醫療領域困難重重，人工智慧（AI）如何突圍

《2016-2020年醫療服務行業深度調研及投資前景預測報告》顯示，2016年1到2月，全國醫療衛生機構總診療人次達12.0億人次，平均每天有2千萬人需要醫療機構進行疾病診斷，包括癌症，皮膚病，眼病等疾病已經成為患者最大的困擾。

常見疾病現狀

根據《腫瘤登記年報》2015統計，每年癌症新增人數約312萬人，平均每分鐘增發6人，每年癌症死亡人數達到270萬人，平均每分鐘死亡5人，其中肺癌、胃癌、肝癌成為發病率和死亡率最高的癌症。

2013年，醫師協會皮膚科醫師分會聯合多家網路媒體，展開「國人皮膚狀況大型網路調查」，經過4萬名網友的調研，調查顯示，72.8%的人皮膚處於亞健康狀態，對於皮膚病的態度上，64%首選自行用藥或忍受。

據統計，現有盲人超千萬，佔世界盲人總數的18%~20%。在眼病致盲的原因中，佔比最高的是白內障，達47%。糖尿病致盲的幾率很高，是正常人的2倍至3倍。患糖尿病5年以上致盲率可達到20%，患糖尿病10年以上致盲率達到了40%～50%。開封眼病醫院院長穆紅梅說，年齡超過40歲人群約四億五千萬，其中940萬有青光眼性視覺神經損害，520萬因青光眼雙眼致盲，170萬單眼致盲。在，每年會出現新盲人大約45萬，低視力者約135萬，白內障、青光眼、角膜病變、糖尿病視網膜病等眼底病嚴重威脅患者的眼部健康與生活質量。

醫療行業現狀

有一句話叫做病從口入，很多疾病都是因為不健康的飲食習慣和生活環境引起的，根據世界衛生組織的數據，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的。以肝癌為例，肝癌高發區域主要集中在東南沿海地區和東北，對於東北肝癌高發原因在於長期飲酒導致肝硬化，最終轉為肝癌，沿海地區則是潮濕炎熱的氣候為致癌物黃曲霉素滋生創造了條件。

除了飲食和生活習慣外，居民普遍缺乏健康意識，很多疾病前期癥狀並不明顯甚至沒有癥狀，蘇州大學轉化醫學研究院院長時玉舫說，對腫瘤缺乏快速、特異早期診斷手段。目前癌症的診斷主要通過實驗室免疫學酶學檢測、影像學檢測等，有些檢查費用昂貴，在一般健康體檢過程中無法普及。以及出現一些癥狀的時候，患者經常會不經醫院的檢測診斷自主選擇藥物，很容易加重疾病。

從客觀因素上看，醫療資源不平衡，大部分的醫療資源集中到了大型醫院當中，但是大型醫院數量偏少，最近幾年三級醫院佔比保持在7%～8%，從而造成了看病難的情況，很多基層醫院因為硬體和軟體方面的不足，不能滿足很多疾病的診斷和檢測需求。

人工智慧（AI）如何解決

為了解決醫療的問題，目前出現了很多工具來讓看病更加容易，讓病人看病更加容易了，大大的增加了病人和醫院鏈接的效率，但是對於醫療機構來說，需要的是增量價值，病人來到醫院更容易，對於醫院來說，看病的速度並沒有增強，拿放射科來說，越來越多的人來到醫院做檢查，導致醫學影像數量激增，一般普通、常規情況，一名患者的圖片在80幅-320幅之間，放射科大夫需要大量的時間來診斷一個人的情況，來做檢查的人越多，意味著醫學影像的數量越多，只能通過增加放射科醫生的工作時長或者放射科醫生的數量來解決，但是長時間高強度的工作很容易產生誤診的風險，因此，解決醫生的工作效率，才能讓整個醫療體系更加流暢。人工智慧（AI）的成熟，讓這一切成為了現實。

今天我們感受到人工智慧（AI）發展迅速並且火爆，主要是得益於最近幾年計算機視覺領域的發展。自從1956年人工智慧（AI）這個詞被提出后，這60年來無數人傾注心血推動其發展，計算機視覺便是幾個主要領域之一，但是圖像識別對硬體的要求很高，傳統的硬體很難滿足大量快速識別的需求，2007年 Nvidia 推出 CUDA 的GPU 軟體介面后才真正改善.是傳統雙核CPU快70倍，讓硬體問題得到解決，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，這讓我們意識到深度神經網路在圖像識別方向的能力。

如今，基於卷積神經網路的人工智慧（AI）已經可以準確識別醫學影像，並且開始輔助醫生工作，斯坦福大學已經可以成功分辨皮膚癌，美國的Arterys公司旗下的產品Arterys Cardio DL獲得FDA批准。

在人工智慧（AI）圖像識別領域，處於國際領先水平，比如國內的人工智慧（AI）醫療團隊Airdoc，在人類頂尖醫生的幫助下，通過15萬張圖片的學習，已經可以準確識別視網膜眼底照片，自動檢測識別糖尿病性視網膜病變，並且按照國際分類準確分型，在和人類醫生的多倫PK，在靈敏性和特異性等主要指標上，獲得了和人類醫生相當的結果。

除了醫學影像識別外，基於病人的癥狀，過往病例和遺傳等因素，人工智慧（AI）同樣可以輕易診斷疾病甚至能夠提供疾病預測和疾病預警和轉歸，IBM的Watson經過海量醫學知識和臨床數據病歷等學習，已經可以在肺癌、乳腺癌、直腸癌、結腸癌、胃癌和宮頸癌等領域向人類醫生提出建議。

Airdoc和國內外一流的全科醫院、專科醫院、醫療健康數據中心合作，基於大量真實的脫敏臨床數據，進行數據清洗、文字識別、自然語義解析，訓練深度學習模型分析多個維度參數與患者發病的相關性和貢獻度，挖掘患者行為、病史、基因與患者潛在的相關關係，建立了高質量的臨床醫療數據建立模型，可以為醫生和患者提供巨大的幫助。