0
| 本文作者： 李雨晨 | 2020-08-11 10:26 | 專題：CCF-GAIR 2020 全球人工智能與機(jī)器人峰會 |
雷鋒網(wǎng)按：2020年8月7日，全球人工智能和機(jī)器人峰會（CCF-GAIR 2020）正式開幕。CCF-GAIR 2020 峰會由中國計(jì)算機(jī)學(xué)會（CCF）主辦，香港中文大學(xué)（深圳）、雷鋒網(wǎng)聯(lián)合承辦，鵬城實(shí)驗(yàn)室、深圳市人工智能與機(jī)器人研究院協(xié)辦。
8月9日，作為本次大會的收官之戰(zhàn)，“醫(yī)療科技”專場正式拉開帷幕，圍繞「后疫情時代的醫(yī)療新基建機(jī)遇」這一主題展開。
其中聯(lián)影智能聯(lián)席CEO沈定剛、華西醫(yī)院副院長龔啟勇、騰訊天衍實(shí)驗(yàn)室主任鄭冶楓、平安醫(yī)療科技首席科學(xué)家謝國彤、商湯科技副總裁張少霆、西門子醫(yī)療中國數(shù)字醫(yī)療負(fù)責(zé)人陳黎峰，詳談了后疫情時代醫(yī)療科技的新常態(tài)，以及技術(shù)落地和產(chǎn)品方法論。
以下是本次大會的精彩回顧：
聯(lián)影智能聯(lián)席CEO、MICCAI 2019大會主席、IEEE Fellow沈定剛教授發(fā)表了開場報(bào)告，介紹了醫(yī)療AI在新冠肺炎診斷全流程中的應(yīng)用。
沈定剛教授表示，目前新冠肺炎仍然在全球蔓延，全球有1800多萬人確診，CT已經(jīng)成為新冠肺炎診斷、評估和隨訪的重要手段。然而，這個過程中存在最重要的兩個痛點(diǎn)，首先，如何幫助醫(yī)生盡量避免感染；其次，有了CT設(shè)備后，如何用人工智能的方法進(jìn)行肺炎的量化分析，用CT圖像輔助診斷和隨訪。
為此，聯(lián)影智能提出了三個解決方案：無接觸掃描、肺炎量化分析、隨訪評估與診斷。
沈定剛教授表示，為了避免病毒傳播，有的操作技師在新冠肺炎早期甚至通過竹竿這樣的工具遠(yuǎn)距離操作CT掃描，原始且危險(xiǎn)。為此，聯(lián)影集團(tuán)研發(fā)了AI智能采集系統(tǒng)，把邊緣計(jì)算和攝像機(jī)結(jié)合，自動采集人體三維形態(tài)和部位信息，自動操作CT掃描，滿足醫(yī)生在操作間就可完成掃描任務(wù)。
在肺炎分割與量化方面，主要是為了實(shí)現(xiàn)三個目標(biāo)，新冠肺炎判別、危重程度檢測以及判斷進(jìn)展變化，沈教授介紹了聯(lián)影智能的uAI分割引擎，可以對肺炎、5個肺葉、18個肺段進(jìn)行精確的分割。
在隨訪評估與診斷層面，有些新冠肺炎病例與普通肺炎病例有相似的感染程度，因此，聯(lián)影智能提出了基于感染信息的注意力網(wǎng)絡(luò) (Attention-guided Network)，用分割出的感染區(qū)域引導(dǎo)分類器聚焦于感染區(qū)域；在評估新冠肺炎嚴(yán)重程度上，提出了一種多任務(wù)、多示例學(xué)習(xí)模型 (Multi-task multi-instance framework)；在危重預(yù)測與演變時間估計(jì)上，為了解決樣本不平衡以及特征復(fù)雜且高維的挑戰(zhàn)，提出了聯(lián)合分類與回歸的稀疏模型 (Joint sparse classification and regression)：讓兩個任務(wù)共享相同特征，用于改進(jìn)各自的性能、解決數(shù)據(jù)不平衡問題以及針對所選特征，作出臨床解釋。
第二位演講嘉賓是華西醫(yī)院副院長、ISMRM Fellow龔啟勇教授，他主要分享了腦疾病影像AI的新機(jī)遇。
作為臨床放射學(xué)精神影像領(lǐng)域的國際知名學(xué)者，龔啟勇教授在國內(nèi)率先建立了精神放射影像體系，被國際同行稱為“l(fā)eader in the field of Psychoradiology”。
他表示，精神影像學(xué)擁有重要的發(fā)展前景，但是，依靠傳統(tǒng)技術(shù)將面臨多重瓶頸。相比其它腦部疾病，在常規(guī)CT、X射線等臨床影像手段上，往往很難發(fā)現(xiàn)精神類疾病的腦部病變。而這類疾病的判斷也沒有明確的客觀指標(biāo)，臨床治療和診斷只能依靠經(jīng)驗(yàn)和主觀因素。
近年來的成像技術(shù)和AI技術(shù)的發(fā)展，則給這一難題帶來新的希望。一方面核磁成像技術(shù)提供了更清晰的腦狀態(tài)、腦結(jié)構(gòu)等一系列參數(shù)，成為腦疾病診斷的首要依據(jù)。另一方面，深度學(xué)習(xí)的出現(xiàn)，則可以依靠大量數(shù)據(jù)信息，總結(jié)出不易發(fā)現(xiàn)的影像學(xué)特征變化規(guī)律。
龔啟勇教授認(rèn)為，這兩種工具的結(jié)合未來也許可能解決許多精神影像學(xué)的原生性難題。
首先，通過AI分析方法，可以總結(jié)分析出影像特征變化和精神疾病的密切相關(guān)性，例如利用神經(jīng)環(huán)路和鏈接腦結(jié)構(gòu)改變，可以從影像學(xué)征像判斷這類疾病的嚴(yán)重性和特定臨床類別。
其次，可以籍助AI進(jìn)行藥物治療靶標(biāo)確定。龔啟勇表示不同精神藥物在不同大腦區(qū)域，往往會有不同的反映，特定腦區(qū)改變可能是藥物靶點(diǎn)定位的一個重要依據(jù)，AI可以通過腦區(qū)特征的改變，判別精神藥物的有效性和幫助治療方案的選擇，還有望為臨床干預(yù)和介入治療提供精準(zhǔn)治療靶標(biāo)。
第三位出場的演講嘉賓是騰訊天衍實(shí)驗(yàn)室主任鄭冶楓。天衍實(shí)驗(yàn)室是騰訊內(nèi)部專注于醫(yī)療AI的實(shí)驗(yàn)室, 覆蓋醫(yī)療大數(shù)據(jù)、醫(yī)療自然語言理解、醫(yī)療影像等等。
在演講中，鄭冶楓博士主要分享了深度學(xué)習(xí)在影像診斷上的兩個固有痛點(diǎn)：缺乏訓(xùn)練樣本以及跨中心泛化能力差以及相應(yīng)的對策。
對于訓(xùn)練樣本量的問題，鄭冶楓博士認(rèn)為，遷移學(xué)習(xí)是一個很好的方式，可以將某個任務(wù)（源域）上訓(xùn)練好的模型遷移到另一個任務(wù)（目標(biāo)域）。而為了獲取更多的醫(yī)學(xué)數(shù)據(jù)、積少成多，鄭冶楓博士團(tuán)隊(duì)提出了Med3D：共享編碼器的多任務(wù)分割網(wǎng)絡(luò)，在大量異質(zhì)的公開數(shù)據(jù)集上預(yù)訓(xùn)練，然后遷移到其它任務(wù)，并且進(jìn)行了開源輸出。
當(dāng)然，除了Med3D，鄭冶楓博士團(tuán)隊(duì)還提出了基于魔方變換的自監(jiān)督學(xué)習(xí)，在預(yù)訓(xùn)練階段不需要人工標(biāo)定，從而減少大量的時間成本。
另外一方面，為了解決域偏移的問題，他們還提出了新型無監(jiān)督域自適應(yīng)(UDA)的方法，來緩和域偏移所導(dǎo)致的性能下降。該方法僅僅需要源域的數(shù)據(jù)、標(biāo)注以及目標(biāo)域的部分圖像，無需目標(biāo)域的標(biāo)注，即可實(shí)現(xiàn)兩個領(lǐng)域的自適應(yīng)。在演講中，他以VideoGAN: 視頻風(fēng)格轉(zhuǎn)換以及OP-Net: 基于單張圖像的風(fēng)格轉(zhuǎn)換的兩個案例進(jìn)行了說明。
第四位出場的演講嘉賓是謝國彤博士，他是平安集團(tuán)首席醫(yī)療科學(xué)家。他表示，過去五年時間里，平安積累了大量醫(yī)療的業(yè)務(wù)，而平安醫(yī)療科技，則是從每個業(yè)務(wù)中沉淀數(shù)據(jù)，把數(shù)據(jù)變成AI模型，再反哺賦能給各個業(yè)務(wù)。
謝國彤博士認(rèn)為，所有AI都無非四個要素：數(shù)據(jù)、算力、算法和應(yīng)用。在這四個要素下面，平安共研發(fā)了2個基礎(chǔ)平臺和4個醫(yī)療AI模型，以支持醫(yī)療的各種分析和推理，目前有1.6萬家醫(yī)療機(jī)構(gòu)，43萬醫(yī)生在使用。
兩個基礎(chǔ)平臺主要是賽飛AI平臺（算力）和醫(yī)療的五大庫和知識圖譜（數(shù)據(jù)）。
謝國彤表示，醫(yī)療五大庫及知識圖譜，首先是從數(shù)據(jù)端出發(fā)，分四步去解決數(shù)據(jù)處理難題：第一，去掉噪音，補(bǔ)全數(shù)據(jù)，提升數(shù)據(jù)輸入質(zhì)量；第二，結(jié)構(gòu)化，通過數(shù)據(jù)和文本抽取，實(shí)現(xiàn)數(shù)據(jù)可用；第三，標(biāo)準(zhǔn)化，把不同來源的醫(yī)療數(shù)據(jù)名稱統(tǒng)一；第四，利用算法挖掘疾病的風(fēng)險(xiǎn)因子或者治療方法。
而賽飛AI平臺則主要是通過發(fā)動平臺化戰(zhàn)略，解決AI產(chǎn)品算力和落地的基礎(chǔ)性問題。
謝國彤說到，平臺的目的就是讓醫(yī)療數(shù)據(jù)科學(xué)家專注在自己領(lǐng)域內(nèi)，由平臺去完成AI通用算法、智能標(biāo)注、分布式訓(xùn)練加速、高性能壓縮模型部署等通用問題。
在這兩大基礎(chǔ)平臺之上衍生的4個醫(yī)療AI模型（算法），主要側(cè)重在疾病預(yù)測、智能影像、AskBob輔助診療、疾病全周期管理等四個場景。
在最后的總結(jié)中，謝國彤說到，醫(yī)療人工智能是利國利民的事情，人命關(guān)天，需要AI界和醫(yī)學(xué)界的緊密合作，用AI的算法解決真實(shí)的需求，保證模型的安全性、可用性，才能對“健康中國”產(chǎn)生真正的價(jià)值。
第五位出場的演講嘉賓是商湯科技研究院副院長、集團(tuán)副總裁張少霆。他說到，過去國內(nèi)探索的方向都是“基建出海”，現(xiàn)在商湯則在探索實(shí)現(xiàn)“科技+基建”的共同出海。
張少霆表示，商湯科技的戰(zhàn)略核心是圍繞計(jì)算機(jī)視覺技術(shù)，而智慧醫(yī)療的具體產(chǎn)物則是SenseCare? 智慧診療平臺。
作為商湯臨床一體化的產(chǎn)品， SenseCare? 智慧診療平臺可以落地在醫(yī)院放射科或者區(qū)域IDC數(shù)據(jù)中心，在數(shù)據(jù)不出科室或數(shù)據(jù)中心的情況下，讓不同臨床方向的醫(yī)生只需要一個筆記本電腦、甚至手機(jī)，僅通過訪問網(wǎng)絡(luò)瀏覽器的情況下，使用所有醫(yī)療AI功能，以及醫(yī)學(xué)影像三維后處理功能，并且讓不同臨床醫(yī)生讀取不同數(shù)據(jù)，就可以啟動不同的工作流，實(shí)現(xiàn)賦能全院臨床。
然而，這種場景的實(shí)現(xiàn)存在兩個問題：首先，如何利用AI對多模態(tài)多病種進(jìn)行精準(zhǔn)的檢測、分類、分割；其次，如何在不傳遞原始數(shù)據(jù)的情況下，支持全院醫(yī)生高并發(fā)的二維、三維分析需求。
在自研AI算法引擎的基礎(chǔ)上，商湯SenseCare? 智慧診療平臺相繼孵化了胸部CT智能分析及手術(shù)規(guī)劃方案、胸部X線智能分析、心臟冠脈智能分析、骨腫瘤智能手術(shù)規(guī)劃、消化道病理和TCT宮頸癌精準(zhǔn)分析等臨床輔助工具。
張少霆表示，針對區(qū)域級、城市級的智慧新基建建設(shè)，部署更偏向于SAAS平臺的形式，底層可以支持安全可靠的數(shù)據(jù)存儲、備份機(jī)制，向上則加載數(shù)據(jù)和人工智能管理功能，同時賦能區(qū)域內(nèi)多家醫(yī)院，實(shí)現(xiàn)區(qū)域內(nèi)醫(yī)療智慧化升級。
醫(yī)療科技場的最后一位嘉賓是來自西門子醫(yī)療數(shù)字醫(yī)療部門負(fù)責(zé)人陳黎峰博士。
陳黎峰在演講中表示，市場動態(tài)和趨勢對于醫(yī)療行業(yè)有著巨大影響，醫(yī)療服務(wù)將在轉(zhuǎn)型中提升價(jià)值。這種轉(zhuǎn)型主要體現(xiàn)在三個方面：
首先，未來醫(yī)療將更加精準(zhǔn)，治療方法也將更因人而異。在正確的時間為適用的患者提供合適的治療；
其次，精準(zhǔn)醫(yī)療的實(shí)現(xiàn)需要醫(yī)院各部門協(xié)同作戰(zhàn)，需要多個專業(yè)團(tuán)隊(duì)在整個診療路徑密切合作。這和以往醫(yī)生單病種治療的操作模式非常不同，需要思考診療模式的轉(zhuǎn)化；
最后，醫(yī)療和健康管理越來越趨于消費(fèi)化。患者對疾病認(rèn)知、知識量和期望值都在增加，治療和健康管理的選擇越來越多，患者也越來越多地參與到自己的醫(yī)療和健康管理之中。
陳黎峰表示，醫(yī)療將向數(shù)字化發(fā)展。數(shù)字化、信息化、人工智能將革新我們對疾病的理解和治療。特別是人工智能，可以優(yōu)化運(yùn)營流程、提高資源利用效率、通過自動化和標(biāo)準(zhǔn)化支持病人全生命周期的診療決策，并幫助病人主動參與治療流程中去。
目前，AI技術(shù)已經(jīng)貫穿于西門子全景解決方案中。Teamplay數(shù)字醫(yī)療平臺可賦能數(shù)字轉(zhuǎn)型，西門子AI-Rad Companion能最大限度減少臨床工作中的重復(fù)性任務(wù)、提高診斷精準(zhǔn)度，助力醫(yī)生在患者診療全流程，包括病歷、處置、診斷、治療、預(yù)后管理等多個節(jié)點(diǎn)做出準(zhǔn)確判斷。
今年，醫(yī)療科技行業(yè)風(fēng)云變幻，機(jī)遇叢生。
細(xì)數(shù)一下上半年，已經(jīng)有三款醫(yī)療AI產(chǎn)品獲NMPA的批準(zhǔn)，產(chǎn)品真正商品化的最后一道枷鎖即將被打破。國家也陸續(xù)出臺了相關(guān)政策鼓勵A(yù)I產(chǎn)業(yè)發(fā)展，推動AI技術(shù)與產(chǎn)業(yè)的深度融合和落地應(yīng)用。
而醫(yī)療科技企業(yè)也不斷加速自己的業(yè)務(wù)變化以圖破局，實(shí)現(xiàn)技術(shù)與商業(yè)的雙端平衡：研究更前沿的算法，使得AI具備更強(qiáng)大的識別精度和認(rèn)知能力；同時，讓AI產(chǎn)品在保證高精度的前提下，大幅降低前期研發(fā)與后期運(yùn)算成本，更好地滿足市場和用戶需求。
醫(yī)療科技，未來可期。雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
