注册 登录
发布文章
申请认证 退出

聚焦商业模式和经营沉浮,全景呈现大健康红利下的生态变迁。

72 小时热文

懂AI的医生一定会替代不懂AI的医生

原创 2019-07-05 孙杨 Redwriter / 健康界
A- A+
我行我show!中国医院管理案例评选,医院卓越管理实践大秀场。点击查看

“AI-HTI健康科技人工智能峰会2019”6月29日在上海召开。政界、学界、产业界、影像、放射、超声、ICU、肿瘤等领域的专家共同分享医疗AI生态建设与融合的话题。

“我们都关心人工智能为未来医学带来哪些改变。对未来教育和医学科研会带来什么变革?对医学人力资源的配置会产生什么样的影响?医院内部的组织流程以及管理构架如何变革?”上海市卫生健康委员会主任邬惊雷在参加6月29日的“AI-HTI健康科技人工智能峰会2019”时如是说。

由中国生物医学工程学会与飞利浦公司联合主办的这次峰会吸引了300余名来自国内外医疗人工智能专家以及各专科的医生们。一整天的报告与对话,均聚焦在影像、放射、超声、ICU、神经、肿瘤、胎儿心脏等等专业领域的AI探索实例,角度丰富,观点纷呈。

AI-HTI健康科技人工智能峰会2019

整合与分工:人工智能为中国医疗健康系统所急需

多数参会专家认为,医疗AI的发展将会极大地帮助中国医疗健康系统的整合与分工。上海交通大学附属第一人民医院王悍教授认为,AI将极大降低医疗服务流程的时间和人力成本。“以AI介入影像科工作为例,从整个患者检查的流程管理,到检查过程的智能化,节省出来的时间成本是巨大的。在诊断方面有两个好处:第一,减少无效诊断、漏诊、误诊,赋予了医生第三只眼睛。第二,由于AI的介入,可节省医院一定的人力资源。健康检查近年来快速增加,在北上广的大医院,每年影像科检查以15%~30%的数量增长,短期内不可能有训练合格的医生加入进来,因此大部分相对来说初级的工作可以由机器介入,这会大大减少医生的负担,当然最终获益的是患者。”

上海交通大学附属第一人民医院王悍

“我相信AI在中国的发展前景非常广阔。最主要原因是中国体量大、需求大、市场大,据我所知,AI在中国的发展现在已经过了简单模仿阶段,做了很多原创性的工作,这在美国和欧洲是难以见到的。”美国艾伦脑科学研究所脑科学研究中心彭汉川教授说。

美国艾伦脑科学研究所脑科学研究中心彭汉川教授

北京大学第一医院王霄英教授强调人工智能的终极价值。“AI应用的领域和界限到底是什么?过去我们认为价值实现就是报告,但实际上不是这样的,医学影像报告给了患者,并没有对患者有什么改变,直到临床医生利用我们的图像和报告做出了正确的决策。”价值还不仅于此。王霄英认为:“提升患者体验也非常重要,AI做什么患者不知道,临床医生也没什么感觉。但我们的报告里,生成了可视化的三维报告,患者感受真的特别好。”

北京大学第一医院王霄英教授

开放与共建:数据质量建设与标准的统一

医院有大量数据,每家公司也都有自己的数据中心,但因为没有统一的数据质量和标准规范,造成了巨大的人、财、物的浪费。

“临床一线的CT、DR、磁共振片子现在无法做到质量和标准的统一。”上海交通大学附属第六人民医院李跃华教授在对话时说,“我们平时在工作当中有一套自己的自控方法,协会和上级主管部门对我们有一套要求,各家厂商法人各种参数也不统一,导致我们的各种医学检查图像不能统一在一起。人工智能也许会给这种现象带来改变。下一步我们在行业协会或者上级主管部门的要求下,会逐渐制定统一的标准,然后进行数据互认以及统一数据处理。但这个过程需要时间,也需要各方参与进来。”

上海交通大学附属第六人民医院李跃华教授

“国家卫健委从2016年主导建立国家医学数据库,我们从2017年开始重点建设超声数据库,是按照器官和病种来分的。”浙江大学求是特聘教授、博士生导师孔德兴在报告中强调集中建立数据库的重要性,“整个数据科学分为四个层面,第一层是数据收集和采集,第二层是数据管理,第三层是数据分析,第四层是挖掘算法,通过这个过程研发出用于临床的产品。当然,人工智能还需要解决技术以外的问题:一是数据合法化。目前为止国家还未出台相关法律法规。二是数据合格性。这也是要集中建国家数据库的目的。三是安全性和法律责任。”

浙江大学求是特聘教授、博士生导师孔德兴

彭汉川教授关于人工智能在影像领域的数据建设提出了三个问题:如何进行计算;如何对图像进行有效管理、解锁;如何实现数据的有效性和可视化。并就此介绍了他所就职的美国艾伦脑科学研究所在数据标准化方面的开放做法:“在整个行业一直致力于大量收集各种各样的脑科学数据,进行系统性的分析后再向全世界公开发布,对每个项目都有标准的操作流程(SOP),步骤、文档等都在网上公开,任何人都能看到,都能评论、分享。”

标准间的互相兼容也非常重要,彭汉川说:“我们不希望看到某一个组织,比如说不同的实验室或公司的软件产品和别人有不同的数据标准,数据接口或者说这个模块和另外的模块完全无法进行通话,这样会产生更多的问题。”

探索与实践:人工智能在各专科临床领域崭露头角

中国正面临着老龄化加深和出生率下降的挑战,20年后,谁来照护我们的健康?多位专家介绍称,人工智能能在更多领域照护更多的人群,例如,助力提升胎儿先心病筛,脑胶质瘤的精准诊断,帮助重症监护ICU实现更智能的数据串联,应用于肝癌及急性脑卒中的介入治疗前沿技术应用,以及基于飞利浦星云探索人工智能科研平台(ISD)开发的针对前列腺癌的风险评估模型等等。这些都充分展示了医学人工智能在助力医疗行业数字化转型过程中的实践与应用成果。

以高居出生缺陷率第一位的先心病诊断治疗为例,最有效的方法是从孕前、产前、产后进行全程防控,但是中国医疗三级转诊路径不明确,产前、产中、产后信息不对称,医务人员又远远不足。中国每年出生人口是1700万,但能进行出生缺陷筛查的专业人士只有1.5万,能够对胎儿心脏细化诊断的人更少。“我们要在胎儿心脏病三级防治的路径中,研发不同层面、不同节点的新技术智能解决方案。”首都医科大学附属北京安贞医院何怡华教授从胎儿先心病筛查方面进行人工智能探索,已取得非常好的成绩,也得到了世界学界的认可。“在诊断方面,我们从致死性先天性心脏病以及预后良好分层进行研发。2017年,我们的智能筛查软件在世界互联网大会上发布,诊断准确率达到了87%,2018年提高到90%。”

首都医科大学附属北京安贞医院何怡华教授

复旦大学华山医院史之峰介绍了人工智能技术在脑胶质瘤诊断方面的进展。很多时候,组织学诊断不能满足脑胶质瘤的诊断,采用人工智能未来就可以提供相对准确、便捷的智能化诊断体系,从而实现真正的精准医学。“人工智能在医学领域领域的终极任务就是做芯片的建设。主要有三个关键点要突破:一是脑影像数据的规范化。多中心研究时,每个中心磁共振机器不一样,采用的扫描序列不一样,如何实现规范化?二是标注技术。目前我们采取的是3D模型,通过大量训练之后,直接把后期磁共振数据导入就可以自动化进行肿瘤的提取,非常省时省力。三是通过影像组学技术完成脑胶质瘤智能化的诊断。最后,我们通过单个细胞整体分析,预测患者预后,通过系统就可以做出更为精准的判断。”

复旦大学华山医院的史之峰教授

中国医科大学附属第一医院马晓春教授在ICU领域进行人工智能探索始自2015年。“ICU的干预是大量的、且是有时限性的,我们怎么通过真实的记录体现出来?2015年,我们几乎把所有现在能够想到的ICU串联的数据系统,全部构建完成。”马晓春教授在报告中说,“接下来我们要做的是从数据源中提取进行临床判断的信息,比如说,这个患者是在什么样的微弱状态?他的评分是多少?这个时间是否发生了呼吸衰竭?衰竭到什么程度?接下来怎么提醒医生并给予干预,干预的结果是什么?这些完成之后,我们把器官衰竭比如DIC、心衰竭、肾衰竭、呼吸衰竭也都载入进去。这样,可以轻易调出任意一组数据,比如一年中ICU发生多少呼吸衰竭的患者,患者处在什么样的状态,经过了什么样的干预等。今年3月份,我们已把这套系统作为一个产品推向市场,我们称其为ICM-UP1.0。远程医疗在ICU这个领域也有它作为的空间,我们也在积极地进行工作。特别是我们现在进入5G时代,这为数据速度传输和质量提升提供了一个无限想象的空间。”

中国医科大学附属第一医院马晓春教授

被誉为“第三种临床诊疗技术”的介入医学基于人工智能的诊疗应用体现在多个环节。东南大学附属中大医院滕皋军教授介绍了人工智能赋能介入医学的多种应用与实践,介入治疗联合免疫治疗肝癌需要基于人工智能的影像学、基于人工智能的半暗带诊断模型治疗急性脑卒中、基于影像导航的外科(介入)治疗领域、基于人工智能的血管介入等方面都体现了人工智能与介入医学的深度融合。同时,他还强调,“人工智能从分子影像、功能影像、光学成像以及组织等方面进行一系列的计算,应用于早检测、早确位和早诊治。从诊断到导航再到治疗都通过人工智能手段进行解决”。

东南大学附属中大医院滕皋军教授

建设与融合:人机协作机制与生态建设的融合

医疗AI的发展离不开人机协作机制,所谓“人机协作”即:AI与医生为达成医疗健康系统的任务目标而进行的直接合作行为,AI从事重复性强、精确度高的工作,医生在AI的辅助下做更有创造性的工作。”云大物移 ”等技术深度应用在AI与医生的合作过程中,有助于探索并发掘出AI与医生协作过程中的更多反馈结果,发现协作过程中的不足,优化医疗健康服务效能,推进“人机协作”理念迈向更高级层次,有利于医疗AI生态系统的大融合。当然,这其中不仅需要医生、医院的支持,还需要公卫专家、管理专家、政府卫生决策部门等各方面的参与和支持。

浙江大学医学院附属第二医院黄品同教授呼吁走出孤岛:“每个人都在研究自己的人工智能,我们能不能把各个人工智能都串在一起,形成MDT(多学科诊疗模式)一样的针对这个患者综合的人工智能评价系统?包括疾病诊断、病因、流行病学、临床表现、治疗后判断以及预后等。我们需要通过一个系统把一个医院都开放,这样可以一揽子解决人工智能一体化的问题,而不是成为一个个孤岛。现在超声搞一个人工智能,CT搞一个人工智能,检验搞一个人工智能……我期望都串在一起,整合成为多学科的人工智能。”

浙江大学医学院附属第二医院黄品同教授

邬惊雷主任认为,人工智能一定会带来更广泛影响力的变革。“作为卫生决策部门,上海市卫健委会努力促进上海的优质临床资源服务于人工智能研究,以先进技术的变革推动我们的整体健康照护事业的进步,这个过程离不开临床学者的参与,也离不开公共卫生专家、卫生管理专家的参与。”

复旦大学王威琪院士

中国工程院院士、复旦大学王威琪首席教授身兼数职,在生物医学工程、超声医学等领域一直带领医生和学生们研究人工智能。他在峰会致辞时强调:“作为医生要承担起人工智能发展的时代使命,懂人工智能的医生比不懂人工智能的医生一定更有利于患者。整体看,人工智能在基础层、技术层以及应用层方面普遍还处于比较弱的发展阶段,人类也面临人工智能带来的伦理道德以及法律等方面的新问题,比如数据的归属到底是哪里?数据共享规则是什么?隐私保护怎么衡量等等。人工智能除了可用,还要可控、可靠,如果跳广场舞的老太太都在用人工智能,就说明人工智能实现了这个目标。”

飞利浦公司作为峰会主办方,通过各种数据展示出其在不同医疗保健领域对人工智能所做的探索。飞利浦全球执行委员会委员、大中华区总裁何国伟先生亲临现场,与在场专家和医生们探讨人工智能的应用场景。

飞利浦全球执行委员会委员、大中华区总裁何国伟先生

“飞利浦倡导‘健康关护全程’的理念,为全球亿万用户提供丰富的数字化产品和解决方案。”何国伟列举飞利浦不同产品的数据来源和相关数据储量,“比如,我们已经存储了1450亿张医学影像,而且每周还在以超过200多万张的速度在增长,lifeline系统能够监测700万老人独自生活是否安全并预测风险;在监护医疗领域,为2.75亿人口提供监护;在睡眠呼吸领域,为超过400万人口提供睡眠健康解决方案,到今天已经收集了超过25亿个夜晚的睡眠治疗云端数据,所有这些都为我们提供了非常好的数据,让飞利浦在人工智能方面进行建模和训练算法。”

众所周知,前两年飞利浦公司通过剥离和并购越来越聚焦健康行业,尤其是通过并购壮大其在人工智能方面的研发能力和竞争力。“我们每年投入18亿欧元进行人工智能的开发,仅数据科学家就有400多位,我们同时进行250个人工智能工程项目。比如,我们研究如何通过人工智能干预深度睡眠,让4个小时的睡眠质量跟6个小时的睡眠质量接近;通过人工智能可以提前30天预测老人跌倒的概率,也可以预测一个老人在未来48小时心脏情况的变化。”何国伟说,“很多时候移动或轻微呼吸在身体筛查时会影响到机器,飞利浦为此开发了V2I,可以精准诊断变动着的器官。飞利浦也开发了飞利浦星云探索人工智能科研平台(IntelliSpace Discovery,简称ISD),在中国已经有15家医院在使用,医生们可以在上面开发人工智能的应用,甚至可以商业化。”

飞利浦健康科技副总裁陈胜裕先生

传统设备厂商与AI公司同时扎堆医疗AI争抢机会,引起与会者的好奇。飞利浦健康科技副总裁陈胜裕对此解释到:“纯粹的AI公司、传统医疗设备制造商、AI软件厂商,在AI医疗发展过程中一定是协同关系。在这个里面没有谁是主导地位,真正拥有主导地位的肯定是临床医生和临床平台。我们身为传统医疗设备供应商,有更大的数据获取优势,也更了解数据。飞利浦也必须从过去传统设备买卖交易的公司,转型到以AI赋能、以全程医疗保健为中心的整体解决方案公司,同时,飞利浦也将致力转型为一家“健康关护全程”(即从健康的方式到疾病预防,从诊断到治疗,再到家庭护理)的健康科技公司。将提供在临床应用、临床场景上的智慧化整合解决方案。”

趋势与未来:医疗AI与医生如何共生?

前些年,当马云谈到“30后不用医生”时,很多人嗤之以鼻。但现在再看,马云的预测并非危言耸听。孔德兴教授举例说,2018年国家卫健委组织智能超声医生与医生的PK,全国一百家医院包括上海瑞金医院、上海六院、北京301医院等,每家医院派两名超声医生对40个患者进行诊断,200个医生平均用45分钟,准确率是74.46%,而智能医生用时是一秒多钟,准确率是78.6%。也正因为此,影像科医生会有一种会被人工智能优先“替代”的担忧。对此,北京大学第一医院王霄英教授表示:“未来掌握AI的医生一定会替代不掌握AI的医生。在我们医院的影像科,人工智能已经可以帮助医生做很多工作。比如肾结石、肾脏肿瘤、前列腺癌等的诊断报告,有大小、形态、密度的描述,还有画出来的图片,像囊性肿瘤、实性肿瘤的分割等等,都是机器完成的,这是在我们泌尿影像领域最常见的三种病。本来写这些报告是我们研究生和住院医师的事,但是我们通过多次机器学习和医生的校正训练出来这些模型最后替代了人力。


本文为健康界原创,任何机构或个人未经授权均不得转载和使用,违者将追究法律责任!

已发表0篇文章
本文为健康界原创,任何机构或个人未经授权均不得转载和使用,违者将追究法律责任!

已发表0篇文章

1人收藏

0人打赏

精彩评论

0条评论

0/500

评论字数超出限制

表情
发表

相关新闻

  • 产业 2019-05-29

    3
  • 智慧医院 2019-06-20

    1
  • 综合 2019-04-03

    0
  • 熵量大咖 2017-06-29

    5
  • 推荐阅读

    赞+1

    ©2012  北京华媒康讯信息技术股份有限公司  All Rights Reserved.  注册地址:北京  联系电话:82736610

    京ICP证150092号 健康界备案京公网安备 11010802020745号

    您的申请提交成功

    确定 取消
    X

    打赏金额

    1元 5元 10元 20元 50元 其它

    打赏
    X

    扫描二维码

    立即打赏给Ta吧!

    温馨提示:仅支持微信支付!

    X

    扫描二维码

    温馨提示:仅支持微信支付!