0
| 本文作者： 李雨晨 | 2018-06-29 11:08 | 專題：2018 CCF-GAIR 全球人工智能與機(jī)器人峰會(huì) |
“AI+醫(yī)學(xué)影像”技術(shù)日趨成熟，診斷準(zhǔn)確度、速度和覆蓋病種不斷實(shí)現(xiàn)突破，有望較快進(jìn)入高效可用階段。隨著人們對(duì)AI技術(shù)期望的不斷提高，AI超越人類甚至取代人類的觀點(diǎn)在一段時(shí)間里甚囂塵上，人與技術(shù)似乎站到了一個(gè)對(duì)立面。
但是，卸下浮躁、腳踏實(shí)地，我們會(huì)發(fā)現(xiàn)技術(shù)的發(fā)展本就源自人類的需求，本就是共榮共生的。尤其是在醫(yī)療行業(yè)，越是智慧的AI，越是離不開算法科學(xué)家的不斷鉆研，越是智慧的AI，越離不開醫(yī)生的不斷教養(yǎng)。
我們?nèi)绾瓮ㄟ^AI的眼光來看待醫(yī)學(xué)影像的過去與未來？
6月30日，第三屆CCF-GAIR全球人工智能與機(jī)器人峰會(huì)「計(jì)算機(jī)視覺專場」，科技巨頭首席技術(shù)官、國際學(xué)術(shù)頂會(huì)主席、世界名校AI實(shí)驗(yàn)室主任將會(huì)公開分享最前沿的醫(yī)學(xué)影像的研究與商用成果，給你全新的思考與感受。
中國科學(xué)院分子影像重點(diǎn)實(shí)驗(yàn)室成立于2012年，孵化于中科院自動(dòng)化所智能醫(yī)學(xué)研究中心。
田捷教授是中國科學(xué)院自動(dòng)化所研究員、分子影像重點(diǎn)實(shí)驗(yàn)室主任。自2010年起，田捷教授連續(xù)獲得計(jì)算機(jī)視覺與醫(yī)學(xué)影像分析領(lǐng)域的7大最高Fellow：IEEE Fellow、IAMBE Fellow、SPIE Fellow、AIMBE Fellow、IAPR Fellow、OSA Fellow、ISMRM Fellow。兩項(xiàng)國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃（973計(jì)劃）首席科學(xué)家。
田捷教授認(rèn)為，醫(yī)療大數(shù)據(jù)里最常見的是影像數(shù)據(jù)，而且影像數(shù)據(jù)格式標(biāo)準(zhǔn)，容易獲取、容易使用。但是醫(yī)療大數(shù)據(jù)不僅限于影像，還包括病理、臨床治療信息等，只有這些信息融合在一起，我們才能建模，才能解決人工智能真正在醫(yī)學(xué)上的應(yīng)用。
田捷教授在研究學(xué)術(shù)的同時(shí)，也在積極探索AI技術(shù)的應(yīng)用前景。他認(rèn)為，AI技術(shù)只有跟臨床掛鉤才有價(jià)值，經(jīng)過企業(yè)家的轉(zhuǎn)化才能變成生產(chǎn)力。
“現(xiàn)在我們需要更多人工智能和大數(shù)據(jù)在醫(yī)療問題上的典型應(yīng)用，來拉動(dòng)產(chǎn)業(yè)，拉動(dòng)人工智能進(jìn)一步深度應(yīng)用。這是相輔相成的，空喊方法，不形成規(guī)模化、典型應(yīng)用，是解決不了問題的。只有得到外科、內(nèi)科大夫承認(rèn)的技術(shù)和臨床應(yīng)用，才能更加有意義。”
北卡羅萊納大學(xué)教授 沈定剛
在醫(yī)學(xué)圖像分析和計(jì)算機(jī)視覺領(lǐng)域，沈定剛教授的大名幾乎無人不曉。
沈定剛教授，是世界上最早開展醫(yī)學(xué)影像人工智能研究的幾位科學(xué)家之一，并最先將深度學(xué)習(xí)應(yīng)用于醫(yī)學(xué)影像，從事醫(yī)學(xué)影像分析、計(jì)算機(jī)視覺與模式識(shí)別等領(lǐng)域的研究近20年。
沈定剛教授在上海交大拿了本科、碩士、博士學(xué)位，并于1999年前往美國約翰霍普金斯大學(xué)醫(yī)學(xué)院放射科開始做醫(yī)學(xué)圖像分析方面的工作。
沈教授在美國的學(xué)術(shù)生涯相當(dāng)成功，他現(xiàn)在是美國北卡羅來納教堂上分校終生教授、杰出教授，美國醫(yī)學(xué)與生物工程院會(huì)士，IEEE會(huì)士，國家千人，在國際權(quán)威期刊上發(fā)表論文380篇，被引用2萬余次，H-index 82。
沈定剛教授率領(lǐng)著一個(gè)學(xué)術(shù)能力強(qiáng)大的團(tuán)隊(duì)，在智能醫(yī)療領(lǐng)域處于國際引領(lǐng)水平，研究方向包括對(duì)自閉癥、阿爾茲海默癥、腦腫瘤、肺癌、乳腺癌等基于醫(yī)療大數(shù)據(jù)的精準(zhǔn)診療，其中“基于多模態(tài)的阿爾茨海默癥診斷”的精度居國際前列，“腦結(jié)構(gòu)精準(zhǔn)計(jì)算及診斷”研究中的HAMMER圖像配準(zhǔn)方法獲得2006年IEEE Signal Processing Society最佳論文，被引用達(dá)700多次，相關(guān)軟件下載量到10000多次。被全世界范圍內(nèi)大批頂尖高校、科研機(jī)構(gòu)、著名醫(yī)院及高科技公司引用。
另外，他帶領(lǐng)的團(tuán)隊(duì)在醫(yī)學(xué)圖像(智能)分析的頂級(jí)會(huì)議MICCAI（與CVPR和ICCV在計(jì)算機(jī)視覺領(lǐng)域一樣級(jí)別的會(huì)議）連續(xù)5年發(fā)表最多的論文（有近10%的論文來自他的團(tuán)隊(duì)）。
沈教授一直將自己定位成一名工程人員，做的所有問題都是為了解決實(shí)際問題。他認(rèn)為，任何新技術(shù)的出現(xiàn)，總是先在所有領(lǐng)域都嘗試一遍，把容易的問題解決之后，最后就剩下了硬骨頭。深度學(xué)習(xí)也是如此。很多算法最終的應(yīng)用都需要相應(yīng)的專業(yè)知識(shí)，并非所有人都能用。
“很多人說深度學(xué)習(xí)要取代醫(yī)生，我認(rèn)為這是完全不可能的。如果深度學(xué)習(xí)運(yùn)用得當(dāng)，確實(shí)可以解決很多問題，但你必須掌握相應(yīng)的專業(yè)知識(shí)才能很好地運(yùn)用它。此外，一些傳統(tǒng)方法如果能夠和深度學(xué)習(xí)結(jié)合起來，將取得更好的效果。”
邢磊教授是全球醫(yī)學(xué)物理領(lǐng)域最杰出的專家之一，斯坦福大學(xué)終身教授，斯坦福醫(yī)學(xué)院醫(yī)學(xué)物理系主任，同時(shí)是斯坦福大學(xué)電子系、分子影像系、生物醫(yī)學(xué)工程系、生物信息系及Bio-X的兼職教授，是ACS、AAPM、RSNA以及WMIC的院士。從事醫(yī)學(xué)影像、腫瘤放射以及生物信息方面的研究超過25年經(jīng)驗(yàn)，發(fā)表論文超過350篇，獲得多個(gè)NIH、國防部、NSF、ACS的重大科研項(xiàng)目。率先在斯坦福大學(xué)建立全球頂尖的人工智能聯(lián)合實(shí)驗(yàn)室，聯(lián)合計(jì)算機(jī)、生物醫(yī)學(xué)工程、醫(yī)學(xué)院等跨學(xué)科實(shí)現(xiàn)人才培養(yǎng)。
邢教授的實(shí)驗(yàn)室研究范圍很廣，從基礎(chǔ)的影像設(shè)備、分子影像、圖像重建和處理、影像和基因組學(xué)、治療計(jì)劃，到臨床數(shù)據(jù)采集分析。這些研究中很多項(xiàng)目都涉及到機(jī)器學(xué)習(xí)和人工智能的應(yīng)用。“未來人工智能將是醫(yī)學(xué)研究和臨床應(yīng)用中必備的組成成份。”
但同時(shí)，他也表示，數(shù)據(jù)不集中不規(guī)范是目前智能醫(yī)學(xué)發(fā)展的最大障礙之一。在數(shù)據(jù)方面，除了需要大量的高質(zhì)量數(shù)據(jù)以外，數(shù)據(jù)的標(biāo)準(zhǔn)化也至關(guān)重要。在斯坦福大學(xué)的生物醫(yī)學(xué)信息專業(yè)，其中一個(gè)很大的實(shí)驗(yàn)室就是致力于怎樣把術(shù)語標(biāo)準(zhǔn)化。把所有的醫(yī)學(xué)，工業(yè)和商業(yè)術(shù)語用標(biāo)準(zhǔn)語言表達(dá)出來實(shí)際上是一項(xiàng)很浩大的工程。
但從另一個(gè)角度看，政府可以很高效地進(jìn)行協(xié)調(diào)、協(xié)商，鼓勵(lì)來解決這個(gè)問題，可能要比國外更高效。
邢教授曾預(yù)測，將來每一個(gè)放射科的醫(yī)生，手機(jī)上或者電腦終端都會(huì)有一個(gè)智能分析決策的APP，也就是說，基本上所有的要經(jīng)過放射科（當(dāng)然也包括其它科室）的病人，同時(shí)也會(huì)經(jīng)過這個(gè)APP，尤其是疑難病癥，由人工智能來輔助分析決策。
王熙博士于2016年開始出任飛利浦中國副總裁兼首席技術(shù)官，是飛利浦中國最高管理團(tuán)隊(duì)的成員之一，負(fù)責(zé)飛利浦在中國的健康科技創(chuàng)新戰(zhàn)略和數(shù)字化轉(zhuǎn)型。在中國成功建立飛利浦人工智能實(shí)驗(yàn)室，推動(dòng)大數(shù)據(jù)和人工智能技術(shù)和醫(yī)療健康的深度融合和商業(yè)落地，助力中國醫(yī)療行業(yè)可及性發(fā)展。
2004年至2014年，王熙歷任通用電氣公司眾多重要領(lǐng)導(dǎo)職務(wù)，先后擔(dān)任醫(yī)療集團(tuán)全球CT事業(yè)部總經(jīng)理，生命科學(xué)細(xì)胞分析事業(yè)部總經(jīng)理，實(shí)現(xiàn)這兩大業(yè)務(wù)領(lǐng)域在全球市場的開拓及業(yè)務(wù)增長。在加入飛利浦之前，2014年至2015年，王熙擔(dān)任銳珂醫(yī)療公司健康全球X光解決方案總經(jīng)理及上海研發(fā)中心總經(jīng)理，負(fù)責(zé)X光全球業(yè)務(wù)，包括業(yè)務(wù)長期發(fā)展戰(zhàn)略及技術(shù)創(chuàng)新。
2014年，飛利浦邁出了最大膽的一步，聚焦在健康科技和照明領(lǐng)域，拆分成兩家獨(dú)立運(yùn)營的公司，在健康科技領(lǐng)域提供“健康關(guān)護(hù)全程”的整體解決方案，飛利浦將其稱之為“飛利浦6.0”時(shí)代。
2016年，在王熙的帶領(lǐng)下，飛利浦中國成立了數(shù)字創(chuàng)新團(tuán)隊(duì)，主要致力于集成解決方案的開發(fā)，并且推出了“肺管家”，實(shí)現(xiàn)居家的方式與醫(yī)生互聯(lián)。
王熙此前也表示，在中國要做的是接地氣的醫(yī)療AI 產(chǎn)品，立足本土才能了解中國市場，做出適合中國患者的產(chǎn)品。
醫(yī)療AI產(chǎn)品的發(fā)展正在從以診斷為中心向以健康為中心發(fā)展，這也是飛利浦整體醫(yī)療AI 布局的核心。“具體來說，我們要打造的是“健康關(guān)護(hù)全程”的整合解決方案，涵蓋我們的小家電產(chǎn)品、用戶的可穿戴設(shè)備以及相關(guān)醫(yī)療信息技術(shù)，產(chǎn)品可以輻射院前的健康管理和疾病篩查、院中的疾病診斷和治療，以及院后的疾病康復(fù)和慢病管理等流程。”
27年前蓋茨建立微軟研究院，其目的之一就是希望讓計(jì)算機(jī)能聽、會(huì)看、能理解人類，推動(dòng)計(jì)算機(jī)領(lǐng)域內(nèi)所有分支技術(shù)的發(fā)展，包括計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、語音識(shí)別等技術(shù)的落地，并以此為微軟未來發(fā)展提供思路和方向。
作為微軟亞洲研究院建立時(shí)的第一批人員，張益肇博士早些年從MIT畢業(yè)，1999年加入該研究院，從主管研究員一直到副院長。
張益肇早年在美國麻省理工求學(xué)期間，曾遇到選專業(yè)的岔路口，到底是學(xué)醫(yī)還是做技術(shù)成為一個(gè)難題，思考再三后他毅然決定選擇自己更感興趣的電氣工程專業(yè)，然而十幾年后，他將計(jì)算機(jī)技術(shù)與醫(yī)療領(lǐng)域進(jìn)行結(jié)合，希望可以帶來更多創(chuàng)新。
張益肇認(rèn)為，AI醫(yī)療不是簡單的用技術(shù)去找醫(yī)院合作。“要想技術(shù)落地，要?dú)v經(jīng)千辛萬苦找對(duì)場景，還要說服政策制定者、監(jiān)管部門、醫(yī)院采購者、科室主任、臨床醫(yī)生、病人等無數(shù)當(dāng)事人證明技術(shù)的有效性、安全性和可行性。最后，你還要明白你的產(chǎn)品誰來買單。?這個(gè)行業(yè)出成果需要花時(shí)間，企業(yè)家和投資人要更有耐心。”
張益肇認(rèn)為，精準(zhǔn)生活是一個(gè)未來大方向?，這包括精準(zhǔn)醫(yī)療、精準(zhǔn)教育、精準(zhǔn)零售，精準(zhǔn)制造等等，這樣可以減少對(duì)社會(huì)資源的浪費(fèi)，提高生活效率和質(zhì)量。
CCF-GAIR全球人工智能與機(jī)器人峰會(huì)：
6月30日，對(duì)產(chǎn)業(yè)與學(xué)術(shù)都有深入洞識(shí)的五位嘉賓，又會(huì)在 CCF-GAIR 2018 上帶來怎樣的精彩演講？我們拭目以待！雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
