12月5—6日，2018创业邦100未来领袖峰会暨创业邦年会（以下简称“创业邦100未来领袖峰会”）在北京国家会议中心举行。6日上午的生命的裂变：大健康论坛上，汇医慧影高级合伙人王捷发表了主题为“基于AI的 医疗全周期管理”的主题演讲。犀利观点如下：
1、未来影像科在整个医疗中会发挥重要的作用，因为它会成为整个诊断流程的数据中心。
2、从我们角度来讲，现在大家都说资本寒冬，我们会相对更乐观一些，确实从基本面来讲，AI+医疗也会给医院带来新的竞争优势。
3、AI1.0我们定义为基于医学影像的是一个智能辅助筛查，基于图像识别技术，对于一些常见或者常规影像，就是之前用人眼判断和定位病灶的事情病状怎么样的事情，我们用AI算法、计算机机器完成。AI2.0会进入辅助治疗决策，我们基于多维度数据，例如整合临床数据、病理数据等，以及一些随访信息，再结合自然语义识别，我们可以提供更加个体化的治疗方案。
以下为演讲原文：
我们是一家做医疗人工智能的企业，具体是基于图像识别、深度学习技术对医疗影像做一些处理和分析。从目前结果来看我们的智能辅助筛查结果，准确率非常高，已经可以达到一个高年资医生的水平，这对基层医生或者年轻的医生来说，一是可以降低漏诊和误诊率，二是还可以极大可以减轻医生的工作负担。从长远来讲，未来整个医疗将往数据化方向发展，包括往精准医疗方向发展。具体到医疗影像领域，医学影像数据的增长远远高于影像科医生的增长，目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%，而且一名影像科医生的时间周期非常长，平均在8年以上，因此影像医生缺口巨大。，刚才各位嘉宾提到分级诊疗各个方面，在我们国家，医疗资源的需求和供给长期呈现一种不平衡的“错位匹配”局面，表现为基层医疗服务需求旺盛的的“正三角“的结构和优质医疗资源集中在大城市的”倒三角“型的供给结构，三甲医院虹吸现象明显。医疗数据中80%以上的数据来自影像数据，随着这些年老龄化情况、城市化的情况，很多营养病产生，以及百姓健康意识的不断提高，这就带来了更大的供给缺口。
第二个问题，我们误诊率还是存在，这个从中华医学会数据来看，平均来讲，我们的误诊率接近30%，在基层则更高。其实大家日常会出现这样的情况：同样一个症状去不同医院会看出不同的结果。医疗整个信息化的进程比较慢，咱们国家从2000年加入WTO开始，各大医院开始引入影像、信息化系统等，但发展到现在并没有根本的变化。从医院层面来说，它的数据分为几种，其中影像数据，包括诊疗、病理数据，数据规模庞大，而且它们缺乏统一的标准，此外它并没有像互联网、工业、零售、出行等行业基于这些数据积累之后为用户提供个性化推送，比如大家最了解的个性化阅读，会在数据积累之后给你推送个性化内容。医疗里面还没有基于这些积累的数据为患者或者针对某一种病种推荐更加精准的治疗方案。
但目前状况是，AI到了临界点之后正在反推医疗系统往进一步信息化、数字化程度走。AI包括算法、算力和数据。从算法上面来看，医疗数据有一些特点。它的数据集相对小，这个要求像我们AI企业在进行这项工作时候会采纳与医疗小数据匹配的一些算法，比如迁移学习。算力上面我们做一些探索，我们也引入英特尔做为战略合作伙伴，在芯片层面，针对医疗行业一些特点，包括医院一些特点，我们也在合作做一些软件、硬件上面的探索，赋能硬件和设备，也有一些初步成果出来。数据上面其实是一个中国相对有优势的事情，因为从中国来讲，地大物博，我们病患多，我们整个数据集更具有多样性。整个层面来讲目前整个医疗AI来讲，基础设施完备，接下来等待我们这样创业公司，或者其它参与者的是大家共同把产品打磨越来越精。我们首先服务医生，对医生服务上面做的越来越好。
我们看到全球也会看到很有意思的现象，RSNA是北美放射年会，是世界医学放射领域盛会，素有“放射学界的风向标”之称。在2016年、2017年的RSNA上，连续两年的大会主席都在开幕式上提到AI，2017年的共识，我们后来总结是懂AI的医生会替代不懂AI的医生。前几天2018年RSNA刚结束，大会主席Vijay Rao教授更是指出，放射科医师会被新技术赋予更强大的力量，而不是被新技术取代。她指出，在未来的十年甚至是几年中，AI将在许多方面成为放射科医师的强大工具 。我们预估，在未来的几年里，医疗将会从影像到临床形成一个大的数据革命和服务创新革命。未来影像科在整个医疗中会发挥越来越重要的作用，它会成为整个诊断和治疗的数据中心和决策中心。
刚才提到医疗会有一个巨大变化，这个我们拉长维度来看，看看近百年来医学影像的发展轨迹，自1896年伦琴发明了X射线至今，我们走过了物理驱动和应用驱动时代，随着影像技术和影像设备的不断发展，我们在2010年步入了数据驱动的精准医疗新时。医学影像数据具有4V特点，表现为数量大，数据产生速度快，数据类型多，多模态数据丰富，以及数据真实性高，基于这些特点，我们可以在海量的医学影像数据中挖掘出更多价值，去优化诊断和治疗甚至预后结果，所以我们认为医学影像天生适合人工智能应用。
从我们角度来讲，现在大家都说资本寒冬，我们会相对更乐观一些， AI+医疗也会给医院带来新的竞争优势。
首先我们国家医院的信息化水平参差不齐，越是基层医院，信息化水平越落后。随着云计算、大数据和人工智能技术的不断成熟，将先进的技术引入医院技术创新成为当前医疗机构管理层的共识，云计算和互联网+让医院与医院之间、医院与患者、医院与医生之间连接起来，医疗数据量的持续增长，利用深度学习和自然语义识别，我们可以对对海量的数据进行学习，目前深度学习算法已经可以实现疾病诊断。自然语义识别则可以实现非结构化数据如病历的后结构化处理和标准化处理。此外，我们已经可以开始整合医学影像的多模态数据以及其他多维度数据如基因数据、病理数据、蛋白数据、随访数据等，挖掘数据背后隐藏的特征。综合以上，我们这些技术创新可以为我们临床提高医疗效率和实现精准诊疗。
目前我们把医学影像AI定义为三个阶段，AI1.0我们定义为基于医学影像的智能辅助筛查，基于图像识别技术，对于一些常见或者常规影像，就是之前用人眼判断和定位病灶的事情怎么样，我们用AI算法、计算机完成。其中AI1.0也是当前我们大多数同行正在做的事情。AI2.0我们定义为利用AI辅助治疗决策，我们基于多维度数据，例如整合临床数据、病理数据等，以及一些随访信息，再结合自然语义识别，我们可以提供更加个体化的治疗方案。
在AI热潮里面，当然政府一直是很重要一块，今年我们也看到不管是国务院还是整个政治局一直在多次学习，在应用领域里面强调民生行业，具体来讲主要体现在教育和医疗。我们进入到产品层面，1.0和2.0产品，刚才跟大家有过介绍。
整个从流程来讲，在成像技术、辅助筛查诊断、辅助治疗，甚至病程管理，在影像全栈场景中，AI都可以发挥价值。目前我们主要集中在筛查诊断和治疗决策部分。
这个是我们1.0产品，包括肺部、骨折等辅助诊断产品，这主要是对于常见病种以及影像科医生需要长时间重复性做的工作，AI可以5秒内快速定位，勾画出病灶，我们通过AI辅助让整个阅片时间缩短，整个阅片效率大大提升，目前我们的准确率平均在90%以上，相当于一个高年资影像医生的水平。。
这是产品界面展示，在工作流程上，患者检查结束后，PACS（影像归档和通信系统）自动将DICOM影像上传到AI服务器，AI服务器会自动进行诊断； 影像医生在RIS系统里即可一键调阅AI诊断结果；非常的方便和快捷。，而以前影像医生平均需要10-30分钟看完一例片子，现在给到机器几秒就可以完成，然后交由医生再做判断和审核，所以我们的定位一定是辅助医生。
2.0也是我们引领行业正在做的事情，2.0我们认为非常有价值的AI的具体应用，其实我们现在在通过和非常多的重点医院合作，了解医生临床需求，同时这个中间除了影像数据之外，我们会导入随访数据，病理数据等多维度数据，让AI参与从筛查诊断、辅助治疗甚至预后预测、随访管理全疾病周期的产品。像我们主动脉AI产品业界非常关注，这是全球首例主动脉夹层自动分割方法，这个是我们和301医院经过一年多时间共同开发的一个产品。具体来讲，我们可以做一些具体介绍，主动脉疾病的诊断治疗和预后评估高度依赖主动脉 CTA，B型主动脉夹层手术需要对近远端锚定区直径、破口位置和某些重要的距离信息进行精准测量。基于CTA轴位的手动测量存在误差尤其是主动脉弓部直径测量误差非常大，而且手动测量方式也难以获取长度、距离等信息。在这种情况下，血管外科医生通常需要委托专业人员使用商业软件才能获得精准的解剖参数，但这样信息获取的准确性和及时性却不能保证。 AORTIST结合大数据和病人影像组学特征以及其他临床信息，提供主动脉扩张和复合终点事件预后预测结果，可以提高手术的精度，改善患者的远期结局。我们将常规需要6-7个小时的工作缩短到20分钟之内，也为患者的治疗争取了最佳治疗时间。
另外，我们在9月和英特尔共同发布了一个针对乳腺癌的产品，对乳腺癌治疗领域来讲，是有保乳治疗和非保乳治疗，我们国家来讲一般是一刀切，国外成熟治疗来说首先会尽量为患者考虑保乳治疗，这一块也是我们整个产品设计时候的一个初衷。
我们其实通过算法和产品突破在过去三年初步形成一个生态闭环，一方面我们和全中国目前超过800家医院合作，推进成熟AI产品的落地，另一方面我们同时还有超过500个课题在研和孵化中。这些课题不仅给我们反馈出来非常多的医院和病患的临床实际需求。基于这些合作，我们充分调动了医生的创新动力，让医生参与新产品的模型和开发中以及产品验证中，充分实现从临床中来，到临床中去的产品设计逻辑。
另外我们比较骄傲的事情，我们模型开发周期，因为需要医疗和计算机算法深度结合，整个模型开发周期能够做到相对可控的时间内，我们可以根据医院、客户需求提出针对性的产品。
我们提到中国AI这一块有比较大的优势，因为数据量比较大的优势。我们目前往海外走，像欧洲的CE、美国FDA都在申请当中。我们海外市场包括日本、中亚也有他们当地非常好的医院使用我们产品。
从我们自己的观点来说，在北美RSNA这次会议上感受到跟美国同行相比，确实中国企业目前在这一块走的更加靠前，包括产品研发深度，广度，数据集等等方面。
我们的主要团队从斯坦福、清华背景，我们科研方面主要斯坦福医学物理系、癌症研究中心，创始人在医疗和计算机走过包括美国、荷兰、比利时非常长的路。相对国内来说，医疗和计算机结合，跨学科人才培养其实相对不足的，可能国内之前没有这一块专业的培养机制。目前我们也得到包括福布斯最具创新力企业50强的荣誉，我们前一段也被评为《财富》的年度企业，获得财富全球科技大赛生物科技和医疗健康领域的冠军，得到业界认可。
关于医疗AI大概介绍到这里，谢谢大家！
閱讀更多 創業邦 的文章
