12月5—6日，2018創業邦100未來領袖峰會暨創業邦年會（以下簡稱“創業邦100未來領袖峰會”）在北京國家會議中心舉行。6日上午的生命的裂變：大健康論壇上，匯醫慧影高級合夥人王捷發表了主題為“基於AI的 醫療全週期管理”的主題演講。犀利觀點如下：
1、未來影像科在整個醫療中會發揮重要的作用，因為它會成為整個診斷流程的數據中心。
2、從我們角度來講，現在大家都說資本寒冬，我們會相對更樂觀一些，確實從基本面來講，AI+醫療也會給醫院帶來新的競爭優勢。
3、AI1.0我們定義為基於醫學影像的是一個智能輔助篩查，基於圖像識別技術，對於一些常見或者常規影像，就是之前用人眼判斷和定位病灶的事情病狀怎麼樣的事情，我們用AI算法、計算機機器完成。AI2.0會進入輔助治療決策，我們基於多維度數據，例如整合臨床數據、病理數據等，以及一些隨訪信息，再結合自然語義識別，我們可以提供更加個體化的治療方案。
以下為演講原文：
我們是一家做醫療人工智能的企業，具體是基於圖像識別、深度學習技術對醫療影像做一些處理和分析。從目前結果來看我們的智能輔助篩查結果，準確率非常高，已經可以達到一個高年資醫生的水平，這對基層醫生或者年輕的醫生來說，一是可以降低漏診和誤診率，二是還可以極大可以減輕醫生的工作負擔。從長遠來講，未來整個醫療將往數據化方向發展，包括往精準醫療方向發展。具體到醫療影像領域，醫學影像數據的增長遠遠高於影像科醫生的增長，目前我國醫學影像數據的年增長率約為30%，而放射科醫師數量的年增長率約為4.1%，而且一名影像科醫生的時間週期非常長，平均在8年以上，因此影像醫生缺口巨大。，剛才各位嘉賓提到分級診療各個方面，在我們國家，醫療資源的需求和供給長期呈現一種不平衡的“錯位匹配”局面，表現為基層醫療服務需求旺盛的的“正三角“的結構和優質醫療資源集中在大城市的”倒三角“型的供給結構，三甲醫院虹吸現象明顯。醫療數據中80%以上的數據來自影像數據，隨著這些年老齡化情況、城市化的情況，很多營養病產生，以及百姓健康意識的不斷提高，這就帶來了更大的供給缺口。
第二個問題，我們誤診率還是存在，這個從中華醫學會數據來看，平均來講，我們的誤診率接近30%，在基層則更高。其實大家日常會出現這樣的情況：同樣一個症狀去不同醫院會看出不同的結果。醫療整個信息化的進程比較慢，咱們國家從2000年加入WTO開始，各大醫院開始引入影像、信息化系統等，但發展到現在並沒有根本的變化。從醫院層面來說，它的數據分為幾種，其中影像數據，包括診療、病理數據，數據規模龐大，而且它們缺乏統一的標準，此外它並沒有像互聯網、工業、零售、出行等行業基於這些數據積累之後為用戶提供個性化推送，比如大家最瞭解的個性化閱讀，會在數據積累之後給你推送個性化內容。醫療裡面還沒有基於這些積累的數據為患者或者針對某一種病種推薦更加精準的治療方案。
但目前狀況是，AI到了臨界點之後正在反推醫療系統往進一步信息化、數字化程度走。AI包括算法、算力和數據。從算法上面來看，醫療數據有一些特點。它的數據集相對小，這個要求像我們AI企業在進行這項工作時候會採納與醫療小數據匹配的一些算法，比如遷移學習。算力上面我們做一些探索，我們也引入英特爾做為戰略合作伙伴，在芯片層面，針對醫療行業一些特點，包括醫院一些特點，我們也在合作做一些軟件、硬件上面的探索，賦能硬件和設備，也有一些初步成果出來。數據上面其實是一箇中國相對有優勢的事情，因為從中國來講，地大物博，我們病患多，我們整個數據集更具有多樣性。整個層面來講目前整個醫療AI來講，基礎設施完備，接下來等待我們這樣創業公司，或者其它參與者的是大家共同把產品打磨越來越精。我們首先服務醫生，對醫生服務上面做的越來越好。
我們看到全球也會看到很有意思的現象，RSNA是北美放射年會，是世界醫學放射領域盛會，素有“放射學界的風向標”之稱。在2016年、2017年的RSNA上，連續兩年的大會主席都在開幕式上提到AI，2017年的共識，我們後來總結是懂AI的醫生會替代不懂AI的醫生。前幾天2018年RSNA剛結束，大會主席Vijay Rao教授更是指出，放射科醫師會被新技術賦予更強大的力量，而不是被新技術取代。她指出，在未來的十年甚至是幾年中，AI將在許多方面成為放射科醫師的強大工具 。我們預估，在未來的幾年裡，醫療將會從影像到臨床形成一個大的數據革命和服務創新革命。未來影像科在整個醫療中會發揮越來越重要的作用，它會成為整個診斷和治療的數據中心和決策中心。
剛才提到醫療會有一個巨大變化，這個我們拉長維度來看，看看近百年來醫學影像的發展軌跡，自1896年倫琴發明了X射線至今，我們走過了物理驅動和應用驅動時代，隨著影像技術和影像設備的不斷髮展，我們在2010年步入了數據驅動的精準醫療新時。醫學影像數據具有4V特點，表現為數量大，數據產生速度快，數據類型多，多模態數據豐富，以及數據真實性高，基於這些特點，我們可以在海量的醫學影像數據中挖掘出更多價值，去優化診斷和治療甚至預後結果，所以我們認為醫學影像天生適合人工智能應用。
從我們角度來講，現在大家都說資本寒冬，我們會相對更樂觀一些， AI+醫療也會給醫院帶來新的競爭優勢。
首先我們國家醫院的信息化水平參差不齊，越是基層醫院，信息化水平越落後。隨著雲計算、大數據和人工智能技術的不斷成熟，將先進的技術引入醫院技術創新成為當前醫療機構管理層的共識，雲計算和互聯網+讓醫院與醫院之間、醫院與患者、醫院與醫生之間連接起來，醫療數據量的持續增長，利用深度學習和自然語義識別，我們可以對對海量的數據進行學習，目前深度學習算法已經可以實現疾病診斷。自然語義識別則可以實現非結構化數據如病歷的後結構化處理和標準化處理。此外，我們已經可以開始整合醫學影像的多模態數據以及其他多維度數據如基因數據、病理數據、蛋白數據、隨訪數據等，挖掘數據背後隱藏的特徵。綜合以上，我們這些技術創新可以為我們臨床提高醫療效率和實現精準診療。
目前我們把醫學影像AI定義為三個階段，AI1.0我們定義為基於醫學影像的智能輔助篩查，基於圖像識別技術，對於一些常見或者常規影像，就是之前用人眼判斷和定位病灶的事情怎麼樣，我們用AI算法、計算機完成。其中AI1.0也是當前我們大多數同行正在做的事情。AI2.0我們定義為利用AI輔助治療決策，我們基於多維度數據，例如整合臨床數據、病理數據等，以及一些隨訪信息，再結合自然語義識別，我們可以提供更加個體化的治療方案。
在AI熱潮裡面，當然政府一直是很重要一塊，今年我們也看到不管是國務院還是整個政治局一直在多次學習，在應用領域裡面強調民生行業，具體來講主要體現在教育和醫療。我們進入到產品層面，1.0和2.0產品，剛才跟大家有過介紹。
整個從流程來講，在成像技術、輔助篩查診斷、輔助治療，甚至病程管理，在影像全棧場景中，AI都可以發揮價值。目前我們主要集中在篩查診斷和治療決策部分。
這個是我們1.0產品，包括肺部、骨折等輔助診斷產品，這主要是對於常見病種以及影像科醫生需要長時間重複性做的工作，AI可以5秒內快速定位，勾畫出病灶，我們通過AI輔助讓整個閱片時間縮短，整個閱片效率大大提升，目前我們的準確率平均在90%以上，相當於一個高年資影像醫生的水平。。
這是產品界面展示，在工作流程上，患者檢查結束後，PACS（影像歸檔和通信系統）自動將DICOM影像上傳到AI服務器，AI服務器會自動進行診斷； 影像醫生在RIS系統裡即可一鍵調閱AI診斷結果；非常的方便和快捷。，而以前影像醫生平均需要10-30分鐘看完一例片子，現在給到機器幾秒就可以完成，然後交由醫生再做判斷和審核，所以我們的定位一定是輔助醫生。
2.0也是我們引領行業正在做的事情，2.0我們認為非常有價值的AI的具體應用，其實我們現在在通過和非常多的重點醫院合作，瞭解醫生臨床需求，同時這個中間除了影像數據之外，我們會導入隨訪數據，病理數據等多維度數據，讓AI參與從篩查診斷、輔助治療甚至預後預測、隨訪管理全疾病週期的產品。像我們主動脈AI產品業界非常關注，這是全球首例主動脈夾層自動分割方法，這個是我們和301醫院經過一年多時間共同開發的一個產品。具體來講，我們可以做一些具體介紹，主動脈疾病的診斷治療和預後評估高度依賴主動脈 CTA，B型主動脈夾層手術需要對近遠端錨定區直徑、破口位置和某些重要的距離信息進行精準測量。基於CTA軸位的手動測量存在誤差尤其是主動脈弓部直徑測量誤差非常大，而且手動測量方式也難以獲取長度、距離等信息。在這種情況下，血管外科醫生通常需要委託專業人員使用商業軟件才能獲得精準的解剖參數，但這樣信息獲取的準確性和及時性卻不能保證。 AORTIST結合大數據和病人影像組學特徵以及其他臨床信息，提供主動脈擴張和複合終點事件預後預測結果，可以提高手術的精度，改善患者的遠期結局。我們將常規需要6-7個小時的工作縮短到20分鐘之內，也為患者的治療爭取了最佳治療時間。
另外，我們在9月和英特爾共同發佈了一個針對乳腺癌的產品，對乳腺癌治療領域來講，是有保乳治療和非保乳治療，我們國家來講一般是一刀切，國外成熟治療來說首先會盡量為患者考慮保乳治療，這一塊也是我們整個產品設計時候的一個初衷。
我們其實通過算法和產品突破在過去三年初步形成一個生態閉環，一方面我們和全中國目前超過800家醫院合作，推進成熟AI產品的落地，另一方面我們同時還有超過500個課題在研和孵化中。這些課題不僅給我們反饋出來非常多的醫院和病患的臨床實際需求。基於這些合作，我們充分調動了醫生的創新動力，讓醫生參與新產品的模型和開發中以及產品驗證中，充分實現從臨床中來，到臨床中去的產品設計邏輯。
另外我們比較驕傲的事情，我們模型開發週期，因為需要醫療和計算機算法深度結合，整個模型開發週期能夠做到相對可控的時間內，我們可以根據醫院、客戶需求提出針對性的產品。
我們提到中國AI這一塊有比較大的優勢，因為數據量比較大的優勢。我們目前往海外走，像歐洲的CE、美國FDA都在申請當中。我們海外市場包括日本、中亞也有他們當地非常好的醫院使用我們產品。
從我們自己的觀點來說，在北美RSNA這次會議上感受到跟美國同行相比，確實中國企業目前在這一塊走的更加靠前，包括產品研發深度，廣度，數據集等等方面。
我們的主要團隊從斯坦福、清華背景，我們科研方面主要斯坦福醫學物理系、癌症研究中心，創始人在醫療和計算機走過包括美國、荷蘭、比利時非常長的路。相對國內來說，醫療和計算機結合，跨學科人才培養其實相對不足的，可能國內之前沒有這一塊專業的培養機制。目前我們也得到包括福布斯最具創新力企業50強的榮譽，我們前一段也被評為《財富》的年度企業，獲得財富全球科技大賽生物科技和醫療健康領域的冠軍，得到業界認可。
關於醫療AI大概介紹到這裡，謝謝大家！
閱讀更多 創業邦 的文章
