中国医疗信息化经历了20多年的发展后,迎来了大数据和人工智能快速发展的时代,在从IT时代迈向DT(Data Technology)时代的过程中, 医学人工智能连接了AI技术与临床医学两端,一端是AI不断强劲的算力算法,一端则是医学谨慎的范式和海量的数据——两种不同学科及语言体系如何顺利地进行交叉对话?AI技术会给医疗行业带来怎样的变化?技术如何在临床实际场景中落地?这都成为行业人士讨论的焦点。

6月29日,在由中国生物医学工程学会主办、飞利浦健康科技协办的“健康科技人工智能峰会”上,来自政府、学界、临床、产业等多方大咖各抒已见,一起探讨行业发展面临怎样的现状问题与趋势前景,共同展望医学人工智能驶向未来之路。

行业渐入深水区,瓶颈有待突破

几年前,AI程序“阿尔法狗”战胜人类围棋高手后,“人机大战”的话题如火如荼,医疗领域也未能免俗,经历了尘嚣日上的讨论和高歌猛进的一轮浪潮之后,业内已基本达成共识:AI无法代替医生,而是需要 “人机合作”。然而,另一方面,医学AI的发展挑战与困难凸显,行业瓶颈有待突破,也成为各方人士共同面对的问题。

难点首先来自“大数据之困”。 高质量、结构化的数据是AI研究的燃料,但是“当前医疗影像领域标准化、结构化数据严重不足,且科室间医院间信息壁垒严重。很多医学影像AI企业对于数据的获取和收集存在很大困难,除了数据质量无法保证,数据标注的方法和体系也无法统一(《中国AI医学影像白皮书》,2019)”,如果使用本就不合格数据进行模型训练,难免让人担心会“垃圾进垃圾出”。

的确,“数据大不等于大数据”。 6月29日的峰会上,上海交通大学附属瑞金医院放射科主任严福华就提到:“数据规范化非常重要,否则几万例的病例尽管数据量大,但不是有效的数据”,其实,在各类医疗数据中,影像数据已经相对较为标准,但各家医院从图像采集阶段之始就未形成标准(包括设备机型、操作手法、上传模式、标注方法等),给后期数据处理与利用带来了极大挑战。

第二个挑战来自现有产品的“单病种之限”。以医学影像AI为例,目前很多产品都是基于单病种标注的模型,集中在低维度的单任务场景如肺结节、糖网筛查、骨龄判断等。然而临床检查更多是以部位为中心的多任务学习,需进行多器官和多病种的诊断。以肺结节为例,医生不仅只想了解肺结节,更希望可以推导出到整个肺部病变。但目前很多产品无法满足这个需求,借用上海交通大学附属第六人民医院放射科主任李跃华教授的比喻,“这中间的差距就像单颗珍珠与一条完美的项链,要实现这个跨越还需大量努力”。

另一重困难来自“产品化之问”。对于医学人工智能产品来说,取得医疗器械认证,尤其是三类认证非常重要。一方面国家监管机构及政策制定部门,对于医学人工智能的标准、行规和审评标准非常关注,并积极推进;另一方面,医学AI产品的临床落地确实也在走向成熟的过程中,在集产学研为一体的柏视医疗董事长陆遥看来,AI产品从实验室走向开放的临床环境,从标准数据库的构建、到算法的可泛化、再到诊断风险的控制(假阴性假阳性),都是值得认真思考的问题。

AI技术需将数据转为洞察,连接健康关护全程

面对行业瓶颈,业内玩家各有自己的理念及观点。深耕医疗的行业巨头飞利浦看来,医学人工智能的价值,是将海量的医疗数据转化为具有临床实践指导意义的洞察。

百余年来一直坚守以人为本理念的飞利浦相信,医学AI不仅只有人工的智能(Artificial Intelligence)技术本身,还要读懂临床和个人的需求,将AI以及其他技术与临床情景和实际运营环境紧密结合,深植于临床工作流程和情景,以构建赋能使用者的解决方案,并可以根据具体情境进行自适应和调整,这应是一种“自适应“的智能(Adaptive Intelligence)。

技术发展终究为了造福于人,飞利浦一直强调,人的整个健康关护不仅发生在院内,而是包括从健康的生活方式、疾病预防、诊断、治疗到家庭护理的全生命周期。AI产品开发,需要以人为中心,围绕健康关护全程,考虑到人在其中会碰到的各类场景。

6月29日的峰会上,飞利浦全球执行委员会委员、大中华区总裁何国伟介绍了公司在人工智能方面的一些应用,它们渗透在院内及院内的多种健康关护场景之中:例如利用AI提高深度睡眠时间;亦或是通过AI技术看护家中老年人,预测其未来一段时间的健康状况,甚至可能跌倒的概率;以及已在美年大健康体验中心应用的将AI乳腺超声解决方案,在扫描过程中实时标注可疑区域,提取图像信息辅助可疑区域良恶性判断,提升诊断信心。

人工智能的应用不仅要深入健康关护场景,还要深植与临床工作流程之中,解决临床实际问题。

例如在核磁扫描过程中,常会因为身体移动或轻微呼吸影响图像呈现,飞利浦新的VitalEye技术利用高级AI算法提取呼吸迹象,提升图像可靠性,辅助精准诊断。

何国伟在峰会上还分享了飞利浦预测性监护方案(IntelliVue Guardian EWS), 在病人的监护中,会出现因为疏漏生命体征变化而错过最佳干预及救护时机的情况,飞利浦带有预警评分的监护方案是一个可定制的患者监控系统,它结合了软件、临床决策支持算法和移动连接,可以自动获取患者生命体征,计算预警评分并通知护理人员,从而实现早期有效干预。

病患监护在ICU的管理中一直是棘手难题。峰会上,中国医科大学附属第一医院重症医学科主任马晓春教授和大家分享了他们的解决之道——飞利浦与中国医科大学附属第一医院重症医学科携手历经历年的共创,推出的“智慧重症信息系统平台”-- ICM-UP (Intensive Care Medicine Up)。

众所周知,重症监护室每天都面临诸多挑战:首先,床旁设备和患者信息集成度低,数据缺乏完整性、及时性和有效性,医护人员需要花费大量时间精力去人工收集数据,且很难及时从海量数据中获得有价值的信息,甚至可能错失最佳救治时机。其次,数据分散在医疗信息系统中,加之临床逻辑关联性差,需要医疗人员在不同界面搜寻、整理诊疗依据,医生无法基于完整的患者纵向数据,快速做出有效的决策。此外,医院当下的信息系统无法实现持续性地优化,难以满足临床诊疗指南、质控及临床研究不断发展的需求,也对ICU工作带来挑战。

落地中国医大一的ICM-UP,通过人工智能技术帮助临床收集来自不同设备及信息系统中的临床数据,并将其按照临床术语进行分类、整理、映射,还原“患者病情演进”,不仅节省了医护人员手写记录的时间,且准确地将海量大数据归总,为医护人员的精准决策提供可靠依据,从而可以为患者制定更具有针对性的个性化治疗方案,帮助患者更好地康复。同时,平台拟通过7*24小时床旁监控机制,及内置的十余种危重症临床路径分析引擎,实时筛查患者健康状况并第一时间预警患者是否合并高危风险,帮助医生客观评价病人对于治疗方案的反应,从而能够以病人为中心,及时调整治疗方案。

探索无界,打造 “人工智能APP社区”

健康无界,不仅意味着健康关护需要打破科室壁垒,贯穿院前院中院后全程,还意味着在健康科技领域,产学研用各方的跨界突破与开放合作。在峰会上,浙江大学医学院附属第二医院超声科主任黄品同教授也指出,如果AI系统可以对医院都开放,一揽子解决人工智能一体化的问题,而不是每个应用形成一个孤岛,会更加符合临床需求。

的确,“开源”与“合作”是数字时代的关键词。以临床科研为例,“不开源”会给人们带来不同困扰——临床专家有算法思路却无法上手编程;研究生被繁多科研软件折磨到欲哭无泪;科研管理人员则需要管理不同项目的数据,多中心研究的数据交换和后处理成为棘手之事……因此,如果有开源的科研平台可以打破壁垒,避免医院实现50个功能买50个工作站的困扰;可以兼容不同医疗设备厂家的数据,实现整合;可以通过人工智能技术进行数据处理,开发应用算法,从而一个共享科研社区,让大学、医院、技术开发者、甚至初创企业,都能在平台上以插件形式开发上传或下载临床所需的功能,那会是怎样的体验?

这个开源的科研平台,飞利浦已经推出,并已在国内外大型医院成功运用——飞利浦星云探索人工智能科研平台(IntelliSpace Discovery,以下简称“ISD”),如同IOS系统或者安卓系统一样,提供最新科研应用软件和算法文库,让用户轻松下载和安装临床科研的应用软件并可以更新,或上传自己的算法或插件,打造了一个医疗人工智能APP的社区。

中国第一款嵌入ISD平台的第三方AI应用——鼻咽癌放疗靶区规划算法就是一个例子。鼻咽癌成像有大量伪影存在,靶区勾勒动辄划掉数小时,对紧缺的医疗资源带来巨大挑战。2017年,飞利浦与广州中山肿瘤医院、中山大学三方通力合作,针对鼻炎癌晚期靶区勾勒及后续放疗需求开展研究,对2000多名专家所积累的鼻咽癌放疗靶区勾勒数据进行深度学习,通过影像识别与分析,以及人工神经网络算法提升鼻咽癌靶区预测的准确性和效率,通过计算机进行自动靶区勾勒,将原来动辄数小时的手动勾勒时间缩短到了10分钟之内,准确性可以达到资深放疗科医生的规划水平。这套流程成熟后,完整地作为插件嵌入到了ISD平台上,并整合到临床流程之中,这次项目的合作过程中亦诞生了初创企业柏视医疗。

ISD在其他医院也得到应用,例如,北京大学第一医院王霄英教授团队基于ISD开发了前列腺肿瘤智能诊断模块,针对前列腺肿瘤的CT或磁共振等多模态影像信息进行整合,同时自动匹配各种对比度下肿瘤检测的大小及形态等信息,自动进行炎症或者肿瘤结节区域的划分,继而通过既往的经验对肿瘤属性进行评判,再进一步根据美国放射学会标准(ACR),对所有检查数据进行定量评估,以此助力医生做出诊断。在整个过程中,所有信息都能够保留下来形成结构化报告,而与此同时,ISD还可以把医院其他的检查中的临床数据信息、医学影像的信息,甚至诊断报告等自然语义信息进行汇总整合,输入到后续机器学习中,在真实世界里“培养”AI系统。北大医放射科医生在采访中表示,“ISD在数据标注,模型训练、模型部署等环节的全流程中提供支持,让影像处理更加方便,更好上手”。

来自梅奥诊所和新德里的科学家,也基于ISD开发和验证了一套深度学习算法,使得普通CT在脑部扫描时自动识别颅内出血及其类型,大大缩短了DNT时间,这一科研成果已在北京天坛医院得到实践,并成为2018年《柳叶刀》杂志上唯一一篇AI医学领域论文。

共建生态,以通力合作探索健康未来

面对“大数据之困”、“单病种之限”和“产品化之问”,行业中没有任何一方可以独立解决问题。作为医疗公司,飞利浦有其独特的优势,在数据产生的全流程中,从最早期的影像学检查,包括扫描协议的确定,高精度的快速成像,到图像后处理,再到技术数据的人工智能算法,各环节飞利浦都拥有对数据质量把关的主导权。

然而,若纵览行业舞台,则会发现医学AI领域深邃而复杂,产、学、研、用各方通力协同,开放合作,是这个生态圈中每位参与者回应挑战的重要方式。6月29日的峰会上,何国伟也表示,医学人工智能行业的发展不可能一帆风顺,里面需要监管机构、临床医生、医疗企业、技术公司各方面的通力合作。飞利浦也不是孤军奋战,而是要深耕中国,与各方力量一起,共同应对人类健康未来的挑战。

当天的峰会上,飞利浦与阿里健康举行了战略合作启动仪式,宣布双方将以AI+健康医疗为线索,在“慢病人口健康管理”、“呼吸睡眠健康”和“心、脑血管双中心建设”三个领域,基于各自优势,强强联手,践行“本地生态系统”的融合创新。

的确,在互联网成为基础设施、数据如同生产资料,算法提升生产力的时代,数字化转型成为全球性的浪潮。在埃森哲咨询看来,“生态合作思维贯穿始终”是数字化转型领军企业成功推动转型的一大要务。建立合适的伙伴关系促进企业的创新和增长,扩大数字化价值网络,推动群体创新和行业数字化转型——这是一家巨头应该做,且能够做到的事。

来源：中国日报网