江蘇醫療人工智慧創新論壇開啟智療新時代
「
引言：這是一個最好的時代，我們可以觸及曾經想做卻做不了的事，能夠實現以往想實現而不能實現的夢想。我們擁有著讓全世界同道都羨慕的海量醫學數據，我們的支付手段、信息一體化程度領先於全球，政策鼓勵著發展，臨床與患者滿懷著需求，我們已經到了一個實踐醫院人工智慧的時代。
」
2018年7月21日，江蘇醫療人工智慧創新論壇在南京拉開帷幕。
本次會議由江蘇省人民醫院副院長劉雲教授主持，劉雲教授介紹：健康醫療領域是人工智慧應用最具潛力的領域之一。當前，我國醫療行業基礎數據量大、優質醫療資源相對不足、民生需求迫切，人工智慧在醫療領域的應用機遇與挑戰並存。
此次論壇匯聚臨床專家教授、人工智慧（AI）領域的專家、公共管理層面領導、數據信息層面專家以及醫療人工智慧企業代表，旨在從不同的角度和維度進行溝通，了解江蘇省內各大醫療機構的人工智慧應用現狀，相互激發對人工智慧的思考，一起探討如何解決臨床實實在在的問題。
江蘇省人民醫院副院長 劉雲
杭州認知作為此次會議的協辦方之一，對此次論壇進行了全方位協助並全程參與。此次論壇旨在搭建產、政、學、研、醫協同創新平台，推動跨學科協同創新，推進醫療向智能化、精準化、個性化發展。
會議現場座無虛席
國家各部門政策出台，
讓醫學大數據和人工智慧有標準可依
江蘇省衛生統計信息中心主任劉曉強教授在會議中介紹，在2016年6月，國務院發布的《關於促進和規範健康醫療大數據應用發展的指導意見》中提出了1+5+X的國家健康醫療大數據發展規劃，即1個國家中心、5個區域中心、X個應用發展中心。
2016年10月，江蘇成為第一批建設試點省份。江蘇省發布《江蘇省實施人口健康信息管理辦法細則》規定了各級衛生計生行政部門、 醫療衛生計生服務機構及其他相關機構和個人所涉人口健康信息的採集、存儲、管理、利用和安全保護工作。發布《江蘇省衛生計生委政務信息資源共享管理暫行辦法》規定了省衛計委對政務信息及依法採集的信息資源的採集、存儲、交換和共享辦法。為推進健康醫療大數據應用示範中心（基地）建設，在全省遴選一批具備一定基礎和優勢條件的單位或地區，建設臨床醫學和公共衛生大數據應用示範中心（基地），開展大數據、人工智慧輔助應用試點，形成良好示範，引領江蘇省健康醫療大數據應用發展。
江蘇省衛生統計信息中心主任 劉曉強
協同各方資源，建設全方位
多層次的健康醫療大數據
江蘇省衛生統計信息中心主任劉曉強教授在會議中介紹，江蘇省健康醫療大數據建設目標：旨在運用雲計算、大數據分析等技術，集合居民、醫療機構、科研機構、管理部門及其他機構，共同建立個性化、智慧化、精準化的健康醫療大數據共享和服務體系。
大數據建設架構由接入層、交換層、數據層及服務層組成。自2015年底，江蘇省智慧健康信息傳輸主幹網建成，實現與所有市、縣（區）區域健康信息平台、162家三級醫院全光纖聯通。應用主幹網+電子政務網，與市、縣（市、區）區域內的衛生專網或電子政務網銜接，實現省-市-縣-鄉-村五級衛生計生機構聯通，為江蘇省醫療大數據建設打下了良好的基礎。
目前，江蘇省已建立健康醫療大數據資源目錄，劉曉強教授表示：建立大數據資料目錄，是為了理清自己家產，知道我們有多少數據。現階段做的是全省共享數據，制定了區域數據共享標準，核心元數據的管理。為推進信息標準化建設，江蘇省制定了一系列的區域衛生信息共享標準，全省13個市、95個縣區按照統一規範標準開展了平台建設，以平台應用分級評價為抓手，提升全省區域平台建設水平和數據標準化應用水平。為推進信息互聯互通，江蘇省全民健康信息平台與13個市、95個縣（市、區）、167家三級醫院採用扁平化的數據採集架構進行數據對接，減少了交換層級，提高了交換效率。
截至目前，江蘇省平台已累計採集數據120億餘條，存儲總量19.4TB，包含5400多萬份健康檔案信息，290多萬糖尿病患者，720萬高血壓患者，收集了接入的省屬三級醫院、市縣（區）級平台上傳的7.2億人次的門診和2100多萬人次的住院信息。目前每日新增的數據規模達到數千萬條。平台已註冊管理了20萬醫生和22萬護士的基本信息、執業信息、工作經歷、科研信息等。
此外，經過國家衛計委與南京大學前期的共同努力，雙方已初步達成協議，近期即將宣布成立南京大學健康醫療大數據國家研究院，南京大學將成為繼北京大學和浙江大學之後的第三個健康醫療大數據國家研究院。
未來已來，
醫療人工智慧在臨床各學科的應用
中國計算機學會大數據專家委員會常務委員黃宜華教授形象的將大數據、人工智慧、雲計算的關係比喻為：大數據是燃料，人工智慧是引擎，雲計算是箭體。這個火箭能將醫學的發展帶到何處，是醫療領域一直關心的問題。本次論壇中，來自臨床及科研一線的幾位專家教授從各自領域出發為我們講述了他們對人工智慧和大數據的應用。
中國計算機學會大數據專家委員會常務委員 黃宜華
醫學影像：
人工智慧從看到、看清、看懂到看透
醫學影像，是目前人工智慧在醫療領域最熱門的應用場景之一，主要運用計算機視覺技術解決以下三種需求：
1. 病灶識別與標註：針對醫學影像進行圖像分割、特徵提取、定量分析、對比分析等工作
2. 靶區自動勾畫與自適應放療：針對腫瘤放療環節的影像進行處理
3. 影像三維重建：針對手術環節的應用
中國科學院計算技術研究所副研究員趙地教授，在基於SegNet模型的臂叢神經超聲圖像分割的研究中，針對介入精度受人為因素影響等問題，提出了一種基於深度學習(Deep Learning, DL) 中卷積神經網路(Convolutional Neural Network ,CNN )架構的SegNet改進模型，用該模型訓練臂叢神經超聲圖像數據，找出臂叢神經組織特徵，進而進行臂叢神經組織自動檢測與分割。結果顯示，模型精度達到96%以上，具有分割快速、基準固定、輔助分析、遠程互助的特點與作用。
江蘇省人民醫院眼科醫師胡仔仲教授，在基於人工智慧技術的眼底病影像學分析的研究中，通過光學相干斷層掃描（OCT）圖像數據集建立、計算機模型訓練，旨在開發一種可以解讀OCT圖像並自動判別黃斑部病變（包括糖網）的應用軟體，節約醫生讀圖時間（每張黃斑區掃描有128幀圖像），以減輕醫生工作負擔，其團隊研究已經取得一些初步進展，現有模型準確率現已推升至94%以上，ROC曲線下面積高達0.995。另外，團隊關於應用OCT傳統機器學習和糖尿病視網膜病變的研究也在積極展開。
中國科學院計算技術研究所
副研究員 趙地
江蘇省人民醫院眼科醫師
胡仔仲
人工智慧助力科研
南京醫科大學生物醫學工程與信息學院副院長汪強虎教授，在基於高通量數據融合分析的膠質瘤分子亞型鑒定與治療抗性解析的研究中，發現基於基因表達的分子分型技術是解析腫瘤異質的有效方法。
研究運用比較基因組分析方法，構建膠質瘤細胞特異表達基因列表，識別了GBM三個固有分子亞型，研究結果被《Cancer Cell》接受發表，並被頂級綜述期刊《nature reviews》評為亮點研究：基於轉綠組的綜合分析結果揭示存在三種不同形式的膠質母細胞瘤；目前膠質母細胞瘤仍然是一種對治療極度不應答的腫瘤，該項研究發現揭示了其存在固有分子亞型，為臨床治療提供新思路。
南京醫科大學生物醫學工程與信息學院
副院長汪強虎
應用級AI：
Watson在國內的應用
江蘇省人民醫院潘紅教授闡述了IBM Watson for Oncology與真實世界乳腺癌臨床決策一致性研究分析結果。IBM Watson是目前全球範圍內唯一的「應用級AI」（相對應的，是數以萬計的「實驗室級AI」）。Watson for Oncology（簡稱WfO）是IBM聯合美國紀念斯隆凱特琳癌症中心（Memorial Sloan Kattering Cancer Centre），基於美國國立綜合癌症網路（National Comprehensive Cancer Network）的癌症治療指南，以及其在美國100多年的癌症臨床治療實踐經驗，歷時超過4年培訓而成的高科技成果。
乳腺癌作為WfO最早支持的癌種之一，目前國外已經開展多項WfO對癌症決策的一致性研究。在2017年ASCO 會議上報道了WfO在印度、泰國、韓國、墨西哥和荷蘭開展的一致性研究摘要部分。在中國關於WfO的一致性研究中，納入了自2013年6月至2017年12月在南京醫科大學第一附屬醫院乳腺外科初診的乳腺癌患者，共1301例。分為輔助化療組（手術後接受化療）1121例和新輔助化療組（穿刺後接受新輔助化療）180例 。
結果顯示WfO提供的化療方案與醫院乳腺外科臨床應用方案具有較高的符合性，但也存在部分不符合的情況，專家認為可能的原因包括：
1.臨床醫生對化療方案選擇的偏好，WfO推薦的方案如CMF，近年來臨床應用較少
2.WfO所錄入的腫瘤信息中缺少Ki-67，而Ki-67是分子分型中一個重要的指標，對指導化療方案的選擇具有重要意義
3.WfO推薦採用21基因評分，臨床未常規開展
4.患者及家庭的影響，如經濟條件、醫保的影響
根據結果，專家們認為：WfO誕生於美國，與我國在乳腺癌發病率和診斷治療策略上存在一定差異；有必要實現WfO「本土化」，協助我國乳腺癌患者實現個體化治療。
江蘇省人民醫院醫師 潘紅
杭州認知作為國內首家IBM Watson for Oncology官方授權運營商，在與IBM Watson health 的合作開發過程中，首次將Watson for Oncology（沃森腫瘤解決方案）引入中國，服務於中國醫生和患者。杭州認知已與國內近百家大型三甲醫院簽約合作，聯合全國頂級專家資源，一直致力於實現IBM Watson for Oncology產品本地化，完成國內唯一的適合中國臨床應用的本地化版人工智慧應用系統及基於人工智慧的輔助診療互動平台。
數據亂、人才少，
醫療人工智慧發展面臨著各種挑戰
在這個新的時代，隨著大數據和人工智慧加盟醫療行業，我們看到諸多的希望和可能，輔助決策、健康/慢病管理、基因數據、機構智能化管理等諸多應用場景的完善將會對醫療的進步發展提供巨大的支持，但通往未來的路並不好走。
劉曉強主任指出，我國現階段健康醫療大數據存在著，數據標準不統一、數據質量不高、數據共享與分析利用水平低、法律法規體系建設滯後、信息安全形勢嚴峻、複合型人才匱乏等問題。
殷偉東教授表示：我們國家有很多醫療數據，這讓世界上很多醫療界的同道羨慕。未來已來，但我國醫療大數據現狀，現狀如何？守著金山銀山，如何運用，每個區域的領導怎麼在區域內標準化共享，怎麼服務於人民，為下一個醫療時代做鋪墊。
狄文教授說：人工智慧專家應該像作家一樣，蹲點，了解醫院，真正懂得醫生。醫院有著海量數據，但面臨著軟體解讀出的報告，臨床醫生看不懂，我們需要相應的人才。罕見病的報告解讀，需要利用AI幫助解讀。
南京市衛生信息中心主任
殷偉東
上海交大醫學院附屬仁濟醫院副院長 狄文
智療新思路：臨床、科研、質控、管理、教育一體化人工智慧發展規劃
在關於未來醫療人工智慧的發展構建中，來自思創醫惠科技股份有限公司的章笠中董事長提出了：臨床、科研、質控、管理、教育一體化的人工智慧發展規劃。
思創醫惠科技股份有限公司董事長章笠中
章笠中董事長表示，人工智慧不是要跟專家學，是要跟醫療大數據學，跟著人的生活起居學習，真正的人工智慧一定是基於大數據和物聯網。以國家生物樣本庫建立為例，在現有建立的生物樣本庫中，真正有用的生物樣本庫不到1%。真正有價值的數據應該為標準化、成體系的，如果沒有物聯網實行全程追蹤，數據沒有閉環，數據便也就沒有價值。一個完整的生態環境下做醫學人工智慧。闡述了如何通過物聯網＋大數據構建人工智慧在醫療領域的生態系統，即通過現有和在不斷研發中的各種醫療設備，打造一個全方位完整的醫療業務閉環，在這個閉環中更好的應用醫學人工智慧系統助力醫療業務的各個環節。
從整體來看，我們看到了這些年國家關於大數據及人工智慧領域政策不斷出台和完善，也看到了各省市醫療行政單位不斷努力推進，醫院積極引進和完善醫學人工智慧技術，學校開始培養醫學人工智慧專業人才，多學科領域積極協作，還有很多像杭州認知這樣的企業從各自領域積極推動，宏觀環境不斷朝著利好方向推進。
路遠且長，需各方不忘初心，繼續努力！
THE END
TAG:認知關懷 |