天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

简介:

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

7 月 9 日,由中国计算机协会(CCF)主办,雷锋网(公众号:雷锋网)、香港中文大学(深圳)承办的第二届 CCF-GAIR 全球人工智能与机器人峰会进入第三日。在医疗人工智能专场,天琴医疗 AI 实验室主任冯源,带来了主题为《改变医疗行业的人工智能》的报告。

冯源博士从事医疗影像、大数据挖掘以及人工智能模型和算法领域的研究。

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

冯源:大家好。我今天想跟大家分享一下《改变医疗行业的人工智能》。这个题目可能跟刚才陶博士的题目有点像,但我们分享的内容有些差异。我主要谈一下AI应用在医疗行业会用到哪些技术。医疗行业存在什么诟病,如何用人工智能来改变这个行业,如何做到医疗资源的公平分配,做到不放弃任何一个人?这是我们今天会跟大家讨论的问题。

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

现在医疗系统有很多问题,医疗资源分布不均,医生水平参差不齐,病人看病贵、看病难。举一个例子,这张图中的数据来源于 2016 年中国卫计委统计年鉴,反映了 2003-2015 年年间中国平均 1000 个人可以分配到的医疗工作者的数量。上面两条线表示的是城市地区,可以分配到的医生的数量和护士的数量,下面两条线表示的是农村地区可以分配到的医生和护士数量。四条线的增长趋势都是向上的,医疗行业也在不断进步、发展。但明显,城市地区的医疗资源增长趋势要远大于农村,这在一定程度上反映了我国医疗资源分布不均的现象。

解决方案

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

我们怎么改变这个现状呢?可以用到什么方法呢?

一个很简单的想法,没有医生,那培养更多的医生;没有医院,建造更多的医院。但是可行性有多高?

我们来看一下培养一个医生的人力成本。一个医生如果选择临床专业,本科需要五年,现在一个本科生很难进入三甲医院。因此本科学习之后还需要读硕士、博士。毕业以后还要考取医生资格证,并经过实习阶段才能进入医院。因此,培养一个医生的时间成本是非常高的。建立更多的医院呢?我们只要看看医院里动辄上百万的医疗设备就知道这是非常难的事情。如果没有国家的投入,建一个民营医院需要高额的成本。因此这两条路都非常困难。还有什么方法可以改变现在医疗资源分布不均的现状呢?

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

天琴的 Slogan 是“科技使人更健康”。作为一个科技工作者,这也是我的信仰。我坚信只有使用科技才能更好更有效的改变医疗体系现状,才能解决医疗资源分布不均的问题。我们可以使用哪些技术来改变这个现状呢?这些技术会为人类的进步带来哪些变革?我们会跨越哪几个阶段?下面我们一起来审视一下现在,展望一下未来。

智能医疗的四大发展阶段

  • 第一阶段:10% 的人类医生被替代率

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

现在我们就处在这个阶段,可以用技术来代替 10% 的人类医生,把他们从部分繁重重复性的工作中解放出来。现在很多医院都有了医院管理信息系统、临床信息系统、医学影像信息系统等。有了这些系统,对提高医院运营效率以及打通各部门间合作与运营的壁垒是非常有用的。这也意味着我们已经迈出了数字化和流程化的第一步。但是也要看到这个阶段的一些问题。现在很多医院不太喜欢将数据放在云平台上,因为他们认为这样病人的数据、隐私得不到保证。但是将数据放在云平台上,是下一步进行远程医疗和辅助诊断的基础。

我们怎么解决这个问题?可以用到什么技术?

大家可以考虑一下区块链的技术。区块链是比特币的底层技术。从比特币出现七年多来,全世界有很多黑客试图攻击这个系统,但直到今天也没有出现过一次交易错误。区块链技术有很多特点,比如它的链式结构可以保证我们追溯到上游源头。另外一个特点,不可篡改性保证数据隐私。它还具有去中心化的数据结构,当应用到现实生活中,可以省去大量的中介成本。区块链技术在金融行业已经得到应用。最近谷歌也正在规划将区块链技术,应用到医疗领域。这是一个未来的发展方向。

  • 第二阶段:替代率 30%

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

据调查显示,国内有 60% 的影像医生每天工作时间在 8 小时以上,25%的医生每天平均工作时间超过 10 个小时。而且几乎在每个医院影像科都是 24 小时轮班制,忙的时候,从早到晚都无法休息片刻。除此之外,影像医生还要长期在封闭的环境中遭受辐射或者潜在的伤害。一般一个中等城市的三甲医院,一天会有 200 个核磁,500 到 600 个ct,800 个拍片。一个影像科医生一天要看 200 个病人,就按每个病人 200 张片子来算,他要看 4 万张图片。有时候一次还不够,还要再看一次,这就变成了 8 万张。这是一个非常辛苦、枯燥,而且不能出错的工作,因此对医生的要求非常高。

如果有了辅助诊断机器,至少能有 30% 的医生从繁重的重复性劳动中解放出来,去做一些更有创造性的事情。有了这个工具,我们就能在很大程度上促进医疗资源的公平化发展,使偏远地区的人们也能享受到现代化的医疗技术。那么有什么科技能够推动辅助诊断的发展呢?

深度学习!

大家可能都知道,在深度学习领域,强监督算法是相对成熟的方法,但高质量标定的数据是有限和昂贵的。因此弱监督和无监督技术,必然是将来的发展方向。第二个前沿,今天上午田教授提出现在很多方法都是立不住脚的。这个立不住脚,在我看来就是没有理论依据的方法,只有深度学习方法的诊疗系统,是不足以应用到医疗行业的。所以必须要使用传统方法和深度学习方法相结合,来提升我们的辅助诊疗水平。下一个前沿,现在很多医院的电脑是比较落后的,可能没有很强大的 GPU 硬件支持,因此我们需要考虑降低网络结构复杂度、减少网络参数,使它更好的应用到现有的医院系统中去。最后,深度学习的理论研究,这是深度学习非常薄弱的地方,一个缺乏理论支持的优化方法,是会让人非常担忧的,因为它可能随时会在某些问题上失效。

用到AI技术的辅助诊疗,还有哪些问题?

第一个困难是如何获取高质量的数据,这也是使用人工智能尤其是深度学习技术的公司共同面临的困难。机器学习本身的特性决定了公司在前期积累中,必须使用高质量的数据来进行算法优化。但是,医疗数据的特殊性,例如缺乏标准化体系等问题导致了高质量数据难以获得。第二个困难是相关法律的缺失,这涉及到两个问题,其一是如何保护病人隐私,其二是法律对于人工智能做诊断的相关界定。截止目前,国内外都没有相应的AI诊疗法规出台,因此对责任主体的界定以及就诊流程的定义,都没有一个明确的规范。刚才的圆桌会议上各位老师也提出,国家马上会出台相关的政策,希望不远的未来辅助医疗可以得到相应的发展。

第三个困难是AI技术的成熟度,目前人工智能辅助诊疗主要应用了深度学习的技术,这个技术目前有了比较大的突破,这使得辅助诊疗的水平大大提高。但需要多少数据、如何最大程度上利用数据、怎样针对具体问题修改相应算法,如何使算法得到最优解,如何证明算法得到了最优解,这不仅是工业界,更是学术界叩待解决的问题。

  • 第三阶段:替代率 60%

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

上两个阶段我们有一只脚已经踏进去了,但这个阶段可能只是刚刚打开了大门。但有一点可以确信的是,当第一阶段和第二阶段发展的比较成熟时,我们就可以把这扇大门开的再大一点。

现在有几个方向,我觉得以及跟这个阶段沾边了。第一,之前大会上提到过的基于人工智能的制药技术。美国有公司已经提出了使用人工智能技术可以使传统制药技术的时间和投入缩小四分之三。以前研制一个新药可能要十年,现在一两年就可以完成。第二,基因技术,这对未来会有很大的改变。第三,今天上午非常火热的手术机器人环节。手术机器人和影像技术如何结合,也是未来的发展方向。

  • 第四阶段:替代率 90%

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

有没有可能达到下一个阶段,90% 的人类医生能够被代替,或者我们能代替医生 90% 的繁琐工作?

我认为这是可能的。我们可以考虑一下现在的黑科技,量子计算,这在大家看来可能是一个比较遥远的未来,但科技的发展日新月异,也许明天它就成为我们必须要利用的技术。量子计算与人工智能的结合是未来的必然发展方向,因为人工智能面临了一个挑战,如何提高计算能力。一般来讲,通过硬件的不断升级,计算机的运算能力能够得到一定程度的提高。那么这种方式会不会有走到尽头的一天?本质上,会的。虽然随着科技的进步,在 20 年前,一个机器人用 32 个 CPU 能达到 120MHz 的速度,到现在 AlphaGo 使用了 2000 个 CPU 和 300 个 GPU 来提升计算能力,但计算能力是不能无限提升的。很多人都认为摩尔定律最多还能适用 10 年,那么 10 年后呢?

到那个时候我们可能要用到量子计算。量子计算的发展还比较原始,还处于研究阶段,目前还没有造出有实用价值的通用量子计算机。但量子计算太吸引人了,它没有热耗散,可以在里面自循环。而经典计算机器件,热耗散不可避免,这是原理上决定的。譬如早期计算机有一个风扇散热,你做的集成度越高,热耗越严重。但量子计算原理上保持可逆计算,没有热耗散,这也是遵从量子力学规律的。二是具有无法比拟的超级计算能力,在人工智能领域,以前需要一千台或者一万台机器,用量子计算机的话可能4台就够用了。这是属于不远的未来的黑科技,也许我们很快就能在医疗领域用到这些技术。

在这里我要提一点,我们定义了四个阶段,但这四个阶段并不是互相替代的关系,不是阶段二的开始就是阶段一的结束。这些阶段是相辅相成的,前面的阶段都是后面阶段的基础。

天琴医疗的计划

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

下面讲一下天琴医疗在这四个阶段有什么计划。

第一阶段天琴医疗会推出我们的云平台,这个云平台有两个主要特点。第一,基于区块链技术,能做到完全保护病人的隐私。第二,天琴有一个非常强大的合作伙伴,会帮助我们搭建这个硬件平台,实现三秒内处理一张片子。我们的目标是一秒内处理一万张片子。这是完全有可能做到的。

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

第二阶段,天琴会推出辅助诊疗系统。我们的辅助诊疗有两个特点。第一,这个阶段会推出基于心胸的辅助诊疗系统;第二,我们不止使用深度学习的方法,也使用传统方法,传统方法与深度学习相结合。为什么这样做?我们刚才也提到了,现在的深度学习方法是没有理论支撑的,所以必须要使用有严格理论保证的传统方法。这是我们的第二个特点。

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

第三阶段,天琴在这个阶段会推出“家庭医生”。

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

我们的家庭医生不仅包括病理、检验检测、影像系统,还会关注人们的健康管理以及生命周期延长。这是天琴医疗AI平台,我们将在第三阶段推出这个系统。

天琴医疗冯源:AI 医疗的四大发展阶段 | CCF-GAIR 2017

回到主题,如何实现医疗资源的公平性,如何做到面对疾病,人人平等,这是我们天琴想为大家解决的问题。为了构建我们美好的明天。希望有兴趣的合作伙伴可以一起加入我们,为我们未来的事业而奋斗。我们会在公众平台上推出第一手资讯和产品相关的信息,请感兴趣的朋友可以关注一下,谢谢大家!


本文作者:三川

本文转自雷锋网禁止二次转载,原文链接


相关文章
|
27天前
|
机器学习/深度学习 人工智能 算法
未来AI技术在医疗领域的应用
传统医疗体系一直面临着挑战,而随着人工智能技术的不断发展,AI在医疗领域的应用正在成为一种新的趋势。本文将探讨未来AI技术在医疗领域的应用,包括诊断、治疗和预防等方面,以及AI与传统医疗模式的结合,展望未来医疗行业的发展方向。
|
26天前
|
机器学习/深度学习 人工智能 搜索推荐
未来AI技术在医疗领域的应用
随着人工智能技术的不断发展,AI在医疗领域的应用正日益广泛。本文将探讨未来AI技术在医疗领域的潜在价值和影响,以及其对医疗行业和患者的积极意义。
|
1月前
|
人工智能 安全 机器人
中科院香港创新院发布医疗健康AI大模型
【2月更文挑战第24天】中科院香港创新院发布医疗健康AI大模型
34 3
中科院香港创新院发布医疗健康AI大模型
|
2月前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战
【2月更文挑战第9天】随着人工智能技术的不断发展,其在医疗健康领域的应用日益广泛。本文探讨了人工智能在医疗领域的现状、优势和挑战,并针对AI技术在医疗中的关键问题进行了深入分析与讨论。
|
9天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗领域的革命性应用
医疗行业一直是人类关注的重点领域之一,而随着人工智能技术的快速发展,AI在医疗领域的应用正带来革命性的变革。本文将探讨AI在医疗中的重要作用,以及其对诊断、治疗和医疗管理的影响。
24 0
|
21天前
|
机器学习/深度学习 数据采集 人工智能
AI技术在医疗诊断中的应用与挑战
在当今信息时代,人工智能技术已经在医学领域展现出巨大的潜力和前景。本文将探讨人工智能在医疗诊断中的应用现状和未来发展,以及所面临的挑战和解决方案。
|
22天前
|
机器学习/深度学习 人工智能 搜索推荐
未来趋势:AI技术在医疗领域的应用与挑战
随着人工智能技术的迅速发展,AI在医疗领域的应用正逐渐成为现实。本文将探讨AI技术在医疗中的潜力与挑战,分析其对医疗行业的影响以及未来发展趋势。
|
26天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与展望
传统医疗模式面临着诊断、治疗和管理上的挑战,而人工智能技术的快速发展为医疗行业带来了新的希望。本文从医疗数据分析、个性化治疗、辅助诊断等方面探讨了人工智能技术在医疗领域的应用现状和未来展望。
17 3
|
28天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的革新与应用
在当今信息时代,人工智能技术的飞速发展为医疗领域带来了革命性的变革。本文将探讨人工智能技术在医疗领域的应用现状及未来发展前景,并分析其对医疗行业的深远影响。
22 1
|
1月前
|
机器学习/深度学习 人工智能 安全
AI在医疗诊断中的应用及其挑战
【2月更文挑战第21天】 随着人工智能(AI)技术的飞速发展,其在医疗领域的应用也日益广泛,特别是在医疗诊断方面,AI已经展现出巨大的潜力。然而,尽管AI在医疗诊断中的应用带来了许多好处,但也存在一些挑战,包括数据隐私问题、技术准确性问题以及法律和伦理问题等。本文将探讨AI在医疗诊断中的应用,并分析其面临的挑战。