經(jīng)歷了多年發(fā)展，醫(yī)療人工智能進(jìn)入了發(fā)展的深入?yún)^(qū)，行業(yè)發(fā)展已經(jīng)從概念普及發(fā)展到產(chǎn)品驗(yàn)證、落地、審批、商業(yè)化方面的探索，賦能的領(lǐng)域也從影像發(fā)展到疾病預(yù)測、慢病管理、醫(yī)療質(zhì)控、藥物研發(fā)等方面。
人工智能在跟器械、醫(yī)院、政府等各方合作中，慢慢推動(dòng)了智能化醫(yī)療器械標(biāo)準(zhǔn)預(yù)研與制定、行業(yè)數(shù)據(jù)庫建設(shè)、技術(shù)評測與臨床試驗(yàn)方法研究、公共服務(wù)平臺(tái)構(gòu)建等。
展望未來，雖然醫(yī)療人工智能2019年的發(fā)展雖然遇到了種種困難，但人工智能將在醫(yī)療領(lǐng)域發(fā)揮的重要已經(jīng)得到醫(yī)療行業(yè)的認(rèn)可，正在潛移默化的改變醫(yī)療手段甚至醫(yī)療模式。
2019年，醫(yī)療AI的發(fā)展到底如何，動(dòng)脈網(wǎng)和元璟資本聯(lián)合主辦的2019未來醫(yī)療100強(qiáng)大會(huì)醫(yī)學(xué)人工智能論壇給予了思考與答案。
在醫(yī)院內(nèi)研發(fā)醫(yī)學(xué)影像AI工具的探索
北京大學(xué)第一醫(yī)院醫(yī)學(xué)影像科主任 王霄英
好的AI產(chǎn)品和服務(wù)能為醫(yī)院的降費(fèi)增效做出的貢獻(xiàn)，所以醫(yī)院應(yīng)積極與企業(yè)、高校合作，為醫(yī)療AI的應(yīng)用提供好的空間。
在醫(yī)院內(nèi)研發(fā)AI，并不是為了獲得AI產(chǎn)品，而是以AI項(xiàng)目促進(jìn)醫(yī)療工作流程的優(yōu)化，為AI技術(shù)在醫(yī)院落地做出努力。專業(yè)的事情應(yīng)該交由專業(yè)的人來做，醫(yī)院需要與學(xué)術(shù)界、產(chǎn)業(yè)界合作，共同實(shí)現(xiàn)AI的價(jià)值。
醫(yī)院應(yīng)該適應(yīng)新技術(shù)而改變自身。目前醫(yī)學(xué)影像科并沒有為醫(yī)療AI的應(yīng)用提供足夠好的環(huán)境。
首先，傳統(tǒng)的醫(yī)療工作流程不適應(yīng)現(xiàn)代化信息工具的植入，我們正努力做到將PACS/RIS與AI整合。
其次，醫(yī)療數(shù)據(jù)的產(chǎn)生、收集和處理的過程不規(guī)范，非結(jié)構(gòu)化數(shù)據(jù)、語義不清晰的數(shù)據(jù)、個(gè)性化采集的數(shù)據(jù)等均影響AI的效能。只有改變醫(yī)務(wù)人員的工作習(xí)慣，規(guī)范的醫(yī)療行為才能產(chǎn)生規(guī)范的醫(yī)療數(shù)據(jù)。第三，傳統(tǒng)的醫(yī)學(xué)影像報(bào)告不利于AI結(jié)果的呈現(xiàn)，我們正在嘗試以結(jié)構(gòu)化報(bào)告、圖文報(bào)告等方法發(fā)布結(jié)果，提高AI的顯示效果，提升患者體驗(yàn)。?
AI領(lǐng)域的工作也要拓寬思路。AI賦能醫(yī)療的領(lǐng)域絕不僅僅只有影像的識(shí)別與判讀，考察醫(yī)療服務(wù)的指標(biāo)包括：質(zhì)量、安全、效率、人的體驗(yàn)等，這些都是改善醫(yī)療服務(wù)的剛需。
王霄英主任表示，醫(yī)院研發(fā)和使用產(chǎn)品，并不會(huì)考慮商業(yè)化進(jìn)而把它研發(fā)成為產(chǎn)品，同時(shí)也不會(huì)像大學(xué)一樣重心放在算法模型的鉆研。醫(yī)院更在乎的是實(shí)用性，無論使用的信息化工具、智能化工具采用何種技術(shù)，如深度學(xué)習(xí)、機(jī)器學(xué)習(xí)或者基于規(guī)則的程序，只要好用、易用就好。
醫(yī)院與學(xué)術(shù)界、產(chǎn)業(yè)界合作有自己堅(jiān)守的底線，最重要的是依法合規(guī)。AI科學(xué)研究項(xiàng)目需要有正規(guī)立項(xiàng)，經(jīng)過機(jī)構(gòu)倫理委員會(huì)批準(zhǔn)后方可執(zhí)行。
AI臨床服務(wù)需要遵守國家衛(wèi)健委醫(yī)政醫(yī)管局的醫(yī)療技術(shù)臨床應(yīng)用管理規(guī)定，符合衛(wèi)健委對醫(yī)療機(jī)構(gòu)的基本要求、對人員的基本要求、對技術(shù)管理的基本要和培訓(xùn)管理要求。
另外，數(shù)據(jù)安全也是頭等大事，北京大學(xué)第一醫(yī)院從不允許任何人或組織未經(jīng)批準(zhǔn)下載拷貝醫(yī)療數(shù)據(jù)。在法律法規(guī)的管控下做工作，才能保證AI在醫(yī)院持續(xù)健康的發(fā)展。
IBM Watson Health 助力健康生態(tài)體系轉(zhuǎn)型
IBM大中華區(qū)首席醫(yī)療顧問 ?李明
上周Watson Health的總裁Paul Roma在IBM官網(wǎng)博客發(fā)表了一篇文章，展望2020年醫(yī)療行業(yè)的發(fā)展趨勢。他認(rèn)為未來的趨勢和過去十年醫(yī)療核心目標(biāo)沒有改變，還是以提高患者的就醫(yī)體驗(yàn)、提高效率、降低醫(yī)療成本為目標(biāo)。但是整個(gè)醫(yī)療行業(yè)發(fā)展的趨勢是不斷轉(zhuǎn)向包容，基于價(jià)值的健康服務(wù)體系。
所謂價(jià)值醫(yī)療、價(jià)值健康，簡單理解就是成本效益的關(guān)系，花最少的錢辦更多的事情。事實(shí)上醫(yī)改的目標(biāo)是給大家提供適宜的醫(yī)療技術(shù)，而不是所謂的最好的醫(yī)療技術(shù)。這其中基于價(jià)值的健康體系包含了個(gè)人醫(yī)療價(jià)值和群體社會(huì)價(jià)值、技術(shù)價(jià)值和資源的配置價(jià)值。
所以在基于價(jià)值的健康體系中一定有更多的參與方和要素參與。背后一定是以技術(shù)進(jìn)行驅(qū)動(dòng)，這些技術(shù)包含了人工智能、區(qū)塊鏈、云計(jì)算、物聯(lián)網(wǎng)和量子計(jì)算等。如果沒有大數(shù)據(jù)、算法創(chuàng)新、算力增長，人工智能便不會(huì)在新的浪潮重新起來。
云計(jì)算能更大的降低其使用基本，區(qū)塊鏈讓更多的參與方便捷獲取數(shù)據(jù)，而不是將數(shù)據(jù)集中在一處。量子計(jì)算機(jī)的出現(xiàn)相對于現(xiàn)在的計(jì)算機(jī)來說類似一種核武器和常規(guī)之間的差異，IBM率先量子計(jì)算機(jī)的商業(yè)化生產(chǎn)。
數(shù)字化療法，直接對患者實(shí)施軟 件生成的干預(yù)措施，旨在預(yù)防、管理或治療生理失調(diào)或疾病。是對傳統(tǒng)治療方式的有益補(bǔ)充。也涉及了醫(yī)保支付方，生命科學(xué)領(lǐng)域的應(yīng)用。
優(yōu)勢包括:為患者提供更準(zhǔn)確的治 療方案，通過預(yù)防、早期干預(yù)及更出色的基于價(jià)值的醫(yī) 療模式，降低疾病總體發(fā)生率。
IBM Watson Health其不僅僅應(yīng)用在腫瘤領(lǐng)域，在整個(gè)健康醫(yī)療體系中多個(gè)領(lǐng)域還有很多應(yīng)用。
比如，在保險(xiǎn)支付方領(lǐng)域有醫(yī)療支付方案、政府醫(yī)療健康、社保與關(guān)愛服務(wù)解決方案、以及腫瘤學(xué)與基因組學(xué)解決方案、醫(yī)療服務(wù)提供者解決方案、生命科學(xué)解決方案、醫(yī)學(xué)影像解決方案等。
生命科學(xué)領(lǐng)域在中國市場主推 IBM clinical development 方案，能有效地縮短臨床實(shí)驗(yàn)周期。Micromedex 為臨床醫(yī)生和藥學(xué)研究人員提供實(shí)時(shí)、全方位藥學(xué)資料庫。
基于IBM Watson Health SPM的健康管理服務(wù)運(yùn)營平臺(tái)為慢病管理和健康管理提供智能的、集成的方案。至于大家比較熟悉的Watson 腫瘤解決方案已經(jīng)為中國超過5萬腫瘤患者提供了幫助。
數(shù)字醫(yī)生提質(zhì)增效心腦疾病診療
數(shù)坤科技創(chuàng)始人兼CEO 馬春娥
我們認(rèn)為人工智能和人類的醫(yī)生不是互相替代的關(guān)系，而是人機(jī)協(xié)智的關(guān)系。醫(yī)生和醫(yī)療AI產(chǎn)品的協(xié)同工作，在診療效果、效率、患者體驗(yàn)方面的效果都要優(yōu)于醫(yī)生。醫(yī)療AI作為一種工具是可以提供更好的醫(yī)療服務(wù)的。
比如，10月16日，平谷區(qū)“衛(wèi)生健康信息化聯(lián)合研發(fā)應(yīng)用中心”正式成立，包括華為、中國移動(dòng)、數(shù)坤科技、平安集團(tuán)等共8家科技企業(yè)，與平谷區(qū)衛(wèi)健委簽署合作協(xié)議，結(jié)合以北京友誼醫(yī)院、北京中醫(yī)院等打造的醫(yī)聯(lián)體，平谷區(qū)與醫(yī)院、科技企業(yè)共同打造“平谷智慧醫(yī)療模式”，用人工智能和信息化等技術(shù)，當(dāng)好基層人民重大疾病守門人。
2019年12月份，北京市衛(wèi)健委牽頭，聯(lián)合平谷區(qū)衛(wèi)健委以及京津冀基層區(qū)衛(wèi)健委，將心肺腦輔助診斷平臺(tái)納入了中國健康行的項(xiàng)目。在活動(dòng)現(xiàn)場，京津冀有25個(gè)基層的區(qū)衛(wèi)健委跟數(shù)坤科技簽約，啟動(dòng)京津冀基層醫(yī)學(xué)影像人工智能中心。
我們希望把這些在協(xié)和、安貞等大醫(yī)院用得好的技術(shù)應(yīng)用在基層。國家醫(yī)改政策中把冠心病、卒中作為重要的管控目標(biāo)寫進(jìn)健康2030規(guī)劃中。
而基層缺少相應(yīng)的技術(shù)人員和優(yōu)秀的醫(yī)療專家，所以需要引入人工智能作為第一道守門人，并與大三甲醫(yī)院聯(lián)通，提供堅(jiān)實(shí)的支撐。數(shù)坤科技希望利用技術(shù)的力量將這些疾病的發(fā)病率控制下來。
醫(yī)療AI產(chǎn)品從產(chǎn)品驗(yàn)證年，進(jìn)入市場驗(yàn)證年
蛋殼研究院執(zhí)行總監(jiān) 羅仕明
飛利浦創(chuàng)新中心高級總監(jiān) 曾永勤
2019年人工智能的發(fā)展已經(jīng)進(jìn)入了深水區(qū)，醫(yī)療AI迎來商業(yè)落地的考驗(yàn)，各大產(chǎn)品紛紛進(jìn)入臨床應(yīng)用、嵌入醫(yī)院的工作流，啟動(dòng)付費(fèi)市場；醫(yī)療AI產(chǎn)品從產(chǎn)品驗(yàn)證年，進(jìn)入市場驗(yàn)證年。
為此，2019年動(dòng)脈網(wǎng)聯(lián)合飛利浦一起，從AI在醫(yī)院端的應(yīng)用場景出發(fā)，以產(chǎn)品的商業(yè)化落地為目標(biāo)，探究了2019年醫(yī)療AI應(yīng)用的最新進(jìn)展；考察對象包括近200家創(chuàng)新企業(yè)，通過采訪調(diào)研、實(shí)地考察、問卷調(diào)查、專家訪談等多種方式獲取豐富的一手信息，綜合分析行業(yè)現(xiàn)狀，分析角度包括產(chǎn)品屬性、落地進(jìn)展、商業(yè)模式、政策、資本、招投標(biāo)等多個(gè)維度，并撰寫了《2019中國醫(yī)療人工智能報(bào)告》，這是繼動(dòng)脈網(wǎng)過去三年連續(xù)發(fā)布醫(yī)療AI年度報(bào)告以來的第四份報(bào)告。
該報(bào)告提供的主要內(nèi)容包括：
第一，以醫(yī)院診療流程的數(shù)據(jù)流為主線，圍繞人工智能在醫(yī)院的各個(gè)應(yīng)用場景，分享了40余家創(chuàng)業(yè)公司的方案和實(shí)踐，并提出了整合式全流程AI醫(yī)院；
第二，更新了被訪企業(yè)在2019年的應(yīng)用數(shù)據(jù)；
第三，從商業(yè)模式的不同維度，分析了醫(yī)療AI各種應(yīng)用的潛在的商業(yè)模式；
第四，統(tǒng)計(jì)了醫(yī)療AI 40多家醫(yī)療AI市場部負(fù)責(zé)人的背景、分析了各公司2019年進(jìn)行市場推廣的策略；
第五，根據(jù)醫(yī)院的招投標(biāo)數(shù)據(jù)和企業(yè)的投融資數(shù)據(jù)，從側(cè)面驗(yàn)證了市場的接受度。
人工智能賦能價(jià)值醫(yī)療
杏脈科技總裁兼CTO 房劬
價(jià)值醫(yī)療通俗的講類似于企業(yè)經(jīng)營中的投入產(chǎn)出比的概念，在保證醫(yī)療效果的前提下，減少醫(yī)療支出。這樣的概念非常契合現(xiàn)如今醫(yī)保控費(fèi)的大環(huán)境。
比如，心腦血管的參保人數(shù)占總參保人數(shù)的比重不超過5%，但是心腦血管的疾病卻占用了超過一半的基金數(shù)額，總的來說心腦血管疾病的醫(yī)保負(fù)擔(dān)非常重要。其中以心臟支架為代表的高值耗材是影響心血管支付的重要因素，目前醫(yī)保局通過耗材零差價(jià)、集中采購、反腐的方式來降低高值耗材的價(jià)格，這都起到了明顯的降低了心腦血管疾病診療的成本。
同時(shí)，杏脈科技則希望通過技術(shù)手段，在保證診療質(zhì)量的前提下，更合理的規(guī)劃支架的使用。
美國2017年心臟學(xué)會(huì)FFR診斷指南支出，可以通過FFR的測量更合理的指導(dǎo)支架的使用，同時(shí)能夠保證手術(shù)質(zhì)量。但受限于有創(chuàng)FFR測量費(fèi)用昂貴、有創(chuàng)、輻射等原因，此項(xiàng)技術(shù)一直未能在國內(nèi)廣泛開展。?
杏脈科技通過DSA數(shù)據(jù)與CTA影像的結(jié)合訓(xùn)練，融合應(yīng)用深度學(xué)習(xí)技術(shù)、血流動(dòng)力學(xué)等多種創(chuàng)新手段進(jìn)行深度研發(fā)。貼合臨床需求，延續(xù)流體力學(xué)仿真的思路，在傳統(tǒng)計(jì)算方式基礎(chǔ)上自研了一整套全自動(dòng)網(wǎng)格劃分技術(shù)及自主研發(fā)的CFD求解器，使原本需要4-6小時(shí)才能完成的流程縮短到了10分鐘，且整個(gè)過程不再需要流體力學(xué)工程師介入，同時(shí)保證了精度。
在此基礎(chǔ)上，杏脈科技更進(jìn)一步研發(fā)了冠脈搭橋術(shù)前規(guī)劃系統(tǒng)。受限于冠脈搭橋手術(shù)的難度，術(shù)前醫(yī)生很難確定取多長的橋血管，取的越長對病人的損傷會(huì)越大，但取的太短可能起不到引流的效果。
另外，以什么位置作為搭橋的起點(diǎn)，什么位置結(jié)束，序貫橋的順序如何決策，都是面臨的問題。有經(jīng)驗(yàn)的外科醫(yī)生可能在大腦中模擬出搭完橋手術(shù)之后血液流動(dòng)變化的情況，但很多醫(yī)生并沒有這個(gè)經(jīng)驗(yàn)。?
通過杏脈自主研發(fā)的冠脈搭橋術(shù)前規(guī)劃產(chǎn)品。醫(yī)生可以在平臺(tái)上直接通過鼠標(biāo)去選取橋血管長度、管徑、搭橋的起始點(diǎn)、終點(diǎn)，之后可以在5到10分鐘之內(nèi)模擬出血流在管橋中的變化，包括壓力的變化，以及壁面切應(yīng)力的變化。
壁面切應(yīng)力對管腔有非常大的影響，并與術(shù)后血管的再閉塞強(qiáng)相關(guān)，這幾個(gè)參數(shù)綜合起來可以很好的對心外科醫(yī)生做指導(dǎo)。?
深度卷積網(wǎng)絡(luò)與醫(yī)學(xué)影像處理
小白世紀(jì)首席科學(xué)家 黃高
經(jīng)過多年的發(fā)展深度卷積網(wǎng)絡(luò)技術(shù)已經(jīng)有了飛速的發(fā)展，其與醫(yī)學(xué)圖像的結(jié)合也有了很多的實(shí)踐，但是當(dāng)我們用算法處理真實(shí)世界中的醫(yī)療數(shù)據(jù)還是會(huì)面臨很多問題：
第一，可解釋性，醫(yī)生希望依靠深度卷積網(wǎng)絡(luò)進(jìn)行輔助診斷，不僅要給出結(jié)果，還要可解釋，因?yàn)獒t(yī)療的嚴(yán)謹(jǐn)性決定了醫(yī)生必須要尋根問底。
第二，數(shù)據(jù)模態(tài)的多樣性，醫(yī)療數(shù)據(jù)除了影像還包括文本等信息。
第三，因果推理，這在在AI領(lǐng)域是非常有挑戰(zhàn)性的問題，相關(guān)性可以通過各種算法判斷出來。比如，抽煙到底會(huì)不會(huì)引發(fā)肺病，通過數(shù)據(jù)能看出相關(guān)性，但怎么從數(shù)據(jù)里邊找到因果性。
第四，AI模型在不同設(shè)備、不同中心之間的遷移。第五，AI算法與醫(yī)學(xué)知識(shí)的結(jié)合。
“AI+醫(yī)療”行業(yè)創(chuàng)新的三大機(jī)會(huì)
元璟資本合伙人田敏
縱觀近年來醫(yī)療行業(yè)創(chuàng)新現(xiàn)狀，我們認(rèn)為，中國“AI+醫(yī)療”市場目前還處于相對早期階段，然而隨著政策的持續(xù)利好和技術(shù)的深入探索，我們看好將AI數(shù)據(jù)與醫(yī)療技術(shù)相結(jié)合的各個(gè)領(lǐng)域
在我們看來，在醫(yī)藥和醫(yī)療領(lǐng)域，AI技術(shù)均能發(fā)揮重要作用，這其中包括醫(yī)藥相關(guān)的藥物發(fā)現(xiàn)、藥物合成、臨床前CRO、臨床CRO，以及與患者密切相關(guān)的早診早篩、病歷診斷、疾病診斷和后期康復(fù)的醫(yī)療產(chǎn)業(yè)鏈。
對比2017年、2018年及2019年AI醫(yī)療醫(yī)藥領(lǐng)域融資事件，我們發(fā)現(xiàn)，在病情診斷、治療康復(fù)和藥物研發(fā)這三個(gè)領(lǐng)域，融資數(shù)量最多的是病情診斷領(lǐng)域，這其中醫(yī)學(xué)影像輔助診斷占比高達(dá)80%，成為名副其實(shí)的紅海領(lǐng)域。
診斷領(lǐng)域，尤其是在影像診斷領(lǐng)域，自2016年開始就有無數(shù)多家公司涌入，在各個(gè)影像領(lǐng)域創(chuàng)業(yè)。但是該領(lǐng)域早期的技術(shù)壁壘并沒有想象中的高，而后期商業(yè)模式的探索和發(fā)展路徑卻很長。不過，針對疾病的早篩、早診，尤其是缺乏醫(yī)療水平的基層，AI起到的作用非常大。
康復(fù)領(lǐng)域主要是基于人體各項(xiàng)數(shù)據(jù)進(jìn)行的慢病管理，目前國內(nèi)已經(jīng)有公司在該領(lǐng)域進(jìn)行嘗試。近年來，隨著中國人口結(jié)構(gòu)老齡化加劇，老齡人群康復(fù)服務(wù)需求增長，未來可穿戴輔助康復(fù)設(shè)備和慢病監(jiān)測管理具有較大的市場空間，我們也在持續(xù)觀望該領(lǐng)域的新機(jī)會(huì)出現(xiàn)。
而在藥物研發(fā)領(lǐng)域，目前中美之間仍然存在較大差異，美國大量的醫(yī)療AI公司都集中在藥物研發(fā)的領(lǐng)域，中國近兩年也出現(xiàn)了海歸團(tuán)隊(duì)/本土團(tuán)隊(duì)開始藥物研發(fā)領(lǐng)域的各種嘗試。
相對而言，中國目前還處在這個(gè)領(lǐng)域發(fā)展的早期階段，但市場潛力巨大，AI技術(shù)賦能藥物研究領(lǐng)域技術(shù)壁壘較高，企業(yè)前期需要建立起和大公司的技術(shù)合作能力，而后期則要靠持續(xù)的數(shù)據(jù)積累和商業(yè)模式的構(gòu)建，才能建立起自己的行業(yè)壁壘。
用AI打造以隨訪為入口的醫(yī)療后花園
健海科技CEO汪健
健海科技主要利用人工智能輔助病人隨訪和病人慢病管理。
整個(gè)醫(yī)療分為健康、診前、診中、診后、康復(fù)市場。其中診前、診中被大眾所熟知，但是診后的病人出院，再到回醫(yī)院門診復(fù)診的過程在整個(gè)醫(yī)療體系中不被關(guān)注。健海科技則主要定位診后市場。
診后病人管理的問題是工作量太大，國家的政策希望家庭醫(yī)生去管病人，現(xiàn)在互聯(lián)網(wǎng)醫(yī)療中慢病管理的業(yè)務(wù)也是交由醫(yī)生來負(fù)責(zé)，但是我認(rèn)為這是很難實(shí)現(xiàn)的，因?yàn)獒t(yī)生是整個(gè)醫(yī)療體系中的稀缺資源，所以健海科技希望AI提升醫(yī)療行業(yè)的產(chǎn)能進(jìn)而去管理病人。
我們發(fā)現(xiàn)在醫(yī)院通常負(fù)責(zé)術(shù)后的并病人管理工作的是護(hù)士而非醫(yī)生，所以我們第一步做的是研發(fā)出虛擬護(hù)士，作為醫(yī)生和患者的中間角色，擔(dān)負(fù)病人管理工作。
另外，國內(nèi)現(xiàn)在有大量的研究和指南在臨床路徑，但是病人管理路徑的指南和研究相對較少。目前雖有借助可穿戴設(shè)備進(jìn)行慢病和身體檢測，但是并未很好地實(shí)現(xiàn)管理。所以健海科技梳理各種病種的知識(shí)庫，把病人管理的知識(shí)圖譜做出來。
健海科技的做診后病人管理的方法是全病程動(dòng)態(tài)路徑。我們?nèi)ナ崂聿∪说脑\后管理路徑，從病人第一次就診，根據(jù)他的診斷、用藥、醫(yī)囑、檢查檢驗(yàn)生成病人固定的跟蹤路徑。
當(dāng)一個(gè)病人的治療方案發(fā)生變化的時(shí)候，后期所有的跟蹤內(nèi)容都會(huì)動(dòng)態(tài)變化，也就是根據(jù)手術(shù)術(shù)后管理方式去管理病人，而不是根據(jù)前期的病種方式去管理病人。
為此，健海科技打造了一款智能AI隨訪系統(tǒng)，核心優(yōu)勢在于其AI技術(shù)——濟(jì)世大腦。它擁有智能輔助互動(dòng)、智能輔助判斷、智能輔助處理引擎，集合深度學(xué)習(xí)、大數(shù)據(jù)處理、語音合成、識(shí)別、分析等技術(shù)，通過電話、微信等途徑輔助醫(yī)護(hù)人員完成醫(yī)院隨訪、滿意度調(diào)查、復(fù)診提醒、慢病管理等工作。
人工智能技術(shù)驅(qū)動(dòng)的慢病管理創(chuàng)新
?第四范式醫(yī)療業(yè)務(wù)負(fù)責(zé)人、主任科學(xué)家涂威威
第四范式的特點(diǎn)是用機(jī)器尋找海量的規(guī)律，因?yàn)闄C(jī)器的可復(fù)制性非常的強(qiáng)，只要有數(shù)據(jù)的地方，在AI算法的幫助下可以不斷的從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律。
糖尿病的預(yù)防管理存在4個(gè)方面核心問題：預(yù)測、干預(yù)、管理、科普。
為此，第四范式與瑞金醫(yī)院聯(lián)合發(fā)布的“瑞寧知糖”和“瑞寧知心”等慢性病管理產(chǎn)品，可在具備簡單輸入指標(biāo)的情況下，評估并預(yù)測普通用戶糖尿病及糖尿病心血管并發(fā)癥等常見疾病至少未來3年間的患病風(fēng)險(xiǎn)、危險(xiǎn)因素，給予個(gè)性化干預(yù)方案，幫助用戶進(jìn)行長期自我管理。
該系列產(chǎn)品對世界衛(wèi)生組織定義的慢性病三級預(yù)防均有針對性支持，依靠第四范式領(lǐng)先的人工智能技術(shù)和瑞金醫(yī)院前沿的代謝病研究，該系列產(chǎn)品具備篩查準(zhǔn)確率高、模型預(yù)測指標(biāo)具備醫(yī)學(xué)解釋性、個(gè)性化干預(yù)方案、可長期自我管理等應(yīng)用特點(diǎn)。
作為一家技術(shù)公司，我們并不懂醫(yī)療，所以我們覺得應(yīng)該找到自己對應(yīng)的位置，在產(chǎn)品研發(fā)過程中只負(fù)責(zé)技術(shù)層面的事情，把我們從數(shù)據(jù)中挖掘規(guī)律的能力把這給到合作伙伴，并將這一能力賦能醫(yī)保、商保、健康管理、輔助診斷、醫(yī)學(xué)影像以及藥物研發(fā)等醫(yī)學(xué)領(lǐng)域。
如何讓醫(yī)療AI變得可信
?愛醫(yī)聲聯(lián)合創(chuàng)始人、清華大學(xué)副研究員閭海榮
醫(yī)療AI發(fā)展到現(xiàn)在，有很多進(jìn)展，但能進(jìn)入實(shí)用的很少，這里面，醫(yī)生們認(rèn)為AI產(chǎn)品不可信、體驗(yàn)不好，是主要原因。之所以不可信，有以下幾方面原因：
第一，數(shù)據(jù)問題。源頭的數(shù)據(jù)質(zhì)量不高、不可信，很難保證訓(xùn)練出來的模型、算法可信。
第二，機(jī)器學(xué)習(xí)黑盒/黑箱子的問題。如果我們訓(xùn)練出來的模型發(fā)生了偏差，尤其是系統(tǒng)性的偏差，那就很恐怖；診斷出現(xiàn)了問題，但并不知道中間的邏輯過程。這樣的缺陷使得很多用戶、醫(yī)生、行業(yè)的從業(yè)人員對自己訓(xùn)練出來的模型，自己也沒有多大的信心，更不太可能讓醫(yī)生去用。
比如，現(xiàn)在在學(xué)校實(shí)驗(yàn)室利用AI做病理研究，訓(xùn)練出來的模型算法準(zhǔn)確度能達(dá)到99.9%以上，但是將產(chǎn)品用到臨床里面的時(shí)候，并不具備太高的臨床可用度。
因?yàn)獒t(yī)生看病問診是根據(jù)指南和經(jīng)驗(yàn)，以及他看過的歷史病例來做診斷。只有將專家系統(tǒng)、概率圖網(wǎng)絡(luò)、知識(shí)圖譜這些相關(guān)的過程映射到模型里面，醫(yī)生才會(huì)有用的信心。
如何讓醫(yī)療AI變得可信？我認(rèn)為有以下幾個(gè)角度：
第一，知識(shí)管理。把醫(yī)生的指南、臨床的知識(shí)庫輸入到系統(tǒng)里面。這方面IBM Watson做的很好
第二，知識(shí)圖譜構(gòu)建。機(jī)器錄入數(shù)據(jù)之后可以構(gòu)成高質(zhì)量的知識(shí)圖譜。
第三，案例學(xué)習(xí)。將傳統(tǒng)的通過數(shù)據(jù)學(xué)習(xí)的方式構(gòu)建模型與構(gòu)建的案例庫結(jié)合起來。
第四，將以上體系跟用戶很好的交互起來。所以最關(guān)鍵的工作是打造全棧可視化的交互和解釋的體系。通過這樣的方式可以讓背后的邏輯、知識(shí)跟醫(yī)生、普通用戶之間進(jìn)行非常好的互動(dòng)，而且是及時(shí)的互動(dòng)。
全棧AI打造的幾個(gè)核心的能力包括：聽、說、看、思考、學(xué)習(xí)、交互。
深度學(xué)習(xí)輔助決策三類創(chuàng)新藥醫(yī)療器械開發(fā)實(shí)踐
硅基智能總經(jīng)理胡志鋼
醫(yī)療AI發(fā)展到現(xiàn)在，審批已經(jīng)是行業(yè)最為關(guān)注的重點(diǎn)，這是企業(yè)大規(guī)模商業(yè)化的敲門磚。目前硅基智能的產(chǎn)品5月份進(jìn)入三類醫(yī)療器械綠色審批通道，12月份，藥監(jiān)局到公司進(jìn)行了體系審核。
關(guān)于醫(yī)療AI產(chǎn)品的三類證審批，創(chuàng)新醫(yī)療器械審批國家藥監(jiān)局主要關(guān)注四個(gè)方面：
第一，算法核心專利要明確證明用在公司的產(chǎn)品中，要把算法的核心技術(shù)闡述清楚，是如何應(yīng)用在產(chǎn)品中的。
第二，產(chǎn)品定型，把標(biāo)準(zhǔn)數(shù)據(jù)的來源說清楚，從量化、溯源的角度把事情解釋清楚。
第三，臨床顯著應(yīng)用的價(jià)值，要有真實(shí)世界的臨床數(shù)據(jù)來證明產(chǎn)品確實(shí)能夠解決臨床上的問題，并提供給監(jiān)管部門。
深度學(xué)習(xí)輔助決策醫(yī)療器械軟件審評要點(diǎn)跟其他產(chǎn)品開發(fā)思路類似，可分為臨床需求分析、數(shù)據(jù)收集、算法設(shè)計(jì)、驗(yàn)證與確認(rèn)等階段，其中數(shù)據(jù)是最重要的一個(gè)點(diǎn)。
數(shù)據(jù)收集包含數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)標(biāo)注和數(shù)據(jù)集構(gòu)建等活動(dòng)。
數(shù)據(jù)采集更關(guān)注數(shù)據(jù)來源的合規(guī)性、數(shù)據(jù)的多樣性。產(chǎn)品如何與臨床之間更好的契合，數(shù)據(jù)采集要考慮包括疾病構(gòu)成、地域、人群分布、設(shè)備、機(jī)構(gòu)層級、流行病學(xué)等因素。
另外數(shù)據(jù)采集質(zhì)量評估，數(shù)據(jù)脫敏程度，數(shù)據(jù)轉(zhuǎn)移方式均要符合一定規(guī)范要求。?
數(shù)據(jù)預(yù)處理：包含數(shù)據(jù)清洗和數(shù)據(jù)處理兩部分。預(yù)處理需考慮選用的方式方法對產(chǎn)品的影響及其風(fēng)險(xiǎn)，并明確預(yù)處理前數(shù)據(jù)什么樣子，預(yù)處理之后數(shù)據(jù)變成什么樣子。此外，進(jìn)行預(yù)處理的軟件工具要經(jīng)過確認(rèn)，證明數(shù)據(jù)處理是可靠的。
數(shù)據(jù)標(biāo)注和標(biāo)注過程中的質(zhì)量控制。標(biāo)注人員要明確其資質(zhì)要求，經(jīng)過嚴(yán)格的培訓(xùn)和考核，標(biāo)注過程應(yīng)當(dāng)明確數(shù)據(jù)標(biāo)注流程與方法，并對標(biāo)注質(zhì)量進(jìn)行持續(xù)的量化分析。
數(shù)據(jù)集的構(gòu)建：最終通過前面嚴(yán)謹(jǐn)?shù)臉?biāo)注出來之后形成了標(biāo)注數(shù)據(jù)集，需要把它劃分成不同的訓(xùn)練集、調(diào)優(yōu)集、測試集。數(shù)據(jù)集劃分需要考慮的因素包括醫(yī)生臨床的經(jīng)驗(yàn)、算法專家對數(shù)據(jù)集的要求等。
數(shù)據(jù)集的劃分還要涉及到數(shù)據(jù)樣本的分布，臨床的需求。訓(xùn)練集樣本分布要均衡，要考慮到各個(gè)病種學(xué)習(xí)的充分性。調(diào)優(yōu)集、測試集要考慮臨床應(yīng)用場景下真實(shí)的疾病分布，以及是否有其他疾病的干擾因素。
