科技网

当前位置: 首页 >电商

AI真的能让中国医疗换道超车吗

电商
来源: 作者: 2019-01-10 17:48:06

人工智能早在上世纪中叶就已经诞生,直到AlphaGo人机大战,人工智能领域才开始为社会各界所重视。去年国务院常务会议上通过了《健康医疗大数应用指导发展意见》,提出部署医联体的概念,使得好的医院和二三线医院联合在一起;此外,十九大报告提出,要推动互联大数据人工智能与实体经济的深度融合。

直到现在,人工智能和大数据一直方兴未艾。审视国内医疗健康领域,仍有很多短板亟待解决,人工智能等技术的提出,是否会给中国医疗健康领域提供新的机会。11月15日,在杭州国际博览中心召开的首届国际智能医疗大会中,智能医疗投融资高峰论坛以迎接智能医疗时代为主题,探讨了人工智能和大数据在医疗健康领域中的机会、应用等方面问题。

丨未来医院的景象

微医创始人廖杰远在大会中提到一个常态,在老百姓的心目当中,更大的期待是三甲医院的医生能够成为他们的院外选择,他认为这是在就医过程当中,每天都会碰到的难题。因此,关于国内医疗健康环境,他提出了两点问题。

首先他认为真正有效率的医疗体系,一定是全科加专科,但是在中国过去二十年,家庭医生和全科医生的体系,确确实实是缺失的;其次,他提到公益和市场是纠结至今还未解决的难题,此外,供应链的效率、医保支付等都是非常严峻的挑战。

睿医人工智能研究中心主任吴健对中国未来医院的景象做出了构想。他认为,未来医院只会保留最核心的诊断和治疗的部分,会出现微小型的医院和远程的会诊,例如在社区中会存在很小的诊所。而医院将会继续保留住院部,但大的诊室中心、实验室等都可能会独立出去。

在他的构想中,未来将形成三个中心,首先是医院,其次是有医生或者是医生集团成为中心,最后是以家庭为单位的用户。在他看来,医生或医生集团自带粉丝,可以收集大量的病人数据,通过医生端APP落地;此外他还发现,而在用户端的数据容易散落,他认为这可以通过智能传感器或是APP落地。

而在这所有的构想中,未来的医疗服务模式将离不开大数据,而人工智能将在医疗服务过程中扮演至关重要的作用。

丨为什么是AI?

为什么人工智能和大数据在医疗领域会是一个机会,硅谷科技创投创始合伙人李军认为,这主要与中国市场有关,首先是老龄化,然后是健康问题。他预计,2025年将有6亿多人有大大小小的肥胖症等健康问题,医疗的治疗越来越赶不上需求,新科技的运用在对数据的判断速度等各方面可以为医疗健康领域提供机会。

吴健也提到,2013年全球健康数据是153个亿,2020年可能会达到2000多亿。他认为从2016年开始,凡是和医疗相关的投资,从数目和投资的金额上都将有明显增加,后面五年会越来越高,国内的数字会成长更快。这就意味着,产业本身的开放以及政府对医疗的管制放松可以给很多从小公司到中公司到大公司很多机会。

推想科技CEO陈宽认为,AI一定是在一个产能不足的行业才可以发挥一个非常大的价值。以影像科为例,每年影像增长速度是30%,但是医生增长速度只有4.1%。他认为,将这些现象在更早期地时候找出来,才能够更好地对它进行干预,干预成功率是会大大地提升。但同时越早的征兆越难被看到,人工智能的价值也体现在这里。

然而,为什么那么多的人都在做医疗影像应用,而且在做医疗影像的时候,又很大程度上都集中于例如眼睛的病变或肺部的病变。朱暤罡从大数据层面上进行了阐释,这主要源于数据获取的变异度比较高。眼睛或者肺部影像的获取相对于其他数据获取容易一些,眼睛是透明的介质,扫这些细胞可以获取高质量的数据,同时,这些高质量数据将会是训练络的关键,最终将形成一个数据量化相对标准的过程。此外,基于测量难度问题,影像的问题导致疾病的结果相对容易量化,因此就现阶段而言,人工智能与医疗影像的关系是相辅相成的。

从医疗影像出发看整个医疗健康领域,人工智能在这其中发挥的作用,主要从大数据处理和深度学习两方面特性来看。李军表示,五年来对自然语言分析计算机能力的提高,可以把碎片化、非结构化的数据采集写入其中,这就将带动更多数据和AI的发展。其次,从深度学习层面来看,陈宽将人工智能与传统以专家系统为主的CAD研发方式进行对比,他表示,人工智能不需要专家告诉规则,只需要收集专家过去诊断的数据,并自己总结规则和诊断的方式。

陈宽表示,在实际操作中发现,通过CT进行早期病灶检查过程中,医生在每天10个小时的工作长度让其容易漏掉一些恶性且为早期的病变,而通过AI深度学习的方式,可以帮助医生即便是在很疲劳的状态下降低漏诊率。

但尽管如此,人工智能在医疗健康领域内的研究与应用仍然存在巨大的壁垒。

丨医疗AI的壁垒和难点

谈及人工智能在医疗健康领域中的壁垒和难点,陈宽首先针对AI医疗产品的质量进行分析,他认为一个好的AI医疗产品需要具备精确性、鲁棒性和应用性。其中,他认为鲁棒性往往容易在行业中被忽视,但产品的鲁棒性是其在行业内是否具有稳定性的表现。而针对产品的应用性,陈宽认为产品再准确,精确度再高,如果不能和医生临床诊疗路径相结合的话也没有用。

要使得产品具备良好的稳定性和鲁棒性,数据和系统是模型构建的基础,因此需要扎进临床,研发有价值的产品。在大会上,提及智能医疗难点,数据成为首当其冲的关注焦点。

树兰医疗CEO郑杰认为,医疗碎片化问题是一个世界性的难题,他认为,从奥巴马在美国推进精准医疗的困难,就能看出,在医疗健康这个极为个性化的领域,数据的碎片化无疑是行业壁垒。此外,李军也提到,如何把碎片化、非结构化的医疗数据整理在一起,为关键时刻所用;此外,医疗数据是否失真、是否有矛盾都是目前亟待解决的难点。

此外,医疗临床数据从何而来,如何保证医疗数据的安全性多次成为大会讨论的焦点。对此,朱暤罡将医疗数据分为了三个维度:病历数据、影像数据和知识数据。从数据的所有权和使用权分离的问题来看,他表示传统数据共享主要通过拷贝的方式,但通过客观执行权,将使用权和所有权这两个数据权限分开,通过技术形成数据的三权分立,或许可以解决这个问题。他还认为,通过区块链和智能合约技术,或许可以让数据安全地进行交换,从而对健康大数据的交换有比较好的实践意义。

北京航空航天大学计算机学院青年千人计划教授朱暤罡认为,人工智能主要有两个驱动,一个是知识,一个是数据。谈及如何采用最优路径解决疾病,朱暤罡认为可以通过知识+数据结合的方式做到。类似于AlphaGo的机器学习,因其具备良好的信息对称性可以在围棋上做得好,但在医疗健康领域,面对疾病,其信息是不对称的,多数时候只看到疾病的一个方面,基于一方面数据的判定,因此知识+数据的方式可以使医疗数据尽量地统一化。

树兰医疗CEO郑杰表示,技术对整个行业的影响力呈指数变化,目前处在拐点,而就现阶段人工智能的典型运作来看,李军认为未来人工智能将主要应用这几个方向,首先是在制药上缩短药物的开发周期,第二是辅助医生进行影像处理,第三是提高诊断的精确度,最后是提供虚拟的维护和帮助。

最后,提及AI在中国的机遇,微医创始人廖杰远认为,中国的医学AI为什么可以在短时间内实现细分领域上的突破,主要因为有足够大量的数据在支撑。大量的病历、影像基础,才有可能让AI能够实现短时间内的弯道超车。但同时,李军也表示,医疗数据的公开,也必须要能够形成合作医疗,没有合作医疗的AI很难往下推。

版权声明

凡来源为亿欧的内容,其版权均属北京亿欧盟科技有限公司所有。文章内容系作者个人观点,不代表亿欧对观点赞同或支持。

吉林省公安披露银行卡诈骗十大手段看好八种
冤案米兰被裁判坑苦那不勒斯逃过点球红牌
夫妇买远郊房发现无地铁状告开发商索赔6万

相关推荐