雷鋒網消息,說起ag旗艦廳科技,更為人所知的是其在安防領域的實力,其研發的安防產品、大數據產品等在金融行業應用廣泛。但是,如果說到其醫療團隊,一部分人會陌生,用ag旗艦廳醫療總裁倪浩的一句話就是“可能是ag旗艦廳太過低調了”。實際上,2016年,ag旗艦廳的醫療團隊就開始以醫學影像為切入點拓展AI醫療領域。目前,ag旗艦廳的閱片機器人產品已經在幾十家三甲醫院的影像中心落地。

近日, 在2017杭州·云棲大會上,ag旗艦廳醫療總裁倪浩在會上發表了主題為“醫療人工智能的創新之路”的主題演講。雷鋒網(公眾號:雷鋒網)了解到,倪浩原先在阿里云計算擔任技術專家,后建立阿里云產品團隊并擔任產品總監。

59e70d8d4845d.jpg

倪浩表示,2016年醫療領域最火的不是人工智能,而是移動醫療。但是 90% 的移動醫療業務是非常不靠譜的,因為移動醫療需要醫院的基礎設施做支撐,先要跳過醫院做診斷是完全不現實的,因此ag旗艦廳醫療在成立之后就定位于“服務醫院的人工智能”。

在他看來,人工智能醫療在中國發展具有巨大的優勢:一,中國的醫療問題多,人口基數非常大,醫療問題非常突出;二,中國技術人才的儲備非常強,頂級 AI 會議的論文里50%都是由華人發表;三,中國的創業體系在全球非常領先。“所以我認為中國的醫療人工智能會是世界的引領者。”

其實,醫療人工智能發展到今天,已經有相當多的產品在醫院得到應用,而醫生最關注的還是產品的準確率。但是倪浩卻不這么認為,“系統的敏感性95%、特異性95%,只是把這些數字講出來,你沒有辦法分辨是真的還是假的,因為他也沒有講這個數字是在哪一個數據集上面測出來的,因為沒有一個公開的數據集可以檢測這件事情,有公開數據集可能又被算法針對性地優化掉了,所以這種數字就不要去相信。”

作為一個醫療人工智能行業的從業者,倪浩對于行業的現狀深有感觸。他用三句話概括:

第一句話:“僅談算法是外行的表現,內行的人都談標準”。

現在算法就已經一樣了,但是靠算法去保持你的先進性就是沒有入門的表現。算法不是核心競爭力,最核心的競爭力是怎么應用算法,怎么樣才能夠用好是基于對數據的理解。

第二句話:“醫生大腦里的知識是非常寶貴的,但想挖掘很困難。”

今天大家講醫療人工智能靠專家+算法+數據,我認為持這個觀點的人已經很落后了,今天ag旗艦廳最重要的事情是怎么把醫生大腦里面的這些知識挖出來,這些知識需要很強的實踐探索。怎樣挖出醫生腦子里面真正的知識是非常關鍵的。ag旗艦廳甚至直接聘請了幾個醫生專職到ag旗艦廳公司來。

第三句話:“對數據理解的深度,決定了一個AI能夠走多遠。”

對數據的理解,本質上是反映了對場景的理解深度。比如大家都在做肺結節,但是我相信把肺結節的使用場景用到體檢門診是不一樣的,這個門診應用跟專科醫院應用是不一樣的。他們關注的點是很不一樣的,檢出這件事情對別人有價值嗎?沒有價值。對于腫瘤醫院有價值嗎?完全沒有價值。那有價值的是什么呢?腫瘤醫院有可能關心的是你這個是原發的還是激發的。

以下是倪浩的演講內容實錄,雷鋒網做了不改變原意的編輯:

倪浩:我在阿里云一共待了8年,離開阿里之后開始做人工智能醫療,今天很高興能夠以合作伙伴的身份回到云棲大會。

云計算大數據已經為社會積累了非常好的基礎設施,無論在技術能力上,還是數據積累上,已經使得很多行業具備發展更進一步的智能應用的土壤。我當時選擇醫療方向,跟我的背景有一點關系,我本科學醫,學得太差了,后來就去學計算機,發現計算機是真的太簡單了。現在回過頭來,這么困難的醫學問題能不能用計算機的方式去解決?又該從哪里做起?

2016年ag旗艦廳開始做的時候,人工智能在醫療領域不是那么火,最火的是什么呢?移動醫療。90%移動醫療業務是非常的不靠譜,為什么呢?因為現在的西方醫學體系建立在生物、化學等基礎學科的發展基礎之上,那么移動醫療想跳過醫院所擁有的這些基礎設施去給病人做進一步的診斷是完全不現實的。我當時就覺得如果要做醫療人工智能,那一定要跟真正擁有醫療資源的人合作——醫院。所以去年開始ag旗艦廳公司的方向就定位在服務于醫院的人工智能。

ag旗艦廳公司是2012年成立,專注于人工智能,2016年成立了ag旗艦廳醫療子公司。浙江省人民醫院、浙江大學醫學院附屬第二醫院、浙江大學附屬第一醫院、浙江省腫瘤醫院、復旦大學附屬腫瘤醫院、廣州市婦女兒童醫療中心、廣州軍區武漢總醫院、武漢大學中南醫院、上海市同濟大學附屬同濟醫院等頂級三甲醫院,都是ag旗艦廳的客戶。

屬于中國醫療人工智能的 “世界級挑戰與機遇 

人工智能發展兩起兩落,那么為什么這一回ag旗艦廳相信能夠成功,且愿意做這個投入呢?之前人工智能的發展都是以一個新的算法出現作為基礎,今天的差別在于,算法出來其實不那么新了,最重要的是整個社會一起把基礎打牢了:一個是云計算和大數據的發展,云計算提供了計算能力,大數據推動行業的數據開始集中,人工智能沒有數據什么都沒有;另一個是CPU的發展。

人工智能醫療在中國,今天比起全球來說有極大優勢。一,中國的醫療問題非常大,人口基數非常大,醫療問題非常突出;二,中國的技術人才的儲備非常強,頂級 AI 會議的論文里50%都是由華人發表;三,中國的創業體系在全球非常領先。所以我認為中國的醫療人工智能會是世界的引領者。

我剛開始做這件事情的時候,跟美國的國內衛生研究院NH的一個首席科學家交流,他認識美國一個最頂級的影像科醫生,這個人應當是全世界片子最多的一個人,經驗非常豐富,一周要看100多個病人的片子。各位看一下,ag旗艦廳中國80%的影像科醫生,一天要看100多個人的片子,數據積累的差異非常大。比起國外,中國今天在醫療領域創新的心態更開放,而ag旗艦廳合作過這些醫院后發現,越頂級的專家對于人工智能的態度就越開放、越擁抱,所以ag旗艦廳剛開始其實找過一些普通醫院,也找過一些頂級醫院,最后發現頂級醫院的專家態度更加開放,所以從頂級醫院開始合作。

接下來給大家分享一下ag旗艦廳的系統。

中國醫療人工智能現在最熱門的影像,影像里面最熱門的是肺結節,有比較多的因素導致這個點。ag旗艦廳做的這個產品非常好,在今年3月份就被央視報道,因為當時ag旗艦廳的產品在醫院臨床路徑里面用了起來。在胸部CT智能輔助診斷系統上,公開數據集這件事算是ag旗艦廳的一個教訓,公開數據集可以讓你起步,但不能讓你進入臨床,就是公開數據集可以讓你做出一個demo出來,但是不可能讓你做出一個能夠進入到生產系統的產品,差得非常非常遠。不管是誰的公開數據集,今天能cover的臨床產品是非常非常小的一部分,都是一個特定的小場景。當你到臨床領域之后,現實分分鐘教你做人,有非常非常多的不認識的東西出來,你會發現光病灶可以分成十幾種出來,在 CT 里面表現更復雜。公開數據集只能讓你找出一種,差別非常大,所以只有非常踏實地自己去摸整個場景。

場景至上,這個場景里面有哪些復雜的問題,多跟醫生一起做,千萬不要躲在實驗室里面去做。很多人在講,今天我這個系統的敏感性95%、特異性95%,只是把這些數字講出來,你沒有辦法分辨是真的還是假的,因為他也沒有講這個數字是在哪一個數據集上面測出來的,因為沒有一個公開的數據集可以檢測這件事情,有公開數據集可能又被算法針對性地優化掉了,所以這種數字就不要去相信了。ag旗艦廳今天去講的時候,是基于ag旗艦廳這個系統用在醫院的臨床路徑里面,90%自動生成的診斷報告被醫生直接使用,這代表系統對于臨床的適應性,代表了它到底給臨床帶來多大價值。

今天人工智能帶給醫療影像領域的一個真正變化是什么?原有的醫療影像是基于形態的非量化觀測,這是醫生工作的邏輯,他要完成的任務是病灶檢出與診斷。今天放射科醫生已經被逼到變化的一個點上去了,比如腫瘤的治療使得原來基于形態學的非量化觀測,已經遠遠滿足不了臨床需求,今天臨床要求你去做疾病分析、去參與治療方案、去對愈后效果進行評估,所以需要放射科醫生從原有的方式變成一個基于高維特征、量化評估,讓影像在臨床路徑里發揮更大價值。

今天,中華醫學會放射學年會在上海召開,ag旗艦廳在中放有個專場。金征宇教授就是北京協和醫院的放射科主任,他覺得影像科往后有兩個出路,一個是跟臨床結合,另外一個是跟病例結合,精標準化,從影像數據里挖掘更大的價值點出來。今天可能滿世界都是病例,病例能夠訓練大家入門,能夠讓大家知道這個做人工智能醫療有多么深的坑,然后把這個東西做通了,后面的東西也可能比較容易就能夠走通了。你可以基于這個產品建立你的醫學研發鏈路,這還是挺make  sense的。下面我再給大家介紹一下ag旗艦廳跟浙江大學醫學院附屬兒童醫院一起做的兒童骨齡輔助診斷系統。

以前醫生對骨齡的診斷基本上精確到1歲,今天ag旗艦廳做這個系統之后精確到一個月左右。骨齡可能大家了解不太多,不像肺結節這么容易理解。骨齡主要用來評估青少年發育情況,看看發育有沒有異常,矮小癥、性早熟,實際上是家長非常關心的問題。以前是醫生看圖譜,這個圖譜主觀性非常強,不同醫生看出來的差異非常大。以前還有一種比較好的這個評估方式叫TW3,在中國其實也有人在做這樣的東西,但是沒有人工智能的時候他要怎么做?他要把手掌上的十幾根骨頭評級,代入到一個很麻煩的公式算出來,ag旗艦廳跟浙兒保的傅君芬院長一起合作,她說以前有一個軟件幫她去算公式的情況下,算一個精準的骨齡出來要15分鐘。今天ag旗艦廳做到了2秒鐘,這不是值得自豪的,因為人工智能必須是2秒鐘出結果的。但是我覺得比較了不起的事情是什么呢?就是ag旗艦廳這個合作不是只做一個軟件用智能讀里面的公式,ag旗艦廳的目的是一起去建立中國骨齡的新標準。原來骨齡的評估方式是歐洲人基于白人小孩評估出來的,中國有一個改良版,沒有完全改良,數據樣本也非常小。到今天,整個社會發生了很大的變化,人的生活水平比之前提高了很多,所以必須制定新的骨齡標準。我覺得這個標準很可能是一個人工智能的算法的標準,有可能還是會產生一個圖譜,但是這個圖譜也只是一個輔助,讓人去理解。未來醫生可能根本不需要去理解這個標準,這就是一個算法,這個算法經過各種臨床的驗證,已經足夠準確了,有一個圖譜只是幫助你理解。

醫療人工智能領域今天在圖像這個方向是被大家充分認可的,只是覺得這個事情是時間點的問題,沒有人懷疑說這個圖像走向人工智能化會有一個多大的瓶頸。當然我還是覺得有可能低估了一點這件事情,畢竟整個放射科,再包含超聲、病歷、眼底疾病等一系列領域,每一個領域都有其復雜度,我覺得沒有那么簡單。

其實大家意識到了臨床的科室在醫院里邊,放射科只有一個,臨床的科室更多,一個醫院幾十個臨床的科室很正常,所以ag旗艦廳開始在基于臨床科室內部做一些工作,ag旗艦廳做什么呢?ag旗艦廳剛開始是在兒科領域,基于電子病歷系統、基于電子病歷的數據去做兒科的輔助診斷。這是一個非常非常早的系統,最早是去年10月份的時候,今天變化比較大,ag旗艦廳跟廣東省兒童婦幼保健院一起做了一個叫“咪姆熊”的兒科電子病歷輔助診斷系統。這個系統的關鍵點不在于輸入一個病歷后能夠給你看出一個什么樣子的結果,這個產品應用在醫院用的自檢,自檢可能對于這個場景是有需求的。今天其實很多好的醫生跟普通醫生之間的差距,在于他們能夠把問題思考到什么維度,能夠問出多少問題出來,比如說門診場景,能夠去問病人多少問題,有沒有精確地把該問的問出來。ag旗艦廳在這個產品里面做了一個核心的功能叫“問診”,而不是說把病歷數據讀了之后,只是給出一個診斷的結果出來。這個產品很快ag旗艦廳會把它再推廣,推向更多醫院使用。

另外我覺得為醫生做科研是很有價值的一件事情,這本質上是在幫醫生去探索一些新疆界,所以ag旗艦廳把一些機器學習算法直接集成到了科研的平臺里面去,幫助醫生去自動處理數據甚至是醫生的筆錄。一是數據要結構化,醫生寫的很多自由文本要固化,把它變成可以被使用的類似于數據庫的一個東西;二要處理數據里的醫學概念,比如說肺癌,它有分小細胞癌、非小細胞癌,每種都有不同的說法,有一個層級這樣的一個關系出來。不同的醫院說法也不一樣,不同的醫生說法可能也不一樣,肝硬變同樣一件事情,不同的醫院說法也不一樣,那么你想使用這些數據,定義這件事情是要把這些數據統一起來,這件事情不能靠人去整理,這件事情同樣用機器去做,讓機器去學習什么樣子的詞是同一個意思。很重要的兩個基礎場景,不把這兩個事情做完,結構化數據化做完,基本上臨床沒有辦法應用。

醫療人工智能的三個層次

第一個層次是幫助醫生去解決重復性問題,醫生能做,但是他會因為一些原因發揮的不穩定,或者因為一些經驗不夠這個,不夠,比起一些老專家不夠那么好,那么這是機器擅長做的,像骨齡這樣子的事情,看的多了,那么準確度就高了,機器今天很擅長做這個事情,人只要能做,他很快就能夠學會,并且數據量也大,那么他很快的就能夠學的很好。

第二個層次是幫助醫生去聘請人工智能的專家顧問組,就像輔助診斷,讓專家的思維邏輯擺在你的眼前,當一個醫生去給患者去做診斷的時候,有一個專家顧問在邊上告訴他,你該問什么樣的問題,告訴他某一個醫學文獻里面講過你這樣的case,告訴歷史上已經有一個專家診斷出跟你相似度達到98%的一個case,你可以拿來參考。這是比較復合地幫助普通醫生去提升的。

第三個層次是幫助醫學專家去拓展新的醫學疆界,幫助不少醫生去做課題,幫助他去發現一些疾病原來可能沒有辦法去處理的,不同的特征之間的關聯性到底有多大。今天你幫他把基礎設施建立好了,他原來可能要用三個月時間做一次科研,挑選病例、隨訪、把想要的病人挑出來,找到之間的關系去分析規律;而ag旗艦廳科研平臺上就是十分鐘,我覺得這個是真的在幫助醫生去發現醫學領域新疆界。

ag旗艦廳怎么看醫療人工智能行業現狀

從去年到今年,中國至少有50家以上的人工智能公司被新創立出來,ag旗艦廳也碰到了一些對手,我覺得這對于整個行業來說是一個非常健康的狀態。但是今天醫療領域跟其它領域又有很大的不一樣,所以就會存在一個情況,把其它領域的一些經驗遷移到醫療領域去,很可能是非常不合適的。

我有幾句話。

第一句話:“僅談算法是外行的表現,內行的人都談標準”。

不知道你們有沒有共鳴,ag旗艦廳會碰到很多人不管是圈內的人,圈外的人,醫生,工人,他們都會問我,算法這個東西未來一定是趨同的,我說不是未來趨同,現在就已經一樣了,大家都是有這個算法的,但是靠算法去保持你的先進性就是沒有入門的表現。連算法都不會用的人就不談了,會用算法的時候,那么這個算法不是你的核心競爭力,最核心的競爭力是怎么應用算法。舉一個例子,大家都買一把菜刀,五星級酒店大廚跟一星級酒店大廚切出來的土豆絲是不一樣的。怎么去用這個算法才是最關鍵的,怎么樣才能夠用好是基于對數據的理解。

第二句話:“醫生大腦里的知識是非常寶貴的,但想挖掘很困難。”

今天大家講,醫療人工智能靠專家+算法+數據,我認為持這個觀點的人已經很落后了,今天ag旗艦廳最重要的事情是怎么把醫生大腦里面的這些知識挖出來,這些知識需要很強的實踐探索。ag旗艦廳都是知識上專注的人,但是一天兩天讓我把自身最精華的東西、這個行業里面最深的理解寫出來,根本沒有價值;你沒有辦法去挖掘醫生腦子里面的東西的時候,你就沒有辦法真正打開應用系統,你的數據也不可能得到很好的訓練,所以怎樣挖出醫生腦子里面真正的知識是非常關鍵的。ag旗艦廳在這件事情上花了非常非常多的時間,甚至直接聘請了幾個醫生專職到ag旗艦廳公司來。

這里面每一個事情都不一樣,比如說做影像挖掘的方式是不一樣的,做電子病歷挖掘的方式又是另外一種,有的可能是關注診斷的一些特征,有的可能是關注一些更加宏觀的東西,這要求在每一個方向上比較深入探索。

第三句話:“對數據理解的深度,決定了一個AI能夠走多遠。”

對數據的理解,本質上是反映了你對場景的理解深度。比如大家都在做肺結節,但是我相信今天能夠把肺結節的使用場景用到體檢門診是不一樣的,這個門診應用跟專科醫院應用,比如說腫瘤醫院又是不一樣的。他們關注的點是很不一樣的,檢出這件事情對別人有價值嗎?沒有價值。對于腫瘤醫院有價值嗎?完全沒有價值。那有價值的是什么呢?比如腫瘤醫院有可能關心的是,你這個是原發的還是激發的。

醫療 AI 發展的挑戰 

第一點,意識上障礙: AI 醫療 vs 醫療 AI , AI 公司 vs 醫療公司 

做人工智能公司,ag旗艦廳經歷了一個很長的過程認知到,ag旗艦廳到底是一家什么樣的公司,ag旗艦廳是一家人工智能的公司還是一家醫療公司。這一點對于你的戰略,對于你的策略都有很大的不同,有人之前問,到底是AI+醫療還是醫療+AI,至少是說今天是把你自己當成 AI 公司還是醫療公司。ag旗艦廳醫療今天把自己當成是一家醫療公司,核心競爭力是 AI ,在這個定位下我建立了很大的醫生團隊,包含很多全職醫生,也包含了很多兼職醫生。這個醫療公司比以前的醫療公司還要深刻,是因為ag旗艦廳今天做的東西是要重構臨床工作流,所以對于臨床工作流沒有一個非常深刻的認知是不可能做到這一點的,你做人工智能永遠只是做一個科室級的,做一個工具而已。

第二點,缺乏行業的協同:數據的標準,臨床路徑的標準,效果評估的標準 

這個行業處于比較早的階段,缺乏標準,當然現在讓國家出臺標準我覺得也不是好事情,但是ag旗艦廳要在這個行業里一起去發展一些標準出來:數據的標準,臨床工作流的標準,效果評估的標準。

一是數據的標準,今天的數據不一致性是非常可怕的,影像是標準化最好的一批數據,但是不同醫院還是差別很大,比如肺結節這件事情,低劑量CT層厚不一樣,劑量也不一樣,最后反映出來的這個維度都不一樣。數據不標準,對于很多公司來說是一個很大的資源浪費,得花很多的算法來處理這個事情。

二是臨床工作流標準,這關乎跟醫生之間的關系、能否回答醫生的問題。未來這個東西到底會不會替代醫生?它當然不會替代醫生,但是在臨床工作流,今天到底是扮演一個什么樣的角色?

三是效果評估的標準,用在臨床工作流中怎么樣才叫對臨床產生到了真正的價值。

第三點,宏觀政策:用互聯網思維做醫療AI面臨的挑戰 

在政府監管層面,ag旗艦廳作為從業者已經感受到了比較大的痛點。

第一個點叫 AI 的整合。今天做人工智能的基本上就老老實實去申請三級證,二級證都不要申請,然后三級證的時間是兩年,就是說兩年時間你才能拿到這個證,才能夠真正大規模鋪開到醫院去。這個跟互聯網思維是完全不一樣的。

第二個點是收費項。能不能從病人身上收到錢,如果沒有,對于醫院是一個成本項,他怎么辦?我想聽聽龔院長的一些分享,這方面有沒有一些看法,我覺得這個是這行業需要繼續探索的。

醫療這個行業是一個得能夠沉下心來做的行業,沒有五年,不做好五年燒錢的準備,不要去做這件事情,就是五年都出不來這件事情。我不是說五年沒有產品出來,而是說五年,整個行業可能還沒到一個快速發展、能夠規模復制的階段。未來前景還是非常美好的,人工智能一定會成為醫院的基礎設施,所以也期待各位同行跟ag旗艦廳的醫院客戶能夠一起努力把人工智能真的構建成未來醫院的基礎設施。

我今天就講到這里,謝謝大家。

 

您可以復制這個鏈接分享給其他人:http://vistanita.com/node/303