人工智能+健康医疗:引爆之后的风口浪尖
2017年人工智能再次成为全球的热门话题,我国也将人工智能上升为国家战略。当前国家正在加紧布局,努力构筑我国人工智能发展的先发优势,使我国成为世界科技强国。各方也在众多领域积极探索人工智能的应用,并取得了突飞猛进的成绩,其中健康医疗领域是人工智能应用的最具潜力的领域之一。
2017年人工智能在健康医疗领域也迎来了一波大爆发,部分应用场景实现了落地与突破,但要真正成熟起来,遍地开花,还需要克服一系列的“成长烦恼”,要在谨慎中前行,从基础、应用、管理均需突破。
未来,通过多方的共同努力,人工智能+健康医疗在单点、纵深领域不断突破的同时,还需要将各个散点的应用组合成更大的应用场景,让分级诊疗能够真正落地,解决医疗的核心痛点;让医护告别大量重复工作,提高效率,缓解医患矛盾;让每个人都能够实现对自身健康的管控,使得个性化健康管理模式落地;让新药研发成本下降,加速药物研发以及临床试验;让行业监管升级,行业决策被优化,告别个人经验主义。未来,人工智能+健康医疗一定会让医疗更加美好,让多方主体共同受益。
人工智能作为未来核心战略再次被引爆
2017年3月5日,“人工智能”首次出现在政府工作报告中;2017年5月科技部印发《“十三五”生物技术创新专项规划》的通知,指出要突破新一代生物检测技术、脑科学和类脑人工智能、生物大数据若干前沿关键技术和共性关键技术;2017年7月,国务院印发《新一代人工智能发展规划》,描绘我国新一代人工智能发展的蓝图,将人工智能作为未来核心战略,并从国家层面对人工智能进行系统布局,明确三大战略目标、六项重点任务,部署构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国。
2017年10月党的十九大报告指出,推动互联网、大数据、人工智能和实体经济深度融合,在众多领域培育新增长点、形成新动能。
随着这一系列政策的发布,相比过去更加务实、规划更加明确,可操作性文件内容更多,2017年人工智能在中国再次被引爆,迎来新一波大爆发。
为了确保国家人工智能核心战略规划的落地,2017年由科技部、发改委、财政部、工信部、中科院等15个部门形成合力,构成了新一代人工智能发展规划推进办公室,着力推进项目、基地、人才统筹布局。与此同时,由潘云鹤院士任组长,包括陈纯院士、李未院士、高文院士等27名顶级专家在内的新一代人工智能战略咨询委员会也宣布成立,打造国家级专家库。从前瞻的角度聚集集体智慧,对一些人工智能方向性、专业性的重大问题进行实质性、潜在性的研究,为国家层面的人工智能重大决策提供进一步的咨询和评估。
未来,人工智能的发展落地除了需要强有力的政策支持外,要取得突破性发展,还需要群智开放、共享成果的新理念,并在碰撞中不断发展。
数据为王的时代,数据基础与产业发展并重
人工智能的发展落地,离不开海量数据作为“养料”,因此数据是人工智能发展的基石。
为了夯实基础,2017年各地加速建立完善全民健康信息平台,加速实现区域内健康医疗数据互联互通,按照国家要求2017年底将实现全民健康信息平台的国家级平台与32省级平台互联互通。
与此同时,国家正在计划成立东(江苏)、西(贵州)、南(福建)、北(山东)、中(安徽)五大国家级健康医疗大数据中心,实现数据的汇聚、共享与开放。另外,2017年国家健康医疗大数据中心暨产业园一批试点也取得了新的进展,福州颁布《福州市健康医疗大数据资源管理暂行办法》,在健康医疗大数据资源管理上实现了全国破冰。
然而,2017年更大的手笔来自于央企的助力,央企组团布局健康医疗大数据行业,成立了中国健康医疗大数据产业发展有限公司、中国健康医疗大数据科技发展集团公司和中国健康医疗大数据股份有限公司,初步形成了由“国家队”主导的健康医疗大数据三大集团公司格局。
三大集团均以国有资本为主体,由国家卫生和计划生育委员会统一牵头组织,由国家健康医疗大数据安全管理委员会(大数据办)统一监管,承担国家健康医疗大数据中心、区域中心、应用发展中心和产业园建设任务。从这一系列布局可以看出,未来,将依托三大集团公司加快推进我国健康医疗大数据的产业发展。
人工智能+健康医疗应用实现突破,但离成熟尚需时间
技术的不断进步推动人工智能向前发展
近年来,我国在视觉识别、语音识别等领域核心关键技术实现重要突破,处于国际领先水平。我国拥有自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等很多智能科技成果已进入实际应用。
同时,经充分调研和论证,2017年确定首批4家国家新一代人工智能开放创新平台,分别依托百度、阿里云、腾讯、科大讯飞公司,建设自动驾驶、城市大脑、医疗影像、智能语音4家国家新一代人工智能开放创新平台。这些技术的突破,推动了人工智能在各个行业向前发展。
人工智能+健康医疗在智能导诊、语音电子病历、影像辅助诊断实现落地与突破,但离真正成熟还需要5-10年
目前我国人口老龄化、慢病高速增长、医疗资源供需严重失衡以及地域分配不均等问题,造就了对医疗人工智能的巨大需求,医疗人工智能的核心价值在于低成本、高效率,提升服务端的生产力。
因此当前我国人工智能+健康医疗领域的应用,主要围绕院前管理、院中诊疗、院后康复、管理决策、药物研发五个方面展开,每个方面又可以细化出智能导诊、疾病风险管理、语音电子病历、影像辅助诊断、医疗机器人、医保智能监管、药物挖掘与临床试验等众多垂直领域的应用场景。
纵观这些,2017年智能导诊、语音电子病历、影像辅助诊断三方面最为热门,且实现了落地与突破。根据Gartner发布的2017年中国新兴技术成熟度曲线显示智能机器人、机器学习等多项技术处于期望膨胀期,同时鉴于医疗业务本身的复杂性和特殊性,我们认为人工智能在医疗领域的应用离真正成熟至少仍需5-10年。
智能导诊机器人开始落地,未来会遍地开花
智能导诊机器人基于人脸识别、语音识别、远场识别等技术,通过人机交互,提供导诊、指路、医事咨询、知识普及等服务,在医院其需求呼声较高并且能够优化就医流程。
目前智能导诊机器人主要用于院前就诊环节,可以通过一系列模拟医生的问诊流程后,并结合机器人根据自身的智能传感器以及前置平板摄像头获取患者的体温、心率、血氧、血压4大体征数据和脸色、舌苔、表情等图像数据,经过分析后给出一份预问诊报告,同时它还会为患者推荐合适的科室和医生,并将预问诊报告推送给相关医生。这一过程有效缓解医院分诊台的分诊压力,缓解患者盲目从医现象,提供医患交互的新方式,提高了医患沟通效率。
2017年6月,安徽省立医院投放了两台导医智能机器人“晓医”。如今,经过持续“学习”53本医学教科书和相关数据,“晓医”目前可以支持47个科室的医生排班查询、618个地点导航、607个功能地点导航以及227个地点的上班时间和260个常见问题的询问,回答问题的正确率由早期的81%提升到90.81%,每天12点-13点时段机器人交互达到最高峰,每周在周三、周四使用最多,最近一周单台机器人日均使用1089次。
根据埃森哲发布的《2017年数字化健康技术展望》报告显示,72%的卫生机构已经引入智能虚拟助手并投入服务,未来我们将会看到更多的智能导诊机器人入驻各类医院,为我们提供更多丰富、便利的诊前服务。
语音电子病历产品落地速度较快,但未来仍需不断完善提高
语音电子病历是软硬一体的解决方案,软件是以语音识别引擎为核心、以医疗知识库为基础的语音对话系统,语音识别引擎实现人机交互与文本的转换,包含各类疾病、症状、药品以及其他医学术语的医疗知识库,能够帮助完成语音识别、病历纠错等功能。硬件是医用麦克风,通过医疗专用麦克风增强说话者语音,抑制环境噪声干扰等。通过语音电子病历将医生的主诉内容实时转化成文本,录入到医院相关的信息管理系统中。通过使用语音电子病历能够提高医生书写病历的效率,使医生能够将更多的时间和精力投入到与患者交流和疾病诊断之中。
语音电子病历进入门槛相对较低,在医院的使用不需要进行CFDA认证,且能大幅度提高效率,因此国内很多公司都看重了这个领域,最具代表性的公司有科大讯飞、云知声和中科汇能。这三家公司受益于医疗信息化政策,以及医院相对灵活的采购政策和预算,其产品在2017年均有一定的销售业绩。目前产品在专科医院、病房查房、超声科检查等场景中应用效果较好,例如在北大口腔医院这样的专科医院,在没有做任何推广的情况下,其使用率达65%,年轻大夫的使用率在80%~90%左右。但是由于门诊医生习惯于使用电子病历模板进行信息录入,同时门诊医生工作环境较为嘈杂、语言表达口语化等,导致语音识别过程中,出现多字、漏字等识别错误,使得在语音转录之后医生还要一定时间进行校正修改,因此目前语音电子病历在门诊的使用效果却不尽如人意。
未来还需要进一步研究语音识别的抗噪性、敏感性和稳定性,同时将语音识别融合到各个信息系统中,不断优化语音电子病历产品,让其在医院的更多科室、更多环节进行使用,提高医生工作效率,省时省力,把医生的时间还给患者。
影像辅助诊断有所突破,但多处于试用阶段,离商业化还需很长的路要走
影像科常被比作战争中的突击小队,其重要性、工作量和压力可见一斑。根据动脉网的数据,国内医学影像数据的增长量达到每年30%,而同期影像科医生的人数增长只有2%,因此亟需通过人工智能技术为其赋能。同时在目前的医疗数据中,医学影像数据的标准化程度最高,这也为人工智能在影像领域的应用提供了重要基础。
目前人工智能+医学影像的应用场景是最贴近医疗核心的,主要包括影像识别、靶区勾画、脏器三维成像等,利用人工智能排除干扰项,将信息更好地呈现给医生,减轻工作量,提升效率和准确度。
在智能影像识别方面,当前人工智能利用CT图像等放射影像,在肺结节识别方面的技术相对来说比较成熟,第一步使用图像分割算法对肺部扫描序列进行处理,生成肺部区域图;第二步根据肺部区域图生成肺部图像;第三步利用肺部分割生成的肺部区域图像,加上结节标注信息生成结节区域图像,训练基于卷积神经网络的肺结节分割器;第四步对图像做肺结节分割,得到疑似肺结节区域;最后使用3D卷积神经网络对肺结节进行分类,得到真正肺结节的位置和置信度。根据蛋壳研究院搜集的20家国内人工智能医学影像公司中,开展肺癌诊断业务的有12家,占比在60%。目前人工智能产品对于肺结节的识别检出准确率在90%左右,高于医生平均水平。
在靶区勾画方面,放疗是肿瘤三大治疗方式中最为主流的治疗方式,相对于诊断,治疗更切入医疗的核心。在临床中,每个肿瘤病人的CT图像在200张左右,靶区勾画与治疗方案设计耗费医生3-5个小时,有时由于靶区勾画的不准确或肿瘤的变化,需要重新勾画,因此占用了肿瘤医生大量时间,而这其中包含了大量的重复工作,可以利用人工智能来做这些事情以节约医生的时间。第一步根据具体癌症类型自动生成诸如CT的检查项目;第二步根据CT图,利用图像识别技术和AI技术自动勾画相应靶区;第三步自动生成具体的放射性照射方案或者手术方案,再交由医生做最终确认;最后为了做好质量控制,全流程跟踪上述以及之后的治疗以及检查结果。通过这种方式,工作效率提高90%以上。目前在乳腺癌、鼻咽癌、肺癌、肝癌等癌种上技术相对成熟,自动勾画的靶区与医生人手勾画的重合度在85%以上。
在脏器三维成像方面,脏器三维成像是人工智能以核磁共振、CT等医学影像数据为基础,可通过手势和语音指令对各类个性化人体器官三维解剖及各组织、病灶从各种不同角度,进行与临床实际需要相符的亲历其境的操作。更重要的是对三维体积、距离、角度、血管管径可进行实时交互的定量分析,从而可进行术前全定量三维精准评估、虚拟手术模拟及手术风险评估,进而提高外科医生的手术精确度,减小了手术创面,使外科手术更快速、更精确、更安全。目前可以覆盖肝脏、胆胰、肺、肾脏等胸腹部软组织器官的重大病种。
2017年人工智能+医学影像在上述三个方面均有所突破,但基本上都是基于单病种的,而现实中的医学影像大概涉及2000多个病种,不同病种、不同成像设备之间都存在较大差异,因此人工智能+医学影像的发展处于早期阶段,我们应该冷静、客观的看待人工智能+医学影像的发展,不应该过度神话。
同时目前的大多数产品仍处于试用阶段,离真正的临床使用还尚需时间。目前大多数公司并没有拿到CFDA的认证,仅仅是在医院做回顾性研究和验证,其目的是为了将自己的产品打磨得更好。但是2017年9月国家食品药品监督管理总局正式发布了新修订的《医疗器械分类目录》,目录新增了决策支持类软件、体外诊断类软件等与智能辅助诊断相关的分类,同时明确诊断软件若提供诊断建议可以申报第二类器械,如果给出明确诊断提示则应按照第三类医疗器械管理,新版目录将于2018年8月1号起正式实施。目前根据公开资料显示,医疗人工智能企业中,只有武汉兰丁和EDDA科技获得了CFDA的认证。据了解武汉兰丁2016年上线的宫颈癌云平台诊断系统,已经拿到CFDA的二类认证,目前已筛查十二万人。EDDA科技的各个产品也基本拿到二类CFDA和FDA认证,合作的120多家医院也都是通过采购获得产品使用权,所以现在这两家公司的市场化进程就相对顺利。
未来,随着新版目录的实施,人工智能+医学影像要想真正落地到临床,还有很长的路要走,首先要尽量缩小实验室研究结果与临床实践结果之间的差距,尽量让产品具有较高的普适性,同时必须优化和加速CFDA的认证流程,企业产品只有走过CFDA认证之后,才能具备盈利的可能,才能真正在临床落地生根,实现真正的商业化。
第三十四届CIO班招生
国际CIO认证培训
首席数据官(CDO)认证培训
责编:content
免责声明:本网站(http://www.ciotimes.com/)内容主要来自原创、合作媒体供稿和第三方投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等)版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时,请及时通知本站,予以删除。