我的位置 首页  >  新闻动态  >  国内新闻

【AI】人工智能会替代医生还是共生?清华大学智慧医学影像论坛纪实

来源:科技成果转化中心时间:2018-07-11
      

在近期一项影像诊断的人机大赛中,25名资深医生不敌人工智能,准确率落后约20个百分点。人工智能和医疗专家的关系是替代还是共生?如何科学认知人工智能在医学影像等方面的角色?这里,笔者根据清华大学近期召开的“智慧医学影像2018论坛”中32位医疗AI专家的发言,和读者共同探讨AI在医疗变革中的作用。

▼ 划重点

1. AI影像诊断助力疾病防治

2. AI与医生是替代还是共生

3. AI医疗的瓶颈

4. 医疗AI的产业布局及未来前景

【中国科学院分子影像重点实验室主任田捷教授】 “以前看病模式是靠人脑加经验,现在是智慧医疗发展时期,看病模式发展为:人脑+大数据+人工智能。随着人工智能技术进步和医疗大数据不断积累,智慧医学发展的有利时期已经到来。”

1 AI影像诊断助力疾病防治

1)AI识别颈动脉斑块,预防心血管疾病

我国心血管病防控形势严峻,根据国家心血管病中心《中国心血管病报告 2017》统计,我国心血管病患病人数已达 2.9 亿。 目前心血管病死亡占居民疾病死亡构成 40% 以上,居首位。通过早期预防可有效改善心血管病治疗情况。

清华大学医学院苑纯教授讲到,美国心脑血管疾病及脑卒中发病已趋于下降,而中国是不断上升,那么如何在早期通过影像特点的筛查手段降低脑卒中的发生率,苑纯教授介绍了在中国的两个研究项目,通过颈动脉诊断技术观察静动脉是否有斑块,早期发现心血管疾病的发生。苑纯教授认为在AI技术逐渐成熟情况下,基于数字影像的智能识别,开发心血管病预防、诊断和治疗的新型体系是时代机遇。

根据《Radiology》去年的报道,通过对患者和健康人群的心脏核磁共振扫描结果和血检结果进行研究和分析,人工智能系统可以预测导致患者死亡的异常状况,从而可以预测患者未来五年健康状况。研究显示,人工智能系统预测心血管患者一年后存活率准确率达到80%。

2)AI对影像以及行为数据分析,预测儿童自闭症

我们知道,2017年,全世界自闭症患者数量接近4000万。自闭症在普通的儿童群体中发病率约在1.5%左右,如果一个新生儿的哥哥或者姐姐被诊断为自闭症,这个新生儿患病风险飙升至约20%,是自闭症高危患儿。

人工智能系统通过对正常儿童和自闭症儿童的医学影像进行学习与分析,可以预测自闭症患病风险,进而做到早发现、早治疗。来自北卡罗来纳大学、联影智能联席CEO沈定刚教授介绍道。沈教授介绍了一项500人的影像图像分析的研究,每年扫描医学影像和行为测试。AI不仅可以分割对比影像,还可以对语言功能等进行分析。AI可以和传统方法灵活结合,基于医学影像进行筛选、随访、诊断和治疗等,帮助医生制定合理的方案。

这一应用已有可观的科研成果,北卡罗来纳大学(UNC)教堂山分校的研究团队已于去年在《Nature》发布了AI影像预测儿童自闭症的成果,通过定期对高风险和低风险儿童的大脑进行MRI扫描,基于深度学习算法,人工智能系统可以预测1-2岁的自闭症高危儿童未来是否会患病,准确度为88%,而传统行为问卷调查法只有50%。

3)计算机医学影像诊断,预测阿尔茨海默症

沈定刚教授补充,人工智能系统通过对老年人群每年定期进行大脑MRI扫描,进行大量积累分析与学习,可以预测老年人五年后患阿尔茨海默症的风险,如果有发病迹象,可以采取措施延缓疾病的发生。位于英国伦敦Avalon AI公司已经利用深度学习技术,开发了计算机医学影像诊断工具,对阿尔茨海默症的有效预测准确率达到了75%。

4)AI辅助肿瘤微创精准手术

随着影像引导微创介入技术的应用,现在肿瘤微创切除和根治治疗的选择适应症越来越广,实体肿瘤可以采用微创介入方法进行局部和区域性治疗。根据广东省影像所数据,85%-90%的肿瘤患者均适合微创介入治疗,微创介入治疗在肿瘤治疗中适应面广。通过微创介入治疗,对肿瘤的原发灶和转移灶都能得到比较理想的控制。

中国科学院自动化所研究员、分子影像重点实验室主任田捷教授谈到,人工智能可以有效辅助医生实施肺癌微创精准手术。影像组学可作为生物标志物用于临床研究,有望推进精准医学发展,对实现肿瘤个性化诊疗意义重大。

2 AI与医生是替代还是共生

田捷教授打了一个比方,未来的智能医学影像中心就像飞机驾驶舱一样,可以进行综合的信息处理,而临床医生则扮演着飞行员的角色,他们是数据分析处理的专家。

AI对于专家不仅不存在代替和竞争,反而是事半功倍的利器。长征医院刘士远教授认为一个合格的AI医疗产品,应当满足医生至少以下四点需求:

a. 符合临床应用场景

在工作流、输出形式、提高效率、提升水平等几个方面需进行优化考虑。

b. 友好的人机交互原则

应便于医生使用、节省时间。

c. 满足一定要求的敏感性和特异性

明确产品是定性还是定量的性能。

d. 以解决医疗问题为目的

清华大学医学院廖洪恩教授表示,未来医学神经影像将深入到个体化医学应用,包括辅助诊断、辅助治疗、预后和评估。信息挖掘是神经影像数据分析的核心,但是人工智能对数据的分析并不能代替临床医生进行决策,对医生的临床诊疗是辅助和补充的关系,需要病理金标准验证。组群数据分析和个体数据分析是基准和应用的关系,个体数据分析是临床实用的落脚点。在神经影像数据分析的实用性方面,依据医疗影像可以完成信息获取和信息挖掘,最终由神经影像学家、病理学家、主治医生等基于丰富的临床经验和专业知识,形成治疗方案。

3 AI医疗的瓶颈

目前AI相关的临床研究较多,但仍缺乏较成熟的临床应用。根据长征医院刘士远教授及华南理工大学医学院副院长梁长虹教授的分享内容,限制AI发展的主要瓶颈包括且不限于以下四点:

a. 缺乏有效训练数据:依赖国外公开训练集,同质化比较严重。此外,人种差异会带来偏倚和水土不服、病种单一、数量不足供需失衡问题。国内的三甲医院数据开放存在障碍。

b. 缺乏统一的行业标准:对基于病种的医学影像缺乏行业共识。各家人工智能企业采用的数据训练集多样性,系统偏差较大。

c. 缺乏有效标记:不同专家标注结果差异大、标注质量难保证,各自为站、标准成本高。

d. 共享和隐私问题难解决:临床应用时存在数据不完整、不易共享、隐私问题难解决、异质性高等问题。

梁长虹教授讲到,人工智能应用于医疗实践的方面包括,医疗流程优化及自动化、图像质量保障、知识帮助系统等。未来AI影像的发展,需要不断提高成像能力,以及智能数据分析能力。

4 医疗AI的产业布局示例

2018年,人工智能在医疗领域的研究和应用发展迅猛,医疗机器人、影像辅助诊断、智能药物研发(详情)、智能诊疗、智能健康管理都得到飞速发展。智能医学将成为医学临床的助手,国外有如Google(详情)、IBM Watson、DeepMind等创新型技术驱动的领先团队,国内如科大讯飞、腾讯、阿里等巨头跨界延伸布局,如推想科技、深睿医疗、视见科技等创业新锐迈入AI医疗领先梯队。

5 医疗AI的未来

2017年,国内医疗AI行业公布的融资事件近30起,融资总额超过18亿元。根据今年上半年融资现状,今年AI医疗领域受到更多资本的青睐,其中不乏国家队资本。目前,国内尚没有AI医疗产品进入上市审评,而美国FDA已于今年4月批准第一台人工智能设备检测糖尿病眼疾上市,由美国IDx公司研发,这是FDA首次批准在没有临床医生的诊断下,完全由设备对患者进行检查诊断。对于医生而言,人工智能是使医生从繁杂的影像分析等费时费力的过程中脱身的一大利器,也将极大的缩短偏远地区医疗水平的差距。

国家器审中心主任日前谈及,明年将有大量AI医疗产品进入上市审批,器审中心已经成立了AI研究工作小组,对国内外AI医疗趋势进行研究。明年的AI医疗市场将呈现百家争鸣的业态,如何以核心研发技术为优势、头部资源为抓手,获得优质海量数据,将成为医疗AI考量的重点。而临床对于AI的接受度,只是一个时间的问题,这里如果加以市场教育,提高地区性或疾病领域的AI产品品牌,也不失为一种错位的市场战略。


智医讯已经开通原创功能,欢迎各位医疗大咖、IT大牛、运营专家留言讨论

智医讯 | 提供有料的智慧医疗资讯

※本微信号部分内容摘自网络,著作权归原著作者所有。本平台转载仅供网友免费分享,若有不妥之处请与本微信客服联系我们及时删除

客服微信号:18801345167

       (科技成果转化中心供稿)