原创《医疗的Al时代》
本文是有关医疗论文写作参考范文和医疗和时代和Al时代方面参考文献格式范文。
“岁数大了,眼睛不好使,就忽略过去了.”这句话,常常挂在70多岁的张桂花（化名）嘴边.直到存北京市潘家园第二社区服务中心提供的一次免费眼底筛查中,她才知道自己的眼病是由糖尿病引起的.
为张桂花提供眼底照片筛查并做出初步诊断的,并不是社区卫生服务中心的医生,而是一款医疗AI（人工智能）产品.
在潘家园第二社区卫生服务中心使用半年来,这款医疗AI产品共发现了600多例出现眼底问题的病例,占筛查总数的三分之一左右. “对于潘家园这样一个以老年人为主的社区,从预防和早发现的角度来说,眼底照相辅助诊断的AI产品是很有价值的.”该中心主任马岩介绍.
在首都医科大学附属北京友谊医院副院长王振常看来,AI技术正在为医疗尤其是医疗影像领域带来越来越多的变化.“随着AI技术革命席卷全球医疗影像领域,行业发展便进入人工智能的新时代.”
诊断效率提升30%以上
眼底照相智能诊断只是医疗AI的应用场景之一.
“目前,人工智能技术在医疗领域的应用场景很多,仅未来商业预期较好的应用场景就有细胞病理检测、医学影像、虚拟助理、药物挖掘、医院管理、健康管理等六大类.”行业研究机构亿欧智库分析师尚鞅介绍.
在目前的实际应用中,医学影像是AI技术在医疗领域最热门的应用场景之一.
“从技术和应用两个层面来说.医学影像是最理想的AI应用场景.”医疗AI机构Airdoc副总裁张京雷表示.相较于其他诊断依据,医学影像的标准化程度最高,也最为客观.“凡是标准化的工作,都有可能通过机器完成.”张京雷说.
从专业人才资源的角度看,医学影像诊断也迫切需要机器的加入.
首先,影像存医生的诊疗活动中占据着十分重要的地位.王振常曾在2018年天津放射学年会AI分论坛上透露, “目前疾病诊断信息和证据20%~80%来自影像和图形（如心电图、脑电图等）,在面对复杂或重大疾病时.医生的诊断和治疗决策80%以上南影像诊断提供.”
但医学影像分析和诊断却面临着供需矛盾突出且持续加大的现状.公开资料显示,目前中国只有17万在册、具有从业资格的影像医生,缺少影像医生几乎是每个医院都而临的难题.不仅如此,医学影像的数据量每年增长63%,影像医生的数量每年却只有2%的增长.
“影像医生晚上9点后下班、常年超负荷工作存各个医院都是一种常态.”王振常说.
西班牙赫罗纳图像诊断学研究院院长Pedraza曾在参加2018年天津放射学年会时表示,西班牙同样面临着影像医生严重缺乏的问题.
同时.人眼识别的局限性和超负荷工作必然带来误诊和漏诊. “人工识别和诊断很难避免漏诊的出现.不要说是经验不足的年轻医生,即便是我也不能避免.”从1986年开始一直在从事影像诊断和研究的王振常坦言.
因此,开发一套智能医学影像辅助诊断系统成为许多企业在医疗AI领域的突破口.
北京推想科技有限公司（以下简称推想科技）在2015年决定进入医疗AI领域进行创业时,便将技术研发的方向定为医学影像的智能辅助筛查,并于当年底研发出了第一代能够智能读取x光片、自动识别心影增大的产品.
该公司CEO陈宽介绍,在具体的诊疗过程中,一股AI系统会先算出一个结果,然后医生根据AI系统的计算结果,结合自身的专业判断,最终形成诊断报告.此外,AI系统还可以自动标注病灶、自动勾画靶区,甚至重建三维影像,为医生阅片提供辅助参考.
“这使医生的诊断时问普遍节省30%以上,最高的可以节省65%.更重要的还在于能够帮助医生避免在疲劳状态下犯错误,造成误诊漏诊.这是人工智能最大的价值.”陈宽认为.
无独有偶,Airdoc也将目光放在了医学影像领域. “我们在医学影像的智能诊断方面做过许多尝试.如肺结节影像、肿瘤CT和DR、B超、心电图等影像都处理过,最终将产品聚焦在眼底照片的智能辅助诊断上.”张京雷解释道.
在尚鞅看来.尽管目前大部分医学影像的AI产品仍处于试用阶段.但产品的格局已雏形初现, “目前针对肺癌等恶性肿瘤的医疗AI产品最多,技术也最为成熟.随后针对腩血管、心血管等发病率高、市场需求广泛的疾病的产品也会不断增加.”
不仅仅是效率革命
此外,病理检测也正在成为医疗AI的风口之一. “冈为病理是医学界公认的疾病诊断‘金标准’,同样适宜南机器取代人工.”尚鞅解释道.
武汉兰丁医学高科技公司（以下简称兰丁高科）研发的细胞病理自动诊断分析仪便属此类. “目前产品主要用于宫颈癌的筛查和诊断.”该公司副总经理林祯成介绍.
在传统医学模式下,宫颈检查需要医生取得脱落细胞后,制成玻片、染色,然后由病理医生在显微镜下观察是否有癌变细胞.
目前人类已知的癌症中,只有宫颈癌可做到提早发现并治愈.因此,包括中国在内的世界各国都在开展宫颈癌筛查.中国有3 5亿适龄女性需要筛查,但截至2017年6月,中国注册的病理医生仅有1万多人.
靠纯人工操作的方式不仅难以完成数量如此巨大的工作,且极易造成漏诊.
据林祯成介绍,公司曾邀请六位病理学专家为100张宫颈玻片作诊断,结果仅有3张玻片的诊断完全一致.“这说明病理诊断较易受人为因素的影响.国外的统计表明人工病理诊断的准确率仅为42%~73%,也就是说最高可能会出现58%的漏诊或误诊率.”
此外,从统计学意义上讲,宫颈检查的阳性检出率只有5%左右,但医生为了挑出这5%的阳性病例不得不把所有病例看一遍. “我们希望借助机器先把5%左有的阳性病例筛选出来,再由医生对其进行确认.”
有了智能化的辅助诊断仪器,医生只需要在取得宫颈细胞后进行制片、染色即可.使用了AI技术的仪器会首先对玻片进行拍图,然后将图片中的每一个细胞进行分割,并生成相应的数据,再通过算法对每个细胞进行定位、识别、诊断.诊断时,系统会自动将细胞进行排列、标注,然后对最危险的细胞进行定位并提醒.
如果检测出阳性,医生在电脑中打开图像,重点观察被标注的危险细胞即可.这为宫颈癌筛查带来了一场效率革命, “正常情况下,医生每天最多可以看100张玻片.但机器5分钟就可以处理一张图片,而且机器不会疲惫.”林祯成强调.
不仅如此.传统的宫颈癌诊断主要靠医生在显微镜下观察脱落细胞的大小、颜色、细胞壁情况等,这种形态学的观察和判断难免会受个人经验等人为因素的影响.为了排除这种干扰,兰丁高科的智能设备加入了光机电一体化技术,用来测量染色体倍数.
“正常的细胞分裂都是二倍体或四倍体,如果出现癌症病变,就可能会出现异倍体,如三倍体、五倍体、六倍体等.光机电技术可以通过测量染色体的倍数,发现可能存在问题的异常细胞.”林祯成解释道.
这一技术的使用大大提高了机器的敏感度和准确度.“目前,机器的敏感度能达到85%以上,超过了医生敏感度的平均水平.”
更重要的是,这一技术原理可以拓展到所有通过检测脱落细胞进行疾病诊断的领域,如胃癌的早期检查、膀胱癌,口腔、食道等疾病.“未来血液、骨髓的检测也可以按照同样的原理使用AI技术,但它们的细胞种类更多,算法模型也会更复杂.”
发现人类注意不到的细节
开放性医疗平台也是目前医疗AI重要的应用场景之一,而平台的搭建者多为传统互联网巨头.如腾讯的觅影、阿里健康的Doctor You和百度的医疗健康大数据平台.
按照国家颁布的临床诊疗指南,有超过3.8万个疾病种类,每个病种又有更细致的划分.“这么多疾病种类,不可能依靠一家或几家企业完成智能诊断和治疗,需要搭建一个开放平台,让大家一起做.”阿里健康高级副总裁柯研表示.
这就有了Doctor You旗下的医学影像平台、诊断用药平台和第三方平台.这些平台一头连着提供产品的医疗AI创业公司,一头连着有需求的医疗机构和个人.据悉,阿里健康为人驻的创业公司提供市场机会,也提供基础性的技术支持和评判.通过了双重评判,创业公司的产品就有机会进入医疗机构进行试用,从而开启商业化进程.
在BAT创建的开放式医疗AI平台之外,针对医生的辅助医学研究平台也是医疗AI的热门应用.
陈宽在与医生和医院的接触中发现,医院既是临床医疗机构,也是学术研究机构,医生有借助人工智能技术进行科研的需求,但本身又不具备系统搭建或算法开发的能力,因此推想科技便搭建了一个深度学习平台,在这个平台上,即便医生不会写程序,也可以跑深度学习,做大数据分析.
据他介绍,通过这一平台,推想科技与武汉同济医院、上海长征医院等医疗机构开展合作,发表了多篇颇有影响力的学术论文.
如对于有抽烟习惯和不抽烟人群的脑部MRI（磁共振成像）,医生靠肉眼并不能看出其中的细微差别,但机器通过学习这些MRI数据,总结出了一些人类无法观察到的特征.再读新的脑部MRI时,机器能准确地判断出其主人是否有抽烟习惯, “准确率达到90%~93%.”陈宽说.
医生由此认为,脑结构与抽烟具有相关性.陈宽表示,这一观点在欧洲的放射会议上发表后,引起了学术界的讨论.
此外,基于语音识别技术的虚拟助理也是目前热门的医疗AI应用场景.具体来说,它主要包括语音电子病历、智能问诊和智能导诊等应用.
语音电子病历能够将医生的主诉内容实时转化为病例文本,并录入医院管理系统；智能问诊是移动医疗服务的重要突破口,目前主要是通过微信公众号、小程序和APP等实现智能问诊；而智能导诊机器人则是通过语音识别和人脸识别,为医院提供就医流程引导、挂号服务、医学知识普及和身份识别等服务,缓解医院窗口拥挤压力.
应用不断加快
进入2018年之后,医疗AI行业显现出新的发展趋势.
首先医疗AI在技术上日渐成熟,应用落地的速度不断加快.
以智能影像辅助诊断系统为例,目前针对肺癌和糖尿病眼底筛查的智能辅助诊断技术最成熟,且随着训练数据的积累,一股影像系统都能够在30秒钟之内完成识别和初步诊断,其中肺结节筛查的AI产品平均准确率更是达到90%以上.
“但针对其他病种的智能影像辅助诊断系统大多处于研发或试用阶段,还远未成熟.”尚鞅坦言.
技术的成熟和应用的不断增加,也改变了医院和医生的态度, “可以明显地感受到,大家更愿意接受和尝试医疗AI产品了.”北京推想科技有限公司CEO陈宽说.
2015年,陈宽找医院谈合作时,多数医院都是听一听就没了下文,一些思想保守的医生甚至认为他们是骗子,“小半年的时间下来,我们跑了三四十家医院,没有一家愿意跟我们合作.”
如今,不到3年的时问,他所存的公司已经与全球超过200家三甲医院建立了合作关系,其中排名前50的三甲医院渗透率更是达到了50%,包括美国、日本、德国等国家的医院.
“日本政府已经通过了推想科技智能辅助诊断系统的医疗设备申请,随后它就可以进入日本的医疗诊断体系,这是第一个获得日本政府认可的AI诊断应用.”日本厚生劳动省医疗AI审查委员会委员中田典生曾透露.
更为重要的是,医生开女厶频繁使用这些AI产品.
推想科技的后台检测数据也显示：其近200家合作医院中日常50%的胸片会借助AI完成诊断.
阿里健康高级副总裁柯研介绍,最初医疗领域并不认可人工智能,但现在许多顶级专家都在牵头或积极参与医疗人工智能的研发.
未来尚远
即便如此,医疗AI想要为医疗领域带来颠覆式的革命,仍有许多问题需要解决.
以医学影像智能辅助诊断类产品为例,AI产品必须要有鲁棒性（系统的健壮性）,即产品不仅是在某个小数据集里能训练出来好结果,在真实的临床应用时,面临开放的环境、不同品牌、不同型号的影像设备同样能保持良好的效果.“只有稳定的AI才是临床可用的AI.”陈宽说.
临床可用的AI产品对于医生来说也必须是简单、易操作的,首都医科大学附属北京友谊医院副院长王振常认为这一点至关重要.他说,经过不断迭代升级,目前市场上一些优秀医疗AI产品的操作界面开始变得越来越简便易操作,但大多数产品仍属于后人工智能产品,即在影像拍摄出来以后,医生阅片时使用,而非拍片过程中.
数据的安全性也是不容忽视的问题.据王振常透露,目前大多数AI企业都是在医院的影像科自建服务器或云端,“这存存着巨大的安全隐患,与国家对网络安全的要求还有一定的差距.”
此外,王振常认为,目前的医疗AI产品还很难匹配医院的工作流程.如市场上常见的医疗AI产品多是从单一疾病人手,其中肺结节的辅助诊断技术相对最为成熟,但临床上不仅仅肺部需要影像检查,其他疾病同样需要影像检查.
“友谊医院每天要拍1500张影像,其中只有15%～20%是肺结节检查,因此我们不得不与3家医疗AI企业合作,未来如果不整合,这个数字肯定还要增加.”王振常希望,未来的医疗AI产品能与医院的临床工作流程一致,这样AI的效果才能得到充分发挥,也才能真正颠覆现有的医疗模式.
医疗论文参考资料：
上文总结:上述文章是关于对不知道怎么写医疗和时代和Al时代论文范文课题研究的大学硕士、医疗本科毕业论文医疗论文开题报告范文和文献综述及职称论文的作为参考文献资料。
