智慧醫(yī)療“撫平”就醫(yī)內(nèi)卷

導(dǎo)語：從2008年“智慧醫(yī)療”的概念首次被提出，到如今，智慧醫(yī)療雖然早已不是一個(gè)新鮮的名詞。

出品丨數(shù)科社 作者丨檸溪

疫情催溫?cái)?shù)字化發(fā)展的這兩年，在以 5G 等為代表的技術(shù)驅(qū)動(dòng)下，中國(guó)智慧醫(yī)療市場(chǎng)需求高速增長(zhǎng)，規(guī)模迅速擴(kuò)張，全國(guó)各地都在積極探索智慧醫(yī)療，醫(yī)療行業(yè)正迎來新一輪重大變革和轉(zhuǎn)型，新的運(yùn)用場(chǎng)景也在加速落地。

來自光明網(wǎng)最新報(bào)道顯示，在新冠肺炎疫情期間，依托“天河人工智能創(chuàng)新一體化平臺(tái)”構(gòu)建的世界首個(gè)“新冠肺炎CT影像綜合分析AI輔助系統(tǒng)”，已為百余家醫(yī)療機(jī)構(gòu)提供服務(wù)，訪問量已超過100萬次。

實(shí)際上，這個(gè)智能系統(tǒng)是的基礎(chǔ)其實(shí)是基于“天河人工智能創(chuàng)新一體化平臺(tái)”構(gòu)建的“天河智能醫(yī)學(xué)影像云”。組建沒多久的這個(gè)“影像云”平臺(tái)，已形成集大規(guī)模影像數(shù)據(jù)安全高效匯聚管理、人工智能醫(yī)學(xué)智能影像輔助診斷、云端影像多角色多終端協(xié)同診察為一體的系統(tǒng)化應(yīng)用，目前處于落地服務(wù)階段。

某種意義上講，這可以被看作的智慧醫(yī)療云服務(wù)在中國(guó)普及的開端。

01丨AI抗疫的應(yīng)用

2020年疫情爆發(fā)之后，當(dāng)時(shí)醫(yī)療界專家一直在思考一個(gè)問題，那就是在大流行疾病面前，如何準(zhǔn)確提升醫(yī)生診療的水平同時(shí)還能減少時(shí)間成本。

關(guān)鍵，在醫(yī)學(xué)專家眼中，一開始新冠病情嚴(yán)重依賴核酸檢測(cè)結(jié)果，問題是有些核算結(jié)果未出但CT影像已經(jīng)有癥狀的病人，容易耽誤最佳診治時(shí)間。

于是，2020年3月，國(guó)家衛(wèi)健委在專家提醒后下發(fā)通知，要求一線醫(yī)療工作者通過多種診療手段共同判定病人是否患有新冠，而不單單依靠核酸檢測(cè)結(jié)果。

然而，新的問題又出現(xiàn)了，那就是雖然典型的CT圖像可能有助于早期篩查疑似病例，但由于各種病毒性肺炎的圖像比較相似，影像科醫(yī)生很難通過肉眼直接判斷。

為此，醫(yī)療專家和人工智能專家都不約而同把目光投到了AI影像分析領(lǐng)域。

這個(gè)任務(wù)交到了國(guó)家超級(jí)計(jì)算天津中心應(yīng)用研發(fā)部手里。不過一開始，團(tuán)隊(duì)被很多重復(fù)的算法疊加以及邏輯梳理的工作困住了。

因?yàn)椴皇煜っ鎸?duì)的醫(yī)療領(lǐng)域各種工作流程，整個(gè)技術(shù)團(tuán)隊(duì)無法站在醫(yī)生的角度考慮問題，技術(shù)在實(shí)現(xiàn)過程中走了很多的彎路，而且代碼越弄越復(fù)雜。

再加上之前他們希望能利用一套系統(tǒng)解決所有的問題，于是不停給系統(tǒng)增加學(xué)習(xí)的樣本，但系統(tǒng)由于無序的知識(shí)灌輸所產(chǎn)生的學(xué)習(xí)效果也非常不到位。

最后，將目標(biāo)聚集在新冠CT影像識(shí)別上才有突破，這其實(shí)相當(dāng)于在一個(gè)有邊界的地域抽取關(guān)鍵知識(shí)，并對(duì)關(guān)鍵知識(shí)進(jìn)行優(yōu)化，以實(shí)現(xiàn)在關(guān)鍵點(diǎn)的知識(shí)圖譜完美覆蓋。

最終國(guó)家超級(jí)計(jì)算天津中心應(yīng)用研發(fā)部在全國(guó)醫(yī)療影像專家的支援下，僅用20天左右，“新冠肺炎CT影像綜合分析AI輔助系統(tǒng)”就成功上線。

該系統(tǒng)基于“天河人工智能創(chuàng)新一體化平臺(tái)”，實(shí)現(xiàn)了基于CT影像的新冠肺炎特征檢測(cè)功能，可作為臨床輔助診斷手段，有效提高了新冠肺炎患者的篩查能力。

由于當(dāng)時(shí)有突發(fā)大量的一線臨床影像可以供系統(tǒng)學(xué)習(xí)，整個(gè)系統(tǒng)進(jìn)化速度非?？臁蓚€(gè)月后，系統(tǒng)就已經(jīng)正式可以對(duì)外提供服務(wù)。

相較于影像醫(yī)師約10分鐘/例及最初核酸檢測(cè)總耗時(shí)24—48小時(shí)，使用這個(gè)系統(tǒng)的檢測(cè)分析每例只需要10秒。而且經(jīng)過不斷系統(tǒng)優(yōu)化，該系統(tǒng)的總準(zhǔn)確率已超過90%。

由于該系統(tǒng)不需要現(xiàn)場(chǎng)部署，可以遠(yuǎn)程在電腦、手機(jī)等多種終端使用，目前已為包括美國(guó)、墨西哥、印度等全世界多個(gè)國(guó)家與地區(qū)的醫(yī)療機(jī)構(gòu)和科研機(jī)構(gòu)提供了技術(shù)支持，切實(shí)為全球抗疫貢獻(xiàn)了強(qiáng)大的科技力量。

這被看作是曾經(jīng)遙不可及的智慧醫(yī)療云服務(wù)第一個(gè)落地的項(xiàng)目。也被很多業(yè)內(nèi)人士看作中國(guó)智慧醫(yī)療云服務(wù)發(fā)展的基石。

一方面，它連接醫(yī)院等內(nèi)部醫(yī)學(xué)影像系統(tǒng)，將患者醫(yī)學(xué)影像數(shù)據(jù)及診斷報(bào)告情況近實(shí)時(shí)上傳至云端，并面向包括醫(yī)院管理人員、醫(yī)生、患者等多種角色提供基于云端協(xié)同的醫(yī)學(xué)影像管理應(yīng)用，包括影像存儲(chǔ)、影像協(xié)同、遠(yuǎn)程會(huì)診等功能模塊，同時(shí)提供基于數(shù)據(jù)權(quán)屬和角色權(quán)限的云上閱片應(yīng)用，即電腦、手機(jī)等多種閱片模式，滿足云膠片、云PACS等服務(wù)需求。

這同時(shí)也為整個(gè)智慧醫(yī)療影像云的學(xué)習(xí)建立了龐大的數(shù)據(jù)庫(kù)，有利于整個(gè)系統(tǒng)的進(jìn)化和升級(jí)。

另一方面基于對(duì)新冠肺炎、糖尿病視網(wǎng)膜病變、腦出血、肺結(jié)節(jié)、乳腺癌等疾病的智能輔助診斷算法及建模能力，它還建立了基于醫(yī)學(xué)影像的人工智能輔助診斷系統(tǒng)，輔助醫(yī)生提高影像診斷準(zhǔn)確度及診斷效率，實(shí)現(xiàn)醫(yī)學(xué)影像數(shù)據(jù)從醫(yī)療機(jī)構(gòu)采集到云端存儲(chǔ)管理，再到智能化輔助分析診斷，直至面向醫(yī)生及患者服務(wù)的一體化應(yīng)用，打造“數(shù)據(jù)不離開平臺(tái)、可用不可見”的醫(yī)學(xué)影像安全高效智能應(yīng)用模式。

這實(shí)際上在節(jié)省中小醫(yī)院經(jīng)費(fèi)同時(shí)提升了這些中小醫(yī)院診療疾病的水平，可以增加各個(gè)地方醫(yī)療資源普及的力度，同時(shí)降低病人被誤診的可能性。

02丨深度學(xué)習(xí)的陣地

如今，得益于智慧醫(yī)療的不斷發(fā)展，看病有望變得更加方便快捷：基因檢測(cè)可發(fā)現(xiàn)健康人的基因缺陷，盡早提示健康風(fēng)險(xiǎn)；通過醫(yī)療大數(shù)據(jù)建立病癥模型，幫助醫(yī)生迅速診斷病情；可口服的納米級(jí)智能手術(shù)機(jī)器人在進(jìn)入人體后，進(jìn)行精準(zhǔn)無創(chuàng)手術(shù)；人工智能家庭醫(yī)生作為補(bǔ)充，負(fù)責(zé)常見病的治療和慢性病的護(hù)理……

而某種意義上，在AI已經(jīng)成為中國(guó)當(dāng)下最火熱的技術(shù)賽道的時(shí)候，醫(yī)療單位如何在這場(chǎng)技術(shù)的洪流中緊跟技術(shù)趨勢(shì)完成升級(jí)轉(zhuǎn)型，考驗(yàn)的不僅僅是相關(guān)研究單位的發(fā)展視野和戰(zhàn)略，更是考驗(yàn)技術(shù)負(fù)責(zé)人對(duì)于醫(yī)療傳統(tǒng)業(yè)務(wù)轉(zhuǎn)型的把控力。

這就需要深度學(xué)習(xí)的模型規(guī)劃和算法調(diào)整能力，而這也是智慧醫(yī)療云想真正落地實(shí)現(xiàn)普及的前提。

中國(guó)知名人工智能專家吳明輝曾表示，AI落地創(chuàng)造價(jià)值唯有從大數(shù)據(jù)開始，“凝練大知識(shí)，協(xié)同HI(人類智能)、AI(人工智能)和OI(組織智能)三者合一的能力，以人機(jī)同行、行業(yè)服務(wù)為抓手，將大AI思想落地到行業(yè)應(yīng)用場(chǎng)景中。”

這其實(shí)也是深度學(xué)習(xí)理論應(yīng)用在智慧醫(yī)療云發(fā)展的理論基礎(chǔ)。

深度學(xué)習(xí)屬于機(jī)器學(xué)習(xí)的分支，是目前實(shí)現(xiàn)人工智能技術(shù)的重要手段。隨著深度學(xué)習(xí)技術(shù)在圖像處理和計(jì)算機(jī)視覺領(lǐng)域的廣泛應(yīng)用，利用深度學(xué)習(xí)技術(shù)輔助臨床診斷和決策已成為醫(yī)學(xué)圖像分析領(lǐng)域的研究重點(diǎn)。

醫(yī)學(xué)影像智能診斷的流程可大致分為3個(gè)步驟，首先獲取大量高質(zhì)量的圖像數(shù)據(jù)，然后對(duì)圖像進(jìn)行預(yù)處理，最后挖掘圖像信息，進(jìn)行分析預(yù)測(cè)。其中海量、高質(zhì)量的圖像數(shù)據(jù)是深度學(xué)習(xí)訓(xùn)練的基礎(chǔ)，圖像預(yù)處理（如配準(zhǔn)、感興趣區(qū)域提?。┦呛罄m(xù)分析準(zhǔn)確度的基本保障，挖掘信息、建立預(yù)測(cè)模型是臨床智能決策的關(guān)鍵。

首先，海量、高質(zhì)量的醫(yī)學(xué)圖像數(shù)據(jù)是利用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)影像精準(zhǔn)診斷的基礎(chǔ)。然而，由于成像設(shè)備和采集時(shí)間等因素的限制，在醫(yī)學(xué)成像的過程中不可避免地會(huì)受到噪聲、偽影等因素的影響。同時(shí)，針對(duì)某些成像方式，需要在成像分辨率和采集時(shí)間上進(jìn)行折中，例如在CT成像中，為了降低輻射的影響，需要減少投影采集數(shù)目，因此優(yōu)化低劑量CT圖像的降噪效果就成為很多醫(yī)療企業(yè)想通過AI解決的重點(diǎn)問題。

而當(dāng)前的深度學(xué)習(xí)能力，完全可以利用有噪圖像和無噪圖像來訓(xùn)練模型，學(xué)習(xí)噪聲類型，或者學(xué)習(xí)無噪圖像與有噪圖像之間的對(duì)應(yīng)關(guān)系，進(jìn)而實(shí)現(xiàn)圖像降噪。

其次，高分辨率的醫(yī)學(xué)圖像可以提供更多的臨床診斷細(xì)節(jié)，然而由于采集設(shè)備的限制，臨床上高分辨率圖像較難獲取。

因此，如何利用深度學(xué)習(xí)技術(shù)從一幅或者多幅低分辨率醫(yī)學(xué)圖像中獲得高分辨率圖像成為當(dāng)前主要研究熱點(diǎn)之一。隨著深度學(xué)習(xí)模型在自然圖像超分辨率重建中的成功應(yīng)用，采用深度學(xué)習(xí)模型進(jìn)行醫(yī)學(xué)圖像超分辨率重建的研究逐漸開展起來。

第三，也就是最重要的醫(yī)學(xué)圖像目標(biāo)識(shí)別，這屬于臨床診斷的一種，即在一幅圖像中標(biāo)記出可能病變的區(qū)域，并對(duì)其進(jìn)行分類處理。

傳統(tǒng)的人工標(biāo)記識(shí)別費(fèi)時(shí)費(fèi)力。最初將深度學(xué)習(xí)模型應(yīng)用于目標(biāo)識(shí)別時(shí)，主要是將圖像分成小塊，逐塊輸入由CNN等組成的二分類模型中，判斷其是否屬于目標(biāo)區(qū)域。隨著深度學(xué)習(xí)模型在目標(biāo)檢測(cè)領(lǐng)域的快速發(fā)展，尤其是Fast R-CNN模型和Mask R-CNN模型的出現(xiàn)，將整幅醫(yī)學(xué)圖像輸入模型，即可一次找到所有可能的目標(biāo)區(qū)域。

此外，在醫(yī)學(xué)圖像目標(biāo)識(shí)別中，同樣存在數(shù)據(jù)不充足的問題。為了解決這個(gè)問題，基于遷移學(xué)習(xí)的醫(yī)學(xué)圖像識(shí)別逐漸開展起來。

如基于ImageNet數(shù)據(jù)進(jìn)行模型遷移，實(shí)現(xiàn)肺結(jié)節(jié)、乳腺癌和結(jié)直腸息肉的檢測(cè)。同時(shí)，基于臨床經(jīng)驗(yàn)知識(shí)指導(dǎo)的遷移學(xué)習(xí)也被應(yīng)用到醫(yī)學(xué)圖像的目標(biāo)檢測(cè)中。典型代表有AGCL模型，其基于注意力的課程學(xué)習(xí)，實(shí)現(xiàn)胸片中的腫瘤檢測(cè)；CASED模型，其可檢測(cè)CT圖像中的肺結(jié)節(jié)；特征金字塔模型其采用不同對(duì)比度的圖像，利用多尺度注意力模型實(shí)現(xiàn)腫瘤檢測(cè)。

根據(jù)中國(guó)信息通信研究院數(shù)據(jù)顯示，2017年中國(guó)人工智能市場(chǎng)規(guī)模達(dá)到217億元，2020年已經(jīng)超過700億元，年度復(fù)合增長(zhǎng)率大于50%。

正因此，這兩年全球的AI市場(chǎng)熱點(diǎn)，中國(guó)的獨(dú)角獸企業(yè)都在不遺余力追逐。這樣的背景下，AI在中國(guó)的發(fā)展一日千里，并越來越跟基礎(chǔ)的學(xué)科與細(xì)節(jié)應(yīng)用相結(jié)合，出現(xiàn)了大眾化和普及化的趨勢(shì)。

從某種意義上講，當(dāng)前中國(guó)急需的既懂醫(yī)療影像又懂算法和AI理論的人才，才是AI技術(shù)在中國(guó)智慧醫(yī)療領(lǐng)域落地的關(guān)鍵。

03丨結(jié)語

近年來，在互聯(lián)網(wǎng)巨頭百度、阿里巴巴、騰訊、京東的精耕細(xì)作下，微醫(yī)、丁香園等逐漸深入大眾的生活，未來智慧醫(yī)療領(lǐng)域正在形成一個(gè)強(qiáng)大的應(yīng)用模式和管理體系，AI賦能醫(yī)療產(chǎn)業(yè)的效果也會(huì)更上一個(gè)臺(tái)階。

對(duì)于消費(fèi)者而言，依托AI技術(shù)的支持，打造更舒適、方便、安全和健康的智慧生活是大眾追求的生活方式。智慧醫(yī)療的構(gòu)建作為其中的重要環(huán)節(jié)，必將受到重視和支持。以最普遍的醫(yī)療結(jié)算為例，自從有了微信、支付寶等移動(dòng)支付方式之后，醫(yī)院排隊(duì)結(jié)賬的長(zhǎng)隊(duì)變短了，新技術(shù)與醫(yī)療的結(jié)合確實(shí)讓生活更舒適了。

誠(chéng)然，隨著智慧醫(yī)療的不斷普及，在不久的將來，醫(yī)療行業(yè)將融入更多人工智慧、傳感技術(shù)、大數(shù)據(jù)等高科技，使醫(yī)療服務(wù)走向真正意義的智能化，推動(dòng)醫(yī)療事業(yè)的繁榮發(fā)展。

但需要注意的是，醫(yī)療AI的研發(fā)需要大量醫(yī)療數(shù)據(jù)支持，而獲得數(shù)據(jù)之后，如何做好健康醫(yī)療大數(shù)據(jù)的共享和開放工作又是一大難題。雖然，醫(yī)療健康大數(shù)據(jù)的共享和應(yīng)用是商業(yè)發(fā)展和技術(shù)創(chuàng)新的需要，但也給個(gè)人隱私安全帶來了威脅。整體來看，在智慧醫(yī)療的美好和現(xiàn)實(shí)之間，依然橫亙著技術(shù)、服務(wù)、醫(yī)療數(shù)據(jù)等不少難點(diǎn)。

只能說，大門已經(jīng)打開。未來，就在腳下。