0
| 本文作者： 李雨晨 | 2019-04-03 18:21 |
雷鋒網消息，4月1日，2019國際醫學人工智能論壇暨ITU與WHO健康醫療人工智能焦點組會議在上海舉辦。在醫學人工智能新技術創新環節，百度AI創新業務部高級總監、智慧醫療總經理黃艷發表了演講。
百度靈醫是百度旗下的AI醫療品牌。2018年4月，AI創新業務部成立，隸屬于百度AIG事業群（人工智能事業群），同年6月開始做醫療影像。2018年11月1日，百度靈醫品牌正式發布，百度CEO李彥宏在百度世界大會介紹了AI眼底篩查一體機，同時向貧困縣發起500臺的公益捐贈計劃。
作為百度醫療的負責人，黃艷在演講中表示，在線上化、智慧化和云化這三大趨勢的有力支撐下，醫療生態將從以醫院為中心變成以患者為中心，從重視治療轉變為重視健康管理，整個醫療生態也將發生脫胎換骨式的升級。
黃艷介紹，百度靈醫已在基層篩查、臨床輔助決策、讓醫療數據“條理化”三大方面實現廣泛應用，并取得階段性成果。
以下為黃艷的現場演講內容，雷鋒網作了不改變原意的編輯及整理：
黃艷：各位尊敬的領導、各位嘉賓，大家中午好。我是來自于百度的黃艷，我負責百度的智慧醫療業務。今天我想和大家探討的主題，是“AI賦能醫療新時代”。
從全球來看，通過三組數據來看一看今天全球人類健康面臨的巨大挑戰。老齡化的問題，2017年全球60歲以上的老齡人口已經達到了10億，占比超過了13%，距離“深度老齡化社會”僅一步之遙。老齡化其實還在不斷的擴大，到2030年、我們預測60歲以上的老齡人口會達到14億，占比會超過16%。
從人均醫療資源的角度，美國每萬人擁有的醫生量是24.5名，而印度的這一數據是7.0名，遠低于美國的數據。區域的醫療資源差異是非常巨大的，醫療負擔非常重，醫療支出占美國人均收入支出占比17%，而在印度這個數據是每年75美金，只有美國的不到1%。
如果我們再看看中國的數據，到2030年60歲以上的老年人口將占中國人口比例的1/4，將進入“超級老齡化時代”，這必將帶來對于疾病的一些新的挑戰。中國萬人醫生擁有數是14.9，遠低于發達國家的水平。中國人均醫療支出占比11%，對于發展中國家來說醫療負擔是非常重的。
除了人均資源少、人均支出高之外，中國的醫療還面臨著一個非常大的問題，就是醫療資源的結構性失衡的問題。剛剛很多專家也都指出：在中國三甲醫院人滿為患，但是基層人員卻門可羅雀。我們從數據上來看，中國的三級醫院數量占醫院總數8%，但是卻承擔了四成診療和住院人次的重任。三級醫院在超負荷運轉，基層醫療資源沒有得到充分發揮、被閑置。
在這樣的情況下，用技術來解決行業的問題變得尤為重要，當然這背后有很多的原因，從供給方的角度有藥的原因，也有醫生能力的原因。從需求端的角度，也有患者對于基層醫院不信任的原因。所有的這些原因交織在一起，形成了一個非常矛盾的共生體。
雖然我們說“人均資源不夠、人均成本非常高”，但是其實我們也是看到現在很多的這些因素都在發生一些積極的變化，都在試圖去改變這樣的一個問題，試圖去達到供需平衡。2018年中國政府相繼出臺了互聯網醫療、電子病歷評級、AI醫療準入標準等諸多政策，也在分級診療上不斷的強化，這都給市場的良性發展帶來非常好的政策基礎。
醫院在醫改的背景下，謀求轉型、開放探索，一些大醫院嘗試“線上問診”模式。我們也看到以“城市”為單位的互聯網醫院在逐步的出現。從患者的角度來說，患者的人均收入在不斷提高，患者的健康管理意識也在不斷的加強。所以從需求方的角度，這樣的需求也在不斷的得到釋放。
我們來看“技術”。互聯網技術、人工智能技術、大數據技術都在不斷的進入到醫療行業，給醫療行業的變化帶來了技術的支撐。所以這些因素交織在一起，我們認為它指向了一個醫療的新生態。我們認為相比于現在的醫療生態，未來的醫療生態將會發生改變，未來的醫療生態會有兩個非常重要的特征：
第一個特征，是將會從以醫院為中心轉變為以患者為中心。第二個特點是會從重視治療，轉變成為重視健康管理。
而這樣的兩個重要特征之后，是由三個重要的趨勢所支撐的——線上化、智慧化、云化。
首先，患者未來將能夠非常便捷的在線上獲得常見病的“線上問診”服務。當他需要檢查的時候，才需要到線下醫院。這樣線上線下一體化的就醫體驗，將會得到塑造。
其次，AI將成為醫生的助手，成為患者的助手，將成為醫院的助手，它將能夠幫助優化醫療資源的分配，提升醫療服務的質量和效率。
第三，患者的全生命健康周期數據將會在“云端”進行打通，健康管理會變成一個非常重要的環節，變治療為預防。這樣AI的技術和大數據的技術，就能夠為患者提供主動的健康管理服務。相比現在的這種被動服務，就會提升了一個層次。
在這樣的未來醫療新生態下，患者的需求會被重視，我們相信醫療行業的各個環節也會實現脫胎換骨的變化。毋庸置疑，在這樣的變化中，人工智能所承載的智慧化將會承擔非常重要的作用，它會對醫療行業的各個參與者、各個環節都帶來全面的能力提升。
對于患者而言，我們通過可穿戴設備等數據采集的方式，能夠讓AI精準的去預測、去描繪一個患者的健康畫像，從而成為患者的貼身醫療助理。
對于醫生而言，我們可以幫助醫生進行全方面的輔助，包括：診前的智能分導診、智能篩查，手術中的機器人等。整個醫療行業的優質資源缺乏的問題可以得到極大的緩解。
對于政府而言，我們可以從流行病的監測、預測方面，幫助政府去降低疾病防控的成本。
對于醫院而言，AI可以幫助去提升醫院的運轉效率。
對于藥企、對于保險而言，AI能夠提供的能力提升也是多方位的。
我們堅信AI醫療一定會到來，但是由于醫療行業本身具有極高的嚴謹性和專業性，所以在這個過程中一定會對AI的研發和AI的落地帶來非常大的挑戰。
這里“挑戰”一方面是來自于數據，包括：數據的體量、數據的質量、數據的標準化、數據的結構化，數據的安全隱私怎么得到保護。
另一方面的挑戰，來自于算法。算法怎么樣能夠進行醫療行業的適配化，算法需要有非常高的準確性和魯棒性，算法需要可被解釋。這和AI在其它行業的應用中，通過黑盒的算法給出一個不可解釋的結果是并不一樣的，因為這并不遵循醫療行業循證這樣的一個理念。
所以我們說AI的研發和落地，其實要做到并不是很難，有很多種方法可以去做到，但是如果要做好卻困難重重。所有的這些挑戰和困難，都指向了對于很強大的AI技術積累的需求。而百度作為全球領先的人工智能技術公司，我們在人工智能技術的研發方面，有著最長時間的積淀，有著最完整的技術棧，這也為我們為AI醫療可靠落地提供了堅實的保障。
百度在醫療行業的幾個實踐：
一、基層篩查：疾病防控從“治療”到“預防”
國家在疾病的預防上投入了非常多的資源，比如：糖網的防篩工程。如果我們以眼底篩查為例，研究表明40歲以上的人群是眼底疾病高發人群。這些人群需要定期的進行眼底的拍照和篩查，極早的進行防控，致盲率就可以大大降低。
中國有6.6億眼底疾病風險疾病人群，但是只有3.6萬專業眼科醫生，這里面能夠識別眼底照片的醫生數量更少。如果這個數據放在基層，它會表現的更為嚴峻。全球數據也并不樂觀，全球有26.5億眼疾風險人員，僅有21萬專業眼科醫生。
我們打造了“AI眼底篩查一體機”，用AI方式學習權威眼科專家標注的“眼底影像數據”。目前我們已經可以針對糖尿病視網膜病變、青光眼等多種進行篩查功能，將這樣的能力植入到“眼底像機”設備，準確率可以達到94%。當患者進行眼底拍照后，我們的系統10秒鐘就能夠輸出一個篩查報告，我們通過這個報告的形式呈現出來AI是為什么做出這樣的一個判斷，讓我們的報告結果是可解釋的。
百度的CEO李彥宏先生在2018年11月“百度世界大會”上宣布了“500臺AI眼底篩查一體機”公益捐贈計劃，希望在中國最偏遠、貧窮的地方，這些患者也能夠接受到好的醫療服務。
二、臨床輔助決策
由于能力和經驗的限制，中國基層醫生在實踐的過程中有誤診和漏診的風險。我們打造這樣一款產品的目的，實際上也是為了讓基層的醫生在他們的工作過程中擁有隨時可以調用、專業而且準確的醫療助手。在這款產品背后，有著非常強大的技術框架支持。我們從學習權威的書籍、藥典、三甲醫院的病例數據等，向上層夯實知識圖譜基礎。在這里處理了上億級別的異構數據和知識圖譜關聯關系，覆蓋了千萬量級的醫學實體。
再往上一層，通過深度學習、多層貝葉斯網絡的決策支持基礎，打造決策支持能力，并且通過產品化的方式對外去輸出。現在我們的產品已經可以去支持輔助診斷、輔助診療方案、臨床指控、相似病例等多種功能，這些功能還在不斷的被完善，讓它能夠被臨床醫生更容易、更方便的使用。
（圖-這是醫療知識圖譜小角落，支氣管哮喘是小領域疾病。我們通過一個自動化的平臺，來對醫療的實體進行自動的挖掘、自動的驗證和自動的歸一。同時我們通過條件、概率等關系屬性的挖掘技術，讓我們的知識構建的方法、知識構建的結果能夠精準而不冗余。）
目前我們的這個產品已經覆蓋了27個科室，超過了4000種疾病。在常見疾病方面TOP3疾病推薦準確率達到了95%，同時通過循證算法使得這個結果可解釋，讓醫生在使用的時候有據可依。這樣的一個產品是進入到了醫生平時工作的流程中，醫生使用起來非常便捷，可以獲得實時的決策輔助。我們打造這樣的產品不是取代醫生和患者之間的溝通交流，只是讓我們的基層醫生能夠站在巨人的肩膀上面隨時的學習和掌握優秀的診療經驗，從而來完成基層醫療的重任。
三、對于醫療數據結構化，讓醫療數據變得“有條理”
屏幕左方是真實的病例數據，在這樣的病例數據、文本里面，很多有效信息散落在病例各個角落，我們通過技術手段對于這樣的病例進行三層次的自動化梳理、自動化理解、自動化抽取。
首先，時間的維度。比如：我們這里可以識別出來九個月之前可以識別出來2019年3月3號這樣的時間標簽，這就代表了疾病的一個發展過程。
其次是醫學實體的識別和歸一。這里的包括：癥狀、體癥檢查等。我們可以識別出來“肺部哮鳴音、哮喘”，并且可以規劃成標準的名方法——支氣管哮喘。
最后是對醫學實體屬性的處理。在這塊病例里面，我們會看到它描述到病人入院的時候出現了嚴重氣短的情況，我們識別出來“氣短”癥狀程度屬性是嚴重。另一個例子，在這個病例里面描述了患者無發熱、無咯血，我們對這個識別出來屬性是陰性。這樣梳理，讓病例變得真正可結構化、真正可計算，而這背后是百度強大的自然語言處理和知識圖譜技術所支撐的。
醫療數據結構化之后，這些醫療數據將能為醫療行業的各個領域帶來非常重要的作用。對于醫院臨床來說，它能被臨床輔助決策提供大量的數據支持。對于醫生科研來說，能夠讓醫生用更大量的數據展開科研合作。對于政府而言，能夠幫助政府去進行公共衛生的一些輔助決策。對于新研種研發的支撐，可以由大數據協助。藥企藥品研發各個環節，大數據也能夠起到多方位作用，降低藥品研發成本、加快藥品上市速度。只有這樣我們認為醫療數據采能夠真正的去發揮其燃料價值，盤活整個行業生態，讓這個行業能夠更快速的發展。
我們相信這一個個的實踐，未來都會成長為參天大樹。但是在傳統的醫療和新興人工智能結合的過程中，這是兩個世界的結合、這是兩種理念的結合，這是傳統和創新的結合。這種結合過程中，本身就是非常艱難的。醫療又是一個關乎民生的行業，使得這樣的結合變得更加困難。比如：AI應該如何去定位？AI應該如何去進入到臨床醫生的工作環節，讓醫生可以去信賴它，AI的結果如何做到可解釋，醫療的數據如何可以安全的訪問和存儲。所有的這些困難都需要一一被克服，我們才能夠去創造一個醫療和AI相結合的美好未來。
我們相信閉關自守絕不是AI時代的精神。從百度的角度來說，我們希望以非常開放的態度和行業的各個合作伙伴們一起共建AI的基礎，在AI醫療新生態，在整體的AI醫療新生態來臨過程中，需要所有的行業參與者一起參與、一起創造。“生命健康、人人平等”，這是我們一直所追求的。我們希望世界上的每一個個體，都能夠有機會去獲得充足的醫療保障和醫療資源。這是技術可以、也應該給這個世界和這個行業帶來的。AI醫療，讓這個夢想變得可以暢想。
愛無國界，AI無國界、醫療無國界。百度希望借助我們的醫療行業的一些實踐，把它帶到世界、帶到全球，為人類健康共同體作出貢獻。謝謝大家！雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
