最新！GE医疗大动作

▍来源：赛柏蓝器械

▍作者：米克

让机器发出人类的语音，就是把存在电脑里的文字转化成语音播放出来；让医疗具有智能，就是把人类的智慧放进机器里处理成诊断结果。在医疗圈，人工智能的应用现在已经不是前奏阶段了。

人工智能是帮手，不是医生替代品

目前，在医疗领域中，具有重复性的、有规律可循、可通过大数据计算出来的，都可被人工智能取代，而医疗中一些重复性的工作或耗时间的，会优先被人工智能所替代。

在替代之后便是集成，形成数字医疗智能平台。

近日，在GE医疗数字生态论坛上，GE医疗正式在中国推出“爱迪生数字医疗智能平台”，赛柏蓝器械在现场了解到，目前医疗过程中会产生大量数据，比如影像诊断图像、数字健康记录、监测信息和临床研究数据等，这些数据怎样被整合是亟需解决的问题。

这个平台是一个覆盖广泛的专业医疗开发功能模块组件，在人工智能的程序上整合并吸收了多个来源的数据，并通过云端或设备边缘服务，提供可部署在医疗设备上的操作指引。

人工智能在诊疗上起到的作用越来越大，可以让单一的数据活跃重组起来，极大的提高诊疗效率，那么医疗的本质是否会由此生变？

对此，GE医疗中国首席创新官戴鹰在接受赛柏蓝器械采访时表示：“数字化是工具，工具的目的是帮助医生提高效率，增加临床产出，改善诊疗的准确率和失误率，所以无论是数据集成平台，还是5G，这些都是帮助诊断的环节，最终的治疗方案还是需要医生来做出来的。”

由此可见，技术的进步不会改变医疗的本质，人工智能的初心是用新技术来更好地呈现患者最真实的模样。

但是国外的产品直接嫁接并应用到国内势必会造成水土不服，以乳腺癌筛查的机器为例，欧洲女性的乳房是脂肪型，中国女性的乳房以致密型，这对于筛查机器的数据和标准大不相同。

所以怎样定制中国受众的器械，是多家械企研发的重点。

目前，GE、西门子、飞利浦、BD等跨国械企，都在实行本土化战略。本土化是意味着中国市场和全球市场有很多不一样的特征，只有了解本土的需求点，才能发挥最大的价值。

“单独的打造一个系统、一个平台显然是不能广泛应用的，要和行业内的企业合作一起打造生态系统来做研发”，GE医疗全球首席数字创新官Amit Phadnis补充道。

此次，GE医疗宣布与数坤科技、医准智能、依图、图玛深维、安德医智五家本土软件开发企业进行合作备忘录，共同开发数字医疗应用。

依图科技医疗副总裁方骢在接受赛柏蓝器械采访时表示，AI医疗是非常新的领域，当技术培育到一定阶段，就需要通过几百家医院联合起来，让技术的创新和医疗的资源和平台能够深度的融合，所以爱迪生数字智能平台是把点状的技术集结，来对抗AI的困境。

这反映出一个行业的客观规律，在新技术发展的前期，大多是许多由资本市场支持的创业公司来接受挑战的，之后便是从分散走向聚合来发挥最大效益。这个方式就是创业公司之间进行资源互补，与市场资源和渠道资源较为丰富的平台合作，在医院落地。

人工智能+医疗影像，最热

目前，人工智能+医疗的热度持续攀升，政策的帮助是一强大推力。

2017年7月，国务院印发《新一代人工智能发展规划》，从国家战略层面对我国发展智能医疗作出了明确规划，包括推广应用人工智能治疗新模式和新手段，建立快速精准的智能医疗体系。

在应用研究上要多涉及医学影像、辅助诊疗、药物研发、健康管理等领域，从业界的反馈上看，医学影像与人工智能的结合被认为是最具发展前景的领域。

人工智能在医学影像的应用，主要是通过图像识别和深度分析等技术，实现机器看片、读片、诊断的功能。

以计算机辅助诊断系统为例，在肺结节和肺癌筛查、乳腺癌筛查和前列腺癌影像诊断中应用较广，一些系统的性能已经接近甚至超过放射科医生，据公开数据显示，2018年某款人工智能诊断机器可检出70~80%易被放射科医生漏诊的结节。

在筛查癌症方面，业内知名械企生产的筛查器械，可以利用软件算法，可准确获得乳腺癌患者乳腺X线摄影的关键特征，并与乳腺癌亚型进行关联，其诊断速度是普通医师的30倍，且准确率高达99%。

但需要注意的是，深度神经网络目前应用最好的是解决简单任务，对于分类、识别、切割等综合性的诊断，仍需要具有领域知识的专家来参与。

有些瓶颈，人工智能须攻克

当前，人工智能在医学影像领域的应用很广泛，但面临着诸多来自技术和伦理的挑战，如数据质量问题、机器性能问题、隐私泄露问题等，都需采取措施加以规避和制约。

在数据质量问题上，我国医疗机构都积累了大量的影像数据，但由于缺乏统一的标准和规范，不同厂商、不同档次的影像设备存在图像质量、算法重建和参数设置的大有不同，即使同一台设备、造影剂剂量、扫描层厚、成像深度都各异。

同时，相当一部分AI企业用于训练的数据只能来自有限的公开数据集或自备数据库，存在着数据量过小、影像质量较低、标注不规范甚至标注错误等问题。

机器性能问题上，目前，AI医疗的研究和开发在我国还处于初级时期，同一AI模型应用于不同地域的医院时，可能会出现数据差异，需要进行精细微调。

例如，肺结节筛查只是胸部CT检查的一小部分需求，大量的肺炎、肺结核、慢阻肺等疾病所造成的“同病异影、异病同影”现象依然难以检出，使得AI的应用范围非常局限。

在隐私问题上，人工智能在医学影像应用中，需要采集和挖掘患者的大量信息，包括患者的基本信息、健康状况、疾病状况、生物基因信息等。

这就有可能造成，保险公司在掌握个人病史的情况下，可能提高保险费；用人单位可能把个人健康档案作为是否聘用的重要依据等等，因此，AI医疗应用中的信息安全和患者隐私保护将面临巨大挑战。

对此，在GE医疗数字生态论坛上，GE医疗中国首席创新官戴鹰向赛柏蓝谈到：

“我们对用户隐私保护上进行了详细的考虑。比如爱迪生数字医疗智能平台就遵循了业界最严格的隐私保护和数据安全性的规范，它运用在中国电信专属云上面，原因是中国电信是中国政府部门认证的非常安全的云服务提供商，专属云又是属于对医疗敏感数据进行保护的配置，不是所有云服务商都提供专属云，所以在数据安全性、隐私保护上面都在为患者考虑”。

由此可见，虽然人工智能+医疗目前只能代替医生从事一些简单的、重复的分析与筛查工作，但随着技术的不断进步，从弱人工智能过渡到强人工智能时代是值得期待的。

参考文献:

[1] 蔡耀婷 .人工智能在医疗领域的应用现状及发展前景  [ J ] .护理研究，2019.8（33卷）第15期

[2] 季冰. 刘伶俐. 人工智能在医学影像领域的应用与挑战  [ J ] . 中国医学伦理学，2019.8(32卷) 第08期

— END —