經(jīng)歷了多年發(fā)展吭服，醫(yī)療人工智能進入了發(fā)展的深入?yún)^(qū)，行業(yè)發(fā)展已經(jīng)從概念普及發(fā)展到產(chǎn)品驗證蝗罗、落地艇棕、審批蝌戒、商業(yè)化方面的探索，賦能的領(lǐng)域也從影像發(fā)展到疾病預(yù)測沼琉、慢病管理北苟、醫(yī)療質(zhì)控、藥物研發(fā)等方面打瘪。
人工智能在跟器械友鼻、醫(yī)院、政府等各方合作中闺骚，慢慢推動了智能化醫(yī)療器械標準預(yù)研與制定彩扔、行業(yè)數(shù)據(jù)庫建設(shè)、技術(shù)評測與臨床試驗方法研究僻爽、公共服務(wù)平臺構(gòu)建等虫碉。
展望未來，雖然醫(yī)療人工智能2019年的發(fā)展雖然遇到了種種困難胸梆，但人工智能將在醫(yī)療領(lǐng)域發(fā)揮的重要已經(jīng)得到醫(yī)療行業(yè)的認可敦捧，正在潛移默化的改變醫(yī)療手段甚至醫(yī)療模式。
2019年碰镜，醫(yī)療AI的發(fā)展到底如何兢卵，動脈網(wǎng)和元璟資本聯(lián)合主辦的2019未來醫(yī)療100強大會醫(yī)學(xué)人工智能論壇給予了思考與答案。
在醫(yī)院內(nèi)研發(fā)醫(yī)學(xué)影像AI工具的探索
北京大學(xué)第一醫(yī)院醫(yī)學(xué)影像科主任 王霄英
好的AI產(chǎn)品和服務(wù)能為醫(yī)院的降費增效做出的貢獻绪颖，所以醫(yī)院應(yīng)積極與企業(yè)济蝉、高校合作，為醫(yī)療AI的應(yīng)用提供好的空間菠发。
在醫(yī)院內(nèi)研發(fā)AI王滤，并不是為了獲得AI產(chǎn)品，而是以AI項目促進醫(yī)療工作流程的優(yōu)化滓鸠，為AI技術(shù)在醫(yī)院落地做出努力雁乡。專業(yè)的事情應(yīng)該交由專業(yè)的人來做，醫(yī)院需要與學(xué)術(shù)界、產(chǎn)業(yè)界合作仗处，共同實現(xiàn)AI的價值廊蜒。
醫(yī)院應(yīng)該適應(yīng)新技術(shù)而改變自身。目前醫(yī)學(xué)影像科并沒有為醫(yī)療AI的應(yīng)用提供足夠好的環(huán)境珠月。
首先，傳統(tǒng)的醫(yī)療工作流程不適應(yīng)現(xiàn)代化信息工具的植入楔敌，我們正努力做到將PACS/RIS與AI整合啤挎。
其次，醫(yī)療數(shù)據(jù)的產(chǎn)生卵凑、收集和處理的過程不規(guī)范庆聘，非結(jié)構(gòu)化數(shù)據(jù)胜臊、語義不清晰的數(shù)據(jù)、個性化采集的數(shù)據(jù)等均影響AI的效能伙判。只有改變醫(yī)務(wù)人員的工作習(xí)慣象对，規(guī)范的醫(yī)療行為才能產(chǎn)生規(guī)范的醫(yī)療數(shù)據(jù)。第三宴抚，傳統(tǒng)的醫(yī)學(xué)影像報告不利于AI結(jié)果的呈現(xiàn)勒魔，我們正在嘗試以結(jié)構(gòu)化報告、圖文報告等方法發(fā)布結(jié)果菇曲，提高AI的顯示效果沥邻，提升患者體驗。?
AI領(lǐng)域的工作也要拓寬思路羊娃。AI賦能醫(yī)療的領(lǐng)域絕不僅僅只有影像的識別與判讀唐全，考察醫(yī)療服務(wù)的指標包括：質(zhì)量、安全蕊玷、效率邮利、人的體驗等，這些都是改善醫(yī)療服務(wù)的剛需垃帅。
王霄英主任表示延届，醫(yī)院研發(fā)和使用產(chǎn)品，并不會考慮商業(yè)化進而把它研發(fā)成為產(chǎn)品贸诚，同時也不會像大學(xué)一樣重心放在算法模型的鉆研方庭。醫(yī)院更在乎的是實用性，無論使用的信息化工具酱固、智能化工具采用何種技術(shù)械念，如深度學(xué)習(xí)、機器學(xué)習(xí)或者基于規(guī)則的程序运悲，只要好用龄减、易用就好。
醫(yī)院與學(xué)術(shù)界班眯、產(chǎn)業(yè)界合作有自己堅守的底線希停，最重要的是依法合規(guī)。AI科學(xué)研究項目需要有正規(guī)立項署隘，經(jīng)過機構(gòu)倫理委員會批準后方可執(zhí)行宠能。
AI臨床服務(wù)需要遵守國家衛(wèi)健委醫(yī)政醫(yī)管局的醫(yī)療技術(shù)臨床應(yīng)用管理規(guī)定，符合衛(wèi)健委對醫(yī)療機構(gòu)的基本要求磁餐、對人員的基本要求违崇、對技術(shù)管理的基本要和培訓(xùn)管理要求。
另外，數(shù)據(jù)安全也是頭等大事亦歉，北京大學(xué)第一醫(yī)院從不允許任何人或組織未經(jīng)批準下載拷貝醫(yī)療數(shù)據(jù)。在法律法規(guī)的管控下做工作畅哑，才能保證AI在醫(yī)院持續(xù)健康的發(fā)展肴楷。
IBM Watson Health 助力健康生態(tài)體系轉(zhuǎn)型
IBM大中華區(qū)首席醫(yī)療顧問 ?李明
上周Watson Health的總裁Paul Roma在IBM官網(wǎng)博客發(fā)表了一篇文章，展望2020年醫(yī)療行業(yè)的發(fā)展趨勢荠呐。他認為未來的趨勢和過去十年醫(yī)療核心目標沒有改變赛蔫，還是以提高患者的就醫(yī)體驗、提高效率泥张、降低醫(yī)療成本為目標呵恢。但是整個醫(yī)療行業(yè)發(fā)展的趨勢是不斷轉(zhuǎn)向包容，基于價值的健康服務(wù)體系媚创。
所謂價值醫(yī)療渗钉、價值健康，簡單理解就是成本效益的關(guān)系钞钙，花最少的錢辦更多的事情鳄橘。事實上醫(yī)改的目標是給大家提供適宜的醫(yī)療技術(shù)，而不是所謂的最好的醫(yī)療技術(shù)芒炼。這其中基于價值的健康體系包含了個人醫(yī)療價值和群體社會價值瘫怜、技術(shù)價值和資源的配置價值。
所以在基于價值的健康體系中一定有更多的參與方和要素參與本刽。背后一定是以技術(shù)進行驅(qū)動鲸湃，這些技術(shù)包含了人工智能、區(qū)塊鏈子寓、云計算暗挑、物聯(lián)網(wǎng)和量子計算等。如果沒有大數(shù)據(jù)斜友、算法創(chuàng)新窿祥、算力增長，人工智能便不會在新的浪潮重新起來蝙寨。
云計算能更大的降低其使用基本晒衩，區(qū)塊鏈讓更多的參與方便捷獲取數(shù)據(jù)，而不是將數(shù)據(jù)集中在一處墙歪。量子計算機的出現(xiàn)相對于現(xiàn)在的計算機來說類似一種核武器和常規(guī)之間的差異听系，IBM率先量子計算機的商業(yè)化生產(chǎn)。
數(shù)字化療法虹菲，直接對患者實施軟 件生成的干預(yù)措施靠胜，旨在預(yù)防、管理或治療生理失調(diào)或疾病。是對傳統(tǒng)治療方式的有益補充浪漠。也涉及了醫(yī)保支付方陕习，生命科學(xué)領(lǐng)域的應(yīng)用。
優(yōu)勢包括:為患者提供更準確的治 療方案址愿，通過預(yù)防该镣、早期干預(yù)及更出色的基于價值的醫(yī) 療模式，降低疾病總體發(fā)生率响谓。
IBM Watson Health其不僅僅應(yīng)用在腫瘤領(lǐng)域损合，在整個健康醫(yī)療體系中多個領(lǐng)域還有很多應(yīng)用。
比如娘纷，在保險支付方領(lǐng)域有醫(yī)療支付方案嫁审、政府醫(yī)療健康、社保與關(guān)愛服務(wù)解決方案赖晶、以及腫瘤學(xué)與基因組學(xué)解決方案律适、醫(yī)療服務(wù)提供者解決方案、生命科學(xué)解決方案遏插、醫(yī)學(xué)影像解決方案等擦耀。
生命科學(xué)領(lǐng)域在中國市場主推 IBM clinical development 方案，能有效地縮短臨床實驗周期涩堤。Micromedex 為臨床醫(yī)生和藥學(xué)研究人員提供實時眷蜓、全方位藥學(xué)資料庫。
基于IBM Watson Health SPM的健康管理服務(wù)運營平臺為慢病管理和健康管理提供智能的胎围、集成的方案吁系。至于大家比較熟悉的Watson 腫瘤解決方案已經(jīng)為中國超過5萬腫瘤患者提供了幫助。
數(shù)字醫(yī)生提質(zhì)增效心腦疾病診療
數(shù)坤科技創(chuàng)始人兼CEO 馬春娥
我們認為人工智能和人類的醫(yī)生不是互相替代的關(guān)系白魂，而是人機協(xié)智的關(guān)系汽纤。醫(yī)生和醫(yī)療AI產(chǎn)品的協(xié)同工作，在診療效果福荸、效率蕴坪、患者體驗方面的效果都要優(yōu)于醫(yī)生。醫(yī)療AI作為一種工具是可以提供更好的醫(yī)療服務(wù)的敬锐。
比如背传，10月16日，平谷區(qū)“衛(wèi)生健康信息化聯(lián)合研發(fā)應(yīng)用中心”正式成立台夺，包括華為径玖、中國移動、數(shù)坤科技颤介、平安集團等共8家科技企業(yè)梳星，與平谷區(qū)衛(wèi)健委簽署合作協(xié)議赞赖，結(jié)合以北京友誼醫(yī)院、北京中醫(yī)院等打造的醫(yī)聯(lián)體冤灾，平谷區(qū)與醫(yī)院前域、科技企業(yè)共同打造“平谷智慧醫(yī)療模式”，用人工智能和信息化等技術(shù)韵吨，當(dāng)好基層人民重大疾病守門人匿垄。
2019年12月份，北京市衛(wèi)健委牽頭学赛，聯(lián)合平谷區(qū)衛(wèi)健委以及京津冀基層區(qū)衛(wèi)健委年堆，將心肺腦輔助診斷平臺納入了中國健康行的項目吞杭。在活動現(xiàn)場盏浇，京津冀有25個基層的區(qū)衛(wèi)健委跟數(shù)坤科技簽約，啟動京津冀基層醫(yī)學(xué)影像人工智能中心芽狗。
我們希望把這些在協(xié)和绢掰、安貞等大醫(yī)院用得好的技術(shù)應(yīng)用在基層。國家醫(yī)改政策中把冠心病童擎、卒中作為重要的管控目標寫進健康2030規(guī)劃中滴劲。
而基層缺少相應(yīng)的技術(shù)人員和優(yōu)秀的醫(yī)療專家，所以需要引入人工智能作為第一道守門人顾复，并與大三甲醫(yī)院聯(lián)通班挖，提供堅實的支撐。數(shù)坤科技希望利用技術(shù)的力量將這些疾病的發(fā)病率控制下來芯砸。
醫(yī)療AI產(chǎn)品從產(chǎn)品驗證年萧芙，進入市場驗證年
蛋殼研究院執(zhí)行總監(jiān) 羅仕明
飛利浦創(chuàng)新中心高級總監(jiān) 曾永勤
2019年人工智能的發(fā)展已經(jīng)進入了深水區(qū)，醫(yī)療AI迎來商業(yè)落地的考驗假丧，各大產(chǎn)品紛紛進入臨床應(yīng)用双揪、嵌入醫(yī)院的工作流，啟動付費市場包帚；醫(yī)療AI產(chǎn)品從產(chǎn)品驗證年渔期，進入市場驗證年。
為此渴邦，2019年動脈網(wǎng)聯(lián)合飛利浦一起疯趟，從AI在醫(yī)院端的應(yīng)用場景出發(fā)，以產(chǎn)品的商業(yè)化落地為目標谋梭，探究了2019年醫(yī)療AI應(yīng)用的最新進展迅办；考察對象包括近200家創(chuàng)新企業(yè)，通過采訪調(diào)研章蚣、實地考察站欺、問卷調(diào)查姨夹、專家訪談等多種方式獲取豐富的一手信息，綜合分析行業(yè)現(xiàn)狀矾策，分析角度包括產(chǎn)品屬性磷账、落地進展、商業(yè)模式贾虽、政策逃糟、資本、招投標等多個維度蓬豁，并撰寫了《2019中國醫(yī)療人工智能報告》绰咽，這是繼動脈網(wǎng)過去三年連續(xù)發(fā)布醫(yī)療AI年度報告以來的第四份報告。
該報告提供的主要內(nèi)容包括：
第一地粪，以醫(yī)院診療流程的數(shù)據(jù)流為主線取募，圍繞人工智能在醫(yī)院的各個應(yīng)用場景，分享了40余家創(chuàng)業(yè)公司的方案和實踐蟆技，并提出了整合式全流程AI醫(yī)院玩敏；
第二，更新了被訪企業(yè)在2019年的應(yīng)用數(shù)據(jù)质礼；
第三旺聚，從商業(yè)模式的不同維度，分析了醫(yī)療AI各種應(yīng)用的潛在的商業(yè)模式眶蕉；
第四砰粹，統(tǒng)計了醫(yī)療AI 40多家醫(yī)療AI市場部負責(zé)人的背景、分析了各公司2019年進行市場推廣的策略造挽；
第五碱璃，根據(jù)醫(yī)院的招投標數(shù)據(jù)和企業(yè)的投融資數(shù)據(jù)，從側(cè)面驗證了市場的接受度刽宪。
人工智能賦能價值醫(yī)療
杏脈科技總裁兼CTO 房劬
價值醫(yī)療通俗的講類似于企業(yè)經(jīng)營中的投入產(chǎn)出比的概念厘贼，在保證醫(yī)療效果的前提下，減少醫(yī)療支出圣拄。這樣的概念非常契合現(xiàn)如今醫(yī)弊旖眨控費的大環(huán)境。
比如庇谆，心腦血管的參保人數(shù)占總參保人數(shù)的比重不超過5%岳掐，但是心腦血管的疾病卻占用了超過一半的基金數(shù)額，總的來說心腦血管疾病的醫(yī)保負擔(dān)非常重要饭耳。其中以心臟支架為代表的高值耗材是影響心血管支付的重要因素串述，目前醫(yī)保局通過耗材零差價、集中采購寞肖、反腐的方式來降低高值耗材的價格纲酗，這都起到了明顯的降低了心腦血管疾病診療的成本衰腌。
同時，杏脈科技則希望通過技術(shù)手段觅赊，在保證診療質(zhì)量的前提下右蕊，更合理的規(guī)劃支架的使用。
美國2017年心臟學(xué)會FFR診斷指南支出吮螺，可以通過FFR的測量更合理的指導(dǎo)支架的使用饶囚，同時能夠保證手術(shù)質(zhì)量。但受限于有創(chuàng)FFR測量費用昂貴鸠补、有創(chuàng)萝风、輻射等原因，此項技術(shù)一直未能在國內(nèi)廣泛開展紫岩。?
杏脈科技通過DSA數(shù)據(jù)與CTA影像的結(jié)合訓(xùn)練规惰，融合應(yīng)用深度學(xué)習(xí)技術(shù)、血流動力學(xué)等多種創(chuàng)新手段進行深度研發(fā)被因。貼合臨床需求卿拴，延續(xù)流體力學(xué)仿真的思路衫仑，在傳統(tǒng)計算方式基礎(chǔ)上自研了一整套全自動網(wǎng)格劃分技術(shù)及自主研發(fā)的CFD求解器梨与，使原本需要4-6小時才能完成的流程縮短到了10分鐘，且整個過程不再需要流體力學(xué)工程師介入文狱，同時保證了精度粥鞋。
在此基礎(chǔ)上，杏脈科技更進一步研發(fā)了冠脈搭橋術(shù)前規(guī)劃系統(tǒng)瞄崇。受限于冠脈搭橋手術(shù)的難度呻粹，術(shù)前醫(yī)生很難確定取多長的橋血管，取的越長對病人的損傷會越大苏研，但取的太短可能起不到引流的效果等浊。
另外，以什么位置作為搭橋的起點摹蘑，什么位置結(jié)束筹燕，序貫橋的順序如何決策，都是面臨的問題衅鹿。有經(jīng)驗的外科醫(yī)生可能在大腦中模擬出搭完橋手術(shù)之后血液流動變化的情況撒踪，但很多醫(yī)生并沒有這個經(jīng)驗。?
通過杏脈自主研發(fā)的冠脈搭橋術(shù)前規(guī)劃產(chǎn)品大渤。醫(yī)生可以在平臺上直接通過鼠標去選取橋血管長度制妄、管徑、搭橋的起始點泵三、終點耕捞，之后可以在5到10分鐘之內(nèi)模擬出血流在管橋中的變化衔掸，包括壓力的變化，以及壁面切應(yīng)力的變化俺抽。
壁面切應(yīng)力對管腔有非常大的影響具篇，并與術(shù)后血管的再閉塞強相關(guān)，這幾個參數(shù)綜合起來可以很好的對心外科醫(yī)生做指導(dǎo)凌埂。?
深度卷積網(wǎng)絡(luò)與醫(yī)學(xué)影像處理
小白世紀首席科學(xué)家 黃高
經(jīng)過多年的發(fā)展深度卷積網(wǎng)絡(luò)技術(shù)已經(jīng)有了飛速的發(fā)展驱显，其與醫(yī)學(xué)圖像的結(jié)合也有了很多的實踐，但是當(dāng)我們用算法處理真實世界中的醫(yī)療數(shù)據(jù)還是會面臨很多問題：
第一瞳抓，可解釋性埃疫，醫(yī)生希望依靠深度卷積網(wǎng)絡(luò)進行輔助診斷，不僅要給出結(jié)果孩哑，還要可解釋栓霜，因為醫(yī)療的嚴謹性決定了醫(yī)生必須要尋根問底。
第二横蜒，數(shù)據(jù)模態(tài)的多樣性胳蛮，醫(yī)療數(shù)據(jù)除了影像還包括文本等信息。
第三丛晌，因果推理仅炊，這在在AI領(lǐng)域是非常有挑戰(zhàn)性的問題，相關(guān)性可以通過各種算法判斷出來澎蛛。比如抚垄，抽煙到底會不會引發(fā)肺病，通過數(shù)據(jù)能看出相關(guān)性谋逻，但怎么從數(shù)據(jù)里邊找到因果性呆馁。
第四，AI模型在不同設(shè)備毁兆、不同中心之間的遷移浙滤。第五，AI算法與醫(yī)學(xué)知識的結(jié)合气堕。
“AI+醫(yī)療”行業(yè)創(chuàng)新的三大機會
元璟資本合伙人田敏
縱觀近年來醫(yī)療行業(yè)創(chuàng)新現(xiàn)狀纺腊，我們認為，中國“AI+醫(yī)療”市場目前還處于相對早期階段送巡，然而隨著政策的持續(xù)利好和技術(shù)的深入探索摹菠，我們看好將AI數(shù)據(jù)與醫(yī)療技術(shù)相結(jié)合的各個領(lǐng)域
在我們看來，在醫(yī)藥和醫(yī)療領(lǐng)域骗爆，AI技術(shù)均能發(fā)揮重要作用次氨，這其中包括醫(yī)藥相關(guān)的藥物發(fā)現(xiàn)、藥物合成摘投、臨床前CRO煮寡、臨床CRO虹蓄，以及與患者密切相關(guān)的早診早篩、病歷診斷幸撕、疾病診斷和后期康復(fù)的醫(yī)療產(chǎn)業(yè)鏈薇组。
對比2017年、2018年及2019年AI醫(yī)療醫(yī)藥領(lǐng)域融資事件坐儿，我們發(fā)現(xiàn)律胀，在病情診斷、治療康復(fù)和藥物研發(fā)這三個領(lǐng)域貌矿，融資數(shù)量最多的是病情診斷領(lǐng)域炭菌，這其中醫(yī)學(xué)影像輔助診斷占比高達80%，成為名副其實的紅海領(lǐng)域逛漫。
診斷領(lǐng)域黑低，尤其是在影像診斷領(lǐng)域，自2016年開始就有無數(shù)多家公司涌入酌毡，在各個影像領(lǐng)域創(chuàng)業(yè)克握。但是該領(lǐng)域早期的技術(shù)壁壘并沒有想象中的高，而后期商業(yè)模式的探索和發(fā)展路徑卻很長枷踏。不過菩暗，針對疾病的早篩、早診呕寝，尤其是缺乏醫(yī)療水平的基層勋眯，AI起到的作用非常大婴梧。
康復(fù)領(lǐng)域主要是基于人體各項數(shù)據(jù)進行的慢病管理下梢，目前國內(nèi)已經(jīng)有公司在該領(lǐng)域進行嘗試。近年來塞蹭，隨著中國人口結(jié)構(gòu)老齡化加劇孽江，老齡人群康復(fù)服務(wù)需求增長，未來可穿戴輔助康復(fù)設(shè)備和慢病監(jiān)測管理具有較大的市場空間番电，我們也在持續(xù)觀望該領(lǐng)域的新機會出現(xiàn)岗屏。
而在藥物研發(fā)領(lǐng)域，目前中美之間仍然存在較大差異漱办，美國大量的醫(yī)療AI公司都集中在藥物研發(fā)的領(lǐng)域这刷，中國近兩年也出現(xiàn)了海歸團隊/本土團隊開始藥物研發(fā)領(lǐng)域的各種嘗試。
相對而言娩井，中國目前還處在這個領(lǐng)域發(fā)展的早期階段暇屋，但市場潛力巨大，AI技術(shù)賦能藥物研究領(lǐng)域技術(shù)壁壘較高洞辣，企業(yè)前期需要建立起和大公司的技術(shù)合作能力咐刨，而后期則要靠持續(xù)的數(shù)據(jù)積累和商業(yè)模式的構(gòu)建昙衅，才能建立起自己的行業(yè)壁壘。
用AI打造以隨訪為入口的醫(yī)療后花園
健憾瘢科技CEO汪健
健憾妫科技主要利用人工智能輔助病人隨訪和病人慢病管理。
整個醫(yī)療分為健康联予、診前啼县、診中、診后沸久、康復(fù)市場谭羔。其中診前、診中被大眾所熟知麦向，但是診后的病人出院瘟裸，再到回醫(yī)院門診復(fù)診的過程在整個醫(yī)療體系中不被關(guān)注。健核薪撸科技則主要定位診后市場话告。
診后病人管理的問題是工作量太大，國家的政策希望家庭醫(yī)生去管病人卵慰，現(xiàn)在互聯(lián)網(wǎng)醫(yī)療中慢病管理的業(yè)務(wù)也是交由醫(yī)生來負責(zé)沙郭，但是我認為這是很難實現(xiàn)的，因為醫(yī)生是整個醫(yī)療體系中的稀缺資源裳朋，所以健翰∠撸科技希望AI提升醫(yī)療行業(yè)的產(chǎn)能進而去管理病人。
我們發(fā)現(xiàn)在醫(yī)院通常負責(zé)術(shù)后的并病人管理工作的是護士而非醫(yī)生鲤嫡，所以我們第一步做的是研發(fā)出虛擬護士送挑，作為醫(yī)生和患者的中間角色，擔(dān)負病人管理工作暖眼。
另外惕耕，國內(nèi)現(xiàn)在有大量的研究和指南在臨床路徑，但是病人管理路徑的指南和研究相對較少诫肠。目前雖有借助可穿戴設(shè)備進行慢病和身體檢測司澎，但是并未很好地實現(xiàn)管理。所以健憾霸ィ科技梳理各種病種的知識庫挤安，把病人管理的知識圖譜做出來。
健荷パ欤科技的做診后病人管理的方法是全病程動態(tài)路徑蛤铜。我們?nèi)ナ崂聿∪说脑\后管理路徑，從病人第一次就診，根據(jù)他的診斷昂羡、用藥絮记、醫(yī)囑、檢查檢驗生成病人固定的跟蹤路徑虐先。
當(dāng)一個病人的治療方案發(fā)生變化的時候怨愤，后期所有的跟蹤內(nèi)容都會動態(tài)變化，也就是根據(jù)手術(shù)術(shù)后管理方式去管理病人蛹批，而不是根據(jù)前期的病種方式去管理病人撰洗。
為此，健焊郑科技打造了一款智能AI隨訪系統(tǒng)差导，核心優(yōu)勢在于其AI技術(shù)——濟世大腦。它擁有智能輔助互動猪勇、智能輔助判斷设褐、智能輔助處理引擎，集合深度學(xué)習(xí)泣刹、大數(shù)據(jù)處理助析、語音合成、識別椅您、分析等技術(shù)外冀，通過電話、微信等途徑輔助醫(yī)護人員完成醫(yī)院隨訪掀泳、滿意度調(diào)查雪隧、復(fù)診提醒、慢病管理等工作员舵。
人工智能技術(shù)驅(qū)動的慢病管理創(chuàng)新
?第四范式醫(yī)療業(yè)務(wù)負責(zé)人脑沿、主任科學(xué)家涂威威
第四范式的特點是用機器尋找海量的規(guī)律，因為機器的可復(fù)制性非常的強固灵，只要有數(shù)據(jù)的地方捅伤，在AI算法的幫助下可以不斷的從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律。
糖尿病的預(yù)防管理存在4個方面核心問題：預(yù)測巫玻、干預(yù)、管理祠汇、科普仍秤。
為此，第四范式與瑞金醫(yī)院聯(lián)合發(fā)布的“瑞寧知糖”和“瑞寧知心”等慢性病管理產(chǎn)品可很，可在具備簡單輸入指標的情況下诗力，評估并預(yù)測普通用戶糖尿病及糖尿病心血管并發(fā)癥等常見疾病至少未來3年間的患病風(fēng)險、危險因素，給予個性化干預(yù)方案苇本，幫助用戶進行長期自我管理袜茧。
該系列產(chǎn)品對世界衛(wèi)生組織定義的慢性病三級預(yù)防均有針對性支持，依靠第四范式領(lǐng)先的人工智能技術(shù)和瑞金醫(yī)院前沿的代謝病研究瓣窄，該系列產(chǎn)品具備篩查準確率高笛厦、模型預(yù)測指標具備醫(yī)學(xué)解釋性、個性化干預(yù)方案俺夕、可長期自我管理等應(yīng)用特點裳凸。
作為一家技術(shù)公司，我們并不懂醫(yī)療劝贸，所以我們覺得應(yīng)該找到自己對應(yīng)的位置姨谷，在產(chǎn)品研發(fā)過程中只負責(zé)技術(shù)層面的事情，把我們從數(shù)據(jù)中挖掘規(guī)律的能力把這給到合作伙伴映九，并將這一能力賦能醫(yī)保梦湘、商保、健康管理件甥、輔助診斷践叠、醫(yī)學(xué)影像以及藥物研發(fā)等醫(yī)學(xué)領(lǐng)域。
如何讓醫(yī)療AI變得可信
?愛醫(yī)聲聯(lián)合創(chuàng)始人嚼蚀、清華大學(xué)副研究員閭海榮
醫(yī)療AI發(fā)展到現(xiàn)在禁灼，有很多進展，但能進入實用的很少轿曙，這里面弄捕，醫(yī)生們認為AI產(chǎn)品不可信、體驗不好导帝，是主要原因守谓。之所以不可信，有以下幾方面原因：
第一您单，數(shù)據(jù)問題斋荞。源頭的數(shù)據(jù)質(zhì)量不高、不可信虐秦，很難保證訓(xùn)練出來的模型平酿、算法可信。
第二悦陋，機器學(xué)習(xí)黑盒/黑箱子的問題蜈彼。如果我們訓(xùn)練出來的模型發(fā)生了偏差，尤其是系統(tǒng)性的偏差俺驶，那就很恐怖幸逆；診斷出現(xiàn)了問題，但并不知道中間的邏輯過程。這樣的缺陷使得很多用戶还绘、醫(yī)生楚昭、行業(yè)的從業(yè)人員對自己訓(xùn)練出來的模型，自己也沒有多大的信心拍顷，更不太可能讓醫(yī)生去用抚太。
比如，現(xiàn)在在學(xué)校實驗室利用AI做病理研究菇怀，訓(xùn)練出來的模型算法準確度能達到99.9%以上凭舶，但是將產(chǎn)品用到臨床里面的時候，并不具備太高的臨床可用度爱沟。
因為醫(yī)生看病問診是根據(jù)指南和經(jīng)驗帅霜，以及他看過的歷史病例來做診斷。只有將專家系統(tǒng)呼伸、概率圖網(wǎng)絡(luò)身冀、知識圖譜這些相關(guān)的過程映射到模型里面，醫(yī)生才會有用的信心括享。
如何讓醫(yī)療AI變得可信搂根？我認為有以下幾個角度：
第一，知識管理铃辖。把醫(yī)生的指南剩愧、臨床的知識庫輸入到系統(tǒng)里面。這方面IBM Watson做的很好
第二娇斩，知識圖譜構(gòu)建仁卷。機器錄入數(shù)據(jù)之后可以構(gòu)成高質(zhì)量的知識圖譜。
第三犬第，案例學(xué)習(xí)锦积。將傳統(tǒng)的通過數(shù)據(jù)學(xué)習(xí)的方式構(gòu)建模型與構(gòu)建的案例庫結(jié)合起來。
第四歉嗓，將以上體系跟用戶很好的交互起來丰介。所以最關(guān)鍵的工作是打造全棧可視化的交互和解釋的體系鉴分。通過這樣的方式可以讓背后的邏輯哮幢、知識跟醫(yī)生、普通用戶之間進行非常好的互動冠场，而且是及時的互動家浇。
全棧AI打造的幾個核心的能力包括：聽、說碴裙、看、思考、學(xué)習(xí)舔株、交互莺琳。
深度學(xué)習(xí)輔助決策三類創(chuàng)新藥醫(yī)療器械開發(fā)實踐
硅基智能總經(jīng)理胡志鋼
醫(yī)療AI發(fā)展到現(xiàn)在，審批已經(jīng)是行業(yè)最為關(guān)注的重點载慈，這是企業(yè)大規(guī)模商業(yè)化的敲門磚惭等。目前硅基智能的產(chǎn)品5月份進入三類醫(yī)療器械綠色審批通道，12月份办铡，藥監(jiān)局到公司進行了體系審核辞做。
關(guān)于醫(yī)療AI產(chǎn)品的三類證審批，創(chuàng)新醫(yī)療器械審批國家藥監(jiān)局主要關(guān)注四個方面：
第一寡具，算法核心專利要明確證明用在公司的產(chǎn)品中秤茅，要把算法的核心技術(shù)闡述清楚，是如何應(yīng)用在產(chǎn)品中的童叠。
第二框喳，產(chǎn)品定型，把標準數(shù)據(jù)的來源說清楚厦坛，從量化五垮、溯源的角度把事情解釋清楚。
第三杜秸，臨床顯著應(yīng)用的價值放仗，要有真實世界的臨床數(shù)據(jù)來證明產(chǎn)品確實能夠解決臨床上的問題恕刘，并提供給監(jiān)管部門谭跨。
深度學(xué)習(xí)輔助決策醫(yī)療器械軟件審評要點跟其他產(chǎn)品開發(fā)思路類似，可分為臨床需求分析揽趾、數(shù)據(jù)收集小作、算法設(shè)計亭姥、驗證與確認等階段，其中數(shù)據(jù)是最重要的一個點顾稀。
數(shù)據(jù)收集包含數(shù)據(jù)采集达罗、數(shù)據(jù)預(yù)處理、數(shù)據(jù)標注和數(shù)據(jù)集構(gòu)建等活動静秆。
數(shù)據(jù)采集更關(guān)注數(shù)據(jù)來源的合規(guī)性粮揉、數(shù)據(jù)的多樣性。產(chǎn)品如何與臨床之間更好的契合抚笔，數(shù)據(jù)采集要考慮包括疾病構(gòu)成扶认、地域、人群分布殊橙、設(shè)備辐宾、機構(gòu)層級狱从、流行病學(xué)等因素。
另外數(shù)據(jù)采集質(zhì)量評估叠纹，數(shù)據(jù)脫敏程度季研，數(shù)據(jù)轉(zhuǎn)移方式均要符合一定規(guī)范要求。?
數(shù)據(jù)預(yù)處理：包含數(shù)據(jù)清洗和數(shù)據(jù)處理兩部分誉察。預(yù)處理需考慮選用的方式方法對產(chǎn)品的影響及其風(fēng)險与涡，并明確預(yù)處理前數(shù)據(jù)什么樣子，預(yù)處理之后數(shù)據(jù)變成什么樣子持偏。此外驼卖，進行預(yù)處理的軟件工具要經(jīng)過確認，證明數(shù)據(jù)處理是可靠的鸿秆。
數(shù)據(jù)標注和標注過程中的質(zhì)量控制酌畜。標注人員要明確其資質(zhì)要求，經(jīng)過嚴格的培訓(xùn)和考核谬莹，標注過程應(yīng)當(dāng)明確數(shù)據(jù)標注流程與方法檩奠，并對標注質(zhì)量進行持續(xù)的量化分析。
數(shù)據(jù)集的構(gòu)建：最終通過前面嚴謹?shù)臉俗⒊鰜碇笮纬闪藰俗?shù)據(jù)集附帽，需要把它劃分成不同的訓(xùn)練集埠戳、調(diào)優(yōu)集、測試集蕉扮。數(shù)據(jù)集劃分需要考慮的因素包括醫(yī)生臨床的經(jīng)驗整胃、算法專家對數(shù)據(jù)集的要求等。
數(shù)據(jù)集的劃分還要涉及到數(shù)據(jù)樣本的分布喳钟，臨床的需求屁使。訓(xùn)練集樣本分布要均衡，要考慮到各個病種學(xué)習(xí)的充分性奔则。調(diào)優(yōu)集蛮寂、測試集要考慮臨床應(yīng)用場景下真實的疾病分布，以及是否有其他疾病的干擾因素易茬。
