〔原文图片暂缺〕
|
〔原文图片暂缺〕 |
7月初，阿里巴巴携手万里云正式发布“Doctor You”AI系统，主攻方向是医学影像诊断领域。8月初，腾讯发布人工智能医学影像产品——“觅影”用于早期癌症诊断。
人工智能医疗早已成为各方瞄准的香饽饽，以算法平台的技术优势确立领先成为各大巨头的策略。从最初的不到10家创业公司出现，到现在全国的人工智能医疗创业公司已达数百家，从最初的无人理解人工智能医疗做什么、为什么做，到现在市场资本开始主动追逐潜力股，人工智能医疗公司迎来了自身的春天。
近日，第三届西湖论健国际高峰论坛在杭州举行，与会嘉宾就人工智能如何把病看得更精准、如何降低医疗费用等进行了一系列跨界学术碰撞。
智慧医疗要建立标准体系
中国工程院院士李兰娟表示，人口老龄化、传染病、慢病在不断地发展，提高医疗卫生服务效率迫在眉睫，而人工智能与相关技术的融合，可以使医疗卫生服务更加的精准化。“结合临床的历史经验，通过大数据可以给病人提供最佳的治疗方案。”李兰娟介绍，达芬奇机器人在浙医一院已经有了很多运用，不仅效率很高，而且更精准。像前列腺癌的手术，用机器人做可以保持患者的性功能，但是人工做的话，器官有可能会损伤，影响性功能。对一个患者来讲，生活、生命质量很重要，大多数患者宁愿多花一些钱，用达芬奇机器人来做。
“人工智能可以使医生的治疗更标准、效率更高。比如像机器，不受外界情感的影响，让各个环节都保证能制定更加好的标准化治疗，提供更好的服务。”李兰娟说，人工智能与医疗产业的改革和革命将从根本上改变医疗健康的模式。
李兰娟解释说，现在国内外在人工智能方面有非常飞速的发展，像乳腺癌识别准确率超过了医生，病理学家花了130多个小时，准确率只有77.3%；而人工智能交出的答卷是88.5%。她进一步举例说，目前，人工智能也走进了医院的ICU，在美国洛杉矶的儿童医院，数据科学家提出了正确评估患者病情的人工智能，他们拥有循环的网络来处理一些纸质的数据，准确率达到了93%。皮肤癌的筛查深入人工网络，准确率在91%。
“人工智能最后必须要和标准、大数据结合起来，才能有更好的人工智能产品。”李兰娟表示，浙江省在人工智能标准方面有非常好的基础，此前，李兰娟所带领的团队针对我国医疗卫生信息化的实际需求，研究建立了一整套包括疾病控制、卫生监督、新型农村合作医疗、健康档案、区域信息系统规范等13类66个标准，其中8个标准已经成为卫生部行业标准，4个标准成为地方标准，18个地方标准研究立项。更可贵的是，这些研究成果已全部落地。
在李兰娟看来，我国的智慧医疗产业需要在四个方向重点突破：一是要建立智能医疗的标准体系。二是要在智能诊断、智能诊疗、智能的疾病预测干预和智能群体健康管理及智能医药监管领域实现重大的突破。三是要通过跨媒体数据的智能，在人机吻合智能医疗和智能手术机器人方面获得重大的突破。四是要建立一批智能医疗国家重点科研基地及团队和应用的示范基地。
李兰娟认为，眼下智慧医疗产业面临着三个方面的挑战：一是基于各种设备的集成，现在医院有很多设备是分割的，怎么样把它更好地集成。二是各种医疗大数据都在各家医院，怎么样才能更好地利用、共享。三是人工智能2.0面临着数学的问题，要数学家们共同来数据分析，健康大数据的人员不同的利用，要加强广度、深度，突破感知、认知上的一些难题。
深度学习赋能影像医疗
人工智能在医疗领域应用的优势就在于计算功能和图像识别功能。在未来医疗领域当中，可以发挥人工智能的数据解读优势，以此大幅提升工作效率，释放医疗生产力。
“从人工智能本身大的角度来说，基本上可以把它定为符号主义、连接主义、进化主义、统计主义。简单来说，就是从符号、计算机的角度，从命题上怎么样推理人工智能，或者说你是一个专家的系统，我跟你连接。连接的话就是更多和人工智能进行深度学习，像人的神经网络。”清华大学宽带网数字媒体技术实验室主任季向阳解释说，深度学习的概念源于人工神经网络的研究。神经网络和深度学习两者之间有相同的地方，采用了相似的分层结构，而不一样的地方在于深度学习采用了不同的训练机制，具备强大的表达能力。
谈到人工智能的时候，有两个概念常常被提及，那就是机器学习和深度学习。机器学习和深度学习是包含关系，深度学习是帮助人工智能在现阶段发展的关键技术。
季向阳说，机器学习主要应用于早期的人工智能领域，深度学习将成为人工智能时代的核心驱动力。
在大数据时代，机器学习得到了长足的发展，直接导致了今天的人工智能热潮。季向阳强调，大数据本身与人工智能有关联，但显然它并不是本家，只是其中一个纬度，而且这个纬度起的作用究竟能到什么样的程度，这本身值得商榷。他说，一个是医生诊断出来的数据和人工智能连接在一起，更高级一点是与基因组学、病理、临床相结合，最后把数据逐渐地引入到3D的网络上，对年轻医生来说，不管是手术还是判断，都会起到非常大的作用。
本报记者林洁文/摄