天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

7 月 9 日,由中国计算机协会(CCF)主办,雷锋网(公众号:雷锋网)、香港中文大学(深圳)承办的第二届 CCF-GAIR 全球人工智能与机器人峰会进入第三日。在医疗人工智能专场,天琴医疗 AI 实验室主任冯源,带来了主题为《改变医疗行业的人工智能》的报告。

冯源博士从事医疗影像、大数据挖掘以及人工智能模型和算法领域的研究。

冯源:大家好。我今天想跟大家分享一下《改变医疗行业的人工智能》。这个题目可能跟刚才陶博士的题目有点像,但我们分享的内容有些差异。我主要谈一下AI应用在医疗行业会用到哪些技术。医疗行业存在什么诟病,如何用人工智能来改变这个行业,如何做到医疗资源的公平分配,做到不放弃任何一个人?这是我们今天会跟大家讨论的问题。

现在医疗系统有很多问题,医疗资源分布不均,医生水平参差不齐,病人看病贵、看病难。举一个例子,这张图中的数据来源于
2016 年中国卫计委统计年鉴,反映了 2003-2015 年年间中国平均 1000
个人可以分配到的医疗工作者的数量。上面两条线表示的是城市地区,可以分配到的医生的数量和护士的数量,下面两条线表示的是农村地区可以分配到的医生和护士数量。四条线的增长趋势都是向上的,医疗行业也在不断进步、发展。但明显,城市地区的医疗资源增长趋势要远大于农村,这在一定程度上反映了我国医疗资源分布不均的现象。

解决方案

我们怎么改变这个现状呢?可以用到什么方法呢?

一个很简单的想法,没有医生,那培养更多的医生;没有医院,建造更多的医院。但是可行性有多高?

我们来看一下培养一个医生的人力成本。一个医生如果选择临床专业,本科需要五年,现在一个本科生很难进入三甲医院。因此本科学习之后还需要读硕士、博士。毕业以后还要考取医生资格证,并经过实习阶段才能进入医院。因此,培养一个医生的时间成本是非常高的。建立更多的医院呢?我们只要看看医院里动辄上百万的医疗设备就知道这是非常难的事情。如果没有国家的投入,建一个民营医院需要高额的成本。因此这两条路都非常困难。还有什么方法可以改变现在医疗资源分布不均的现状呢?

天琴的 Slogan 是“科技使人更健康”。作为一个科技工作者,这也是我的信仰。我坚信只有使用科技才能更好更有效的改变医疗体系现状,才能解决医疗资源分布不均的问题。我们可以使用哪些技术来改变这个现状呢?这些技术会为人类的进步带来哪些变革?我们会跨越哪几个阶段?下面我们一起来审视一下现在,展望一下未来。

智能医疗的四大发展阶段

  • 第一阶段:10% 的人类医生被替代率

现在我们就处在这个阶段,可以用技术来代替
10%
的人类医生,把他们从部分繁重重复性的工作中解放出来。现在很多医院都有了医院管理信息系统、临床信息系统、医学影像信息系统等。有了这些系统,对提高医院运营效率以及打通各部门间合作与运营的壁垒是非常有用的。这也意味着我们已经迈出了数字化和流程化的第一步。但是也要看到这个阶段的一些问题。现在很多医院不太喜欢将数据放在云平台上,因为他们认为这样病人的数据、隐私得不到保证。但是将数据放在云平台上,是下一步进行远程医疗和辅助诊断的基础。

我们怎么解决这个问题?可以用到什么技术?

大家可以考虑一下区块链的技术。区块链是比特币的底层技术。从比特币出现七年多来,全世界有很多黑客试图攻击这个系统,但直到今天也没有出现过一次交易错误。区块链技术有很多特点,比如它的链式结构可以保证我们追溯到上游源头。另外一个特点,不可篡改性保证数据隐私。它还具有去中心化的数据结构,当应用到现实生活中,可以省去大量的中介成本。区块链技术在金融行业已经得到应用。最近谷歌也正在规划将区块链技术,应用到医疗领域。这是一个未来的发展方向。

  • 第二阶段:替代率 30%

据调查显示,国内有
60% 的影像医生每天工作时间在 8 小时以上,25%的医生每天平均工作时间超过 10 个小时。而且几乎在每个医院影像科都是 24
小时轮班制,忙的时候,从早到晚都无法休息片刻。除此之外,影像医生还要长期在封闭的环境中遭受辐射或者潜在的伤害。一般一个中等城市的三甲医院,一天会有
200 个核磁,500 到 600 个ct,800 个拍片。一个影像科医生一天要看 200 个病人,就按每个病人 200 张片子来算,他要看 4
万张图片。有时候一次还不够,还要再看一次,这就变成了 8 万张。这是一个非常辛苦、枯燥,而且不能出错的工作,因此对医生的要求非常高。

如果有了辅助诊断机器,至少能有 30% 的医生从繁重的重复性劳动中解放出来,去做一些更有创造性的事情。有了这个工具,我们就能在很大程度上促进医疗资源的公平化发展,使偏远地区的人们也能享受到现代化的医疗技术。那么有什么科技能够推动辅助诊断的发展呢?

深度学习!

大家可能都知道,在深度学习领域,强监督算法是相对成熟的方法,但高质量标定的数据是有限和昂贵的。因此弱监督和无监督技术,必然是将来的发展方向。第二个前沿,今天上午田教授提出现在很多方法都是立不住脚的。这个立不住脚,在我看来就是没有理论依据的方法,只有深度学习方法的诊疗系统,是不足以应用到医疗行业的。所以必须要使用传统方法和深度学习方法相结合,来提升我们的辅助诊疗水平。下一个前沿,现在很多医院的电脑是比较落后的,可能没有很强大的
GPU
硬件支持,因此我们需要考虑降低网络结构复杂度、减少网络参数,使它更好的应用到现有的医院系统中去。最后,深度学习的理论研究,这是深度学习非常薄弱的地方,一个缺乏理论支持的优化方法,是会让人非常担忧的,因为它可能随时会在某些问题上失效。

用到AI技术的辅助诊疗,还有哪些问题?

第一个困难是如何获取高质量的数据,这也是使用人工智能尤其是深度学习技术的公司共同面临的困难。机器学习本身的特性决定了公司在前期积累中,必须使用高质量的数据来进行算法优化。但是,医疗数据的特殊性,例如缺乏标准化体系等问题导致了高质量数据难以获得。第二个困难是相关法律的缺失,这涉及到两个问题,其一是如何保护病人隐私,其二是法律对于人工智能做诊断的相关界定。截止目前,国内外都没有相应的AI诊疗法规出台,因此对责任主体的界定以及就诊流程的定义,都没有一个明确的规范。刚才的圆桌会议上各位老师也提出,国家马上会出台相关的政策,希望不远的未来辅助医疗可以得到相应的发展。

第三个困难是AI技术的成熟度,目前人工智能辅助诊疗主要应用了深度学习的技术,这个技术目前有了比较大的突破,这使得辅助诊疗的水平大大提高。但需要多少数据、如何最大程度上利用数据、怎样针对具体问题修改相应算法,如何使算法得到最优解,如何证明算法得到了最优解,这不仅是工业界,更是学术界叩待解决的问题。

  • 第三阶段:替代率 60%

上两个阶段我们有一只脚已经踏进去了,但这个阶段可能只是刚刚打开了大门。但有一点可以确信的是,当第一阶段和第二阶段发展的比较成熟时,我们就可以把这扇大门开的再大一点。

现在有几个方向,我觉得以及跟这个阶段沾边了。第一,之前大会上提到过的基于人工智能的制药技术。美国有公司已经提出了使用人工智能技术可以使传统制药技术的时间和投入缩小四分之三。以前研制一个新药可能要十年,现在一两年就可以完成。第二,基因技术,这对未来会有很大的改变。第三,今天上午非常火热的手术机器人环节。手术机器人和影像技术如何结合,也是未来的发展方向。

  • 第四阶段:替代率 90%

有没有可能达到下一个阶段,90% 的人类医生能够被代替,或者我们能代替医生 90% 的繁琐工作?

我认为这是可能的。我们可以考虑一下现在的黑科技,量子计算,这在大家看来可能是一个比较遥远的未来,但科技的发展日新月异,也许明天它就成为我们必须要利用的技术。量子计算与人工智能的结合是未来的必然发展方向,因为人工智能面临了一个挑战,如何提高计算能力。一般来讲,通过硬件的不断升级,计算机的运算能力能够得到一定程度的提高。那么这种方式会不会有走到尽头的一天?本质上,会的。虽然随着科技的进步,在
20 年前,一个机器人用 32 个 CPU 能达到 120MHz 的速度,到现在 AlphaGo 使用了 2000 个 CPU 和 300 个
GPU 来提升计算能力,但计算能力是不能无限提升的。很多人都认为摩尔定律最多还能适用 10 年,那么 10 年后呢?

到那个时候我们可能要用到量子计算。量子计算的发展还比较原始,还处于研究阶段,目前还没有造出有实用价值的通用量子计算机。但量子计算太吸引人了,它没有热耗散,可以在里面自循环。而经典计算机器件,热耗散不可避免,这是原理上决定的。譬如早期计算机有一个风扇散热,你做的集成度越高,热耗越严重。但量子计算原理上保持可逆计算,没有热耗散,这也是遵从量子力学规律的。二是具有无法比拟的超级计算能力,在人工智能领域,以前需要一千台或者一万台机器,用量子计算机的话可能4台就够用了。这是属于不远的未来的黑科技,也许我们很快就能在医疗领域用到这些技术。

在这里我要提一点,我们定义了四个阶段,但这四个阶段并不是互相替代的关系,不是阶段二的开始就是阶段一的结束。这些阶段是相辅相成的,前面的阶段都是后面阶段的基础。

天琴医疗的计划

下面讲一下天琴医疗在这四个阶段有什么计划。

第一阶段天琴医疗会推出我们的云平台,这个云平台有两个主要特点。第一,基于区块链技术,能做到完全保护病人的隐私。第二,天琴有一个非常强大的合作伙伴,会帮助我们搭建这个硬件平台,实现三秒内处理一张片子。我们的目标是一秒内处理一万张片子。这是完全有可能做到的。

第二阶段,天琴会推出辅助诊疗系统。我们的辅助诊疗有两个特点。第一,这个阶段会推出基于心胸的辅助诊疗系统;第二,我们不止使用深度学习的方法,也使用传统方法,传统方法与深度学习相结合。为什么这样做?我们刚才也提到了,现在的深度学习方法是没有理论支撑的,所以必须要使用有严格理论保证的传统方法。这是我们的第二个特点。

第三阶段,天琴在这个阶段会推出“家庭医生”。

我们的家庭医生不仅包括病理、检验检测、影像系统,还会关注人们的健康管理以及生命周期延长。这是天琴医疗AI平台,我们将在第三阶段推出这个系统。

回到主题,如何实现医疗资源的公平性,如何做到面对疾病,人人平等,这是我们天琴想为大家解决的问题。为了构建我们美好的明天。希望有兴趣的合作伙伴可以一起加入我们,为我们未来的事业而奋斗。我们会在公众平台上推出第一手资讯和产品相关的信息,请感兴趣的朋友可以关注一下,谢谢大家!

本文作者:三川

本文转自雷锋网禁止二次转载,原文链接

时间: 2024-11-03 15:47:45

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017的相关文章

唇枪舌战,7位顶级专家激辩“AI + 医疗”(上)

近两年,医疗AI领域可谓是热闹非凡.IT界人士和医生都在积极推动AI在医疗行业的落地应用.新的玩家和产品方案层出不穷,但真正能走向临床应用的却少之又少.原因之一就在于,医生和工程人员之间缺少足够的合作与信任. 因此,日前在成都召开的图像计算与数字医学国际研讨会(ISICDM2017),430多位来自信息科学(含计算机与电子工程等学科).数学与医学等领域的专家学者与临床医生聚首成都,围绕人工智能+医疗.医学图像分析等话题展开了深入的交流与探讨. 作为本次大会的独家媒体,雷锋网对多位专家进行专访,并

飞利浦首席医疗官:AI会让医生有更多时间关心病人

飞利浦健康信息部首席医疗官罗伊·史密斯(Roy Smythe)博士预测,人工智能将预示着医学黄金时代的到来,医生们有更多时间关心照顾病人. 假使医疗保健是一项持续的全球性临床试验,你身体上和医学上的每一处细节都将记录下来,以推动世界研究的发展.你想报名吗? 这是飞利浦美国健康科技首席医疗官罗伊·斯密斯(Roy Smythe)博士的美好愿景.Smythe博士早先是名癌症外科医生,曾在新西兰罗托鲁瓦健康信息会议上探讨健康与人工智能. 如果"人工智能"和"医疗保健"这样的

独家 | 唇枪舌战,7位顶级专家激辩“AI + 医疗”(下)

在近两年掀起的这股医疗AI浪潮中,产.学.研.医密切合作已经成了行业共识.但从目前的发展来看,大家显然还没有找到最舒适的合作和创新模式,AI科研成果的产业转化并不顺畅. AI技术在医疗领域的应用前景究竟如何?什么样的产学研医合作模式才能最大限度地推动AI技术在医疗领域落地? 为了促进产学研医的深入交流与合作,日前国际数字医学会.中华医学会数字医学分会.中华医学会病理学分会.电子科技大学电子工程学院联合举办了图像计算与数字医学国际研讨会(ISICDM2017).在大会的圆桌讨论环节,多名分别来自学

AI医疗来袭,我们应该怎么做

放眼整个AI医疗布局,患者.医务工作者和数据科学家都面临着怎样的机遇和挑战?通过人工智能医疗,患者有个很清晰的机遇可以选择:即从不同渠道收集自己的医疗数据,包括可穿戴设备.自我报告等.数据科学家和机构可以让病人自己选择将数据分享给哪些数据科学家或项目,给他们一个安全的数据环境. 智能医疗 我们需要赋予每个病人收集和维护个人医疗数据的能力,包括:实验室的检测和影像学研究.诊断.用药处方.非处方药和补充剂.其他医疗干预措施.饮食和锻炼记录.家族病史(理想情况下,自动通过链接家庭成员自动维护这些数据)

AI医疗大幅扩张,美国FDA将作何反应?

随着一大波公司涌入AI医疗领域,一股现代的淘金风潮再度掀起. 但由于其高风险性,FDA将会监管这些软件.在美国,虽然<21世纪治愈方案>已经撤销对部分CDS的监管(ClinicalDecisionSupport,临床决策支持),并表示还将撤销对更多项目的监管,但确凿无疑的是,FDA会继续监管高风险的CDS.问题的关键在于:FDA该如何监管集成了机器学习技术的高风险CDS? 一些人称医疗领域中的机器学习应用太新,我们并不知道FDA将会作何反应,但事实并非如此,FDA已经有数十年的机器学习监管经验

平安好医生30亿布局AI医疗领域;出版业引入人工智能开发教育机器人

日前,北方妇女儿童出版社联合北京智能管家科技有限公司举办"人工智能时代的融合出版"主题活动,展示人工智能在融合出版中的全新发展方向及阶段成果.吉林出版集团股份有限公司副总经理孙亚飞在活动致辞中表示,作为少儿出版机构,北方妇女儿童出版社致力于为儿童呈送最优质的阅读与学习内容. 他称,此次通过开发人工智能教育机器人,出版社将打造IP+社群+互动.纸质+数字+音频+机器人的创新教育理念.在互联网的条件下真正实现内容与传播力的完美结合,更是对教育领域内容输出贡献力量. 近年来,"人工

医疗正不断接入智能解决方案 AI医疗成未来趋势

 在医疗保健领域对AI助手的使用,正在促成能够提高患者在家中医疗参与度的可替代护理模式.然而,AI助手目前仍需解决语音识别.用户识别.隐私和数据安全等基本问题. 设计虚拟护理体验,需要对从软件开发到提供护理的各个阶段涉及的所有相关方不当行为造成的影响,具备精确和全面的了解.随着时间的推移,AI助手将发展成为家庭医疗保健的重要组成部分,但直至那时,绝大多数AI助手将仅限于对病人不构成威胁的低风险任务. AI助手(如Alexa和Google Assistant)的设计.实施和语音体验管理,对于那些有

影像科刘再毅教授自述:为什么我是AI医疗的「旁观者」?

如今,随着AI医疗发展,医工交叉--这个由来已久问题也延伸到这块新兴的土地上.隔行如隔山,这对于IT界和医疗界来说尤其贴切,当双方团队共同打造一个产品时,面临着话语体系不同.评价方式不同.谁来主导等诸多问题. 目前这个市场还处于初期,各路玩家相继入场,产品仍处于科研摸索期.相对于蜂拥而入的AI公司来说,愿意参与进来并且拥有丰富经验的医生专家是更加稀缺的资源.那么什么阻碍了他们?当医生想要参与时,他们考量什么.在意什么? 广东省人民医院放射科刘再毅教授称,"医生没有多少动力做研究,现在做科研的很少

专访陈蕾:上海市第一妇婴保健院在AI医疗中的“为”与“不为”

陈蕾将自己定位为一个"不安分"的人,医学背景,却常常混迹在AI技术专家的活动中,5月份在上海,雷锋网(公众号:雷锋网)AI掘金志与她碰面在一个AI医疗沙龙. 陈蕾为上海市第一妇婴保健院市场与患者体验部主任,该院为同济大学附属第一妇婴保健院,一家三级甲等专科医院.而所谓市场与患者体验部,顾名思义,主要进行医院品牌建设和患者体验提升.她认为,大多数医生已经习惯了医院内部的既有流程,很难用创新的方法去改变现状,所以需要有人深入到这些场景中,还要了解外面的技术,两者结合,就能知道这些问题能用什