11月26日，由搜狐科技主辦的“2019搜狐科技AI峰會”在北京舉行，峰會旨在解讀AI前沿新技術(shù)，探索行業(yè)新趨勢。
峰會嘉賓——杏脈科技總裁兼CTO房劬在醫(yī)療論壇上作了題為《醫(yī)療人工智能發(fā)展趨勢與最新進展》的主題演講。
房劬說，他平時主要從事計算機視覺和醫(yī)療健康交叉領(lǐng)域。在峰會上，他向與會者介紹，醫(yī)療行業(yè)的痛點在于：一端是不斷增長的需求，老齡化、慢病患者不斷增加，包括兒科門診量的增加，另外一方面是供不應求的短缺供給狀況。
房劬介紹，醫(yī)療行業(yè)和其它行業(yè)不一樣，它的問題在于，始終處于供給短缺的狀況。換句話說，新零售或者工業(yè)互聯(lián)網(wǎng)，很多時候解決了中間的配置問題，讓需求能夠很好找到供給方，就能解決巨大的問題，釋放出巨大的價值。但是在醫(yī)療行業(yè)里面沒有辦法解決生產(chǎn)關(guān)系和生產(chǎn)資源的配置，包括供需兩端的配置解決核心根本的問題。
因為需求是無限制的，甚至說人類對健康的需求幾乎是沒有天花板的，但是供給永遠有限，好的醫(yī)生供給數(shù)量有限，把所有的醫(yī)院或者所有的醫(yī)生都連到互聯(lián)網(wǎng)或者移動互聯(lián)網(wǎng)上，依然解決不了這個問題。
房劬說，像醫(yī)生、律師、教師等依賴于人的經(jīng)驗和人的積累的行業(yè)，它很難被解決資源配置問題的技術(shù)所改造。他們有一個共同點，都非常依賴于長期經(jīng)驗累月的經(jīng)驗積累。人的壽命有限，一個醫(yī)生或者教師好不容易經(jīng)過20年的積累長期的學習，終于達到一定的水平以后，他的體力、精力、智力都在衰退過程中，這樣一個矛盾也造成了可能兩千年以來醫(yī)療、法律、教育這樣的行業(yè)都沒有很好地很徹底地被技術(shù)所改造。
所以房劬認為，如果希望醫(yī)療行業(yè)也能被互聯(lián)網(wǎng)改造的話，下一個帶來革命性的技術(shù)必然是能夠使供給端批量增加的技術(shù)，像流水線增加的技術(shù)，而人工智能（AI）就是其中一個選項。
以下為房劬演講全文：
大家好！我來自杏脈科技，主要從事計算機視覺和醫(yī)療健康交叉領(lǐng)域，我分享的題目是“醫(yī)療人工智能發(fā)展趨勢與最新進展”。
來自統(tǒng)計學的官方網(wǎng)站，各行各業(yè)在中國GDP里面的占比，醫(yī)療6%，橫向比較不算一個特別大的數(shù)字，發(fā)達國家9%—10%，特別高的美國17%。以目前中國的發(fā)展水平，縱向比較和金融業(yè)相當，僅次于批發(fā)和零售業(yè)，大于房地產(chǎn)行業(yè)。在占比這么高的行業(yè)里面，醫(yī)療和互聯(lián)網(wǎng)相結(jié)合發(fā)展是什么樣的？餐飲、交通、住宿在GDP占比不如醫(yī)療那么高，但是誕生萬億人民幣市值或者千億市值的公司，互聯(lián)網(wǎng)醫(yī)療行業(yè)里面頭部的企業(yè)是百億人民幣市值的量級，什么原因？商業(yè)價值取決于解決什么樣的痛點，解決什么樣具體的問題。具體到醫(yī)療行業(yè)里面它的痛點是什么？一端是不斷增長的需求，老齡化、慢病患者不斷增加，包括兒科門診量的增加，另外一方面是供不應求的狀況。
最近看到一組數(shù)據(jù)，放射科醫(yī)生每年的增長量在中國4%，但是放射科的片量每年增長30%。美國這個數(shù)據(jù)更夸張，片量增長率70%，放射科醫(yī)生的增長量3%，巨大的gap造成供不應求的狀況。醫(yī)療這個行業(yè)和其它行業(yè)不一樣，它的問題始終處于供給短缺的狀況，換句話說到我們新零售或者剛才提到的工業(yè)互聯(lián)網(wǎng)，很多時候解決了中間的配置問題，讓我們的需求能夠很好地找到供給方，我們能解決巨大的問題，釋放出巨大的價值。但是在醫(yī)療行業(yè)里面沒有辦法解決生產(chǎn)關(guān)系和生產(chǎn)資源的配置，包括供需兩端的配置解決核心根本的問題。需求是無限制甚至說人類對健康的需求幾乎是沒有天花板的，但是供給永遠有限，好的醫(yī)生供給數(shù)量有限，把所有的醫(yī)院或者所有的醫(yī)生都連到互聯(lián)網(wǎng)或者移動互聯(lián)網(wǎng)上依然解決不了這個問題。
更深層次看一下，經(jīng)歷過歷次工業(yè)革命，從蒸汽機時代開始，每一種技術(shù)的革命對各行各業(yè)的賦能或者增益不是雨露均沾，對有些行業(yè)帶來的增益更大，而有些行業(yè)更低。從一開始蒸汽機改變了人類社會開始，一開始交通運輸業(yè)是最先被改造的，到了電力時代有一些流水線工業(yè)制造被改造的很大，互聯(lián)網(wǎng)革命包括移動互聯(lián)網(wǎng)革命時代最大的好處是解決了人和人、物和人、信息和人之間的溝通問題，最容易被解決的是傳統(tǒng)上供給可以被批量制造，但是供給端很難找到需求，我需要使買家賣家或者信息獲取方和信息制造方之間比較好連接的行業(yè)。
像傳統(tǒng)說的醫(yī)生、律師、教師依賴于人的經(jīng)驗和人的積累的行業(yè)，它很難被解決資源配置問題的技術(shù)所改造，有一個共同點，都是非常依賴于長期經(jīng)驗累月的經(jīng)驗積累。人的壽命有限，一個醫(yī)生或者教師好不容易經(jīng)過20年的積累長期的學習，終于達到一定的水平以后，他的體力、精力、智力都在衰退過程中，這樣一個矛盾也造成了可能兩千年以來醫(yī)療、法律、教育這樣的行業(yè)都沒有很好地很徹底地被技術(shù)所改造。我們希望他們能夠像互聯(lián)網(wǎng)改變其它行業(yè)一樣被改造的話，下一個帶來革命性技術(shù)的必然是能夠使我們的供給端批量增加，像流水線增加的技術(shù)，人工智能就是其中一個選項。
具體到杏脈在做的事情，舉一些場景例子向大家說明一下，人工智能是怎么改造醫(yī)療健康行業(yè)的——
第一卒中，腦中風行業(yè)：如果看一個人類的疾病圖譜從中等以上發(fā)展水平國家來說，排在死亡率第一和第二名的必然是心血管疾病，要么缺血性心臟病，要么缺血性腦卒中，和我們常有的認知不太相符。往常認為癌癥是很大的致死原因，其實不是這樣的，致死率最高的癌癥——肺癌，也只能排到第三位。
卒中（中風）有幾個特點，第一，診斷流程非常復雜，2018年醫(yī)學指南指明發(fā)生急性腦卒中送到醫(yī)院里面診斷流程是什么樣的，可以看到非常復雜。第二，對時間的緊迫性要求非常高。腦細胞每天會死亡幾百，如果發(fā)生腦血管堵塞每分鐘都會發(fā)生幾百萬腦細胞的死亡，時間越久造成不可逆的腦細胞死亡比例越高，癱瘓或者全癱的風險越高。醫(yī)學上有黃金6小時的說法，6小時之內(nèi)需要得到治療，不然腦細胞會不可逆的死亡。
有了兩個矛盾點以后，問題就來了，第一，我們需要非?？斓匕鸦颊咚偷结t(yī)院進行治療。第二，就近送到醫(yī)院的醫(yī)療水平相當有限，如果對患者希望做一個全面的診斷來決定下一步應該采取什么治療手段的話，其實非常麻煩。比如第一步判斷是缺血性腦卒中還是出血性腦卒中，兩種選錯的話，是致命的問題。通過救護車把中風患者送到醫(yī)院的急診科才有機會拍CT片，給醫(yī)生做一個診斷，再下一個判斷治療方案。這樣的過程非常麻煩非常長，杏脈優(yōu)化了流程，選取了小型的CT設(shè)備可以裝在救護車上移動式，僅僅有這樣的設(shè)備不夠，救護車沒有醫(yī)生進行卒中的診斷，我們把AI能力賦能在救護車上，可以對腦卒中是出血性還是缺血性做一個簡單的診斷。我們送到的醫(yī)院可能并不能進行復雜手術(shù)治療的話，會改變救護車的救護路線，送到更有能力的醫(yī)院去。
AIS評分是其中典型的場景，我們?nèi)ヅ袛嘁粋€人患有缺血性腦卒中是不是能夠進行取栓介入手術(shù)治療，把導管從股動脈或橈動脈插到大腦中去，對血栓取出是不是能進行這樣一個治療取決于剛才提到的AIS評分，一般來說對于正常醫(yī)生只能通過核磁共振的設(shè)備上進行準確判斷。
這個設(shè)備又有致命的缺陷，它非常稀缺，一般如果去醫(yī)院進行腦部磁共振或者膝的磁共振檢查排隊一兩個月非常正常，90%以上的醫(yī)院急診沒有這樣的設(shè)備。一個非常有經(jīng)驗的醫(yī)生能從CT設(shè)備上看出AIS評分，但是全國能精確診斷病癥的醫(yī)生非常少。我們通過AI的方式在CT的模態(tài)上模擬磁共振做出來的圖象，這樣大部分具有卒中中心的基層醫(yī)院就可以做簡單的診斷，極大方便對卒中患者的救治。
心血管疾病篩查的輔助診斷，心血管疾病缺血性心臟病在發(fā)達國家都是排名第一的致死原因，有一個很大的問題，診斷的難度非常大。
平時經(jīng)常聽到中國心臟病濫用支架造成醫(yī)保負擔高企，包括患者負擔高企，都是因為這個原因。并不是說醫(yī)生一定昧著良心做這樣的事情，我們通過一定的手段控制，醫(yī)院或者科室控制支架的采購，防止耗材的濫用。是不是放支架，需要醫(yī)生做一個評估，用壓力導絲從血管里面穿進去一直穿到心臟的部位測一下血流對心肌灌注造成的影響以及壓力，這個檢查比較昂貴，一個壓力導絲九千人民幣，同時檢查有創(chuàng)，對病人的身體造成極大的損傷。整個過程是一個介入檢查，醫(yī)生室的手術(shù)醫(yī)生護士在曝露之下，醫(yī)生每年能做的手術(shù)量有限制。
我們通過深度學習結(jié)合血流動力學模擬出來導絲在血管里面的行動路徑，我們發(fā)在JACC心血管最頂級的雜志上，0.91的準確率，在臨床上達到可以輔助的標準?；颊卟恍枰鋈魏谓槿霗z查，只需要做一個CT，就可以判斷出來需不需要進行介入治療支架治療，對醫(yī)保對患者對醫(yī)院有極大的好處。
在醫(yī)學領(lǐng)域數(shù)據(jù)是非常稀缺的，422例是目前最大的臨床研究。判斷出來病患有缺血性心臟病并且需要進行介入治療或者開胸搭橋治療又會面臨一個問題，我們進行心臟搭橋是非常復雜的手術(shù)，可以選擇胸腔內(nèi)的乳內(nèi)動脈，可以選擇患者腿部的靜脈進行搭橋的橋血管取材，不同的血管對最后血流動力學的改善對心肌的改善不一樣。
橋血管的搭橋路徑從哪些血管接到缺血的部位也是非常講究的，傳統(tǒng)上依賴搭橋醫(yī)生的經(jīng)驗。醫(yī)生無法對搭橋路徑進行很好的選擇，很多患者出現(xiàn)術(shù)后的血管再狹窄，通過血流動力學加深度學習的方式進行虛擬的手術(shù)規(guī)劃，在軟件上讓醫(yī)生像打游戲一樣選擇橋血管，通過在軟件界面上看到的冠脈縫合點進行虛擬搭橋，并且在幾分鐘之內(nèi)可以模擬出整個血流在心肌灌注上的影響，從而更好指導他對手術(shù)規(guī)劃的測量。
病理和手術(shù)結(jié)合的領(lǐng)域AI做的工作，針對剛才說的第三大死亡原因肺癌，當X機上發(fā)現(xiàn)有疑似癌癥的結(jié)節(jié)需要進行氣管鏡的取材，取到組織進行判斷確診是不是真的是惡性的癌變，再判斷是不是可以進行PDL—1藥物治療還是開胸手術(shù)。
氣管鏡取材能不能準確取到需要的結(jié)節(jié)，肺隨著不斷的擴張呼吸結(jié)節(jié)移動，醫(yī)生會反復取材，第一次取到組織送到病理科判斷這個取材是不是合適的，把手術(shù)停止，如果不合適需要繼續(xù)重復再去下一次取材。我們臨床上看到一個醫(yī)生反復取三四次是很正常的，但是每次取材工作其實都是非常浪費時間的，取到這樣的組織送到病理科，經(jīng)過切片、染色、冰凍，病理科醫(yī)生去看，整個過程30分鐘到40分鐘非常正常，病人只能在手術(shù)臺上躺著，體驗非常不好。
病理醫(yī)生在中國是特別稀缺的職業(yè)，全中國的注冊病理科醫(yī)生加起來一萬零幾人，每個病理科醫(yī)生經(jīng)過五年到十年的培養(yǎng)才能獨立出診斷報告，幾乎沒有辦法在呼吸科做氣管鏡手術(shù)的科室對醫(yī)生培養(yǎng)，讓他們學習怎么看病理切片。
人工智能和醫(yī)療非常好的結(jié)合點，讓人工智能學習病理科醫(yī)生診斷病理普遍的技能，把這樣一個AI能力和顯微鏡硬件相結(jié)合，做了一臺AI顯微鏡，AI顯微鏡放在手術(shù)室里面，這樣當醫(yī)生取出材料以后放到玻片上，通過顯微鏡進行初步判定。
我們采訪過上海市呼吸科的醫(yī)學主委，他認為如果這樣的AI出來之后，半小時做出診斷，并且準確率百分之六七十可以達到臨床使用的標準。最后在復旦大學附屬中山醫(yī)院測出來的準確率是98%，時間在兩分鐘之內(nèi)，大大超出醫(yī)生的預期，在中山、中日友好醫(yī)院已經(jīng)開始使用。
時間關(guān)系有非常多的應用不再介紹，各位有志于加入這個行業(yè)或者希望討論的都可以加我微信，會后討論。謝謝！
實際上，AI與各行各業(yè)的結(jié)合已經(jīng)深入肌理，傳統(tǒng)行業(yè)都在面臨著前所未有的變革窗口期。借助AI實現(xiàn)企業(yè)的轉(zhuǎn)型升級，已經(jīng)從以往的錦上添花變成了如今迫在眉睫。AI將如何重塑行業(yè)，行業(yè)需求又如何倒逼AI技術(shù)的發(fā)展，成為了值得探討的問題。
大會上午的主論壇共分為“AI重點相關(guān)技術(shù)”與“AI重點場景應用”兩大板塊，除了邀請中國工程院院士鄔賀銓、搜狗公司CEO王小川、三星電子中國研究院院長張代君為我們解讀AI發(fā)展的最新進展外，還邀請了來自IoT、零售、自動駕駛、金融、醫(yī)療五個領(lǐng)域的知名大咖來分享AI與行業(yè)的結(jié)合。而下午的分論壇則更為聚焦，深入探究AI如何改造零售、教育這兩個關(guān)乎國計民生的行業(yè)。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
