人工智慧駛入快車道， 「AI+醫療影像」使精準醫療成為可能

摘要：3月25日智慧未來·醫療人工智慧前沿峰會在北京東升凱萊酒店順利舉辦，本場會議匯聚了頂尖人工智慧科學家、醫療機構專家領導、知名智能軟硬體商、創投領袖，這是兩會後首場醫療人工智慧的饕餮盛宴，本次會議由匯醫慧影、intel、電信、藍馳創投、七喜醫療聯合發起舉辦，邀請了醫學裝備協會理事長、前衛生部規財司司長趙自林，全國政協委員、清華大學計算機系教授張勤，斯坦福大學醫學物理中心主任邢磊，英特爾醫療與生命科學部亞太區總經理李亞東，藍馳創投合伙人陳維廣，電信北京分公司副總經理項煌妹，清華大學海峽研究院大數據中心主任王熙，中華醫學會神經外科全國委員鄭州大學第五附屬醫院黨委書記王新軍，萬方數據股份有限公司副總經理張秀梅，七喜醫療總經理黃華平，匯醫慧影創始CEO柴象飛及聯合創始人COO郭娜，北京大學腫瘤醫院信息部部長衡反修等近百名專家領導出席了會議，會議從全球化、專業化角度就人工智慧技術創新和醫療場景實現路徑以及實踐結果做了全面深入的探討和分析。

3月22日，人工智慧圈被一封離職信刷屏，百度首席科學家、人工智慧負責人吳恩達宣布從百度離開，視人工智慧為最核心的百度將步入后吳恩達時代。這是繼兩會後，「人工智慧」再度登上風口浪尖。

其實人工智慧從誕生到現在不過60年歷史，卻一直在不斷的波折中成長，甚至在近年經歷了AI趨勢論和AI危機論，一邊是以霍金、比爾蓋茨為首的反AI陣營，一邊是凱文凱利、尤瓦爾·赫拉利為代表的人工智慧趨勢派，然而一個有趣的事實是，在2015年2月有報道稱比爾蓋茨加入了反AI陣營，但在今年的3月又有報道稱比爾蓋茨表示：「人工智慧是我有生之年最想看到的技術突破。」

在AI發展的這幾十年，AI已經走出實驗室，從技術到產品再到公眾認知不斷出現重大突破，並在雲計算、大數據技術的不斷成熟和物聯網場景的不斷豐富下，人工智慧從科學家的「前沿陣地」持續走向商業應用場景實現。而人工智慧應用於醫療領域在讓人充滿期待的同時，也充滿了機遇和挑戰。

一場匯聚頂尖人工智慧科學家、醫療機構專家領導、知名智能軟硬體商、創投領袖的盛會-智慧未來·醫療人工智慧前沿峰會於3月25日在北京東升凱萊酒店圓滿召開，這是兩會後首場醫療人工智慧的饕餮盛宴，本次會議由匯醫慧影主辦，英特爾、電信、藍馳創投、七喜醫療聯合舉辦，從全球化、專業化角度就人工智慧技術創新和醫療場景實現路徑以及實踐結果做了全面深入探討和分析。

從互聯網+到人工智慧+：從政策紅利到技術創新紅利

今年兩會人工智慧首次被寫入政府報告，正式上升為國家戰略，這意味著接下來人工智慧將會成為新的經濟引擎，政府將會釋放更多政策紅利，去激勵和推動人工智慧技術深度應用於各行各業，尤其是在關乎國計民生的醫療領域，將會迎來更多機遇和挑戰。

就此，醫學裝備協會理事長、原衛生部規財司司長趙自林在會上表示：「人工智慧在醫療領域的應用從手術機器人、醫學影像診斷到遠程醫療等細分領域經歷了從無到有，從小到大的跨越式的發展。現在包括投資公司，對醫療領域的智能製造，包括手術機器人、3D列印都非常關注。「

談到今年兩會「人工智慧」被寫入政府報告，趙自林表示：「近幾年，我們中央國務院都十分重視人工智慧的發展，密集的出台了一系列政策，積極推動人工智慧在各細分領域的滲透，去年5月份國家四部委聯合頒發了《「互聯網+」人工智慧三年的行動實施方案》，明確提出要培養發展人工智慧與新型產業，推動重點領域的智能產品的創新，提升終端產品智能化的水平。特別是在剛剛結束的年會上，李克強總理在政府工作報告上提出了全面實施戰略新興產業的規劃，加快新材料、人工智慧、集成電路、生物醫藥、第五代移動通信等技術的研發的轉化，這也是人工智慧首次出現在政府工作報告中。」

其實，拋開政府背書，人工智慧也已經迎來技術創新紅利，儘管人工智慧還處於技術創新期，但人工智慧的基礎已經充實，雲計算把信息基礎雲化，人工智慧響應速度更快；大數據計算過程中積累了大量數據，依託數據為基礎的分析和精準判斷決策成為可能；除此外，深度學習的發展為人工智慧的突破貢獻了重要力量，比如計算機視覺、語音聽覺、自然語言處理技術上的突破，計算機具備了人的雙眼的能力，甚至準確度上已經超過了人本身。

這些技術的突破和進步，讓人對AI+醫療行業充滿了期待，目前，人工智慧在醫療行業的應用主要包括醫療診斷、輔助治療與健康管理、藥物研發。人工智慧在提高健康醫療服務的效率和疾病診斷準確率等方面上具有天然優勢，在深度學習演算法和大數據技術等的強力推動下，各種旨在提高醫療體驗以及降低醫療成本的先進應用正在應運而生。比如AI+醫療影像的代表-本次主辦方匯醫慧影，成立於2015年的匯醫慧影是一家智能醫學影像平台公司，打造了數字化、移動化、智能化的醫學影像平台和腫瘤放療平台，構建了影像智能篩查系統、防漏診系統及將影像深度應用於腫瘤、心血管等單病種的人工智慧輔助診療系統。據公開信息顯示，匯醫慧影曾先後獲得水木易德、藍馳創投兩輪超過5000萬的投資。

英特爾李亞東：人工智慧給醫療行業打開了一扇窗

有數據顯示，每位互聯網用戶每天產生的數據流量是1.5GB，一座智能醫院是3000GB，龐大的數據洪流讓一直處在實驗室探索階段的人工智慧有了更廣闊的應用空間，如何充分利用人工智慧技術將醫療領域收集到的數據更好的分析挖掘充滿了機遇和挑戰。目前，人工智慧早已成為上市公司布局的主戰場。據數據統計，目前有30餘家上市公司布局人工智慧產業鏈，主要包括軟體演算法核心繫統、圖像語音識別技術、計算機視覺及感測器，以及人工智慧+金融、安防等領域。比如互聯網領域的BAT巨頭就對人工智慧從戰略層面表現出了積極態度，各自成立了人工智慧研究室。

除互聯網巨頭之外，跨國上市公司也一直走在時代前沿，在人工智慧領域早已布局，作為計算領域的領先者，英特爾醫療與生命科學集團亞太總經理李亞東就在本次會議上表示：「我們一直覺得人工智慧只是工具之一，並不是解決問題的唯一方法。但是要讓工具充分得到應用的話，怎麼樣讓它進行普惠，怎麼樣讓它進入各行各業，跟各行各業進行結合，這是我們看到的人工智慧的未來。所以，英特爾一直在倡導人工智慧要普惠，進入到各行各業。這是我們一直以來的願景，在這個基礎上英特爾提出了一系列的解決方案。首先我們是品牌提供商，我們不會去碰數據，數據是大家的，不是英特爾的。所以數據這塊，我們所有權非常明確，我們的專註的工作是做最好的計算平台，讓演算法得到最大的優化，這是我們要做的事情。所以，英特爾做了大量的工作，除了做一流的硬體之外，同時也有多線程平台，此外針對大數據的應用，我們也做了一些SDK，讓大數據應用能夠在平台上得到最大的便利。」

李亞東指出，醫療健康的需求端急劇上升和供給端的嚴重不足都驅使人工智慧等技術與醫療健康行業的結合。「在1900年之前，人的平均壽命只有30歲；在1900-2000年之間人的壽命增長到了65歲。全球範圍來說，65歲以上的人群所佔用的醫療資源在30%。55歲以上的人群佔用的醫療資源在50%以上。這樣的人口老齡化背景對人工智慧的需求急劇上升。特別是，2020年65歲以上老齡化人口將達到20%。同時，是慢性病問題最嚴重的一個地區。怎樣解決慢病人群迅速增長的問題是當下及未來的重大挑戰。」而在醫療資源的供給端，醫患矛盾突出、醫生從醫環境不佳、從醫意願降低、醫療資源浪費等成為影響醫療資源供給的重要因素。

李亞東認為，技術創新是解決問題的唯一出路。「需要創新才能夠解決這些固有的存量問題和正在加劇的新的增量問題。單純的按照過去的傳統的方法，通過單純增加供給，或者限制需求來解決這個問題是走不通的。」李亞東指出，人工智慧給醫療行業打開了一扇窗。

匯醫慧影CEO柴象飛：整個醫學影像、醫學大數據中，一定會影像先行

與互聯網+不同，AI對醫療領域的改造是顛覆性的，它不僅僅是一種技術創新，更從生產力對傳統醫療行業產生變革，除了提高醫生的工作效率外，還將作為輔助診斷，大大提高診斷的效率和準確率，使精準醫療成為可能，其帶來的也是龐大的增量市場，或可誕生大量獨角獸企業，比如AI+醫學影像診斷市場空間巨大。

匯醫慧影ceo柴象飛在會上介紹，匯醫慧影希望彙集醫生智慧，匯聚醫學影像，柴象飛認為「醫學影象天生適合互聯網+大數據+人工智慧，而醫學影像具有「4V性（volume數量、variety多樣性、velocity速度、veracity真實性）」，從數量上講，超過80%的醫療數據來自醫學影像數據，多樣性指多模態影像、病理、檢驗、基因及隨訪信息等數據的種類繁多。高性能計算多層神經網路模型能應用在影像數據。影像的數字化及報告后結構化確保數據最真實可用。」

「在整個醫學影像中，醫學大數據一定會影像先行，利用雲計算的方法增加連接性，利用深度學習的方法挖掘大數據的價值，利用發數據的方法在更多的維度中挖掘原來淺關聯或弱關聯的關係，利用三者的關聯大大提高醫療診療效率，並達到精準醫療。「柴象飛如是說。「我們在實踐中發現，優質、大量的數據的積累；高性能計算環境；優化的深度學習方法；三者資源配齊就會構建不斷提高的狀態的模型，這正是人工智慧的魅力所在。」柴象飛說，該公司正在利用網路的層級模擬了人腦對圖像的認識過程，人腦對圖像會分為如顏色、形狀、抽象識別等五部分進行處理，因此在不同的區域，模擬認知的過程的演算法也會不一樣。

據柴象飛介紹，儘管匯醫慧影成立只有2年多時間，但是匯醫慧影已經服務的醫院數已經超過400家，其中包括20家三甲醫院，與8家三甲醫院進行科研合作。另外，匯醫慧影與合作夥伴協作共同申請了2個國家自然科學基金，2個省級自然科學基金，2個科技部新型數字醫療儀器重點專項。

目前醫學影像已經成為人工智慧在醫療應用最熱門的領域之一。據統計，2016年以來，已有近20家人工智慧+醫學影像公司先後獲得投資。

清華大學教授張勤：醫療數據並不是越多越好，數據質量高才行

會上，國際核能院（INEA）院士、清華大學核研院、計算機系教授張勤帶來了《動態不確定因果圖DUCG在臨床智能診斷和分診中的應用》的學術分享。

張勤介紹說，他1993年離開清華大學，研究出一套理論——動態不確定因果圖，用於知識表達和推理，特別是複雜不確定因果關係的簡潔表達和高效概率推理。後來張勤教授把這一技術用於核電事故診斷，由於核電事故數據太少，必須結合知識庫進行診斷，因此引入知識庫和動態不確定圖。核電站事故擁有毀滅性的力量，每一秒都是一個非常大的損失，動態不確定圖是以秒級發現核電站的問題所在。再後來張勤教授將這套模型應用於醫療，動態不確定因果圖(DUCG)處理信息的特殊性，對於目前規模龐大的臨床診斷有著自身的優勢。

在談及當下醫療資源困境及人工智慧應用機會時，張勤教授指出，基層醫院床位空置很多而三甲醫院一床難求的關鍵在於人。「基層醫療機構儘管有好的設備，但是發揮不了作用，看病看不準。2015年出台了醫改早期方案，提出了基層首診、雙向轉診、急慢分治、上下聯動。目前的目標是縣域就診率90%，大病不出縣。我感覺是不可能實現。因為好醫生下不去。如果讓三甲醫院的醫生搞巡診，那在三甲醫院也看不了病，因為醫生時間是有限的。那麼，有人說搞遠程醫療，解決區域分佈不均的問題。那能解決嗎？還是要花醫生的時間。所以核心問題是優質的醫生本身不夠。如果不解決這個問題，90%的大病不出縣落不了地。」

張勤教授指出，大醫院虹吸現象是自然和必然現象，解決基層醫療資源缺乏的核心在於給基層醫療機構「賦能」，用人工智慧給基層醫生「院士級看病的本事」。「把一個院士的『看病本事』放到一個筆記本電腦里，帶到基層醫院或聯網或不聯網就能達到三甲醫院的院士水平，這就是我們人工智慧追求的境界，和解決的實際問題。我們講要落地，這就是需要落地的東西。

「醫生是醫者仁心，好醫生永遠都是不可替代的。

人工智慧到底是泡沫還是創新？圓桌論壇上專家學者、醫院專家、產業界投資界領袖就醫療人工智慧落地路徑和未來做了深入探討，由清華大學海峽研究院大數據中心主任王熙主持，藍籌創投合伙人陳維廣、飛利浦健康科技臨床科學部高級總監周振宇、斯坦福大學終生教授邢磊、北京大學腫瘤醫院信息部長衡反修、萬方數據股份有限公司副總經理張秀梅、鄭大五附院黨委書記王新軍、匯醫慧影聯合創始人郭娜各自發表了自己的分析和觀點。

清華海峽大數據研究中心主任王熙：人工智慧時代將產生三類人，第一種是可能會被人工智慧取代的人；第二種是駕馭人工智慧的參與者；第三是出現的新物種——智能機器人。

北京大學腫瘤醫院信息部長衡反修：人工智慧+醫療的三個觀點，第一、人工智慧必須和臨床數據結合。離開了臨床數據，人工智慧沒法思考。而臨床數據最重要的是如何提高質量。不能光靠歷史數據。歷史數據有很多客觀主觀的數據，是有缺失的，有垃圾的，需要結構化。第二、人工智慧在醫學影像上是比較好的方向。醫院的醫學影像數據非常多，也是最大的一部分，而且非常重要的一點是這些數據是標準化的。這些數據從機器的角度講便於機器閱讀，人工智慧的輔助診斷不容置疑，而且是以後必然的方向。第三、人工智慧在基因學上的應用未知數還太多，可能更廣。

斯坦福大學終身教授邢磊表示：「人工智慧的前途是光明的，潛力非常大。人工智慧這一概念是從50年代就已經提出來了，它來自斯坦福大學的計算機系。當時召開的討論人工智慧的會議只有12個人參加，如今這一概念已經成為時代的焦點。關於人工智慧，歷史上有三個比較大的學派，第一個是符號主義。當時最早的時候做AI，都是用符號。所有的人的認知都可以通過符號來表達出來，然後就可以做AI的計算。這個是最早的，現在也是很活躍的，當然最近深度學習出來以後，把深度學習又用到符號主義的演算法裡面，把這個推到了一個新的高度。第二是進化論，想用計算機模擬人的認知過程。進化論主義也在AI的歷史上起了很大作用，現在也是一個很流行的方法。第三是最近被媒體、科技界炒的最熱的神經網路，神經網路就是所謂的生物學派。大腦的每一個神經原和另一個神經原是通過「網路」來聯繫的。這個學派就是進行神經網路的研究，但這個研究一直處於低潮，低潮的主要原因是計算機的計算速度跟不上。「因為計算量太大，不用說深度學習，就是一般的一層的聯繫也做不到。」邢磊表示。

鄭州大學第五附屬醫院黨委書記王新軍：從計算機、信息化系統、各類高科技檢測儀器、互聯網醫療、互聯網醫院到現在的人工智慧等技術，醫院及醫生的管理和治療流程在不斷再造和變革。包括人工智慧等技術的發展將給醫生提供更好的工具，使得醫生能夠更加便捷、敏捷地診斷疾病和服務病人，而醫生不會失業。

藍馳創投管理合伙人陳維廣：投資視角看人工智慧的三個問題，一是經濟問題；二是宏觀政策問題；三是技術問題。從經濟的角度來看，中產階級人群的增長幅度比醫生的增長或者好醫生的增長幅度大很多，造成中產階級雖然掙的錢多了，但是能服務自己的醫生或合適的醫生卻越來越少，使得醫療資源變成了稀缺資源；從宏觀政策的角度，多點執業及分級診療都是趨勢；從技術角度，沒有雲計算談何大數據，沒有大數據談何人工智慧。正是雲計算、大數據的成熟催生了人工智慧的熱潮。

萬方數據股份有限公司副總經理張秀梅：醫者仁心，不管人工智慧技術再怎麼發展，好醫生永遠都是不可替代的。期待人工智慧能夠在以下三方面發揮作用：第一、期待人工智慧教會我們所有的人自醫，即不生病的智慧；第二、期待人工智慧幫助我們的醫生從醫學院畢業之後不要用15年才能成長成為一個大牛醫生，而可以用3-5年；第三、期待人工智慧能把大牛醫生10個小時工作有效地提升到相當於100小時的工作成果。

匯醫慧影聯合創始人郭娜：當我們邁向人工智慧的時代，我們都要經歷先是只有人工沒有智能的時代，當我們不斷落地的時候我們發現我們帶著所有情懷，所有驚喜所有發現去探索人類的未知，我們會迎來人工智慧的明天。

會議上，匯醫慧影和電信簽署了戰略合作協議，電信北京公司副總經理項煌妹表示：電信一直在布局產業互聯網，打造業務生態化，比如電信和匯醫慧影的合作，就是一種技術助力醫學影像的事情，第一個就是鏈接和雲計算，第二個是大數據，第三個是深度學習，第四個提升效率和提高基準率。所以作為電信在互聯網+醫療方面打造生態圈，我們有電信在部署的雲計算，醫療是電信一直在做的一個垂直的產業，我們有政務、醫療、金融、交通、物流、旅遊八大行業，在這個和匯醫慧影在平台層、應用層的合作外，在打造業務生態圈方面，我們電信產業基金有300億的規模，打造五個生態圈，其中有兩個生態圈和今天的主題有關係。第一個是雲計算、大數據的生態圈。醫療影像是雲和大數據使用，應該是非常需要的一個資源。第二個是物聯網的生態圈。隨著人工智慧，不管是工作各個方面，所有感測器離不開物聯網的生態圈。」

會議最後，由匯醫慧影和七喜醫療聯合發布了全球首款智能DR ，對此七喜醫療總經理黃華平表示：「匯醫慧影和七喜醫療聯合研製的智能DR來講，首先就像邢磊老師講的，如何在更低的劑量，更優化的參數的前提下，獲得一幅合格的圖像，這首先是人工智慧就有工作要做。那麼，獲得一幅合格的圖像之後，怎麼能夠用人工智慧給它輔助醫生做更好的判斷和更好的診斷，這也是我們可以做的事情。包括結合整個的互聯網，結合整個的雲平台，結合大數據，我覺得大有可為。」

業內人士預測，2017年，人工智慧行業將全面升溫，人工智慧技術大面積「落地」，產業生態結構基本形成，進入人工智慧2.0時代。如果說2016年是人工智慧元年，2017年則是人工智慧產業化元年。