<mark id="oztn4"></mark>
0
| 本文作者： 老王 | 2017-04-28 14:07 |
雷鋒網按：醫療被認為是金融之外，人工智能另一個在短期內大有可為的市場，機器學習、圖像識別、語義理解等技術的能量均可在醫療項目中得到很好地釋放。
那么醫生在診療過程中會產生哪些可以靠 AI 解決的需求，以及醫院在人工智能上的應用狀況如何？為此，雷鋒網 AI 掘金志采訪了協醫集團主任、全科/內科醫生朱穎。朱穎畢業于協和醫科大學臨床醫療系，獲得醫學博士學位后在北京協和醫院工作多年，她在內科各系統疾病的診斷、治療及急癥處理等方面都具有豐富的知識及經驗，尤其在心內、免疫等方向。除此之外，朱穎還在國內外期刊中發表過多篇臨床及基礎研究論著，現為協和系醫生集團主任兼愛康君安健療國際院長。
根據朱穎主任介紹，協和系醫生集團（協醫集團），是由協和系醫生發起的多學科創新型醫生集團。協醫集團匯集了北京協和醫院主任級別醫生上百人，以及臨床、影像、檢驗、基礎研究等 50 多個科室 300 多名醫生，組成醫療專家團隊。
“人工智能火熱后，協醫集團也主動接觸了一些 AI 公司，我們很積極地去嘗試新型科技帶來的高效率。”
整個采訪過程中，朱穎對人工智能的認知程度完全不像一個臨床醫生，更像是一個對AI技術求賢若渴的“探索者”，可見醫院現階段對 AI 的了解和需求已不僅停留在紙面。
朱穎先根據切身經歷談到她在遇到一些病例時，急需大數據來協助的需求：在判斷患者的結節是良性還是惡性，她會與影像醫生、呼吸科醫生、腫瘤科醫生、胸外科醫生會診。會診之后仍舊無法統一結節是良性和惡性的結論時，每個醫生都會根據自己的臨床經驗去判斷。腫瘤醫生可能認為 50% 的概率是惡性的，而影像醫生覺得可能 30% 的概率是惡性的。由于這些評估均基于醫生的個人經驗，因此它沒有一個量化的標準，有人會高估風險，有人則會低估風險 。
“作為一個面對患者的臨床決策者醫生來講，我特別需要人工智能來支持到我。醫院方希望數據量越大的時候，特別是結節變化過程的影像資料和最后的病理能夠很好地結合大數據和算法，從而給到我一個相對精確的建議。這樣也助于我跟患者溝通時，來幫患者制定下一步臨床策略。”
對于這個臨床上遇到的困惑，協醫集團也在積極嘗試與國內外的人工智能公司合作。
朱穎介紹到，海外的影像等產品基于國外數據訓練而成，其中大部分來自 MSK 和 MDmedicine 中的病歷來做診療和推薦。以 IBM Watson 為例，目前進入中國市場的只有六種腫瘤方案，并未覆蓋全部，而且中美腫瘤的病因并不相同，如美國肝癌的發生更多過量的飲酒有關，而中國肝癌的第一大病因是乙肝這類病毒感染所導致。因此中、外在診療上會有很大的差異。
針對這一情況，協醫集團的專家也非常樂意與 AI 公司一起合作，一方面推進海外優質產品在中國的落地，另一方面也積極助力中國本土的 AI 產品更快地應用于臨床。
協醫集團 和AI 公司正在進行哪些合作案例？
在數據方面，醫院方可為 AI 公司提供醫生的經驗數據。以影像為例，普通圖像的數據標注非常簡單，但影像由于其復雜性，需要專業的醫生進行標注。協醫集團的醫生與高校進行聯合研究，通過分析復雜度較高影像圖像，從而產生帶有標注的數據，然后再與 AI 公司共同基于這些經驗數據訓練模型。
當然，這些數據僅為醫生的判斷記錄。由于數據安全和個人隱私問題，醫院方的數據并不會開放給 AI 合作伙伴。
協醫集團的一位中醫曾嘗試參與一項研究：他根據自己的經驗認為口干、飲食不佳等癥狀可能與脾虛有關，總結出上百份類似的癥狀數據后，讓 AI 公司輸入這數百份數據從而得到口干和脾虛關聯性的模型。
－醫療助手
在自然語言處理方面，協醫集團初步試用了加拿大醫療產品 Ask doctor。Ask doctor 本是醫生患者的問診平臺，由醫生免費回答患者問題。后期 Ask Doctor 根據以往積累的醫患問診數據，從而利用數據挖掘和自然語言處理技術開發了醫療助手從而替代到人工的回答。
朱穎說到，協醫集團試用醫療助手的目的出于，問診階段患者在說自己的癥狀時可能會說很久，而醫生為加快速度通常會多次打斷他們，使得患者沒有得到很好的傾訴。而機器卻能長時間聽取，從患者那里提取更多有效的信息，從而給出合適的治療建議。
隨后朱穎博士提到協醫集團的醫生已開始嘗試使用 IBM Watson，她覺得 Watson 非常讓人眼前一亮的地方是可直接輸入臨床數據，然后它能給出分等級的診療建議：如 80%、70%、60% 這種數據化的推薦，而且每一個推薦都有具體的文獻支持。
Watson 在美國雖拿到了醫生認證，但國內沒有類似的認證，所以它的作用和功能更多停留在咨詢和建議階段，也達不到直接做診斷和處置，但可協助協醫集團處理很多初級的工作。不過對于經歷比較豐富的腫瘤醫生來講，Watson 的作用并沒有那么大。而且 Watson 推薦的一些藥物只在美國有。即便是很高推薦的臨床方式，在中國也難以實現，有一定的地域和臨床基礎差距。
為了讓 Watson 更多的服務于國內醫院，協醫集團也參與到了改進 Watson 的項目當中。
“Watson 的中國運營商杭州認知曾聯系到我們，希望協醫集團來幫他們做 IBM Watson 本土化的設計方案。協醫集團未來也會組織一批頂級的腫瘤專家的團隊來一起籌建這個項目，為此，醫生們會給出診斷建議訓練 Watson，從而聯合建立起一個具體的解決的方案。機器在數據量足夠大的時候，它一定比我們的醫生識別得更精準。”朱穎如是說。
為了讓更多人工智能產品在國內廣泛使用，還需要政府的支持。Watson 與醫院之間的合作，費用還無法被醫保接受，但目前部分省份在談 Watson 歸入醫保范疇問題。
在問到醫生是否會被 AI 取代時，協醫集團的醫生指出“皮膚科醫生診斷皮膚病是靠視覺識別，看一眼就能知道這是什么病，如果一眼看不出是什么病，再看也沒有用，這時候就需要去做活檢，切下組織放在顯微鏡底下去看。未來 ‘一眼就能看出的’這類皮膚病診斷相對而言比較容易被被取代，病理醫生也如此。
與此同時，對方也談及在自己疲憊和情緒不穩定的情況下會出現漏診和誤診的情況，而機器卻不會。醫生們有時雖然會感覺到危機，但他們很樂意把自己的知識和經驗體系化后結合數據，去幫助 AI 更快速的成長，而 AI 反過來又能幫助他們做更多標準化的任務。
雖然 AI 確實可提高效率，而且醫院方在技術汲取上也愈加開放，但不得不面對一些根深蒂固的問題：國內數據收集存在一個非常大的問題，即各個醫院的 PIS 系統并不能打通，電子病歷系統也無法共享。患者要在 A 醫院看病，他需要帶著自己在 B 醫院的所有資料到 A 醫院。而美國一整個州范圍內的醫生，可查看某個患者之前在本州任何一個醫院的所有病歷治療記錄。這一塊是目前國內醫院需要解決的問題，大數據大規模應用的重要前提是區域電子病歷平臺的統一，假設北京市統一使用電子病歷平臺，那患者無論在北京的哪個醫院看病，都可以把之前的數據調取出來。
朱穎繼續補充到，國內很多醫療數據包括病歷、影像資料都不標準，這會影響到數據提取。尤其像一些基層醫院，病人做完診療后，資料就會刪掉，無法調取。即便是大醫院，數據也不會長久保留。在這種情況下，數據平臺未打通與缺乏高質量的數據使得 AI 產品在開發階段會層層受阻，而且這些問題在短期內是無法解決的。
更多關于雷鋒網人工智能升級傳統行業的文章，請關注雷鋒網AI商業化垂直微信公眾號：AI掘金志。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
