人工智能如何助力健康中国创建良好医疗环境

2017
01/23

+
分享
评论
鹰瞳Airdoc
A-
A+
人工智能在我国推进家庭医生签约和增强基层医疗卫生机构服务能力等领域都有广阔应用前景。

2015年10月,十八届五中全会首次提出推进健康中国建设,“健康中国”上升为国家战略。健康需要健全医疗保障体系,被称为未来科技的人工智能最大的特点是能像人那样思考,也有超过人类智能的潜力,人工智能不仅仅能下棋,同样能够为医疗体系提供帮助。中国健康促进与教育协会移动健康分会常委和人工智能医疗团队Airdoc创始人张大磊曾表示,人工智能在我国推进家庭医生签约和增强基层医疗卫生机构服务能力等领域都有广阔应用前景。

人工智能(AI)的发展

2016年年初,AlphaGo和李世石的惊世大战让人工智能这个词流行于大街小巷,其实在这之前,已经有无数科学家默默耕耘了60年,终造就AlphaGo的神奇。在这60年中,人工智能经历了三次发展高潮和两次低谷,目前正处于最近一个发展高潮期。

第一次发展高潮和低谷:1943年科学家 Warren McCulloch 和Walter Pitts 提出计算模型的理论,直到1956年,在达特茅斯学院举行的一次会议上,计算机科学家约翰·麦卡锡说服与会者接受“人工智能”一词作为本领域的名称。1956年达特茅斯会议之后的十几年是人工智能的黄金年代。在这段时间内,计算机被用来解决代数应用题、证明几何定理、学习和使用英语,这些成果在得到广泛赞赏的同时也让研究者们对开发出完全智能的机器信心倍增。

由于人工智能研究者们对项目难度评估不足,这除了导致承诺无法兑现外,还让人们当初的乐观期望遭到严重打击。到了70年代,人工智能开始遭遇批评,研究经费也被转移到那些目标明确的特定项目上。1973年lighthill 针对英国AI研究状况的报告批评了AI在实现其“宏伟目标”上的完全失败,也影响到了项目资金的流向。人工智能遭遇了6年左右的低谷。

第二次发展高潮和低谷:1981年,日本经济产业省拨款八亿五千万美元支持第五代计算机项目,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。随后,英国、美国也纷纷响应,开始向AI和信息技术领域的研究提供大量资金。在这个阶段,诸多公司开始采纳一种名为“专家系统”的人工智能程序。1980年,卡内基·梅隆大学为数字设备公司设计了一个名为XCON的专家系统,这套系统在1986年之前能为公司每年节省四千万美元。

好景不长,持续7年左右的人工智能繁荣很快就接近了尾声。到1987年时,苹果和IBM生产的台式机性能都超过了Symbolics等厂商生产的通用型计算机,专家系统自然风光不再,到80年代晚期,DARPA的新任领导认为人工智能并不是“下一个浪潮”;1991年,人们发现日本人设定的“第五代工程”也没能实现。这些事实情况让人们从对“专家系统”的狂热追捧中一步步走向失望。人工智能研究再次遭遇经费危机。

最近一次发展:目前我们所处于从1993年到现在的第三次发展期,在这二十几年伴随着逐渐完善的技术和硬件的更新,人工智能终于发挥出其价值,比如在1997年,IBM的深蓝战胜国际象棋世界冠军卡斯帕罗夫,2016年AlphaGo战胜李世石等。

人工智能(AI)解决医疗影像问题

人工智能在是一个大的领域,在其不同子领域有不同的技术来辅助医疗诊断,比如自然语言理解的Watson,计算机视觉的Airdoc等,医学中常用医学影像判断疾病,肺癌、肺结核、肺脓肿、乳腺癌、心脏肥大、纵隔肿瘤、胸腺肿瘤等疾病可以通过医学影像判读,那么人工智能如何在医学影像判读领域辅助医生诊断癌症呢?

目前人工智能应用在计算机视觉的主要算法是深度神经网络,含多隐层的多层感知器就是一种深度学习结构,由Hinton等人于2006年提出,但是直到2012年Hinton采用了一种新的称为"丢弃" (Dropout)的算法. 避免了过度拟合,并且与同年十月十三日ImageNet的竞赛以绝对优势战胜了计算机视觉另外一个领域SVM,从而使得人工智能飞速发展。

医学影像识别:人工智能深度神经网络是由大量简单的处理单元(神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特性,是人脑神经网络系统的简化,抽象和模拟,神经网络通过图像预处理、图像特征提取和分类等步骤识别医学影像。

医学影像判读:人工智能和深度学习的基础是大量高质量的数据,通过大量的医学影像和医学数据,对模型进行训练和测试,并且通过大量医学知识的学习,最终能够得出准确识别医学影像的人工智能模型,可以在早期识别各种癌症和肿瘤,比如肺癌,肝癌,乳腺癌等癌症。国内的人工智能医疗团队Airdoc在大脑、心血管、肺部、肝脏和骨骼健康领域已经创建了比较成熟的辅助诊断模型。

新时代的医疗辅助工具

当看到人工智能挑战李世石成功后,有些人产生了这样的怀疑,人工智能应用在医疗领域能够取代医生么?

答案是否定的,健康报曾就这个问题采访过张大磊,张大磊表示,人工智能大体可分为弱人工智能和强人工智能两大类。弱人工智能主要是通过机器学习算法,构建算法模型和深度学习网络完成指定任务,已经在图像识别、语音识别等很多领域得到应用并表现优异。强人工智能不仅要完成指定任务,还要有知觉、有自我意识,能推理、解决问题,要实现这个目标,还是非常遥远的事。

目前人工智能系统在某些领域甚至还可以媲美或“取代”临床医生。微软亚洲研究院副院长张益肇举曾说,在疟疾疫情严重的非洲地区,由于缺乏足够的病理医生,患者难以得到及时诊断和治疗。微软与盖茨基金会合作开发的血液涂片人工智能分析诊断系统,有望破解这一难题。基于机器学习方法,目前微软正在进行与艾滋病相关的研究,“艾滋病病毒与计算机病毒有相似之处,都会不断变异并逃逸防御系统”。

人工智能的终点是有知觉、有自我意识,在目前的技术情况下,完全替代是不可能的,虽然现在人工智能辅助诊断系统能够辅助医生诊断诸多疾病,但是它只是在诊疗的部分环节帮助医生快速判断、提供建议。

国内人工智能(AI)医疗领先企业

近年来,随着人工智能的崛起,国内也燃起了一轮人工智能热,各个大学和公司都进入人工智能领域,比如清华大学建立了智能技术与系统国家重点实验室,1990年2月通过国家验收并正式对外开放运行,此外同样创建了清华医疗健康大数据研究中心,清华大学希望用医疗数据帮助社会了解人群的健康状况和需求,提高诊疗水平,改进生活质量。 

作为国内顶尖的北京大学同样在人工智能领域有着自己的研究,北京大学同样建立了人工智能实验室。2016年8月28日,北京大学健康医疗大数据研究中心成立仪式在该校举行,北京大学健康医疗大数据研究中心将开展重大医疗战略和公共卫生政策研究以及标志性示范性临床应用研究,同时将开发一整套高效成熟的健康医疗大数据技术平台,并致力于推动全国医院大数据联盟。除此之外,中科院,港中文,上海交大同样在人工智能医疗领域有自己的规划。

国内同样有很多优秀企业投身人工智能领域,比Airdoc创立后就将目光放在人工智能医疗领域,在医学影像领域展开了深入的研究,并且取得了比较好的成果。

建立之初Airdoc就已经认定人工智能会对医疗提供巨大的帮助,对大脑、心血管、肺部、肝脏和骨骼健康领域的研究和深度开发,在过去的一年,Airdoc积累了大量匿名医学影像和临床数据。基于,数以百万计的影像和相关临床结果记录,Airdoc通过深度神经网络创建了医疗辅助诊断模型。

以脑出血为例,脑出血是指非外伤性脑实质内血管破裂引起的出血,占全部脑卒中的20%~30%,急性期病死率为30%~40%。早期从脑部CT中做出准确和及时的诊断非常困难。首先,绝大多数的脑CT扫描观察显示完全正常。在没有创伤性脑损伤的情况下,只有13%的头部CT显示明显异常和不到5%表明颅内出血;其次,许多出血显示在头部CT上非常微小很难观测。Airdoc开发的算法,基于标准,自动检测脑部CT中的脑出血。可以早期检测出有严重的大脑高危出血事件并提供预警。在医学专家的帮助下,Airdoc在大脑、心血管、肺部、肝脏和骨骼健康领域已经创建了比较成熟的辅助诊断模型。

放射科医生每天工作量很大,长时间高强度的工作,会导致医生疲劳,注意力不集中,会有出错的风险,此外看医学影像会耗费医生大量的时间,每天可以判读的片子数量有限。Airdoc辅助诊断模型的特点就是精准和快速,可以在短时间内精准识别百万级别甚至更高数量级的医学影像数据,从而可以解放放射科医生,并且提高其效率。

不感兴趣

看过了

取消

本文由“健康号”用户上传、授权发布,以上内容(含文字、图片、视频)不代表健康界立场。“健康号”系信息发布平台,仅提供信息存储服务,如有转载、侵权等任何问题,请联系健康界(jkh@hmkx.cn)处理。
关键词:
人工智能,医疗,助力,计算机,医学,影像

人点赞

收藏

人收藏

打赏

打赏

不感兴趣

看过了

取消

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

推荐课程


社群

  • 医生交流群 加入
  • 医院运营群 加入
  • 医技交流群 加入
  • 护士交流群 加入
  • 大健康行业交流群 加入

精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏金额

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!