江大學數學學院教授孔德興介紹，目前主要包括AI+輔助治療、AI+醫學影像、AI+精準手術、AI+藥物挖掘，以及虛擬護士等AI+健康管理產品。

楊吉江表示，在一些歐美國家，人工智慧已經在自我監測和預防、痴呆症的早期發現、胰腺癌診治、眼科影像等領域應用。

在AI輔助診療的領域中，具有典型性的案例就是IBM Watson，作為IBM開發的人工智慧雲平台，Watson可幫助腫瘤醫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，目前沃森腫瘤會診中心已在中國29家三甲醫院或機構落地。

除此之外，AI輔助醫療也在多個領域獲得實際應用上的進展。孔德興介紹道，國內開發出了「腹部醫學影像處理系統」，已在多個醫院取得成功應用。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，但通過上述系統卻發現，腫瘤未侵犯大血管，僅為局部壓迫，可以手術切除。由此，該病例手術成功，術後恢復良好。類似的，這類系統挽救了多名患者的生命。

以人工智慧為依託，超聲機器人的應用則較為廣泛。在獲取合格圖像後，超聲機器人進行自動篩查、智能診斷，輔助設計手術方案，並進行療效評估。孔德興及合作者曾建立包括超聲影像、病理數據在內的超過24000個樣本的資料庫，同時在英特爾公司支持搭建的計算環境中，採用深度學習演算法，研發出DE超聲機器人。2016年，在針對甲狀腺結節的超聲影像識別和診斷的人機「大戰」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節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。

醫療人工智慧領域從不缺少實力雄厚的入局者。例如，科大訊飛智慧醫療BU總經理陶曉東日前向記者介紹，訊飛影像已支持線上胸部CT肺結節檢測和乳腺鉬靶腫塊檢測，另有多個病種將陸續完成人工智慧輔助診斷開發。

阿里健康人工智慧實驗室主任范繹表示，阿里健康的醫療AI「Doctor You」立足於推動醫療AI全方位的整體發展。3月23日，由美國梅奧醫療集團與高瓴資本聯合成立的惠每醫療集團也參加了此次會議，旗下的「惠每臨床決策支持系統」來自人工智慧與大數據的結合。

回歸數據價值

對於AI醫療公司來說，單一的演算法開發如今似乎很難支撐起一家公司，數據的價值重新回歸。

「實際上，人工智慧是一種知識的表達。」楊吉江談到，人工智慧其實是一個交叉學科，既是計算機科學的分支，又涉及心理學、哲學和語言學等。如果研究機構或公司只是單純研究演算法，那麼很難實際應用。不同來源的數據與演算法結合，才是人工智慧的根基。

自然語言學習、深度學習、虛擬助理等，都是AI的具體研究領域。在醫療方面，圖像分析的應用也比較廣泛。

楊吉江認為，從發展階段上看，人工智慧從早期推理到後面的數據驅動，數據是最主要的。例如，有AI+醫療影像的公司與業內專家探討，開始回歸數據，在數據採集、數據管理上花費很大的力氣，而不是「虛幻的」去做診斷。

對AI醫療來說，數據的重要性不言而喻。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範圍，換一個病種、換一個地方，結果可能就出現偏差，正確率下降。

「為什麼人工智慧突然爆發？實際上這跟大數據的發展也有一定關係。我們現在手上都有很多數據，但如果不去有效地利用，就不具有價值。」楊吉江說。

楊吉江有過400萬個數據清洗完後，剩下20多萬個的經歷；從某醫院拿到的200萬個眼科數據，清洗過後也差不多隻剩下20萬個。作為AI醫療的基本素材，數據的準確性和質量非常重要。但「乾淨」的數據並不容易獲得，需要很大的工作量。

即便數據量足夠大，在面對每個個體的差異時，AI醫療依然沒法保證100%的準確率，一旦出現問題就是誤診、漏診。因此，多位與會人員亦向記者表達了類似的觀點，即人工智慧在醫療領域的角色目前仍是輔助。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！