人工智能医疗正在改变现有的医疗方式

在席卷全球的大型公共卫生事件中，我们看到了人工智能技术的潜能。阿里巴巴的人工智能诊断工具能在20秒内识别新冠疑似案例，仅为医生通常所用时间的六十分之一，准确率达90%以上。

 

人工智能在医疗领域的应用现状如何？未来人工智能还将如何给医疗领域带来深刻变革？今天，我们回顾 Airdoc的副总裁 张京雷先生在 JIC讲堂的讲座，了解人工智能如何在医疗领域辅助诊断，并发挥其独特作用。

 

 

以下内容根据讲座速记稿整理概括

 

医疗，是目前人工智能应用市场上能够排进前五位的领域，其前景值得展望。在医疗行业中，很多东西都需要靠经验和时间的积累，而这些又恰恰是容易被人工智能取代的。

 

今天我们要讨论的是 医学诊断。诊断是医疗中一个非常重要的过程，但在中国，医生诊断的准确率可能低于30%。因为很多时候病人给予医生的信息不够充足，而诊断本身又是一个简单、重复性很高，却又非常依靠体力和时间积累的工作。

 

中国医疗服务市场现状

 

首先，我们面临 医疗资源严重不足的状况。我国人口比较密集的区域占据了全国80%的人口，而医院则集中在比较大的省市。比如，西安有约30家三甲医院，但是像甘肃或西藏可能只有两三家三甲医院。即便不考虑人口，这在某种程度上也反映出其中的不平衡问题。

 

据数据调查显示，每天从全国各地到北京去看病的人口数量高达70万，给北京的医院造成了压力，也加重了北京市民的看病压力。况且对于西北、东北、华北地区的人来说，去北京要比去上海方便，更容易获取医疗资源。病人到北京看病基本上都是自费，无法报销，这对政府造成的压力并不大，但也就意味着病人自身的压力会很大。

 

第二， 中国社会的正快速走向老龄化。中国有大约有2.2亿60岁以上的老年人，这个数字在逐年提高，且速度日益加快。到2050年，也就是30多年后，中国会成为世界上老龄化最严重的国家——大约有5亿老龄人口。这个庞大的数字背后是政府、医疗以及整个社会的巨大压力。在人口老龄化严重的日本，70岁的老年人仍旧在做出租车司机。不远的将来，中国也可能会出现这种情况。

 

在此，我们讲到一个词——NCD，即慢性非传染性疾病，包括高血压、糖尿病、动脉硬化等等。它们不能被治愈，但也很少有人会因此丧命，然而这些慢性疾病可能会陪你一辈子。我们曾在一个给都市白领做的健康筛查中发现，白领人群中存在青光眼和动脉硬化的数量远远超过了政府的流行病调查数据。

 

第三， 基层医疗服务不健全，专业医生特别缺乏。以眼科医生为例，全国专业的眼科医生约有1000人，意味着一个医生需要治疗一百三十万人。调查显示接近一半的病人都在社区中，而好医生大多集中于大城市、大医院。很多基层社区没有专门的科室、专业的医生，甚至更没有专业的相关设备。

 

医疗行业大概有以下一些特点或者挑战：第一，医疗是低频行业，大多数人不可能在一年中频繁地出入于医院；第二，信息量不平衡，病人与医生在沟通之中的信息流是非常不平衡的；第三，医疗时间问题，疾病的突发毫无规律，医疗服务的流程却难以估量；第四，技术专长，每个医生都有自己特别狭窄的技术专长，比如说神经外科医生是没办法给病人做阑尾炎手术的；第五，医疗需要多科室配合，这也是人工智能现在的难点，例如属于内分泌科的糖尿病病人必须依托于眼科的医生和技术，而很有可能这两个医生是毫不相识也毫无交流的；第六，中国很少有家庭医生和全科医生。

 

但是，现在很多医生碰到的问题，将来都可以通过人工智能来解决。而医学影像的十大方向分别为：医学影像教育工具、手机拍照结合算法诊断、消费级影像设备、医学影像3D建模与打印、医学图片交流社区、云端PACS、影像3D可视化、便携医用影像设备、专业影像自动算法分析和远程影像诊断平台。

 

医疗人工智能辅助医疗诊断

 

人工智能应用在医疗领域并不是一个神秘的东西。医学软件的开发与人工智能相关，计算机只要输入资料等信息，就可以开发出有370年经验的医学软件，这是人类医生无法企及的。另外，在一些精密手术中，机器人的操作会更为精准。CT、核磁共振等医学影像，由于存储空间和传输的限制，医院无法为每位病人都保存他们的检测结果，技术的发展可以完善这一点。

 

1.医疗人工智能综述

 

人工智能其实有六个阶段、七个重要的领域。Airdoc现在的领域正是医学影像，这也是人工智能的热点。因为在医生的诊断过程中，决策有一半依靠影像或者是化验结果等数据化的东西。

 

医疗人工智能，当然不仅仅局限于影像领域或者大数据决策系统，它也可以帮助医生做一些简单的、重复性的工作。例如，写病历、检查老年病人的病情等，以及帮助医生掌握一些难以掌握的东西，如ECG（心电图）等。在查房和写病历时，医生可以通过录音和语音转化来提高效率。在计算机视觉方面，Airdoc目前正在和上海的一家上市公司合作进行研究，试图通过在诊室内安装摄像头的方式来获取病人的步态、脸色和神情，给医生一些简单的提示和疾病的预估。在人机交互技术方面，现在的计算机无法模拟人的感情，但在将来也许可以逐步实现。现在很多医院有导引机器人，它的作用就是帮助你判断挂什么科室，尽管存在局限，但这些也会慢慢改进。

 

人工智能还在家庭医疗和药物研发方面发挥着独特的作用。很多发达国家有家庭医疗机器人，它们可以提醒老年病人定时服药，做简单的数据传输和监测，以及根据病症提醒病人及时就医等。在药物研发上，人工智能还可以大大的节约成本。

 

最后，人工智能可以促成病例结构化。以IBMwatson决策支持系统为例，该系统总结归纳了很多医学，特别是关于肿瘤和基因方面的信息，以达到数据分享的效果。

 

2.影像识别的技术原理

 

影像识别技术，简单来说是通过深度学习实现的。对于很多难记的东西，人们往往会选择死记硬背，这也意味着缺乏相应的理解。像很多细微的病灶小到肉眼无法识别，但可以用计算放大并识别疾病的位置，再标注出来。这些智能性的行为跟人类的决策也很类似。

 

影像识别技术现在有第三方研究中心，也许在未来，人工智能会推出影像医生，以及全面的AI化，诊室里除了电脑、笔、设备之外还会有一个机器人辅助看病。

 

3.AI影像识别的应用案例

 

据官方数据显示，中国当前有1.14亿糖尿病病人，而糖前病人（指的是将来有可能会得糖尿病的病人）更是高达5亿人，这个数字意味着每10个人中就有一个糖尿病病人。中国成了除印度之外，糖尿病人最多的国家，而糖尿病会增高整个社会的医疗成本。一般来说，一个被确诊的糖尿病患者每年的医疗成本是一万元，当这个数字乘以1.14亿，整个社会的医疗成本会变得无法简单估量。此外，糖尿病的知晓率很低，在一些大型城市也仅是约30%，一些偏远地区甚至可能更低。

 

还有一种疾病是黄斑变性。黄斑是眼睛成像的区域，从每天早晨睁开眼睛到晚上入眠，十几个小时中黄斑一直在不停的工作。身体中20%的血液供应给了大脑，而大脑的体重只占约身体的的1/20。而在供应给大脑的20%的血液之中，至少有二分之一供应给了眼睛，它是最消耗能量，也是工作任务最重的器官。医学调查还显示，黄斑本身也是一个细胞，因而人体机能的老化、以及糖尿病等疾病还会导致它变性，不加以治疗的病人有80%的概率会失明。

 

联系前述的深度学习，一个人工智能医疗有着370年的经验，甚至可以高达760年，那么它对病人的眼底照片观察效率就很高。眼底是观察慢性疾病的良好窗口，心脏可以移植，眼睛却无法做到。当前医学能够通过眼底来识别的疾病包括：视网膜的病变、青光眼、还有动脉硬化以及视网膜阻塞等，但这些问题都是可以通过及时就医解决。

 

1970年时，世界卫生组织曾认为糖尿病很容易就能被攻克，但直到现在糖尿病仍旧难以控制。这其中最主要的原因是糖尿病病人早期没有症状，而一旦被发现就需要立刻控制高糖食物的摄入量，以至于干扰生活，造成各种各样的苦恼。

 

其实，餐前血糖是动态的，不同时刻测试的血糖和身体真正的血糖变化是有差异的。不同的人吃不同的食物，血糖反应也不同。有人吃一些高糖食物血糖变化很小，但吃一些常见食物反而变化很大。所以对糖尿病病人来说，血糖是非常难以管控制的，而人工智能在这个方面能做得更好。我们公司也在测试雅培的设计，设备连上以后连续14天，每天发一个数据到APP里面。14天是十几万的数据，对医生来看是非常困难的，但却是人工智能的强项。

 

人工智能技术对于政府、保险公司、药厂以及医院都是利大于弊的。2017年，科技部给了BAT各家的技术，百度做无人驾驶汽车，腾讯做医疗，阿里做智慧城市等等。那么为什么政府会扶持人工智能在医疗方面的这些应用呢？是因为政府发现人工智能技术可以使得很多疾病在早期就被发现，从而可以大幅度地节约社会医疗成本。

 

医疗人工智能应用前景展望

 

医疗人工智能方面存在一些有待商榷的问题，首先要考虑的就是医生和病人对人工智能的接受程度。很多患者在就医的时候并不在乎是否运用了人工智能的技术，只在乎结果。第二，谁来买单？人工智能是否可以帮助政府降低人工治疗的成本？又能否降低费用？ 第三，人工智能由于全球化发展涉及到法律法规方面的问题。医疗必定会涉及到法规和数据，而全世界的任何国家都规定，其所拥有的数据是不能离开自己国家的。

 

在商业模式方面，在医疗链中我们对 人工智能技术进行 逐步引进和扩大应用。当前的医疗系统中有两个重要角色，一个是患者，一个是医生， 在调节医患关系上，人工智能技术也有非常大的应用前景。此外，人工智能也满足了医生 的角色诉求，可以提高医生的工作效率和准确程度。一百年前，上述的一系列眼底疾病都被归结为一种病——视力丧失，但是今天的技术让我们看到并非如此简单。也许百年后的人类回头看现在，也认为如今人类所掌握的医疗水平远远不够。