人工智慧(AI)來了,未來醫療會怎麼樣?

ADVERTISEMENT

這是人工智慧最好的時代,數十年來困擾人工智慧的演算法和硬體得到瞭解決,李彥宏認為這是可以媲美工業革命的新時代變革,如今成熟的人工智慧已經可以被應用到各個領域,斯坦福終身教授李飛飛表示,如今的人工智慧已經可以為醫療領域服務並且取得巨大的成果。

今年兩會期間,復星集團董事長郭廣昌就人工智慧醫療提出了方案,很多見識了人工智慧在圍棋領域橫掃無敵,醫療和圍棋完全不一樣,人工智慧可以解決醫療問題麼?現在人工智慧已經應用在醫療領域並且取得巨大的成果,斯坦福大學已經可以成功分辨面板癌,IBM的Watson也能夠在10分鐘內識別癌症,甚至美國的Arterys公司旗下的產品Arterys Cardio DL獲得FDA批準,在國內,Airdoc可以識別多個領域的醫學影像,在糖尿病性視網膜病變的識別上準確率已經和三甲醫生水平相當,人工智慧應用在醫療領域已經是個趨勢。

人工智慧識別醫學影像

通過計算機識別圖片是長久以來科學界都在嘗試的,但是進展一直都很緩慢,主要原因是計算速度和演算法的影響,比如一張高質量的圖片,往往有幾十萬甚至幾百萬畫素,機器很難在短時間內識別大量圖片,在醫療領域,一張醫學影像往往有數百萬甚至數千萬大小,傳統硬體根本不能很好運轉起來,2007年 Nvidia 推出 CUDA 的GPU 軟體介面後才真正改善.是傳統雙核CPU快70倍,在之後的日子裡,Nvidia不停對GPU更新換代,如今的硬體已經能夠很好的支援大量高質量圖片的識別。

2012年,Hinton 教授採用了一種新的稱為"丟棄" (Dropout) 的演算法避免了過度擬合,從此時起基於卷積神經網路的系統在影象識別上有了質的飛躍,識別能力甚至超過了人類,此外人工智慧同樣具備了和人類一樣的學習能力,在識別影象的同事同樣能夠認知這些圖片,因此人工智慧可以用來識別醫學圖片,比如斯坦福大學對面板癌的識別,特異性和靈敏度甚至超過了人類面板科的專家。

ADVERTISEMENT

國內的人工智慧醫療團隊Airdoc團隊,在國際頂尖醫生的幫助下,基於卷積神經網路設計並開發了糖尿病性視網膜病變識別模型,經過和人類醫生的多倫PK,特異性和靈敏度上已經和三甲眼科醫生水平相當,並且在診斷速度上有了很大的提升。

人類醫生決策診斷

簡單說來,放射科的工作主要有兩個部分組成,第一部分是患者在放射科拍攝影像片(X線片、CT、MRI等),這一過程是由放射科技師操作各類機器完成,包括參數設定、掃描、影象處理等,有點類似攝影師拍照,隻不過操作的機器更巨大。第二部分是影像判讀,診斷醫生在醫用豎屏顯示器上調閱影像圖片,逐幅觀察圖片(一般普通、常規情況,一名患者的圖片在80幅-320幅之間,如果是本院多次就診患者,還需要調閱既往影像圖片,作出對比,圖片量倍增),尋找發現問題;

雖然中國的大學一直處於快速擴張期,但是醫學影像專業人才的供應卻一直不能滿足需求。由於中國更多的人認為臨床醫學專業比其它醫學專業(如醫學影像學、醫學檢驗學、護理學等等)更有前途,所以選擇醫學影像專業的學生常常被歸入“二流”的行列,目前中國招收醫學影像專業本科生的高校超過80所,但排名靠前的頂級醫學院校卻多不開設醫學影像學專業。另一方面,部分醫學影像學專業的學生(包括碩士生和博士生)畢業後並不進入醫院工作,而是去醫療裝置或醫療器械企業工作。再加上放射科醫生的流逝,放射科醫生的增長速度遠遠不能滿足市場的需求。

世界衛生組織網站上ICD-10編碼的疾病有7.8萬多種,症狀也有幾萬種。如此龐大的資訊量,並不適合人類去記憶,並在5分鐘~10分鐘內準確判斷。人類醫生在長時間高強度的工作環境下也容易產生誤診,對比中美的醫學影像現狀,從影像方面的誤診人數來看,美國每年的誤診人數達到了1200萬,而中國因為人口基數龐大,達到5700萬/年,這些誤診主要發生在基層醫療機構。

人工智慧可以快速精準的識別海量的影象,可以很好的解決目前醫療領域的困境,此外,應用在基層,人工智慧還能夠輔助基層醫生,讓基層醫療機構能夠正常的運轉起來。

那麼人工智慧能夠取代醫生麼?中國智慧醫療領軍企業Airdoc創始人張大磊表示人工智慧會取代醫生的重複性體力勞動工作,提升醫生的職業專業程度,但醫生需要在診療過程中觀察病人的表情、神態,給予患者心理安慰和人文關懷,這些都不是計算機演算法能夠取代的,機器就是輔助診斷,診斷決定應該由醫生來作出,而不是由軟體來作出。

ADVERTISEMENT

人工智慧在醫療領域的應用

人工智慧+人類醫生可以為醫療帶來更好的服務,在目前的醫療基礎上大大提高工作效率,這種未來醫療模式可以在體檢機構和醫療機構為廣大人群服務。

人工智慧可以通過對文字、影像等多模態海量資料的綜合挖掘,發掘病人檢查資訊、既往病歷和社會(自然)環境之間的聯絡,發現群體中的疾病模型及隱藏資訊模型,建立預測分析模型,進一步探索疾病分佈演化規律,確定危險因素,並對疾病流行趨勢進行預測和預警。

2016年10月25日,中共中央、國務院釋出了《“健康中國2030”規劃綱要》,這是今後15年推進健康中國建設的行動綱領,健康中國戰略已經成為全民奮鬥的目標,大部分的慢性病和癌症在早期都是很容易被治癒的,根據世界衛生組織的資料,80%的心腦血管疾病、80%的二型糖尿病、絕大部分的原發性高血壓,甚至40%的腫瘤都是可以預防和治癒的,疾病早期檢查的重要性不言而喻,如果人工智慧能夠應用在體檢機構,建立起健康生活第一道關卡。

目前我國大部門居民沒有體檢的習慣,大部分疾病往往是在醫療機構被檢查出來,但是因為很多癌症和重大疾病在早期都沒有明顯症狀,經常被忽略或者與其他疾病混淆,等到症狀明顯後往往已經到癌症的中期或者後期了,機器的特點是精準,通過海量醫學影像和醫學知識的學習,可以準確識別癌症,比如斯坦福大學通過2000例不同面板癌病例的12.9萬張影象,訓練出了面板癌識別模型,該人工智慧系統與21位專業臨床醫生的表現相當。如今的人工智慧已經可以在肺癌,肝癌,乳腺癌等常見癌症上為人類醫生提供診斷建議。


» Airdoc

ADVERTISEMENT
ADVERTISEMENT