0
近日，第十一屆吳文俊人工智能科技進步獎頒獎典禮在北京舉行。
中山大學中山眼科中心副主任林浩添作為項目的第一完成人，帶領中山眼科中心、中山大學以及鷹瞳科技產學研三方團隊，憑借“致盲眼病數字智能化診療技術體系的創研和應用”這一成果斬獲科技進步獎一等獎。
林浩添既是一位臨床一線的醫療工作者，同時也身處科技研發一線，這位80后青年學者組建起了一支包括醫學、生物學、計算機學和統計學人才的交叉學科團隊。
林浩添團隊成員合照（第一排右五為林浩添）
過去十年間，林浩添帶領團隊圍繞醫療大數據及人工智能技術在診療研發的應用轉化上進行探索，此次獲得吳文俊人工智能科技進步獎正是團隊多年耕耘的成果。
林浩添團隊建立了全球最大的可共建共享的致盲眼病循證數據庫，制定了多項數字化智能醫療數據標準和行業規范，兩項醫學人工智能領域相關的首批灣區標準便是由林浩添團隊牽頭編制。
此外，團隊還創建了眼部診療“三級模式”并創建了以眼睛為智能“窗口”的眼與全身病的新防治體系。
團隊的系列技術成果目前已經向全國和“一帶一路”沿線國家推廣，在35個醫療機構完成超3000萬人次的眼病篩查。
林浩添團隊在眼病領域多年耕耘所取得的諸多技術成果，極大地提升我國致盲眼病的防治水平。
第十一屆吳文俊人工智能科技進步獎頒布后，雷峰網《醫健AI掘金志》與林浩添進行了一次對話。
以下為《醫健AI掘金志》與林浩添的對話內容，《醫健AI掘金志》作了不改變原意的編輯與整理。
醫健AI掘金志：首先，祝賀您獲得第十一屆吳文俊人工智能科技進步獎一等獎。您和團隊什么時候開始眼科智能化設備的研究？
林浩添：中國的眼科醫生十分緊缺，目前注冊眼科醫生僅有4萬名左右，而中國的人口基數十分龐大，許多眼病患者無法得到及時的治療。
在老齡化與青少年近視發病率不斷提升的雙重壓力下，國內醫療機構急需提升規模化的眼病防篩診治能力。
但是，只靠醫生的人力很難響應如此大規模的眼病診療需求。我和團隊成員一直在努力攻堅克難，希望通過技術創新提升能力。
國家如今提倡的數字經濟，在醫療行業的細分領域就是數字醫學，人工智能技術也包含在其中。
數字醫學不僅僅需要醫學的專業技能，也需要將數字化、信息化、智能化等基礎能力融合其中，賦能到具體的專業專科提升其能力。
基于這樣的背景，我和團隊成員一直在思考如何利用技術提升效率，或者提升診療能力，從而將醫療服務拓展到更多的基層醫療機構乃至全國范圍。
我們利用人工智能數字化技術逐一解決遇到的臨床問題，從診療過程中數據的信息化到深度學習模擬醫生診斷思維。
最早在我博士畢業時，就產生過利用數字智能技術提升診療效率的想法。
2009年，我在中山眼科中心博士畢業后留在中心工作，親身經歷過由于中心醫療團隊規模的限制，能夠服務的患者數量十分有限。
2013年，廣東省科技廳為我的項目提供了100萬元的經費（廣東省自然科學杰出青年基金項目），這是項目啟動后獲得的第一筆資金支持。
雖然金額不是很多，但是對我后續拿到國家重點研發項目，取得一系列科研成果起到了非常重要的作用。
這筆項目資金是我們整個團隊的起步，從此之后團隊才一步步成長壯大起來。
我不僅在臨床一線，同時也身處科學研究的一線，在臨床需求的基礎上去尋找技術的融合點，方向就顯而易見了，這正是我走上這條研究道路的重要原因，從需求出發回歸技術本身的發展，進行逐步探索。
醫健AI掘金志：醫學人工智能涉及多個學科，作為醫學團隊，您覺得取得成功的要素是什么？這個項目也涉及到中山大學、鷹瞳科技等多個團隊，不同團隊間如何合作分工？
林浩添：這個問題可以從兩個層面來看。
首先，大多數團隊在做交叉研究時一般要和其他背景的團隊進行合作，但我們團隊有些特殊。
我本人的第一背景是醫學背景，但我從讀中學就對計算機領域感興趣。上學時除了醫學之外，第二志愿就想去學計算機，但是沒有學成。
好在殊途同歸，我發現兩個離得很遠的專業可以融合在一起去解決問題。這些年，我本人也一直在努力學習計算機領域的知識。
在學校里，我既是醫學專業的博士生導師，也是工科的博士生導師，團隊里既招計算機背景的學生也招醫學背景的學生。
但不論哪個專業背景的學生，我都要求他們同時了解這兩個領域，以其中一個方向為主，另一個為輔，這樣才能真正實現交叉研究。
交叉領域在學習強度以及學習能力方面對人的要求都更高，也會給我們帶來更好的創新思維模式，這也是我們團隊的特點。
其次，中山大學是我們廣東省內最好的綜合性大學，醫學和計算機科學都處于國內領先水平，我們團隊和中山大學其他醫學專科，以及計算機學院的黃凱教授團隊等都有很深入的合作和交流。
此外，我們團隊和企業之間也建立了良好的合作關系。
在政策層面上，2018年我承擔了國家科技部的重點研發項目，這是我們研究成果的重要支撐，也是經費來源之一。當時，科技部就提出了項目要由產學研合作開展的要求。
我覺得國家這一規劃高瞻遠矚。在國家的引導下，我們的研究團隊可以與企業之間優勢互補。
企業具備我們所沒有的工程化能力。當我們開發算法模型、設計技術路線之后，更重要的是證明這一技術的可行性，證明它能夠解決臨床中出現的問題。
而將研發成果工程化并落地的過程，則要交由企業負責，企業具備完備的運營模式，比我們研究團隊更加擅長產品的運營推廣。
我們在科研和創新能力上引導企業成長，企業則在市場調研與落地推廣方面協助我們。
合作中最重要的是對合作團隊的選擇。
我們和鷹瞳很早就認識，當時除鷹瞳以外，我們和其他很多企業都進行過交流。我會與每位企業核心成員溝通去了解他們的初心，辦企業是為了為社會解決問題，為國家分憂，還是說只考慮利益層面的東西。
我更愿意去選擇有相同價值觀、相同目標的企業進行合作。
醫健AI掘金志：中山大學中山眼科中心在這個過程中扮演什么角色？
林浩添：中山大學中山眼科中心在項目中處于主導位置。
我們團隊中的部分成員本身就是在一線工作的醫生，最能體會臨床中產生的需求，了解痛點之后，我們會利用臨床數據、臨床診療流程設計研發路徑，再通過技術設計去嘗試可行性。
例如，一些需要進行早期臨床試驗的環節，我們通過企業與基層醫院對接，方案設計完成后，也與企業共同推動落地實行。
其次，我們團隊進行的工作大多是從源頭提出一個技術并論證其可行性，并通過臨床試驗進行驗證。
當技術達到一定成熟度，可以進行轉化之后，我們就會與企業合作，將技術成果交由企業進行轉化，去做產品落地的工作。
醫健AI掘金志：項目組完成全國以及“一帶一路”沿線國家3000萬人次大規模篩查的關鍵抓手是什么？
林浩添：我們努力的目標就是實現“早篩、早診、早治”，但是單單依靠我們中山大學的團隊來做很難完成。
新技術的規模推廣有兩個方面的要求，首先是技術來源的權威性，中山大學中山眼科中心在國際上特別是在亞非地區一帶一路國家的學術地位非常高，是亞非眼科學會的總部，有較高的學術和學科影響力。因此，前往相關單位進行推廣分享時，對方會更加認可。
其次，是技術能落地之后，企業可以在獲得相應資質授權下，通過在全國各地甚至不同國家的多渠道進行推廣落地，對不同場景進行全面覆蓋，從而完成更大規模的服務。
醫健AI掘金志：您認為國家所推行的“三級診療”模式的內涵和外延是什么？
林浩添：我們國家原來的醫療體系就已經有三級診療模式了，雖然這個模式設計的初衷相當好，但實際運轉起來的效果卻不太理想。
主要原因是老百姓或者說基層的醫生沒有疾病相關的專業能力和水平，沒辦法快速判斷病情的輕重。患者在無法判斷自己的癥狀是否嚴重的情況下，如果有條件去大醫院就診的話，肯定會首選大醫院。
于是就造成很多患者涌向大醫院，而小醫院無人問津的局面，惡性循環之下，久而久之患者就更加不愿意去小醫院了，小醫院的收入也會慢慢萎縮。
患者在各級醫院就診的情況應該是正三角形的（即大醫院負責少數疑難雜癥、基層醫院負責大量簡單疾病的診治），現在變成倒三角形，其實是畸形發展。
一個體制的設置與實際的效果不符，核心原因就是技術判斷，要改變這種局面就要改變技術判斷。
2018年我們承擔的國家科技部的重點研發項目的初衷，也是想要探索應該以什么樣的模式來應用人工智能這一新技術解決問題，特別是一直以來存留的瓶頸問題。
在當時，我提出一個設計模式，醫療分級不應該根據醫院的大小、能力來劃分，而是應該根據技術投入的資源數量與方式來劃分。
在我們的項目成果里也包含了這部分內容，我們提出基層機構（也就是一級機構）利用個人電腦和手機等移動終端設備進行初步篩查；初步篩查之后，如果有疑問再到社區醫院等二級機構就診。
二級機構應當具備眼底照相機等眼科專業設備，工作人員熟練掌握這些設備的操作流程，協助患者拍攝，結果上傳至智能系統進行結果分析。系統分析的結果出現問題的，再前往專科醫院或綜合醫院對應專科進行最終確診并進行治療。
在我們提出的基于智能技術的新型三級診療模式中，第一層級不需要投入專業設備，只要把普通移動設備接入智能平臺就行進行初步篩查，既方便又費用低廉。
第二層級則需要一些公共的體系投入，只要有足夠專業的設備就能解決大部分的問題。第三層級就要有專業的醫生和專業的設備共同完成。
我們曾經在廣州以白內障疾病為例驗證過這一診療模式，每位教授的服務效率保守估計提升十倍以上，這是相當了不起的進步，所以我們覺得這個模式十分有前景。國家相關部門了解我們這個研究和基于落地應用的結果之后評價也很好。
醫健AI掘金志：致盲眼病循證數據庫內包含了哪些專病種，每種疾病的樣本規模如何？
林浩添：數據庫自建立以來一直在持續增長，這項工作我們一直在動態進行。數據庫中的疾病種類以常見的眼病為主，例如白內障、角膜病、青光眼、葡萄膜球炎等，其中白內障的樣本數量是最多的。
除了常見的眼病之外，數據庫還包含了很多不太常見的眼病病種。
最近幾年，我們對數據庫的領域進行再次拓寬，把全身系統的疾病也涵蓋進去。目前，樣本規模最大的疾病已達到百萬級別，但并不是所有的數據都能夠達到研究的質量要求。
在一定規模之下我們要去提升數據的質量，需要花費很大的人力成本才能把把樣本的質量提升到滿足研究要求。目前達到研究要求的高質量樣本規模在數萬到數十萬之間。
在提升數據質量這件事情上投入人力和資金，相當于是一個無底洞，同時這些高質量的數據也是數字醫學整個領域的發展基礎。
我們開發了一個區塊鏈平臺，通過區塊鏈技術進行數據溯源和確權，對數據的整個使用過程進行透明管理，從而更好地實現數據共享。在國家出臺的《數據安全法》的框架指導下，我們能夠讓數據發揮更大的價值。
醫健AI掘金志：您對數據庫的未來規劃是什么？它有可能成為未來國家醫療AI器械評審環節的重要工具嗎？
林浩添：我認為這個趨勢是必然的。數據庫的建立應該是國家層面的事情。但目前的情況下，國家只能通過相關行業領域人員和平臺來進行數據收集。
我們單位既是眼科學的國家重點實驗室，又是學科第一。我覺得，有責任為國家做這方面的貢獻。
我們的眼科中心在廣州，地處大灣區，是習總書記親自提出、推動的發展戰略，所以我們團隊的醫療數據、區塊鏈平臺等等，近期都在和香港、澳門進行密切的溝通和協商。
我們希望，在大灣區完成香港澳門的數據標準體系對接。
去年，大灣區辦公室和國家相關監管部門共同推出的第一批“灣區標準”中，僅有的兩個醫學人工智能領域相關標準都是由我們團隊牽頭編制的。
我們希望，通過標準的制定從源頭規范數據的采集、應用和共享，使數據在更好的維度上起到更大的作用，包括研發、評審、監管一系列的流程。
數據能夠支撐技術的研發，技術研發完成以后又會產生新的數據，數據是貫穿整個場景的全周期過程的。
我們希望通過標準的制定對數據進行全周期的標準化監管，為國家提供相應的服務。醫療健康也是國家公共治理體系，我們希望利用我們的專業能力或技術研發能力為國家政府解決相關的問題。
醫健AI掘金志：您如何看待醫療大數據及人工智能技術在診療研發環節的前景？未來您在智能化算法、設備及診療模式的創新上，還有哪些規劃？
林浩添：這也是我們一直在探索和逐步解決的問題。這個領域在起步階段選擇單點突破的比較多，很難形成真正的系統化能力。
到了目前的階段，首先要形成系統化能力。從算法、硬件設備研發、應用場景、監管的全生命周期，要有相應的部門團隊進行統籌部署。
我們國家的自主創新還是遠遠不夠的，要通過自身的努力以及新一代人才的培養去突破算法目前的框架，做出自己原創的算法。
其次，硬件設備的危機感更重。
我們知道華為已經開發出很多基于自主的芯片和底層架構的硬件設備，硬件設備的發展與算法是相連的。但我國人工智能領域使用的很多硬件設備仍然依賴進口。
在硬件設備上，我們做出了一些初步的成績，但也有很多不足，還是特別需要繼續發展的。
而診療模式的創新反而是我們的優勢，可能會走在歐美的前面。
我國目前正處于“以國內大循環為主體、國內國際雙循環相互促進”的新發展格局，內循環需求很大，診療模式的不斷創新正是我們的優勢。
經過前期的探索之后，我們發現可以通過應用上的突破去引導設備、算法端的創新。
理論上，科學發展通常是從基礎研究到應用再到落地的傳統思維。但我們不能完全受思維制約，以應用為導向同樣能夠推動科學的發展。從應用端向回溯源，重新審視基礎算法也正是我們一直以來的努力方向。
我們團隊把眼病普篩過程中用到的設備集成到汽車上，改造成移動的智能門診，也就是智能巡診車。巡診車通過5G技術接入云平臺，相當于是提出的新型分級診療模式中的第二級。
目前，我們團隊已經申請了相應的專利，與汽車企業達成合作，現在已經有三部智能巡診車生產完成。
同時我們也在和國家衛健委等相關部門對接，通過政策的制定和引導推動這一技術模式的落地。
傳統的義診活動中，醫生只能短期在基層提供服務，通過智能巡診車這種真正的移動醫療的硬件部署，就能夠將以往短期的義診變成常態化的活動。
我們希望能夠先在大灣區進行示范性應用，再逐步普及到全國各地，特別普及到更多缺醫少藥的地區，真正讓技術發揮普適的價值。雷峰網(公眾號：雷峰網)
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
