APP下载
当医学影像遇上人工智能 让医疗更精准
2017年，中国人工智能迎来真正的新纪元。
3月5日，国务院总理李克强发表2017政府工作报告，指出要加快培育壮大包括人工智能在内的新兴产业，“人工智能”也首次被写入了全国政府工作报告。人工智能也不断渗透于医疗行业、教育行业、制造行业等。
在医疗行业中，随着信息化程度不断加深，大数据的挖掘、分析、应用的重要性日益凸显。从数量上讲，超过80%的医疗数据来自医学影像数据，医学影像具有“4V性(volume数量、variety多样性、velocity速度、veracity真实性)”，其中多样性指多模态影像、病理、检验、基因及随访信息等数据的种类繁多。需要依靠新IT的支撑和计算，确保实现影像的数字化及报告后结构化的数据真实性。
当医学影像遇上人工智能，从政策红利到技术创新红利，医疗行业将迎来更多机遇与挑战。对此，中国医学装备协会理事长、原卫生部规财司司长赵自林表示：“人工智能在医疗领域的应用从手术机器人、医学影像诊断到远程医疗等细分领域经历了从无到有，从小到大的跨越式的发展。”人工智能对医疗行业不仅仅是颠覆，更多的是创新，除了提高医生的工作效率外，还将作为辅助诊断，大大提高诊断的效率和准确率，使精准医疗成为可能。IBM大中华区董事长陈黎明介绍称，IBM致力于认知系统在中国医疗行业的应用，历经多年医疗数据的挖掘与分析，在医学影像的分析方面取得了较高成就。在诊断皮肤黑色素瘤方面，人工智能以97%的准确率已远远超越了医学专家的判别度。同时，人工智能支持同一时间对成千上万的患者提供此类服务，可有效缓解中国医疗行业“看病难、看病贵”的问题。
医学影像的“四面楚歌”
医学影像诊断的过程主要包含四个步骤：首先是发现，其次是分析，第三是综合，最后是意见。但是随着我国医疗水平不均，医疗资源分配不平衡等因素，导致医学影像正处于“四面楚歌”之境。
大医院人满为患，读片医生疲于应付，导致误诊、漏诊。
我国医疗资源非配不均衡，导致了大医院人满为患，小医院门可罗雀的现象产生，并不断恶性循环。
大三甲医院日门诊量常常破万，对于临床科室的医生而言，大量的读片量是一项任务艰巨的工作。而在这过程中，还要避免误诊、漏诊，这就要在读片过程中动用大量的知识基础以及临床诊断经验。
基层医疗机构（涉及中小型医院及社区医院）缺乏判读影像的医生，医生的误诊、漏诊可导致医患关系紧张。
基层医院受各方面条件限制自然误诊率会更高一些，特别是一些容易误诊的病例。
在临床诊断中，医生主要依靠影像诊断判别患者的疾病种类及严重程度。而在基层医疗机构中缺少专业判读影像的医生，导致影像无法被解读，无法将医疗服务进行下去。不仅如此，由于专业性不够，导致的误诊、漏诊都是直接影响患者“生命攸关”的大事。
海量的影像数据没有有效的使用方法，成为负资产。
目前每家医院的数据好比一个个信息“孤岛”，“院内”和“院外”数据也需要充分整合，这些都是大数据应用相当核心的问题。而目前95%的医疗大数据是被浪费的，因为数据的不可用性，让大数据没有起到很好的作用。大数据要发挥作用，最关键的问题还是在于解读。“光有这么多数据是不够的，希望看到的是怎么把它正确解读出来，让这些数据对临床或个人健康进行指导。
而大数据的精华所在就是基于数据采集后起到支持临床、科研的作用，而随着数据冗杂、堆积，无法形成支持作用，形成了医疗负资产。
专家长期积累的经验很难大范围的分享和传承。
医学生五年毕业后，要经过不断的实习和进修，才能成为一名名副其实的“专家”。
而拥有三、四十年的老专家更是每家医院的“瑰宝”，临床医学经验的不可复制性，导致在分享和传承都存在较大难度。
正是基于医学影像目前这种“四面楚歌”的现状，IBM提供了一体化认知基础架构平台的解决方案，为医疗行业引入人工智能的辅助与支持，人工智能将深度学习医学影像的应用场景，依靠行业专家的建议与经验，实现带标签训练以及对测试数据的模拟与记录，最终通过认知实现医疗影像病症特征的辅助识别，帮助医生与患者体验更好的医疗流程。