国内AI在医疗领域应用的机遇和挑战

国际金属加工网 2017年07月24日

AI的两个要素是技术(算法)和数据。我国人工智能的技术并不落后,应该说远远走到了应用的前头。再加之国际上多数的人工智能算法都是开源软件,一个新的算法出来很快就会转化为可以方便调用的模块。即使入门级AI工作者也能够使用,所以说AI技术本身并不是瓶颈。那么数据呢?AI领域有句老话“只要有足够的数据,任何问题都可以解决”。这句话未必全对,但它从一个侧面说明了数据的在AI应用中的重要性。在医疗的AI研究领域,长期以来的一个困难是缺乏高质量干净的有临床标注的数据。

这个情况正在改变。美国的政府机构如食品和药物管理局(FDA)、国家健康研究所(NIH)、大型医院、非营利组织、医疗IT和技术公司都开始将许多高质量的数据开放。这些数据会大大地促进A I在医疗健康领域的全面应用。比如基因检测公司Foundation Medicine和测序仪主要生产厂家Illumina开放了上万名肿瘤患者的基因数据与临床表征资料。这些数据对人工智能在肿瘤精准医疗方面的应用有很大的帮助。值得一提的是我国的患者资源非常丰富,但是高质量的、干净的、有完整的临床表型标注的资源并不多。可喜的是,各地已经意识到了这个问题,开始建造各种高质量的生物样本库,增加电子病历的整合和临床表现标注,希望这种状况能够很快有所改变。开放的数据加上开源的算法使得AI商业公司的壁垒(entry barrier)变得越来越低。有了技术和数据我们再来看AI在国内的应用前景。

先看AI在影像中的应用,影像AI可分为仪器影像的分析及病理切片的分析与诊断。在仪器影像方面如X光、CT、MRI、超声等,现有影像的深度分析有很多机会。而对于对病理切片,可以按照不同的病种开发相对应的诊断系统。我们知道人类有3万多种疾病,每一种疾病的AI分析软件都可以变成一种成熟的产品,可以说商机无限。

如用手机加上人工智能,可以鉴别诊断皮肤癌,其准确度超过了一般的病理医生。

相对于AI在影像方面的应用,AI在医疗诊断方面的应用在国内刚刚起步。AI可以满足高端和低端两个方向:高端是指为三甲医院的专科提供服务,如IBM Watson for Oncology就是一个很好的例子。值得一提的是IBM Watson并不一定完全适合中国的国情,它是按照西方的病例训练出来的。如治疗方案多提供昂贵的靶向药物,而在中国可能化疗和放疗更容易被病人接受。另外同样的检查结果,如某些基因突变亚洲人和欧美人有不同的表型,所以我们还需要开发自己的肿瘤及其它专科病的AI系统。AI医疗诊断的另外一个方面是针对基层全科医生的低端诊断系统,与专科诊疗系统不同,全科医生的诊断系统更注重常见病的诊断治疗,标准临床路径的执行等。中国的医疗资源缺乏,尤其是优质医疗资源严重不足,并且集中在少数三甲医院,基层和社区的医疗水平和效率都亟待提高。在大力加强专业医疗人才的培养的同时,我们必须寻找创新的解决办法。通过人工智能把有经验的医生的知识汲取出来,做出一个智能全科医生系统帮助基层医生提升诊疗质量和效率。因此,智能全科医生系统是一个具有巨大社会价值和商业价值的目标。

需要强调的是,人工智能并不一定要解决高大上的问题。如开发一个产品利用NLP技术对现有病历中非结构化的医嘱进行处理,使其成为诊断的辅助依据就有很好的应用价值。在智能机器人方面,随着3D打印技术的普及,可穿戴设备发展迅速,如慢性疾病管理机器人等,许多可穿戴设备/机械人都需要配置相应的智慧系统,AI大有用武之地。我国AI医疗应用最大的挑战可能还是来自医生,如专科医生是否有时间并愿意用这个系统;基层医生会不会使用这个智能系统,能不能提供智能系统所需要的输入信息,能不能理解智能系统给出的治疗方案和建议等。

要解决这些问题,首先AI的开发要由医生主导,从临床中来到临床中去,这样的产品才可能被医生接受。

同时,智能设备的可使用性,也会对应用产生很大的影响。如AI系统采用聊天机器人的交流方式,可能会对系统的推广起到一定的促进作用。


网友评论

编辑推荐

相关主题