【新智元導讀】四川大學華西醫院與ag旗艦廳醫療合作研發國內首個肺癌臨床科研智能病種庫和全球首個肺癌多學科智能診斷系統,讓人工智能走向臨床科室,也給AI醫療創造了更多想象空間。

AI又對死亡率最高癌癥——肺癌,下手了。

6月15日,四川大學華西醫院與ag旗艦廳醫療合作研發出國內首個肺癌臨床科研智能病種庫(以下簡稱“肺癌病種庫”)和全球首個肺癌多學科智能診斷系統

肺癌病種庫收錄肺癌患者的影像、病理、基因檢測、病歷文本等多維數據,利用AI對數據進行整合。肺癌多學科智能診斷系統則依托病種庫,以臨床指南為指導,并融匯華西醫學專家智慧,實現結節篩查、肺癌全類型病灶診斷覆蓋。

跟目前廣泛存在的AI醫療影像系統不同之處在于,肺癌多學科智能診斷系統綜合多學科臨床信息進行綜合診斷,讓醫療影像走向臨床,也給AI醫療創造了更多想象空間。

不久前,IBM Watson Health裁員50%至70%,讓AI醫療再次受到落地難的質疑。ag旗艦廳醫療總裁倪浩在接受包括新智元在內的媒體專訪時表示,Watson不是AI醫療的代表,不是一流的人工智能公司,裁員對行業來說是好事。

破解三大難題:文本數據轉化、影像提取復雜、數據標準化

肺癌的死亡率有多高?

四川大學華西醫院院長李為民給出以下數據:

肺癌發病人數、死亡人數我國居世界之首,每年肺癌發病人數約83萬,占全國癌癥發病人數的20.5%;
每年肺癌死亡人數約62萬,占全國癌癥發病人數的27.2%,是死亡率最高的癌癥。

對抗肺癌的關鍵是早期診斷和規范治療,其中AI診斷又在早期診斷中不斷發揮作用,研究意義重大。

不過,在AI診斷肺癌過程中,通常面臨以下三個問題:

1、文本數據轉化問題。臨床語言屬于自然語言范疇,同時具備醫學表述所特有的語法結構特點和語義特點,特定醫學實體識別相對容易,全量信息解析提取沒有現成可用的成果。

2、醫療影像提取復雜度問題。醫療影像數據屬于典型的“高維數據”,內容豐富但提取復雜,若使用人工判讀,工作量和一致性極差,無法進行萬量級大數據處理,若基于報告進行提取,會遺漏大量信息。

3、數據標準化問題。在術語使用、描述方式等多層面,臨床數據要完成徹底的標準化,才能成為高質量數據,臨床工作強度高,部分數據存在描述不完整設置表述錯誤的情況,質量治理工作復雜。

針對上述三個問題,ag旗艦廳醫療分別給出三個應對措施:

1、結合醫學術語本體構建技術與自然語義理解技術,自主研發醫學語義解析算法,實現全量醫學信息提取。

比如,醫生給出如下診斷,肺癌病種庫會將其分為信息抽取邏輯和信息抽取網絡架構。(下圖)

左肺上葉中分化腺癌(乳頭型腺癌+粘液腺癌)。侵及臟層胸膜,周圍肺呈慢性炎改變伴灶區碳末沉積,免疫組化示腺癌細胞:ALK-V(+,建議FISH檢測)。

這樣的效果是臨床信息覆蓋度超過95%,重要信息覆蓋度超過99.5%;自動化提取正確率98%,人工審核后綜合正確率達到99.3%。

2、自主研發基于深度神經網絡的影像結構化提取模型,覆蓋病灶類型、病灶大小、解剖學位置、影像學征象等影像診斷的核心內容,實現病灶倍增時間自動計算與提取,進一步實現影像的高維信息提取。

隨著時間的推移,病灶的大小和位置都會有變化,ag旗艦廳通過深度學習,把肺的葉和段分割成3D模型,再判斷病灶的位置和大小。

3、對于數據標準化問題,ag旗艦廳聯合四川大學華西醫院基于本體構建方法,建設中文醫學術語庫,文本結構化提取模型融合術語庫,實現表述歸一化;并建立精細化質量控制模型,基于邏輯推理實現錯誤糾正。

李為民介紹,通過上述手段,肺癌病種庫完成2。8萬例肺癌患者全周期數據跨系統集成,容納超百萬份臨床文檔與報告,超過千萬份原始醫學圖像。

醫療影像走向臨床,算法將頂級專家的知識和經驗下沉

建設全球頂級肺癌病種庫是ag旗艦廳醫療與華西醫院的合作的第一步,兩者合作的路徑是:

人工智能研究及成果轉化→臨床多中心實驗→制定精準化肺癌早篩專家共識,最終讓醫療影像走向臨床科室。

在肺癌診斷層面上,ag旗艦廳醫療總裁倪浩有三代定義。

第一代是大家熟悉的基于影像的病灶檢出和測量。

第二代是對于病灶描述的細致的程度。第一代和第二代在整個人工智能的發展的階段其實還處于非常早期的階段,ag旗艦廳與華西醫院一起合作的間接診斷和決策產品,倪浩將其定義為第三代。

與目前廣泛存在的AI醫療影像系統不同,肺癌多學科智能診斷系統跨越了影像,把臨床的各種各樣的數據集合到系統里面來,能夠做到多學科的綜合診斷。系統幫助的對象也不止是放射科的醫生,還覆蓋到臨床的醫生,為他們提供臨床上更加有價值的建議和更加有價值的結論。

第一,實現以患者為中心的個性化的基于基因組的診斷和檢測,為臨床的醫生打造一個多學科的智能的決策的系統;第二,能夠突破現行科室的限制,其讓患者享受專家級MDT團隊服務;第三,算法將頂級醫院的數據和專家的知識集成到系統里面,將頂級專家的知識和經驗下沉,最后推廣到基層醫院里面,讓全國各級醫院都能夠受益。

此外,倪浩還曝光了ag旗艦廳醫療的產品矩陣。

倪浩:IBMWatson不是一流的人工智能公司,完全不能代表醫療人工智能產業

在“華西醫院&ag旗艦廳醫療”肺癌人工智能成果發布會后,倪浩接受了包括新智元在內的媒體專訪,被問及IBMWatson醫療部門裁員、ag旗艦廳醫療的商業模式等問題。

問:不久前,IBMWatsonHealth裁員50%至70%,其中一個重要的原因就是它很難實現商業變現,您怎么看待這個問題?

倪浩:我的一個非常明確的觀點:沃森從來都不是人工智能或者是醫療人工智能行業的代表,在ag旗艦廳看來它不是一流的人工智能公司。在美國,沃森從來沒有招到過頂級的人才,沃森之前一直在用IBM的一些市場上和品牌上的優勢,然后去在炒作一個概念,這次它出了問題其實對于整個行業是好事情,就是把一些渾水摸魚的人清理走。

中國以前不少人對人工智能的認識不到位,覺得IBM做出來的東西肯定是好的,但并非如此。其實對于沃森這件事情,它完全不能代表醫療人工智能產業,ag旗艦廳是以比較積極的眼光看待它出的這些問題的。

問:ag旗艦廳有沒有想過與華西醫院合作,未來形成怎樣的商業模式?

倪浩:ag旗艦廳做某一個方向,明確它有足夠大的商業空間、通過什么方式來明確,這是非常考驗ag旗艦廳的戰略眼光。

現在在解決的這個問題是一個革命性的東西嗎?這個東西如果不是一個革命性東西,它有沒有真正的去解決一個痛點,而不是一個癢點?很多人會搞不清楚痛點和癢點的差別,癢點是沒有商業化前景的,痛點才有商業化前景。所以其實在ag旗艦廳看來,只要痛點足夠明確,而且是在增長而不是萎縮的一個市場,這個市場就會越來越大。

得肺癌的人一年幾十萬,其實很少,但是屬于應該要去篩查范圍的人很多,而且國家的鼓勵政策下來之后,醫院接不住,數量可能是幾十倍的翻上去。醫院是接不住的,所以可以判斷是有一個明確的市場空間。

其實我覺得今天也不用算投入產出比,因為醫療行業本身它的特點就是周期長,然后做一個產品要拿證,把這個產品再改一遍,你還要重新再去申請一遍證,很多公司沒有這個能力能夠這樣做下去的。其實去年已經倒掉一批人工智能公司,對于ag旗艦廳來說,確定它有明確的前景之后,其實ag旗艦廳不會太算細的賬,你做到業內最好的,首先是能夠活下去,然后再說是不是能變得偉大這件事情。

問:包括Google、DeepMind等大量的公司都在把人工智能應用放在早期疾病的篩查和識別上,但實際上人工智能面臨一個不透明性的問題,特別是一旦在醫療中幫助決策,如果是不可追溯和解釋的,這個東西會變得非常麻煩,我不知道你們在這方面有些什么樣的準備和計劃?

倪浩:確實目前基于深度學習技術建立的模型本身是不可解釋的。但是其實ag旗艦廳在產品的層面上做了一些可解釋性,也就是說為什么我今天告訴醫生說,我覺得這個病灶是一個惡性的,惡性概率有99%,那我為什么給了你這么一個結論?我會給你證據,ag旗艦廳做了很多的模型,為了讓他去接受這個99%是合理的。

您可以復制這個鏈接分享給其他人:http://vistanita.com/node/389