您所在的位置:首页 > i医疗 > 科技前沿 >  当医学影像遇上人工智能 让医疗更精准
当医学影像遇上人工智能 让医疗更精准
  • 2017-04-28 12:07
  • 作者:孙杨
  • 来源:中国数字医疗网

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。

人工智能的“革故鼎新”

在整个医学影像中,医学大数据一定会影像先行,利用云计算的方法增加连接性,利用深度学习的方法挖掘大数据的价值,利用发数据的方法在更多的维度中挖掘原来浅关联或弱关联的关系,利用三者的关联大大提高医疗诊疗效率,并达到精准医疗。

在实践中发现,优质、大量的数据的积累;高性能计算环境;优化的深度学习方法;三者资源配齐就会构建不断提高的状态的模型,而这正是人工智能的魅力所在。IBM能够从历史数据中学习和总结,快速判读影像中的病症特征,辅助医生进行病症分析,提高诊治效率和准确性。

不仅如此,针对基层医疗资源不足的现状,人工智能能够解决基层医疗资源缺乏的核心在于给基层医疗机构“赋能”,用人工智能给基层医生“院士级看病的本事”。

【案例】IBM有效通过认知实现医疗影像病症特征的辅助识别

IBM Power认知解决方案助力影像判读,IBM可以告诉医生此X光片的患者有多大的概率患有“肺部增厚”病症,医生可以据此作出自己的判断,避免误诊、漏诊,提升医疗效率。

IBM全球健康总经理Deborah Disanzo表示,在2015年时IBM开始对医学影像进行认知和识别,包括了心血管疾病和乳腺的影像。IBM拥有几十万病患案例,携手世界最顶级的医疗专家合作,实现了人工智能帮助医生判读病症,并提供最优化和有效的治疗方案。

医学影像遇上人工智能 让医疗更精准

日前,创新工场的大Boss、在微博上拥有近半个亿粉丝的李开复在病愈复出后,大力宣讲了人工智能“不可替代性”。在李开复眼中,未来10年人类50%的工作会被人工智能取代。但同时,人工智能也会给我们带来机会,因为人工智能替代不了我们的审美,它将极大的解放人类的时间,从而解放人类的创造力。关于淋巴癌治疗过程中,他介绍称,当时用的药,很多医生都不知道它的存在。因为医疗进步很快,不是每个医生都能每天去读各种学术期刊论文,来学最新的治疗方式。所以未来把人工智能做成医疗助手,它是可以更好的帮助医生做判断和诊断。

可见,当医学影像遇上人工智能时,医疗将更加精准。在计算机、信息化系统、各类高科技检测仪器、互联网医疗、互联网医院到现在的人工智能等技术的快速发展下,医院及医生的管理和治疗流程在不断再造和变革。包括人工智能等技术的发展将给医生提供更好的工具,使得医生能够更加便捷、敏捷、精准地诊断疾病和服务病人。

转载请注明出处:HC3i中国数字医疗
【责任编辑:liuzz TEL:(010)68476606】

标签:医学影像  人工智能  
  • 分享到: