<mark id="oztn4"></mark>
0
| 本文作者： 李雨晨 | 2020-08-11 10:26 | 專(zhuān)題：CCF-GAIR 2020 全球人工智能與機(jī)器人峰會(huì) |
雷鋒網(wǎng)按：2020年8月7日，全球人工智能和機(jī)器人峰會(huì)（CCF-GAIR 2020）正式開(kāi)幕。CCF-GAIR 2020 峰會(huì)由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，香港中文大學(xué)（深圳）、雷鋒網(wǎng)聯(lián)合承辦，鵬城實(shí)驗(yàn)室、深圳市人工智能與機(jī)器人研究院協(xié)辦。
8月9日，作為本次大會(huì)的收官之戰(zhàn)，“醫(yī)療科技”專(zhuān)場(chǎng)正式拉開(kāi)帷幕，圍繞「后疫情時(shí)代的醫(yī)療新基建機(jī)遇」這一主題展開(kāi)。
其中聯(lián)影智能聯(lián)席CEO沈定剛、華西醫(yī)院副院長(zhǎng)龔啟勇、騰訊天衍實(shí)驗(yàn)室主任鄭冶楓、平安醫(yī)療科技首席科學(xué)家謝國(guó)彤、商湯科技副總裁張少霆、西門(mén)子醫(yī)療中國(guó)數(shù)字醫(yī)療負(fù)責(zé)人陳黎峰，詳談了后疫情時(shí)代醫(yī)療科技的新常態(tài)，以及技術(shù)落地和產(chǎn)品方法論。
以下是本次大會(huì)的精彩回顧：
聯(lián)影智能聯(lián)席CEO、MICCAI 2019大會(huì)主席、IEEE Fellow沈定剛教授發(fā)表了開(kāi)場(chǎng)報(bào)告，介紹了醫(yī)療AI在新冠肺炎診斷全流程中的應(yīng)用。
沈定剛教授表示，目前新冠肺炎仍然在全球蔓延，全球有1800多萬(wàn)人確診，CT已經(jīng)成為新冠肺炎診斷、評(píng)估和隨訪的重要手段。然而，這個(gè)過(guò)程中存在最重要的兩個(gè)痛點(diǎn)，首先，如何幫助醫(yī)生盡量避免感染；其次，有了CT設(shè)備后，如何用人工智能的方法進(jìn)行肺炎的量化分析，用CT圖像輔助診斷和隨訪。
為此，聯(lián)影智能提出了三個(gè)解決方案：無(wú)接觸掃描、肺炎量化分析、隨訪評(píng)估與診斷。
沈定剛教授表示，為了避免病毒傳播，有的操作技師在新冠肺炎早期甚至通過(guò)竹竿這樣的工具遠(yuǎn)距離操作CT掃描，原始且危險(xiǎn)。為此，聯(lián)影集團(tuán)研發(fā)了AI智能采集系統(tǒng)，把邊緣計(jì)算和攝像機(jī)結(jié)合，自動(dòng)采集人體三維形態(tài)和部位信息，自動(dòng)操作CT掃描，滿足醫(yī)生在操作間就可完成掃描任務(wù)。
在肺炎分割與量化方面，主要是為了實(shí)現(xiàn)三個(gè)目標(biāo)，新冠肺炎判別、危重程度檢測(cè)以及判斷進(jìn)展變化，沈教授介紹了聯(lián)影智能的uAI分割引擎，可以對(duì)肺炎、5個(gè)肺葉、18個(gè)肺段進(jìn)行精確的分割。
在隨訪評(píng)估與診斷層面，有些新冠肺炎病例與普通肺炎病例有相似的感染程度，因此，聯(lián)影智能提出了基于感染信息的注意力網(wǎng)絡(luò) (Attention-guided Network)，用分割出的感染區(qū)域引導(dǎo)分類(lèi)器聚焦于感染區(qū)域；在評(píng)估新冠肺炎嚴(yán)重程度上，提出了一種多任務(wù)、多示例學(xué)習(xí)模型 (Multi-task multi-instance framework)；在危重預(yù)測(cè)與演變時(shí)間估計(jì)上，為了解決樣本不平衡以及特征復(fù)雜且高維的挑戰(zhàn)，提出了聯(lián)合分類(lèi)與回歸的稀疏模型 (Joint sparse classification and regression)：讓兩個(gè)任務(wù)共享相同特征，用于改進(jìn)各自的性能、解決數(shù)據(jù)不平衡問(wèn)題以及針對(duì)所選特征，作出臨床解釋。
第二位演講嘉賓是華西醫(yī)院副院長(zhǎng)、ISMRM Fellow龔啟勇教授，他主要分享了腦疾病影像AI的新機(jī)遇。
作為臨床放射學(xué)精神影像領(lǐng)域的國(guó)際知名學(xué)者，龔啟勇教授在國(guó)內(nèi)率先建立了精神放射影像體系，被國(guó)際同行稱(chēng)為“l(fā)eader in the field of Psychoradiology”。
他表示，精神影像學(xué)擁有重要的發(fā)展前景，但是，依靠傳統(tǒng)技術(shù)將面臨多重瓶頸。相比其它腦部疾病，在常規(guī)CT、X射線等臨床影像手段上，往往很難發(fā)現(xiàn)精神類(lèi)疾病的腦部病變。而這類(lèi)疾病的判斷也沒(méi)有明確的客觀指標(biāo)，臨床治療和診斷只能依靠經(jīng)驗(yàn)和主觀因素。
近年來(lái)的成像技術(shù)和AI技術(shù)的發(fā)展，則給這一難題帶來(lái)新的希望。一方面核磁成像技術(shù)提供了更清晰的腦狀態(tài)、腦結(jié)構(gòu)等一系列參數(shù)，成為腦疾病診斷的首要依據(jù)。另一方面，深度學(xué)習(xí)的出現(xiàn)，則可以依靠大量數(shù)據(jù)信息，總結(jié)出不易發(fā)現(xiàn)的影像學(xué)特征變化規(guī)律。
龔啟勇教授認(rèn)為，這兩種工具的結(jié)合未來(lái)也許可能解決許多精神影像學(xué)的原生性難題。
首先，通過(guò)AI分析方法，可以總結(jié)分析出影像特征變化和精神疾病的密切相關(guān)性，例如利用神經(jīng)環(huán)路和鏈接腦結(jié)構(gòu)改變，可以從影像學(xué)征像判斷這類(lèi)疾病的嚴(yán)重性和特定臨床類(lèi)別。
其次，可以籍助AI進(jìn)行藥物治療靶標(biāo)確定。龔啟勇表示不同精神藥物在不同大腦區(qū)域，往往會(huì)有不同的反映，特定腦區(qū)改變可能是藥物靶點(diǎn)定位的一個(gè)重要依據(jù)，AI可以通過(guò)腦區(qū)特征的改變，判別精神藥物的有效性和幫助治療方案的選擇，還有望為臨床干預(yù)和介入治療提供精準(zhǔn)治療靶標(biāo)。
第三位出場(chǎng)的演講嘉賓是騰訊天衍實(shí)驗(yàn)室主任鄭冶楓。天衍實(shí)驗(yàn)室是騰訊內(nèi)部專(zhuān)注于醫(yī)療AI的實(shí)驗(yàn)室, 覆蓋醫(yī)療大數(shù)據(jù)、醫(yī)療自然語(yǔ)言理解、醫(yī)療影像等等。
在演講中，鄭冶楓博士主要分享了深度學(xué)習(xí)在影像診斷上的兩個(gè)固有痛點(diǎn)：缺乏訓(xùn)練樣本以及跨中心泛化能力差以及相應(yīng)的對(duì)策。
對(duì)于訓(xùn)練樣本量的問(wèn)題，鄭冶楓博士認(rèn)為，遷移學(xué)習(xí)是一個(gè)很好的方式，可以將某個(gè)任務(wù)（源域）上訓(xùn)練好的模型遷移到另一個(gè)任務(wù)（目標(biāo)域）。而為了獲取更多的醫(yī)學(xué)數(shù)據(jù)、積少成多，鄭冶楓博士團(tuán)隊(duì)提出了Med3D：共享編碼器的多任務(wù)分割網(wǎng)絡(luò)，在大量異質(zhì)的公開(kāi)數(shù)據(jù)集上預(yù)訓(xùn)練，然后遷移到其它任務(wù)，并且進(jìn)行了開(kāi)源輸出。
當(dāng)然，除了Med3D，鄭冶楓博士團(tuán)隊(duì)還提出了基于魔方變換的自監(jiān)督學(xué)習(xí)，在預(yù)訓(xùn)練階段不需要人工標(biāo)定，從而減少大量的時(shí)間成本。
另外一方面，為了解決域偏移的問(wèn)題，他們還提出了新型無(wú)監(jiān)督域自適應(yīng)(UDA)的方法，來(lái)緩和域偏移所導(dǎo)致的性能下降。該方法僅僅需要源域的數(shù)據(jù)、標(biāo)注以及目標(biāo)域的部分圖像，無(wú)需目標(biāo)域的標(biāo)注，即可實(shí)現(xiàn)兩個(gè)領(lǐng)域的自適應(yīng)。在演講中，他以VideoGAN: 視頻風(fēng)格轉(zhuǎn)換以及OP-Net: 基于單張圖像的風(fēng)格轉(zhuǎn)換的兩個(gè)案例進(jìn)行了說(shuō)明。
第四位出場(chǎng)的演講嘉賓是謝國(guó)彤博士，他是平安集團(tuán)首席醫(yī)療科學(xué)家。他表示，過(guò)去五年時(shí)間里，平安積累了大量醫(yī)療的業(yè)務(wù)，而平安醫(yī)療科技，則是從每個(gè)業(yè)務(wù)中沉淀數(shù)據(jù)，把數(shù)據(jù)變成AI模型，再反哺賦能給各個(gè)業(yè)務(wù)。
謝國(guó)彤博士認(rèn)為，所有AI都無(wú)非四個(gè)要素：數(shù)據(jù)、算力、算法和應(yīng)用。在這四個(gè)要素下面，平安共研發(fā)了2個(gè)基礎(chǔ)平臺(tái)和4個(gè)醫(yī)療AI模型，以支持醫(yī)療的各種分析和推理，目前有1.6萬(wàn)家醫(yī)療機(jī)構(gòu)，43萬(wàn)醫(yī)生在使用。
兩個(gè)基礎(chǔ)平臺(tái)主要是賽飛AI平臺(tái)（算力）和醫(yī)療的五大庫(kù)和知識(shí)圖譜（數(shù)據(jù)）。
謝國(guó)彤表示，醫(yī)療五大庫(kù)及知識(shí)圖譜，首先是從數(shù)據(jù)端出發(fā)，分四步去解決數(shù)據(jù)處理難題：第一，去掉噪音，補(bǔ)全數(shù)據(jù)，提升數(shù)據(jù)輸入質(zhì)量；第二，結(jié)構(gòu)化，通過(guò)數(shù)據(jù)和文本抽取，實(shí)現(xiàn)數(shù)據(jù)可用；第三，標(biāo)準(zhǔn)化，把不同來(lái)源的醫(yī)療數(shù)據(jù)名稱(chēng)統(tǒng)一；第四，利用算法挖掘疾病的風(fēng)險(xiǎn)因子或者治療方法。
而賽飛AI平臺(tái)則主要是通過(guò)發(fā)動(dòng)平臺(tái)化戰(zhàn)略，解決AI產(chǎn)品算力和落地的基礎(chǔ)性問(wèn)題。
謝國(guó)彤說(shuō)到，平臺(tái)的目的就是讓醫(yī)療數(shù)據(jù)科學(xué)家專(zhuān)注在自己領(lǐng)域內(nèi)，由平臺(tái)去完成AI通用算法、智能標(biāo)注、分布式訓(xùn)練加速、高性能壓縮模型部署等通用問(wèn)題。
在這兩大基礎(chǔ)平臺(tái)之上衍生的4個(gè)醫(yī)療AI模型（算法），主要側(cè)重在疾病預(yù)測(cè)、智能影像、AskBob輔助診療、疾病全周期管理等四個(gè)場(chǎng)景。
在最后的總結(jié)中，謝國(guó)彤說(shuō)到，醫(yī)療人工智能是利國(guó)利民的事情，人命關(guān)天，需要AI界和醫(yī)學(xué)界的緊密合作，用AI的算法解決真實(shí)的需求，保證模型的安全性、可用性，才能對(duì)“健康中國(guó)”產(chǎn)生真正的價(jià)值。
第五位出場(chǎng)的演講嘉賓是商湯科技研究院副院長(zhǎng)、集團(tuán)副總裁張少霆。他說(shuō)到，過(guò)去國(guó)內(nèi)探索的方向都是“基建出海”，現(xiàn)在商湯則在探索實(shí)現(xiàn)“科技+基建”的共同出海。
張少霆表示，商湯科技的戰(zhàn)略核心是圍繞計(jì)算機(jī)視覺(jué)技術(shù)，而智慧醫(yī)療的具體產(chǎn)物則是SenseCare? 智慧診療平臺(tái)。
作為商湯臨床一體化的產(chǎn)品， SenseCare? 智慧診療平臺(tái)可以落地在醫(yī)院放射科或者區(qū)域IDC數(shù)據(jù)中心，在數(shù)據(jù)不出科室或數(shù)據(jù)中心的情況下，讓不同臨床方向的醫(yī)生只需要一個(gè)筆記本電腦、甚至手機(jī)，僅通過(guò)訪問(wèn)網(wǎng)絡(luò)瀏覽器的情況下，使用所有醫(yī)療AI功能，以及醫(yī)學(xué)影像三維后處理功能，并且讓不同臨床醫(yī)生讀取不同數(shù)據(jù)，就可以啟動(dòng)不同的工作流，實(shí)現(xiàn)賦能全院臨床。
然而，這種場(chǎng)景的實(shí)現(xiàn)存在兩個(gè)問(wèn)題：首先，如何利用AI對(duì)多模態(tài)多病種進(jìn)行精準(zhǔn)的檢測(cè)、分類(lèi)、分割；其次，如何在不傳遞原始數(shù)據(jù)的情況下，支持全院醫(yī)生高并發(fā)的二維、三維分析需求。
在自研AI算法引擎的基礎(chǔ)上，商湯SenseCare? 智慧診療平臺(tái)相繼孵化了胸部CT智能分析及手術(shù)規(guī)劃方案、胸部X線智能分析、心臟冠脈智能分析、骨腫瘤智能手術(shù)規(guī)劃、消化道病理和TCT宮頸癌精準(zhǔn)分析等臨床輔助工具。
張少霆表示，針對(duì)區(qū)域級(jí)、城市級(jí)的智慧新基建建設(shè)，部署更偏向于SAAS平臺(tái)的形式，底層可以支持安全可靠的數(shù)據(jù)存儲(chǔ)、備份機(jī)制，向上則加載數(shù)據(jù)和人工智能管理功能，同時(shí)賦能區(qū)域內(nèi)多家醫(yī)院，實(shí)現(xiàn)區(qū)域內(nèi)醫(yī)療智慧化升級(jí)。
醫(yī)療科技場(chǎng)的最后一位嘉賓是來(lái)自西門(mén)子醫(yī)療數(shù)字醫(yī)療部門(mén)負(fù)責(zé)人陳黎峰博士。
陳黎峰在演講中表示，市場(chǎng)動(dòng)態(tài)和趨勢(shì)對(duì)于醫(yī)療行業(yè)有著巨大影響，醫(yī)療服務(wù)將在轉(zhuǎn)型中提升價(jià)值。這種轉(zhuǎn)型主要體現(xiàn)在三個(gè)方面：
首先，未來(lái)醫(yī)療將更加精準(zhǔn)，治療方法也將更因人而異。在正確的時(shí)間為適用的患者提供合適的治療；
其次，精準(zhǔn)醫(yī)療的實(shí)現(xiàn)需要醫(yī)院各部門(mén)協(xié)同作戰(zhàn)，需要多個(gè)專(zhuān)業(yè)團(tuán)隊(duì)在整個(gè)診療路徑密切合作。這和以往醫(yī)生單病種治療的操作模式非常不同，需要思考診療模式的轉(zhuǎn)化；
最后，醫(yī)療和健康管理越來(lái)越趨于消費(fèi)化。患者對(duì)疾病認(rèn)知、知識(shí)量和期望值都在增加，治療和健康管理的選擇越來(lái)越多，患者也越來(lái)越多地參與到自己的醫(yī)療和健康管理之中。
陳黎峰表示，醫(yī)療將向數(shù)字化發(fā)展。數(shù)字化、信息化、人工智能將革新我們對(duì)疾病的理解和治療。特別是人工智能，可以?xún)?yōu)化運(yùn)營(yíng)流程、提高資源利用效率、通過(guò)自動(dòng)化和標(biāo)準(zhǔn)化支持病人全生命周期的診療決策，并幫助病人主動(dòng)參與治療流程中去。
目前，AI技術(shù)已經(jīng)貫穿于西門(mén)子全景解決方案中。Teamplay數(shù)字醫(yī)療平臺(tái)可賦能數(shù)字轉(zhuǎn)型，西門(mén)子AI-Rad Companion能最大限度減少臨床工作中的重復(fù)性任務(wù)、提高診斷精準(zhǔn)度，助力醫(yī)生在患者診療全流程，包括病歷、處置、診斷、治療、預(yù)后管理等多個(gè)節(jié)點(diǎn)做出準(zhǔn)確判斷。
今年，醫(yī)療科技行業(yè)風(fēng)云變幻，機(jī)遇叢生。
細(xì)數(shù)一下上半年，已經(jīng)有三款醫(yī)療AI產(chǎn)品獲NMPA的批準(zhǔn)，產(chǎn)品真正商品化的最后一道枷鎖即將被打破。國(guó)家也陸續(xù)出臺(tái)了相關(guān)政策鼓勵(lì)A(yù)I產(chǎn)業(yè)發(fā)展，推動(dòng)AI技術(shù)與產(chǎn)業(yè)的深度融合和落地應(yīng)用。
而醫(yī)療科技企業(yè)也不斷加速自己的業(yè)務(wù)變化以圖破局，實(shí)現(xiàn)技術(shù)與商業(yè)的雙端平衡：研究更前沿的算法，使得AI具備更強(qiáng)大的識(shí)別精度和認(rèn)知能力；同時(shí)，讓AI產(chǎn)品在保證高精度的前提下，大幅降低前期研發(fā)與后期運(yùn)算成本，更好地滿足市場(chǎng)和用戶需求。
醫(yī)療科技，未來(lái)可期。雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
專(zhuān)題
本專(zhuān)題其他文章
