人工智能醫(yī)療落地崎嶇 折戟15年后今天他們再次起航

2016年6月，自動化所中科院分子影像重點實驗室田捷研究員團隊和廣東省人民醫(yī)院放射科合作，采用新興的影像組學（Radiomics）方法在結直腸癌淋巴結轉移預測研究方面取得了重要進展。和傳統(tǒng)CT影像學評估相比，影像組學預測模型將術前淋巴結預測準確率提高了14.8%。

早在2003年，中國就啟動了第一個醫(yī)療影像大數(shù)據(jù)研究項目。但因為當時數(shù)據(jù)很難做到歸一化，項目以失敗告終。近15年過去了，我們才剛剛正式地有機會來開始做這件事。

——飛利浦大中華區(qū)臨床科學部高級總監(jiān)周振宇博士

人工智能大熱的當下，金融、醫(yī)療等存量數(shù)據(jù)巨大的行業(yè)，成為了該技術落地應用的首選行業(yè)。除了先行一步的金融，近一兩年來，BAT、初創(chuàng)公司等也紛紛開始布局人工智能醫(yī)療。

而值得一提的是，在日前由智能醫(yī)療影像平臺初創(chuàng)企業(yè)匯醫(yī)慧影在北京主辦的“醫(yī)療人工智能前沿峰會”上，雷鋒網(wǎng)通過對來自飛利浦、西門子、一線醫(yī)療工作者、學界高校、醫(yī)療科技創(chuàng)新、英特爾等醫(yī)療行業(yè)人士的訪談發(fā)現(xiàn)，在盤活人工智能醫(yī)療這件事上，各界對于智慧醫(yī)療、醫(yī)療普惠的探索，比我們想象中要早很多；業(yè)界內的聯(lián)合聯(lián)動，也非其他同樣尋求AI創(chuàng)新的行業(yè)所能及。

醫(yī)療資源分配不均、政策受阻，AI為中國醫(yī)療困境帶來希望

在當前中國的醫(yī)療市場中，國家投入巨大，但醫(yī)療資源分配矛盾依舊突出。據(jù)公開數(shù)據(jù)顯示，龐大的醫(yī)療機構體系中，擁有優(yōu)質醫(yī)療資源的醫(yī)院僅占衛(wèi)計委醫(yī)療總數(shù)的0.1%。

大量的病人來自基層，但數(shù)量極少的三甲醫(yī)院門庭若市。事實上，病人對基層的不信任不在于設施，而是人。據(jù)統(tǒng)計，目前我國基層醫(yī)院誤診率較高，醫(yī)學影像領域誤診次數(shù)達到每年5700萬次；醫(yī)院總體而言，腫瘤誤診率達到60%。更不用說早年。

因此，對于國家出臺的分級診療方案，實施起來也有難度。不管是三甲醫(yī)院的醫(yī)生下基層，還是遠程醫(yī)療，這還是需要優(yōu)秀醫(yī)生貢獻時間，所以都解決不了根本問題——優(yōu)秀醫(yī)生資源缺乏，服務效率不高。

與此同時，英特爾醫(yī)療和生命科學集團李亞東稱，此外在中國，人口老齡化與慢性病增長的趨勢驅動了市場對AI更大的需求。因此，AI 成為醫(yī)療創(chuàng)新的必由之路——讓產品化人工智能來賦能，讓優(yōu)秀醫(yī)生的能力可復制。

這是一個藍海市場，也是一個充滿溫情的事業(yè)。

多年來智慧醫(yī)療的最大抵抗力

事實上，中國早在1984年10月，原教育部副部長、東南大學校長韋鈺院士就創(chuàng)立了東南大學生物科學與醫(yī)學工程系，該系正是在2006年8月成立的生物科學與醫(yī)學工程學院的前身。而生物科學與醫(yī)學工程學院的創(chuàng)立，其科學研究及學生培養(yǎng)方向就是瞄準21世紀主導學科——生命科學與電子信息科學，強調這兩個學科的交叉與滲透。

飛利浦大中華區(qū)臨床科學部高級總監(jiān)、接受中國最早醫(yī)工雙學士改革教育的周振宇博士向雷鋒網(wǎng)講述他那一代人探索智慧醫(yī)療的歷程時表示，“生命學工程系，最早是進行醫(yī)工雙學位的培養(yǎng)，學生們都需要先去學工科，然后再學醫(yī)。在那個時候，我們就想創(chuàng)建這樣的影像方面的大數(shù)據(jù)平臺了。”

據(jù)了解，在2003年，中國啟動了第一個醫(yī)療影像大數(shù)據(jù)研究項目，周振宇博士也參與了其中。但在那個年代，項目雖然獲得了高達500萬人民幣的資金支持，但最終還是失敗了。因為，算法問題已經(jīng)成熟，但還存在許多無法克服的挑戰(zhàn)：設備成像的質量，數(shù)據(jù)，以及計算機能力的滯后等。

在今天英偉達、英特爾等半導體廠商的加入下，CPU\GPU\FPGA等的補足讓計算處理能力有了長足的進步。但是，如斯坦福大學醫(yī)學物理部主任、終身教授邢磊指出，數(shù)據(jù)不集中不規(guī)范是目前智能醫(yī)學發(fā)展的最大障礙之一。因為標準、系統(tǒng)兼容性和互通性而導致的數(shù)據(jù)歸一化問題，至今任然存在。這也是為什么，匯醫(yī)慧影希望打造跨設備互聯(lián)的醫(yī)療影像云平臺。

邢磊教授表示，對于醫(yī)學影像與病例病史等資料的整合，從而做出綜合的智能分析決策，現(xiàn)在尚處于非常原始的階段。

“現(xiàn)在醫(yī)院對病人進行系統(tǒng)的綜合的智能分析決策做得還非常不夠，比如今天一名病人的核磁結果來了，就分析一下，但實際上，這名病人也許在十年前也留下了相關的核磁、CT及病例病史等結果，這些歷史數(shù)據(jù)是否能夠整合呢？如有了全面的智能分析決策之后，效果會好的多。”

基因數(shù)據(jù)、影像信息到規(guī)范化大數(shù)據(jù)，是不可斷裂的鏈

所以，當數(shù)據(jù)端的完善成為共識時，如何獲取數(shù)據(jù)？什么樣的數(shù)據(jù)才是智慧醫(yī)療實現(xiàn)的原材料呢？

3月28日，IBM與國內互聯(lián)網(wǎng)醫(yī)療平臺百洋醫(yī)藥集團簽署戰(zhàn)略合作協(xié)議，旗下百洋智能科技將成為Watson Health（沃森健康）中國地區(qū)的戰(zhàn)略合作伙伴。

此前媒體分析稱，百洋的數(shù)據(jù)量正是IBM所看重的，因為Watson的能力是基于西方患者數(shù)據(jù)庫、醫(yī)學理論得出的循證醫(yī)學診治，但是，由于種族基因、生活環(huán)境的差異，中西方患者在癌癥疾病的發(fā)病以及治療都存在一定差異。因此，對于Watson而言，成功獲得足夠的中國醫(yī)療機構的病例病史數(shù)據(jù)，并進行循環(huán)的認知計算訓練。

事實上，業(yè)內人士指出，IBM的數(shù)據(jù)瓶頸，并不在于基因差異影響診斷，而是需要數(shù)據(jù)訓練做基因檢測，推動精準醫(yī)療。眾所周知，Watson也與世界基因治療巨頭illumina合作，基于后者最新的測序儀推測序結果的自動解及篩選靶向藥物。

同樣，周振宇博士向雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))表示，人類健康問題從基因開始，從基因信息、到影像學信息、到規(guī)范化的大數(shù)據(jù)分析——是一條線的。“如果沒有前期的信息，談智慧醫(yī)療是不完整的。從最基本的基因測序，到整個人的健康系統(tǒng)管理，比如慢病管理，整個概念串在一起才能實現(xiàn)大數(shù)據(jù)智能診斷和研究。”

因此，除了在院內，據(jù)匯醫(yī)慧影CEO柴象飛表示，為了將分散的數(shù)據(jù)統(tǒng)一起來，匯醫(yī)慧影的云平臺，也需要與飛利浦、西門子等設備合作打通。在院外，以飛利浦為例，作為2017年3大醫(yī)療設備巨頭率先轉型落地的一家，該公司為了統(tǒng)一鏈接基因、影像診斷、診療方案等過程，把信息的該公司醫(yī)療設備的轉型中，illumina、華大基因是不可或缺的合作對象。

就華大基因而言，該機構運行著國家的基因庫，覆蓋面廣泛。周振宇博士透露，未來華大基因將有1億樣本用于基礎（理論）研究，5億樣本用于臨床研究；而飛利浦正計劃將兩臺大型影像設備部署在國家基因庫，屆時將能夠在同一個地點去采集人的基因信息和影像學信息 。

高能的是，這個涉及到整個數(shù)據(jù)流的讀取、存儲、寫出的工作，會碰撞出怎樣的效果呢？鄭州大學第五附屬醫(yī)院教授、黨委書記王新軍博士表示，神經(jīng)影像和基因組學的完美結合形成了影像基因組學，這樣能更加準確地診斷疾病，或預測一些疾病的發(fā)展。

舉例來說，膠質瘤是在神經(jīng)系統(tǒng)最頑固的疾病，需要手術放射化療。放射治療是非常有效的，但是會帶來放射性壞死的副作用。而放射性壞死過程中，對于細胞是復發(fā)還是壞死的判斷，光從影像上判斷，現(xiàn)在還是個難題。因此，基于大數(shù)據(jù)、深度學習的影像基因組學就可以把基因組學和影像學的優(yōu)勢結合起來做預判診斷。

如果僅依靠計算機做輔助診斷，那么世界最早在1959年便有了相關技術，叫“計算機輔助診斷（CAD）”；但是，疾病雖然有共性，但診斷中最主要是每個個體發(fā)病的情況不同。周振宇表示，在今天強化學習、深度學習有了進一步發(fā)展之下，要實現(xiàn)計算機能夠自我訓練的過程，需要不斷有更多的信息攝入。

未來的挑戰(zhàn)：特征的尋找

2016年6月，廣東省人民醫(yī)院放射科與自動化所中科院分子影像重點實驗室田捷研究員團隊合作，采用新興的影像組學（Radiomics）方法在結直腸癌淋巴結轉移預測研究方面取得了重要進展，相關研究成果已經(jīng)在臨床腫瘤學頂級期刊JCO上發(fā)表。

據(jù)介紹，影像組學（Radiomics）是利用數(shù)據(jù)挖掘等信息技術，從影像、病理、基因等海量數(shù)據(jù)中挖掘提取并量化腫瘤海量特征，解析影像與基因和臨床信息（分型、療效和預后等）關聯(lián)的新方法。近年來影像組學已成為影像學領域最受關注的研究熱點和前沿方向之一。

數(shù)據(jù)顯示，和傳統(tǒng)CT影像學評估相比，影像組學預測模型將術前淋巴結預測準確率提高了14.8%。

只是，這一類AI醫(yī)療成果，當前在浙江大學、吉林大學等附屬醫(yī)院，以及中科院等機構中都陸續(xù)產生，但大部分尚處于科研階段。

眾所周知，基因治療方案的未成熟原因在于，目前人類醫(yī)生尚未能夠發(fā)現(xiàn)太多基因信息與臨床表征之間的聯(lián)系。在工業(yè)界通用類圖像識別領域，有教機器分類物體的數(shù)據(jù)庫：Caltech 101和ImageNet。兩個數(shù)據(jù)庫的原理是，通過特征標簽，讓機器讀懂圖像。同樣，在AI醫(yī)學影像領域也會面臨這樣的問題。

吉林大學第一醫(yī)院放射科張惠茅主任表示，影像學表征非常多，對于皮膚病等2D圖像的處理還比較順利，但診斷其他的疾病就變得很復雜。“如果不能做到成像、圖像處理的規(guī)范化，那么拿到這些數(shù)據(jù)也是沒有用的，也談不上今天的大數(shù)據(jù)智慧醫(yī)療。”

她表示，如何提取有效數(shù)據(jù)、規(guī)范化管理之后要提取什么樣的數(shù)據(jù)特征才有效，都需要包括臨床、基因組學、影像組學，以及設備商等聯(lián)合起來，制定出有效的特征，才能讓人工智能醫(yī)療更有效。

當然，目前AI醫(yī)療創(chuàng)新還面臨著政策監(jiān)管滯后的問題，同時也引發(fā)起一部分人對“AI取代論”的焦慮。但如匯醫(yī)慧影聯(lián)合創(chuàng)始人郭娜所言，

人工智能更重要的是尊重生命，關愛生命。

面對生命的界限，人人都會屈服。當呼吸化為空氣——留給我們的唯有是前行。

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(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)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。