醫療影像成為AI最廣泛應用領域，用人工智慧為人類看病
3月25日，動脈網記者參加了智慧醫療影像平臺匯醫慧影主辦，英特爾、中國電信、藍馳創投等聯合主辦的“智慧未來·醫療人工智慧前沿峰會”。
參與本次峰會的嘉賓有中國醫學裝備協會會長原衛生部規財司司長趙自林、英特爾醫療與生命科學部亞太區總經理李亞東、匯醫慧影創始人柴象飛和郭娜、藍馳創投合夥人陳維廣、斯坦福大學醫學物理中心終身教授邢磊以及國際核能院院士張勤、清華大學海峽研究院大資料中心主任王熙、北京大學腫瘤醫院資訊部長衡反修、鄭州大學第五附屬醫院黨委書記王新軍等，
從一開始的兩個創投人，到現在進入400多家醫院，匯醫慧影一直致力於發掘醫療影像資料價值，結合人工智慧、雲計算以及大資料處理，打造智慧醫學影像平臺和腫瘤放療平臺，構建了影像智慧篩查系統、防漏診系統及將影像深度應用於腫瘤、心血管等單病種的人工智慧輔助診療系統。很顯然，匯醫慧影在下很大的一盤棋。
記者瞭解到，
藍馳合夥人陳維廣告訴記者：“投資匯醫慧影，除了看重醫學影像率先在醫療大資料和人工智慧商業模式上實現突破的潛力之外，最主要還是基於對團隊兩位創始人的認可。”
老齡化加劇和慢病挑戰，醫療大資料處理需要新的技術和平臺從19世紀現代醫學體系建立開始，醫學進入發展的快車道。醫療行業的發展，跟技術和認知更迭一直息息相關，緊密關聯，而且從來沒有衰落過。每一次革命性的底層技術的誕生都會帶來要素資源的重新配置，並重構醫患關係，提高效率。很顯然，人工智慧技術在這方面，潛力無窮。
英特爾醫療與生命科學集團亞太總經理李亞東指出，醫療健康的需求端急劇上升和供給端的嚴重不足，
這主要歸結於兩個方面的原因，一是老齡化加劇。全球範圍來說，65歲以上的人群所佔用的醫療資源在30%。55歲以上的人群佔用的醫療資源在50%以上。這樣的人口老齡化背景對人工智慧的需求急劇上升。特別是中國，中國到2020年65歲以上老齡化人口將達到20%。二是慢病對醫療資源的重新配置要求。中國是慢性病問題最嚴重的一個地區。怎樣解決中國慢病人群迅速增長的問題，是當下及未來的重大挑戰。
李亞東認為，技術創新是解決問題的唯一出路。“需要創新才能夠解決這些固有的存量問題和正在加劇的新的增量問題。單純的按照過去的傳統的方法，通過單純增加供給，或者限制需求解決問題，是走不通的。”人工智慧給醫療行業打開了一扇窗。
據資料統計，目前有30餘家上市公司佈局人工智慧產業鏈，主要包括軟體演算法核心系統、圖像語音辨識技術、電腦視覺及感測器，以及人工智慧+金融、安防等領域。
據瞭解，每位互聯網用戶每天產生的資料流程量是1.5GB，一座智慧醫院是3000GB，龐大的資料洪流，讓一直處在實驗室探索階段的人工智慧，有了更廣闊的應用空間，需要充分利用人工智慧技術將醫療領域收集到的資料，更好的挖掘和分析。
“英特爾一直在宣導人工智慧要普惠，這是我們一直以來的願景，在這個基礎上英特爾提出了一系列的解決方案。首先我們是品牌提供商，不會去碰資料，資料是大家的，不是英特爾的，所有權非常明確，我們的專注的工作是做最好的計算平臺，讓演算法得到最大的優化。所以，英特爾做了大量的工作，除了做一流的硬體之外，同時也有多執行緒平臺，此外針對大資料的應用，我們也做了一些SDK，讓大資料應用能夠在平臺上得到最大的便利。”李亞東表示。
給基層醫生和醫院賦能，這是人工智慧追求的境界當然對於人工智慧如何更好的服務醫療，目前依然存在一些難點亟待解決，比如人工智慧必須和臨床資料結合，而臨床資料最重要的是如何提高品質，需要結構化，而且資料量並不是越大越好，這與病人的具體情況及資料的品質都有關。
人工智慧概念早在50年代就被提出，直到深度學習技術，解決了很多以前不能解決的問題，才把醫療AI推向新的高☆禁☆潮。在中國，醫療AI還面臨一個最現實的問題，如何服務中國廣大的基層醫療。
談及當下醫療資源困境及人工智慧應用機會，國際核能院（INEA）院士、清華大學核研院、電腦系教授張勤指出， 基層醫院床位空置很多，而三甲醫院一床難求的關鍵在於人。“基層醫療機構儘管有好的設備，但是發揮不了作用，看病看不准。2015年出臺了醫改早期方案，提出了基層首診、雙向轉診、急慢分治、上下聯動。目前的目標是縣域就診率90%，大病不出縣，但是實現起來難度很大，因為好醫生下不去。”
如果讓三甲醫院的醫生巡診，實際上在三甲醫院也看不了病，因為醫生時間是有限的。至於遠端醫療解決區域分佈不均的期盼，同樣還是要花醫生的時間。所以核心問題是優質的醫生本身不夠。
張勤教授指出，大醫院虹吸現象是自然和必然現象，解決基層醫療資源缺乏的核心在於給基層醫療機構“賦能”，用人工智慧給基層醫生“院士級看病的本事”。把一個院士的看病本事，放到一個筆記型電腦裡，帶到基層醫院，這就是我們人工智慧追求的境界，和解決的實際問題。
醫學影像有望率先在人工智慧商業落地上，實現突破為什麼說，人工智慧在醫學影像上是比較好的方向。柴象飛表示，首先，醫院的醫學影像資料非常多，也是最大的一部分，而且這些資料是標準化的。這些資料從機器的角度講，便於機器閱讀，人工智慧的輔助診斷不容置疑，而且是以後必然的方向。
從歷史上看，醫學影像的發展已經有一百多年，大致分為三個階段：物理驅動、應用驅動和資料驅動。物理方法驅動，包括從X光、超聲、赫茲、熱成像到同位素成像。從20世紀90年代開始，進入應用驅動時代，不單單把影像做診斷，開始用於放療引導和手術計畫等。基於前面兩個階段發展的基礎上，有大量的經驗資料留存，利用AI技術，重新挖掘積累大資料，顯然成為目前最大的增長點。
匯醫慧影CEO柴象飛在會上表示：“與互聯網+不同，AI對醫療領域的改造是顛覆性的。它不僅僅是一種技術創新，更從生產力上為傳統醫療行業帶來變革，除了提高醫生的工作效率外，還將作為輔助手段，大大提高診斷效率和準確率，使精准醫療成為可能，其帶來的將是龐大的增量市場，或可誕生大量獨角獸企業，AI+醫學影像診斷市場空間巨大。”
這也與我們的預判符合，在整個醫療人工智慧、醫學大資料中，一定會是影像先行，醫學影像已經成為人工智慧在醫療應用中最熱門的領域之一。2016年以來，已有近20家人工智慧+醫學影像公司先後獲得投資。
據柴象飛介紹，醫學影像具有4V性（volume數量、variety多樣性、velocity速度、veracity真實性），匯醫慧影希望彙集醫生智慧，彙聚醫學影像，他認為“醫學影像天生適合互聯網+大資料+人工智慧”。從數量上講，超過80%的醫療資料來自醫學影像資料；多樣性則是指多模態影像、病理、檢驗、基因及隨訪資訊等資料的種類繁多；而高性能計算多層神經網路模型能應用在影像資料，影像的數位化及報告後資料的結構化，以確保資料最真實可用。
“我們在實踐中發現，優質、大量的資料積累；高性能計算環境；優化的深度學習方法。三者資源配齊就會構建不斷提高的狀態模型，這正是人工智慧的魅力所在。利用三者的關聯大大提高醫學診療效率，並達到精准醫療。”柴象飛說，匯醫慧影正在利用網路的層級類比人腦對圖像的認識過程，人腦對圖像會分為如顏色、形狀、抽象識別等五部分進行處理，因此在不同的區域，類比認知過程的演算法也會不一樣。
動脈網瞭解到，儘管匯醫慧影成立只有2年多時間，但是服務的醫院數量已經超過400家，其中包括20家三甲醫院，與8家三甲醫院進行科研合作。另外，匯醫慧影與合作夥伴協作共同申請了2個國家自然科學基金、2個省級自然科學基金、2個科技部新型數位醫療儀器重點專項。
另外，此次峰會，匯醫慧影聯手七喜醫療，發佈了全球首款智慧DR ，對於此次合作，七喜醫療總經理黃華平表示：“匯醫慧影和七喜醫療聯合研製的智慧DR，目的是如何在更低的劑量，更優化的參數的前提下，獲得一幅合格的圖像，這是人工智慧首先要解決的問題。獲得一幅合格的圖像之後，如何用人工智慧輔助醫生做更好的判斷和診斷，醫療AI大有可為。”
文|高道龍
動脈網（WeChat：vcbeat），關注互聯網醫療及健康領域的新技術、創業和投資，以及新技術背後的倫理變遷。
版權聲明：動脈網所刊載內容之智慧財產權為動脈網及/或相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、複製及建立鏡像等任何使用。
特別是中國，中國到2020年65歲以上老齡化人口將達到20%。二是慢病對醫療資源的重新配置要求。中國是慢性病問題最嚴重的一個地區。怎樣解決中國慢病人群迅速增長的問題，是當下及未來的重大挑戰。李亞東認為，技術創新是解決問題的唯一出路。“需要創新才能夠解決這些固有的存量問題和正在加劇的新的增量問題。單純的按照過去的傳統的方法，通過單純增加供給，或者限制需求解決問題，是走不通的。”人工智慧給醫療行業打開了一扇窗。
據資料統計，目前有30餘家上市公司佈局人工智慧產業鏈，主要包括軟體演算法核心系統、圖像語音辨識技術、電腦視覺及感測器，以及人工智慧+金融、安防等領域。
據瞭解，每位互聯網用戶每天產生的資料流程量是1.5GB，一座智慧醫院是3000GB，龐大的資料洪流，讓一直處在實驗室探索階段的人工智慧，有了更廣闊的應用空間，需要充分利用人工智慧技術將醫療領域收集到的資料，更好的挖掘和分析。
“英特爾一直在宣導人工智慧要普惠，這是我們一直以來的願景，在這個基礎上英特爾提出了一系列的解決方案。首先我們是品牌提供商，不會去碰資料，資料是大家的，不是英特爾的，所有權非常明確，我們的專注的工作是做最好的計算平臺，讓演算法得到最大的優化。所以，英特爾做了大量的工作，除了做一流的硬體之外，同時也有多執行緒平臺，此外針對大資料的應用，我們也做了一些SDK，讓大資料應用能夠在平臺上得到最大的便利。”李亞東表示。
給基層醫生和醫院賦能，這是人工智慧追求的境界當然對於人工智慧如何更好的服務醫療，目前依然存在一些難點亟待解決，比如人工智慧必須和臨床資料結合，而臨床資料最重要的是如何提高品質，需要結構化，而且資料量並不是越大越好，這與病人的具體情況及資料的品質都有關。
人工智慧概念早在50年代就被提出，直到深度學習技術，解決了很多以前不能解決的問題，才把醫療AI推向新的高☆禁☆潮。在中國，醫療AI還面臨一個最現實的問題，如何服務中國廣大的基層醫療。
談及當下醫療資源困境及人工智慧應用機會，國際核能院（INEA）院士、清華大學核研院、電腦系教授張勤指出， 基層醫院床位空置很多，而三甲醫院一床難求的關鍵在於人。“基層醫療機構儘管有好的設備，但是發揮不了作用，看病看不准。2015年出臺了醫改早期方案，提出了基層首診、雙向轉診、急慢分治、上下聯動。目前的目標是縣域就診率90%，大病不出縣，但是實現起來難度很大，因為好醫生下不去。”
如果讓三甲醫院的醫生巡診，實際上在三甲醫院也看不了病，因為醫生時間是有限的。至於遠端醫療解決區域分佈不均的期盼，同樣還是要花醫生的時間。所以核心問題是優質的醫生本身不夠。
張勤教授指出，大醫院虹吸現象是自然和必然現象，解決基層醫療資源缺乏的核心在於給基層醫療機構“賦能”，用人工智慧給基層醫生“院士級看病的本事”。把一個院士的看病本事，放到一個筆記型電腦裡，帶到基層醫院，這就是我們人工智慧追求的境界，和解決的實際問題。
醫學影像有望率先在人工智慧商業落地上，實現突破為什麼說，人工智慧在醫學影像上是比較好的方向。柴象飛表示，首先，醫院的醫學影像資料非常多，也是最大的一部分，而且這些資料是標準化的。這些資料從機器的角度講，便於機器閱讀，人工智慧的輔助診斷不容置疑，而且是以後必然的方向。
從歷史上看，醫學影像的發展已經有一百多年，大致分為三個階段：物理驅動、應用驅動和資料驅動。物理方法驅動，包括從X光、超聲、赫茲、熱成像到同位素成像。從20世紀90年代開始，進入應用驅動時代，不單單把影像做診斷，開始用於放療引導和手術計畫等。基於前面兩個階段發展的基礎上，有大量的經驗資料留存，利用AI技術，重新挖掘積累大資料，顯然成為目前最大的增長點。
匯醫慧影CEO柴象飛在會上表示：“與互聯網+不同，AI對醫療領域的改造是顛覆性的。它不僅僅是一種技術創新，更從生產力上為傳統醫療行業帶來變革，除了提高醫生的工作效率外，還將作為輔助手段，大大提高診斷效率和準確率，使精准醫療成為可能，其帶來的將是龐大的增量市場，或可誕生大量獨角獸企業，AI+醫學影像診斷市場空間巨大。”
這也與我們的預判符合，在整個醫療人工智慧、醫學大資料中，一定會是影像先行，醫學影像已經成為人工智慧在醫療應用中最熱門的領域之一。2016年以來，已有近20家人工智慧+醫學影像公司先後獲得投資。
據柴象飛介紹，醫學影像具有4V性（volume數量、variety多樣性、velocity速度、veracity真實性），匯醫慧影希望彙集醫生智慧，彙聚醫學影像，他認為“醫學影像天生適合互聯網+大資料+人工智慧”。從數量上講，超過80%的醫療資料來自醫學影像資料；多樣性則是指多模態影像、病理、檢驗、基因及隨訪資訊等資料的種類繁多；而高性能計算多層神經網路模型能應用在影像資料，影像的數位化及報告後資料的結構化，以確保資料最真實可用。
“我們在實踐中發現，優質、大量的資料積累；高性能計算環境；優化的深度學習方法。三者資源配齊就會構建不斷提高的狀態模型，這正是人工智慧的魅力所在。利用三者的關聯大大提高醫學診療效率，並達到精准醫療。”柴象飛說，匯醫慧影正在利用網路的層級類比人腦對圖像的認識過程，人腦對圖像會分為如顏色、形狀、抽象識別等五部分進行處理，因此在不同的區域，類比認知過程的演算法也會不一樣。
動脈網瞭解到，儘管匯醫慧影成立只有2年多時間，但是服務的醫院數量已經超過400家，其中包括20家三甲醫院，與8家三甲醫院進行科研合作。另外，匯醫慧影與合作夥伴協作共同申請了2個國家自然科學基金、2個省級自然科學基金、2個科技部新型數位醫療儀器重點專項。
另外，此次峰會，匯醫慧影聯手七喜醫療，發佈了全球首款智慧DR ，對於此次合作，七喜醫療總經理黃華平表示：“匯醫慧影和七喜醫療聯合研製的智慧DR，目的是如何在更低的劑量，更優化的參數的前提下，獲得一幅合格的圖像，這是人工智慧首先要解決的問題。獲得一幅合格的圖像之後，如何用人工智慧輔助醫生做更好的判斷和診斷，醫療AI大有可為。”
文|高道龍
動脈網（WeChat：vcbeat），關注互聯網醫療及健康領域的新技術、創業和投資，以及新技術背後的倫理變遷。
版權聲明：動脈網所刊載內容之智慧財產權為動脈網及/或相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、複製及建立鏡像等任何使用。