醫(yī)療人工智能戰(zhàn)火升溫 首個皮膚科人工智能診斷系統(tǒng)上線
2017-05-24 16:17:41 來源：21世紀經(jīng)濟報道 熱度:
在中國棋手柯潔與AlphaGo激戰(zhàn)的同時，醫(yī)療人工智能亦戰(zhàn)火不斷。
日前，丁香園、中南大學湘雅二醫(yī)院（以下簡稱“湘雅二院”）和大拿科技共同宣布就皮膚病人工智能輔助診斷達成獨家戰(zhàn)略合作，并發(fā)布了國內(nèi)首個“皮膚病人工智能輔助診斷系統(tǒng)”。據(jù)悉，該系統(tǒng)第一期主要實現(xiàn)以紅斑狼瘡為代表的皮膚病人工智能輔助診斷，下一步將“滲透”到其他醫(yī)療機構(gòu)，并將開放患者端服務。
“人工智能技術(shù)的快速發(fā)展使得其產(chǎn)業(yè)化成為可能，我們認為最佳應用領域在醫(yī)療，最大的應用場景在中國，”5月22日，丁香園CEO張進在接受21世紀經(jīng)濟報道記者采訪時表示，“醫(yī)學上很多診斷要依靠形態(tài)學，例如皮膚病、病理科，人工智能的優(yōu)勢在此就得到充分體現(xiàn)。我們訓練一個好的皮膚科醫(yī)生可能要十年，把人工智能引進后，可以大大縮短時間。”
在丁香園入局之前，國內(nèi)外醫(yī)療人工智能領域早已擠滿玩家，資本也正熱逐這一市場。即便如此，因研發(fā)成本高、數(shù)據(jù)獲取難、尚未深入診療核心等因素，醫(yī)療人工智能大規(guī)模應用為時尚早。
輔助診斷
在合作的三方中，湘雅二院擁有皮膚科臨床數(shù)據(jù)資源和臨床專家團隊；大拿科技擁有人工智能技術(shù)團隊和圖像識別模型；丁香園則擅長整合和協(xié)同醫(yī)療行業(yè)資源，參與系統(tǒng)的設計、開發(fā)與運營。
湘雅二院皮膚科主任陸前進指出：“皮膚病的病種將近3000多種，造成皮膚病的因素各種各樣，部分皮膚病的皮疹相似。最近幾年在中南大學的臨床推動下，我們挖掘了大量皮膚病的皮疹以及皮膚病圖片，想借此挖掘其中蘊藏的海量信息和疾病內(nèi)在的規(guī)律。”
大拿科技產(chǎn)品總監(jiān)金路補充道：“目前所知的國外各種人工智能模型、研究都僅僅做了單一病種的診斷。而皮膚病臨床診斷的過程非常復雜，看到皮損以后會想到好幾種皮膚病，然后進一步觀察、檢查、用藥，逐一確定是哪種皮膚病。”
幾個月后，合作有了成果。目前已研發(fā)出的是紅斑狼瘡人工智能輔助診斷模型，該模型對紅斑狼瘡各種亞型及其鑒別診斷疾病能進行有效區(qū)分，識別準確率超過85%。
金路告訴記者，該系統(tǒng)一方面是面向皮膚科醫(yī)生，醫(yī)生通過APP，把圖像傳到系統(tǒng)以后，系統(tǒng)提示最有可能的皮膚病類型，然后建立皮膚病電子百科全書，通過百科全書再去學習，輔助臨床診斷；另一方面是面向患者，系統(tǒng)提供圖片鑒別和導診意見，這一端口暫時還未開放。
資料顯示，系統(tǒng)性紅斑狼瘡是一種慢性自身免疫性疾病，屬于風濕性疾病中的彌漫性結(jié)締組織病，可引起全身多個臟器受累，包括皮膚、關(guān)節(jié)、腎臟、血液等。如何精準診斷系統(tǒng)性紅斑狼瘡，一直是困擾各國科學家的世界醫(yī)學難題。
“不同醫(yī)院、醫(yī)生對這一疾病的診斷精準程度都不同，沒有一個大概的診出率，”陸前進告訴記者，“病因現(xiàn)在還不確定，它是臨床學科里病種最復雜的，臨床異質(zhì)性很大，每個病人的情況可能都不一樣。我們都是按照美國的分類標準來診斷，很難有一個統(tǒng)一的診斷指標。”
而湘雅二院對系統(tǒng)性紅斑狼瘡的診斷研究早有積淀。今年初，陸前進所在的科研團隊經(jīng)過三年研究，開發(fā)出了一種特異性高、敏感性強的系統(tǒng)性紅斑狼瘡新型診斷標志物，在國際上首次將對該疾病的診斷提升到了基因水平。記者獲悉，該研究目前正與深圳一家基因企業(yè)合作，開始進入臨床試驗階段。
“我們是以紅斑狼瘡為切入點，隨著我們臨床數(shù)據(jù)庫擴大，診斷的準確性會提高。接下來肯定會聯(lián)合全國其他醫(yī)院，共同獲取病例數(shù)據(jù)來完善這個系統(tǒng)。最終做出一個最為人工智能的模型，覆蓋更多的皮膚病種。”陸前進說。
產(chǎn)業(yè)尚處“嬰兒期”
獲取更多數(shù)據(jù)是醫(yī)療人工智能企業(yè)不斷釋放的信號。張進直言：“人工智能技術(shù)形成產(chǎn)品，最重要是要有大量高質(zhì)量的數(shù)據(jù)。”
在張進看來，醫(yī)療人工智能核心競爭力主要集中在三方面。首先是人工智能的軟硬件平臺。“能夠出來大量數(shù)據(jù)的硬件平臺需要很高成本，另外，人工智能的開源算法拿到特定領域是沒有辦法使用的，這需要很強的技術(shù)能力作為支撐，研發(fā)獨特的算法。”他說。
金路也向記者指出，“這兩年人工智能不論是框架還是其他，都成熟得非?？?，有很多適合企業(yè)快速上手的訓練框架。但是這種框架只能訓練出一個粗淺的產(chǎn)品，適合做前期嘗試，準確率也根據(jù)各個場景、數(shù)據(jù)量等不同而不同。后期需要基于對人工智能、圖片、皮膚病等理解，對模型本身和算法不斷改進。”
其次是獲取高質(zhì)量的大數(shù)據(jù)。國內(nèi)醫(yī)院在過去信息化程度不高，數(shù)據(jù)雖然多，但相對雜亂，使用難度大。如何找到合適的切入點，并快速獲取數(shù)據(jù)會是一個很高的門檻。
同時，醫(yī)院信息孤島現(xiàn)象長期存在，各個醫(yī)療機構(gòu)的數(shù)據(jù)尚未實現(xiàn)互聯(lián)互通。這一局面則逐步從政策層面迎來破冰。去年6月，國務院公布了《關(guān)于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應用發(fā)展的指導意見》，明確指出健康醫(yī)療大數(shù)據(jù)是國家重要的基礎性戰(zhàn)略資源，需要規(guī)范和推動健康醫(yī)療大數(shù)據(jù)融合共享、開放應用。
“產(chǎn)品做出來之后如何在醫(yī)療系統(tǒng)中落地也是難題，一個醫(yī)院可能有幾十家系統(tǒng)廠商，上百個數(shù)據(jù)接口。我們的產(chǎn)品選擇微信就是因為不需要跟院內(nèi)系統(tǒng)做整合，可以快速投入使用。”金路進一步說。
最后是跨界的人才和整合資源能力。醫(yī)療人工智能需要橫跨醫(yī)療和人工智能的交叉人才，這種人才目前非常稀缺。另外，醫(yī)療數(shù)據(jù)已經(jīng)存在，技術(shù)也已經(jīng)具備，最后要看誰能夠完成整合。
目前來看，有心整合的玩家不少，涵蓋IT界、醫(yī)療界大大小小的企業(yè)。
就在上周，谷歌宣布已嘗試將其面向消費者的機器學習能力應用到醫(yī)療保健領域中。今年谷歌的人工智能算法在乳腺癌診斷上也表現(xiàn)出了很高準確度；蘋果公司最近收購了Lattice，該公司在開發(fā)醫(yī)療應用的算法方面具有很強能力；而在幾個月前，微軟推出了HealthcareNExT計劃，將把人工智能、云計算、研究和行業(yè)合作融合在一起。
“醫(yī)療AI雖然可以規(guī)劃出很多商業(yè)模式，但其實還沒有到談論這個問題的時候，”張進坦言，“我們從一開始做這個事情就沒有任何商業(yè)的考慮，這是一個全新的技術(shù)，只要能幫助醫(yī)生進行更好地繼續(xù)教育，提高他們診療的水平，這個事情就已經(jīng)有價值了。”
責任編輯：黃焱林
透過7件事了解人工智能先驅(qū)馬文·明斯基
哈佛大學研究新人工智能系統(tǒng) 速度媲美人類大腦
Google人工智能攻破了圍棋，然后呢？
中國新能源車的發(fā)展之路 人工智能的勝利