医疗领域最突出的问题就是优质医疗资源不足，医疗资源和日益增长的医疗需求一直存在着矛盾。借助人工智能的深度学习算法，这样的情况在未来会得到改善。7月20日，国务院发布《新一代人工智能发展规划》，其中明确说道：研究完善适应人工智能的教育、医疗、保险、社会救助等政策体系，有效应对人工智能带来的社会问题。一时间，医疗与人工智能的结合倍受关注，尤其是医学影像中的人工智能技术应用。在技术、产品愈趋成熟下，很多医疗机构也在积极尝试通过人工智能技术帮助医生改善他们的诊断，预测疾病，并定制医疗方案。

业务挑战：影像科医生看不完的片子

数据显示，随着CT、MR、超声等技术的应用，医学影像在临床检查与治疗领域的作用越来越大。当前我国医学影像数据年增长超过30%，但放射科医生数量年增长仅为4.1%，放射科医生数量的增长远不及医学影像数据的增长。以厦门市第二医院为例，影像科每天接诊600-700位患者，每个患者的片子从几十张到几百张甚至上千张，都需要医生用肉眼去观察。阅读每位患者的片子平均需要10-15分钟， 总共需10500分钟，175个小时，一个医生每天8小时工作量， 至少需要21位诊断医生，还不包括审核的医生，而且每年业务量的增加远远大于医生增加的人数。

“缺少影像科医生导致医生每天处于超负荷疲劳工作状态，因为这些疲劳，做出错误判断的概率会上升，甚至会造成对片子的漏诊或误诊，从而引起一些不必要的医患关系问题。”厦门市第二医院医学影像科主任郭岗表示。如何能把医生从繁重、甚至简单、重复的工作中解放出来，集中精力，精确诊断、不断提高业务水平，同时，把时间更多放在教学育人和科研中是眼下亟待解决的问题。

应对措施：AI让医生看片不累，  诊断速度提升

在面对稀缺宝贵的医疗资源，好在我们有科技，有人工智能，尤其是深度学习，已经成为一种强有力的检测工具，在医学影像领域表现惊人。“二院影像科的技术水平、尤其是早期肺癌的诊断处于国内领先地位，我们愿意通过人工智能结合本院的专业技能，进一步提高业务水平，服务于广大患者。”郭教授介绍，海量的片子绝大部分是常见病和多发病，这种片子的特征，有比较典型的影像表现和规律性，诊断上不是太难。这是人工智能介入的一个很好的基础。

在国内，利用深度学习技术训练模型，已经可以在临床诊疗上帮助医生识别肺部病变和癌症。以IBM的Watson为代表，在医疗领域，多数公司的AI产品还在研发试验阶段，IBM Watson就已落户中国，并在医院落地自己的肿瘤解决方案，开始为病人服务。同样，对于在巨大压力工作环境下的影像科医生来说，寻求人工智能进行辅助筛查也成为了一种必然的选择。如何与人工智能结合，来帮助医生提高阅片效率，是厦门市第二医院急需解决的问题。IBM具有完整的场景，固定的硬件，完善的解决方案，以及良好的安全数据保障。正是基于这种考量，厦门市第二医院选择了与 IBM 进行合作，采用其人工智能解决方案，用机器替代医生对医疗影像进行识别，可以减少医生看片时间，从而解放更多医疗资源，让医生能有更多地精力放在与病人沟通上。

方案价值：“平台+服务”的集成解决方案带来8大优势

具体来说，IBM提供的是一个整体的关于深度学习的认知技术解决方案，不但有最底层的硬件（如服务器、存储和网络连接），之上还有集成优化的PowerAI深度学习开发框架，以及帮助缩短开发周期优化参数的BlueMind深度学习平台。最上层是IBM的服务与支持，包括研发部门提供的定制化、满足需求的研发服务。PoweAI是IBM专门为人工智能所建，被称为“世界上最快的商用深度学习软件”，有助于缩短等待时间、提高生产效率，让AI开发过程变得更轻松、更直观、更高效。BlueMind可支持对象检测和数据准备，同时支持改变数据大小和标签坐标，可支持无需改变原始图像情况下展示训练结果。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。同时BlueMind可帮助构建智慧医疗服务，为辅助治疗、病患服务等工作带来更高的效益。

医疗行业是一个特殊的行业，有其特定的问题。AI不光是模型训练，从数据的准备、模型的选择、模型的训练、在线的实施、在线的应用等，IBM的整体解决方案帮助了行业用户端到端生命周期的管理。“Watson的认知计算能够快速完成初筛，大幅缩短医生阅片时间。另外，它还可以不受疲劳状态影响，保持完全客观、稳定、更准确的诊断结果，在日常的临床实践中发挥巨大的作用。”郭教授告诉记者，通过此次与厦门二院的合作，IBM的解决方案给医院带来了以下价值：

1、筛选正常与病变影像，避免阅读每张影像十分钟左右的时间提升至秒级的阅读时间，极大提高阅读效率

2、基于辅助平台诊断结果，医师进一步精细化分析影像，双重阅读，加强病理判断。

3、以专家的看片能力来做为标记，所以通过机器识别的方式开整体提高看片的水平。

4、性能和可扩展性 - 并行化深度学习训练过程

5、吞吐量和高效率 - 提供可扩展的实时推断(inference)服务

6、发挥power架构优势的深度学习方案

7、统一硬件集群中的多租户多服务

8、利用Bluemind进行模型优化后的准确率至少有20%以上的提升

未来展望：医企联手共推AI发展

“在与IBM前期的合作中，第一部分的实验已经证实IBM的解决方案可以帮助我们实现标准化的智能辅助阅读片子，并大大提高了阅片速度，可以辅助医生提高工作效率。 ”郭教授告诉记者，下一步我们希望开始提供更多的数据，结合专家医生的经验， 提高阅读片子的准确度，实现真正的智能化的专家。?

IBM与厦门二院的合作还在继续，双方共同成立智能医学影像的联合实验室，共同基于IBM认知系统的架构能力及组件探索3D影像识别、CT智能化检测、磁共振智能化研究等方面的应用前景。

人工智能与医疗的结合，未来还能解决落后地区的医疗资源。凭借双方的经验，共同合作形成好的人工智能产品，不仅辅助医生提高工作效率，缩短患者的就诊时间、提高诊断准确率。尤其是可缓解体检中心和社区医院医技人员匮乏，对“分级诊疗”有积极的作用。