隨著醫(yī)療人工智能的發(fā)展，應用場景正逐步多元化。目前，AI參與的醫(yī)學領域包括可分析腹部腫瘤的腹部醫(yī)學影像處理系統(tǒng)、精準射頻消融肝癌手術、超聲機器人、兒童成長發(fā)育遲緩智能診斷輔助系統(tǒng)等。同時，為醫(yī)生提供智能診療工具、臨床決策支持系統(tǒng)等，也是人工智能在醫(yī)療領域的主要方向。下面就隨網絡通信小編一起來了解一下相關內容吧。

數據仍是人工智能發(fā)展的掣肘因素。3月23日，在2018中華醫(yī)院信息網絡大會上，清華大學信息技術研究院Web與軟件技術研究中心副主任楊吉江認為，“數據是人工智能的基本素材。”醫(yī)療場景的復雜、決策程序的復雜，讓更多的AI+醫(yī)療公司不止局限于算法的開發(fā)，而是逐漸回歸數據，重視數據采集和管理。

應用場景多元化

在歸納醫(yī)療領域人工智能的應用時，浙江大學數學學院教授孔德興介紹，目前主要包括AI+輔助治療、AI+醫(yī)學影像、AI+精準手術、AI+藥物挖掘，以及虛擬護士等AI+健康管理產品。

楊吉江表示，在一些歐美國家，人工智能已經在自我監(jiān)測和預防、癡呆癥的早期發(fā)現(xiàn)、胰腺癌診治、眼科影像等領域應用。

在AI輔助診療的領域中，具有典型性的案例就是IBM Watson，作為IBM開發(fā)的人工智能云平臺，Watson可幫助腫瘤醫(yī)生或臨床團隊做出治療決策。自2017年3月百洋智能科技取得了Watson腫瘤解決方案(Watson for oncology)在中國市場的獨家總代分銷權，目前沃森腫瘤會診中心已在中國29家三甲醫(yī)院或機構落地。

除此之外，AI輔助醫(yī)療也在多個領域獲得實際應用上的進展?？椎屡d介紹道，國內開發(fā)出了“腹部醫(yī)學影像處理系統(tǒng)”，已在多個醫(yī)院取得成功應用。例如，一位37歲的男性患者被診斷為胰頭腫瘤晚期，腫瘤侵犯大血管，認為無法切除，但通過上述系統(tǒng)卻發(fā)現(xiàn)，腫瘤未侵犯大血管，僅為局部壓迫，可以手術切除。由此，該病例手術成功，術后恢復良好。類似的，這類系統(tǒng)挽救了多名患者的生命。

醫(yī)療人工智能落地成現(xiàn)實 如何保證數據精準是關鍵

以人工智能為依托，超聲機器人的應用則較為廣泛。在獲取合格圖像后，超聲機器人進行自動篩查、智能診斷，輔助設計手術方案，并進行療效評估。孔德興及合作者曾建立包括超聲影像、病理數據在內的超過24000個樣本的數據庫，同時在英特爾公司支持搭建的計算環(huán)境中，采用深度學習算法，研發(fā)出DE超聲機器人。2016年，在針對甲狀腺結節(jié)的超聲影像識別和診斷的人機“大戰(zhàn)”中，DE超聲機器人獲勝。

孔德興介紹，超聲機器人目前判斷是否有甲狀腺結節(jié)的平均準確率可達到95%，判斷良性惡性的平均準確率可達到85%以上。

醫(yī)療人工智能領域從不缺少實力雄厚的入局者。例如，科大訊飛智慧醫(yī)療BU總經理陶曉東日前向記者介紹，訊飛影像已支持線上胸部CT肺結節(jié)檢測和乳腺鉬靶腫塊檢測，另有多個病種將陸續(xù)完成人工智能輔助診斷開發(fā)。

阿里健康人工智能實驗室主任范繹表示，阿里健康的醫(yī)療AI“Doctor You”立足于推動醫(yī)療AI全方位的整體發(fā)展。3月23日，由美國梅奧醫(yī)療集團與高瓴資本聯(lián)合成立的惠每醫(yī)療集團也參加了此次會議，旗下的“惠每臨床決策支持系統(tǒng)”來自人工智能與大數據的結合。

對于AI醫(yī)療公司來說，單一的算法開發(fā)如今似乎很難支撐起一家公司數據的價值重新回歸。

“實際上，人工智能是一種知識的表達。”楊吉江談到，人工智能其實是一個交叉學科，既是計算機科學的分支，又涉及心理學、哲學和語言學等。如果研究機構或公司只是單純研究算法，那么很難實際應用。不同來源的數據與算法結合，才是人工智能的根基。

自然語言學習、深度學習、虛擬助理等，都是AI的具體研究領域。在醫(yī)療方面，圖像分析的應用也比較廣泛。

楊吉江認為，從發(fā)展階段上看，人工智能從早期推理到后面的數據驅動，數據是最主要的。例如，有AI+醫(yī)療影像的公司與業(yè)內專家探討，開始回歸數據，在數據采集、數據管理上花費很大的力氣，而不是“虛幻的”去做診斷。

醫(yī)療人工智能落地成現(xiàn)實 如何保證數據精準是關鍵

對AI醫(yī)療來說，數據的重要性不言而喻。AI在小樣本集上做的診斷或推定，被認為是不可持久的模式，因為一旦再擴大一點范圍，換一個病種、換一個地方，結果可能就出現(xiàn)偏差，正確率下降。

“為什么人工智能突然爆發(fā)?實際上這跟大數據的發(fā)展也有一定關系。我們現(xiàn)在手上都有很多數據，但如果不去有效地利用，就不具有價值。”楊吉江說。

楊吉江有過400萬個數據清洗完后，剩下20多萬個的經歷;從某醫(yī)院拿到的200萬個眼科數據，清洗過后也差不多只剩下20萬個。作為AI醫(yī)療的基本素材，數據的準確性和質量非常重要。但“干凈”的數據并不容易獲得，需要很大的工作量。

即便數據量足夠大，在面對每個個體的差異時，AI醫(yī)療依然沒法保證100%的準確率，一旦出現(xiàn)問題就是誤診、漏診。因此，多位與會人員亦表達了類似的觀點，即人工智能在醫(yī)療領域的角色目前仍是輔助。

針對臨床決策的輔助系統(tǒng)，融合大量醫(yī)學指南與醫(yī)生的經驗智慧，針對治療目標及治療的實時效果進行決策建議，大大提升科室的綜合決策診斷水平。

邁瑞發(fā)現(xiàn)，作為光信號的血氧參數以及電信號的心電參數間，其實有著緊密的聯(lián)系。把兩個數據“擰在一起”，在多參數聯(lián)合分析作用下，對心率、脈搏監(jiān)測準確性大大提升，并極大地增強了報警的準確性。這樣“智能報警”的結果，則是讓致命性心律失常誤報次數大幅下降65%，其他心律失常誤報次數下降50%。同時，對于心率準確性提升30%，脈率準確性提升30%。

但截至目前，沒有人能保證人工智能能達到100%的準確率，但是有哪個醫(yī)生能保證自己能達到100%的準確率嗎?如果人不能達到，就要求AI一定達到，是不是對人工智能太過苛求?現(xiàn)階段讓人工智能在醫(yī)療的過程中提高數據的分析利用效率，給醫(yī)生的分析判斷提供參考就是最大的貢獻。其它的可以在實踐中慢慢進步