AI醫療三年之期：技術、產品、商業的階段性“方法論”丨CCF-GAIR 2019

編者按：7月12日-7月14日，2019第四屆全球人工智能與機器人峰會（CCF-GAIR 2019）于深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，深圳市人工智能與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智能和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智能領域極具實力的跨界交流合作平臺。

大會收官的7月14日，「AI醫療」專場依舊座無虛席。五位醫療領域的產、學、醫等多方頂尖專家，分享了獨特而深刻的前沿技術與商業方法論。

Demetri Terzopoulos

《人工智能在視覺計算與醫學領域的作用》

Demetri Terzopoulos是加州大學洛杉磯分校（UCLA）杰出教授，計算機視覺與圖形學實驗室主任。英國皇家科學院、加拿大科學院院士，體素科技首席科學家，ACM、IEEE Fellow。

作為本專場的開場嘉賓，Demetri Terzopoulos教授回顧了計算機視覺的歷史：從最初模式識別的方法，到后來基于模型的方法，現在則是過渡到了深度學習階段。

從1978年開始，Demetri Terzopoulos教授就嘗試使用對醫學圖像進行分析。上世紀80年代開始，Demetri Terzopoulos開始了基于可形變模型的醫學影像研究。

1987年，Demetri Terzopoulos與Kass等合作提出了著名的Snake模型，合作發表的論文也在IJCV 第一期Marr獎特刊中獲獎，是計算機科學中被引用次數最多的論文之一。模型提出后，各種基于主動輪廓線的圖像分割、理解和識別方法蓬勃發展。

在演講中，教授列舉了多個使用主動輪廓模型進行圖像分割與重建的案例。

而到了人工智能時代，以數據驅動的機器學習對成像技術作出了突出貢獻。Demetri Terzopoulos教授也嘗試使用深度卷積神經網絡，進行肺結節的探測。他以最近一篇獲獎的論文表示，“我相信這是一個大趨勢。未來，自動分割會有更多產出，使得醫學成像的效率更高。而深度學習和可變形模型的組合，將通過數據驅動來賦能醫學影像分析。”

Demetri Terzopoulos教授認為，計算機科學、人工智能和信息技術有巨大的潛力，可以賦能醫學事業，這對未來的創新是最大的源泉。但是，他也提醒，“我們有前沿的數據驅動的機器學習技術和強大的模型為基礎的方法，但是不能盲目的認為，深度學習的單兵作戰就可以解決所有問題。”

“所以我們需要和其他技術結合起來，也就是和傳統的醫學界共同協作，才能充分用好我們的深度學習、人工智能來促進醫學事業的發展。我們需要做大量研究，才能更好地解決醫學事業實實在在的問題，并且為更多的病患造福。”

2016年，醫療AI公司體素科技（VoxelCloud）在上海成立，Demetri Terzopoulos教授擔任聯合創始人兼首席科學家，更好地將學術研究、技術開發與商業落地進行融合。

姚智清

《AI賦能醫療的價值與未來》

姚智清是飛利浦大中華區CTO、中國研究院和中國創新中心負責人，是飛利浦大中華區管理團隊成員之一，負責推動健康科技和數字解決方案的創新。他從理念基礎，技術實現等角度闡釋了飛利浦在醫療上的思考與布局。

過去幾年，軟件開發和AI是飛利浦戰略發展的重點，飛利浦每年投入超過18億歐元進行研發，其中60%用于軟件和AI的開發。

姚智清表示，“單點突破難以產生協同，健康產業越來越強調從院內到家庭護理的全流程解決方案。”

為此，飛利浦形成了健康生活、精準診療、影像介入治療、互聯關護四大事業群。

數據大不代表大數據，如何讓數據真正有價值？姚智清認為，以AI三大技術助力醫療系統釋放龐大數據的價值：自然語言處理、深度學習、大數據挖掘和分析等技術。

飛利浦與全球范圍內4000多家頂級醫院、科研機構、創新平臺等緊密合作，從數據的來源、建模、訓練到結果測試、評判都嚴格遵循臨床指南和醫學路徑，并基于科學評估標準和體系，反復嚴格驗證，確保為臨床提供安全可靠的解決方案。

平臺化是飛利浦的重要戰略方向，醫學界、工業界、創新平臺，必須打破界限、發揮所長，共同構建AI 健康醫療生態系統。“我們是一家好公司，但我們并不是唯一的一家好公司，在醫療領域發揮特長，需要跟各位專家持續合作。”

姚建華

《人工智能在病理診斷中的前沿研究和應用》

姚建華是醫學影像AI領域國際級專家，在騰訊 AI Lab負責AI+醫療領域的前沿研究及產品落地。

騰訊AI Lab是公司級的實驗室，據姚建華介紹，現在AI Lab有超過70名研究員和超過300名工程師，研究方向包括計算機視覺、機器學習、語音識別、自然語言處理，醫療是實驗室的主要應用場景。

騰訊AI Lab為騰訊首款將人工智能技術運用在醫學領域的AI產品——騰訊覓影提供算法技術支持。2017年11月，科技部公布首批國家新一代人工智能開放創新平臺名單，并明確依托騰訊公司建設醫療影像國家新一代人工智能開放創新平臺。

作為一個技術派人員，姚建華博士從技術層面分享了騰訊AI Lab在病理和人工智能方面做的前沿研究和落地。

姚建華認為，病理診斷是一個非常復雜的過程，主觀性很強，一致率比較低。因此利用人工智能技術，可以幫助醫生提高診斷的可重復性，提高準確率和效率，從一定程度上緩解病理醫生不足的狀況。

但是對于病理分析而言，病理的圖像尺寸非常大，對計算機的處理性能提出挑戰，此外，醫生經常要識別病理圖像中非常細微組織的變化。在自然圖像中比較成功的算法往往在病理圖像中不能達到相應的效果，因此，工程人員就需要開發特殊的算法。

目前，病理AI的主要研究領域有三部分：

第一，開發基于AI技術的病理診斷模型，以提高醫生的診斷效率，提高微小病變和疑難病例的識別能力。

第二，病理組學，從病理中提取對診療有用的特征，進行定量化分析，發現病理特征和診療之間的關聯性。

第三則是更高級的功能，利用病理數據來開發基于AI技術的病理預后預測模型，預測治療的效果以及五年的總生存率。

姚建華博士說到，這三個方向可以覆蓋從基層醫院到三甲醫院的不同應用場景。

圍繞染色歸一化、結直腸癌病理診斷、結直腸息肉分類、淋巴結轉移檢測、免疫組化(IHC)、療效預測等方面，姚博士所在的團隊都提出了一些有針對性的解決方法，例如在療效預測方面，將傳統的特征提取與分類方法進行結合，可以得到更好的預測效果。

尹國圣  

《Statistics and AI in Medicine》

尹國圣教授是香港大學統計與精算系主任，潘燊昌基金教授， Fellow of the American of Statistical Association。他的研究方向是臨床試驗設計、生存分析、貝葉斯統計方法和機器學習，發表論文150余篇，同時還擔任Journal of American Statistical Association, Statistical Analysis and Data Mining，Contemporary Clinical Trials等雜志的副主編。

尹教授從統計學的角度，分享了AI在醫學上的應用。

他表示，目前，AI在放射學診斷設備端，如X光、CT、MRI圖像上應用最為廣泛。利用這些圖像的準確診斷有助于加快治療進程，提高疾病治愈的可能性。另外，NLP在電子病歷中的應用也是一個值得探索的方向：“醫學電子病歷有著非常海量的數據，怎么樣利用這些數據，給病人全方面的診斷，這也是非常有意義的一件事情。”

此外，與傳統的生存模型相比，深度學習還可以更準確地預測患者的生存率。當然，這只是機器學習在醫學領域的開端，許多應用前景廣闊，但還需要在隨機臨床試驗中進行進一步驗證。

尹教授論述了幾個深度學習模型在疾病預測中的案例。他強調，如果一個AUC為0.99的算法沒有被證明可以改善臨床結果，那么它的價值將會大打折扣。

2018年4月，由IDx公司開發的AI系統(結合算法的成像設備)獲得FDA的批準。該算法在疾病診斷中的敏感性為87%，特異性為91%。

當然，從統計學的角度，尹教授也給我們分享了自己的心得。他介紹，醫學上的失誤是導致死亡的第三大因素，第一名是心臟病；第二名是癌癥；第三名是誤診。

人為錯誤有時是不可避免的。雖然我們不能消除人為錯誤，但我們可以更好地度量問題，以設計更安全的系統，減少其發生的頻率和可能性。讓錯誤在發生時，盡可能地減小影響。

他說，100多年來，統計學在醫學研究中一直扮演著極為重要的角色。對藥物進行假設檢驗，利用隨機臨床試驗進行治療效果的比較、使用ROC曲線評價疾病診斷系統或算法等等，而人工智能正在成為臨床醫生在做決定時的一種補充。

梁長虹

《醫學影像從CAD走向AI——做正確的事》

梁長虹是華南理工大學醫學院副院長，華南理工大學附屬廣東省人民醫院影像醫學部主任兼放射科主任。同時，他也是科技部重點研發計劃首席科學家，中國放射醫師協會副會長，中華放射學會副主任委員，廣東省放射醫師協會主任委員，亞洲腹部影像協會主席。

演講中，梁長虹主任開玩笑的說：“我是一個醫生，很夢想人工智能扳倒我們，但是現在的算法還有很多懸而未決的事情。”

他認為，找病灶和診斷病灶是兩回事。人工智能在醫學影像上跟人工智能在醫學其他領域有類似的問題，但更為復雜。“深度學習是什么？對我來說就是‘黑盒子’理論，在座的數學家、統計學家、計算機學家能不能對每一層發生的變化給出預測，這樣就有可能實現多中心臨床試驗了。”

另外，就是可解釋性需要關注。作為放射科醫生，有責任，了解何時、何種方式有危險，對這些方式保持透明性，防止它們可能造成的任何傷害，更加符合醫學倫理道德。

最近涌現的新型人工智能算法，促使人們反思過去的人工智能為什么未能實現其目標。

如今的人工智能工具已經獲得了監管部門的批準，這是基于它們在少數健康領域的表現。也許這些新的人工智能方法的增加精度將減少假陽性，有利于提高醫師的效率。算法或模型的通用性使放射學的多樣性實踐仍然是一個懸而未決的問題。

梁主任表示，放射科醫生是新技術的弄潮兒，放射科醫師會用最新的設備和最新的技術。同時，醫學具有長尾效應，“我們放射科醫生至少掌握2萬術語、懂5600個病種，有的病例可能一年就一個或幾個，也能用人工智能來解決嗎？因此，大家不要期望AI能解決一切。”

同時，梁教授也表示，數據的結構性是很大的問題，這也是我們面臨的挑戰。醫療是有溫度的，就是情感，這就涉及到人文，涉及到醫者和患者兩個方面，可能也是AI目前最難解決的。

圓桌討論

三年為期，展望未來

五位嘉賓演講結束后，進入到了圓桌討論的環節。宜遠智能CEO吳博擔任圓桌主持人，廣東省人民醫院影像醫學部主任兼放射科主任梁長虹、柏視醫療董事長陸遙、翼展醫療集團合伙人兼CMO高云龍、視見科技CEO陳浩，圍繞AI醫療的進展與心得進行精彩分享。

從2016年開始，基于深度學習的AI技術成為了革新各個行業的一大利器，醫療是其中最火熱的領域之一。從“替代醫生”到“輔助醫生”，從“單點突破”到“全病種理念”，從“技術研發”到“商業落地”。短短三年時間里，AI醫療經歷了一個急劇變化的過程。

2019年，成為AI醫療落地的關鍵之年。因此，雷鋒網此次圓桌的主題為：“三年之期：探尋醫學影像AI的未來之路”，嘗試以三年為一個坐標，在這重要的時間點，為業內人士勾勒一個比較清晰的發展藍圖。

各位嘉賓就“過去一年的產品和科研成果”、“醫療AI器械三類證審批”、“如何平衡醫工結合”“AI醫療創業公司如何與BAT共處”等問題進行了探討。

關于五位重磅嘉賓的演講和圓桌討論的精彩內容，雷鋒網將會第一時間整理出來，以饗讀者。

同時，我們將會在本次峰會后，在「AI投研邦」上線CCF GAIR 2019峰會完整視頻與各大主題專場白皮書，包括機器人前沿專場、智能交通專場、智慧城市專場、AI芯片專場、AI金融專場、AI醫療專場、智慧教育專場等。「AI投研邦」會員們可免費觀看全年峰會視頻與研報內容，掃碼進入會員頁面了解更多。峰會期間專享立減399元福利，可進入頁面直接領取，或私信助教小慕（微信：moocmm）咨詢。（最后一天50個名額，速搶。）

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。