医疗领域困难重重 人工智能AI如何突围

《2016-2020年中国医疗服务行业深度调研及投资前景预测报告》显示，2016年1到2月，全国医疗卫生机构总诊疗人次达12.0亿人次，平均每天有2千万人需要医疗机构进行疾病诊断，包括癌症，皮肤病，眼病等疾病已经成为患者最大的困扰。

常见疾病现状

根据《肿瘤登记年报》2015统计，我国每年癌症新增人数约312万人，平均每分钟增发6人，我国每年癌症死亡人数达到270万人，平均每分钟死亡5人，其中肺癌、胃癌、肝癌成为发病率和死亡率最高的癌症。

2013年，中国医师协会皮肤科医师分会联合多家网络媒体，展开“国人皮肤状况大型网络调查”，经过4万名网友的调研，调查显示，72.8%的人皮肤处于亚健康状态，对于皮肤病的态度上，64%首选自行用药或忍受。

据统计，中国现有盲人超千万，占世界盲人总数的18%~20%。在眼病致盲的原因中，占比最高的是白内障，达47%。糖尿病致盲的几率很高，是正常人的2倍至3倍。患糖尿病5年以上致盲率可达到20%，患糖尿病10年以上致盲率达到了40%～50%。开封眼病医院院长穆红梅说，中国年龄超过40岁人群约四亿五千万，其中940万有青光眼性视觉神经损害，520万因青光眼双眼致盲，170万单眼致盲。在我国，每年会出现新盲人大约45万，低视力者约135万，白内障、青光眼、角膜病变、糖尿病视网膜病等眼底病严重威胁患者的眼部健康与生活质量。

中国医疗行业现状

中国有一句话叫做病从口入，很多疾病都是因为不健康的饮食习惯和生活环境引起的，根据世界卫生组织的数据，80%的心脑血管疾病、80%的二型糖尿病、绝大部分的原发性高血压，甚至40%的肿瘤都是可以预防的。以肝癌为例，我国肝癌高发区域主要集中在东南沿海地区和东北，对于东北肝癌高发原因在于长期饮酒导致肝硬化，最终转为肝癌，沿海地区则是潮湿炎热的气候为致癌物黄曲霉素滋生创造了条件。

除了饮食和生活习惯外，我国居民普遍缺乏健康意识，很多疾病前期症状并不明显甚至没有症状，苏州大学转化医学研究院院长时玉舫说，我国对肿瘤缺乏快速、特异早期诊断手段。目前癌症的诊断主要通过实验室免疫学酶学检测、影像学检测等，有些检查费用昂贵，在一般健康体检过程中无法普及。以及出现一些症状的时候，患者经常会不经医院的检测诊断自主选择药物，很容易加重疾病。

从客观因素上看，我国医疗资源不平衡，大部分的医疗资源集中到了大型医院当中，但是大型医院数量偏少，最近几年我国三级医院占比保持在7%～8%，从而造成了看病难的情况，很多基层医院因为硬件和软件方面的不足，不能满足很多疾病的诊断和检测需求。

人工智能（AI）如何解决

为了解决医疗的问题，目前出现了很多工具来让看病更加容易，让病人看病更加容易了，大大的增加了病人和医院链接的效率，但是对于医疗机构来说，需要的是增量价值，病人来到医院更容易，对于医院来说，看病的速度并没有增强，拿放射科来说，越来越多的人来到医院做检查，导致医学影像数量激增，一般普通、常规情况，一名患者的图片在80幅-320幅之间，放射科大夫需要大量的时间来诊断一个人的情况，来做检查的人越多，意味着医学影像的数量越多，只能通过增加放射科医生的工作时长或者放射科医生的数量来解决，但是长时间高强度的工作很容易产生误诊的风险，因此，解决医生的工作效率，才能让整个医疗体系更加流畅。人工智能（AI）的成熟，让这一切成为了现实。

今天我们感受到人工智能（AI）发展迅速并且火爆，主要是得益于最近几年计算机视觉领域的发展。自从1956年人工智能（AI）这个词被提出后，这60年来无数人倾注心血推动其发展，计算机视觉便是几个主要领域之一，但是图像识别对硬件的要求很高，传统的硬件很难满足大量快速识别的需求，2007年 Nvidia 推出 CUDA 的GPU 软件接口后才真正改善.是传统双核CPU快70倍，让硬件问题得到解决，2012年，Hinton 教授采用了一种新的称为"丢弃" (Dropout) 的算法避免了过度拟合，这让我们意识到深度神经网络在图像识别方向的能力。

如今，基于卷积神经网络的人工智能（AI）已经可以准确识别医学影像，并且开始辅助医生工作，斯坦福大学已经可以成功分辨皮肤癌，美国的Arterys公司旗下的产品Arterys Cardio DL获得FDA批准。

在人工智能（AI）图像识别领域，中国处于国际领先水平，比如国内的人工智能（AI）医疗团队Airdoc，在人类顶尖医生的帮助下，通过15万张图片的学习，已经可以准确识别视网膜眼底照片，自动检测识别糖尿病性视网膜病变，并且按照国际分类准确分型，在和人类医生的多伦PK，在灵敏性和特异性等主要指标上，获得了和人类医生相当的结果。

除了医学影像识别外，基于病人的症状，过往病例和遗传等因素，人工智能（AI）同样可以轻易诊断疾病甚至能够提供疾病预测和疾病预警和转归，IBM的Watson经过海量医学知识和临床数据病历等学习，已经可以在肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌等领域向人类医生提出建议。

Airdoc和国内外一流的全科医院、专科医院、医疗健康数据中心合作，基于大量真实的脱敏临床数据，进行数据清洗、文字识别、自然语义解析，训练深度学习模型分析多个维度参数与患者发病的相关性和贡献度，挖掘患者行为、病史、基因与患者潜在的相关关系，建立了高质量的临床医疗数据建立模型，可以为医生和患者提供巨大的帮助。

打赏