2018年12月18日，由鵬城實驗室、新一代人工智能產業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟共同舉辦的「新一代人工智能院士高峰論壇」進行到第二天。

本次論壇以「『頭雁』穿云，云腦啟智」為主題，匯集多位院士、國內頂級科技企業(yè)技術負責人，為與會聽眾奉上了一場人工智能的思想盛宴。

論壇主辦方之一的鵬城實驗室，又稱深圳網絡空間科學與技術省實驗室，于 2017 年 12 月 22 日授牌，2018 年 3 月 31 日正式啟動。目前鵬城實驗室設有網絡通信、人工智能和網絡安全三個研究方向和網絡通信、人工智能、網絡安全、機器人、量子計算五個研究中心。同時已有多位院士入駐實驗室院士工作室。

另一主辦方新一代人工智能產業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟成立于 2017 年 7 月 23 日。聯(lián)盟發(fā)起成員單位包括百度、阿里巴巴、騰訊、華為等十幾家知名企業(yè)。中國工程院潘云鶴院士任聯(lián)盟名譽理事長和專家委員會主任，高文院士任聯(lián)盟理事長，北京大學計算機科學技術系主任黃鐵軍教授任聯(lián)盟秘書長。

本次論壇議程共分為兩天，繼17日主論壇的高屋建瓴和頭腦風暴之后，18日的醫(yī)療專題論壇聚焦行業(yè)場景，由十幾位醫(yī)療人工智能領域的頂級專家緊貼臨床需求，為現(xiàn)場數(shù)百名專業(yè)聽眾帶來了極具啟發(fā)性的分享。 

北京大學信息科學技術學院教授、博士生導師田永鴻教授

論壇伊始，北京大學信息科學技術學院教授、博士生導師田永鴻教授發(fā)表開幕致辭。田教授指出，隨著中國人口老齡化加速，慢性病高速增長，加上我國醫(yī)療資源長期供需失衡、地域分配不均，人們對醫(yī)療人工智能的需求與日俱增。在此背景下，智慧醫(yī)療逐漸進入傳統(tǒng)醫(yī)療的方方面，在智能導診、疾病風險管理、語音電子病歷、影像輔助診斷、醫(yī)療機器人、藥物挖掘與臨床試驗等眾多垂直領域得到應用。

最后，田教授也表達了自己的期望——希望本屆論壇能夠匯聚更多業(yè)內的聲音，讓大家攜起手來，共同推動智慧醫(yī)療產業(yè)在中國的發(fā)展。

鵬城實驗室智慧醫(yī)療課題負責人劉挺教授

隨后，鵬城實驗室智慧醫(yī)療課題負責人劉挺教授登臺演講，向與會聽眾介紹了鵬城實驗室智慧醫(yī)療課題的詳細情況。劉挺教授介紹，鵬城實驗室人工智能研究中心下設了云腦開源軟硬件平臺、智慧交通和智慧醫(yī)療三大課題。

其中，智慧醫(yī)療課題又分為四個子課題：一、基因數(shù)據的壓縮與分析，由哈工大的趙德斌教授牽頭；二、醫(yī)療影像的分析與輔助診斷，有北京大學王亦洲教授牽頭；三、醫(yī)學的知識圖譜與自然語言處理，由劉挺教授本人負責；四、智慧醫(yī)療應用平臺，主要對前面三個子課題進行集成，由湖南大學彭紹亮教授負責。

目前，鵬城實驗室在四個智慧醫(yī)療子課題上均取得了不俗的成績。劉挺教授表示，未來鵬城實驗室還將再接再厲，致力打造一個面向中國人的公益性、開放式的智能輔助診療平臺，把基因、影像、文本、知識圖譜等多種媒介集成在一起，幫助醫(yī)生更好地進行診療。

中央保健委專家劉榮主任

第二位登臺的是中央保健委專家劉榮主任，他以《智能醫(yī)學的機遇和挑戰(zhàn)》為題做了精彩分享。

演講開篇，劉榮主任提綱挈領地對智能醫(yī)學概念進行了準確定義：智能醫(yī)學，即利用人工智能的工具和方法，輔助或替代人類進行醫(yī)療行為的科學，其特征是標準化的醫(yī)療行為和個體化的醫(yī)療設計。

劉榮主任介紹，語音識別、圖像識別、視頻識別以及智能導航等新技術的出現(xiàn)，使得醫(yī)學影像輔助診斷、多模態(tài)影像融合、三維重建變得更加高效。其中三維重建是當前的一大研究熱點，它是手術導航技術的基礎。優(yōu)秀的手術導航系統(tǒng)可以幫助醫(yī)生降低手術難度、提高手術質量，同時輔助新醫(yī)生的培訓。

劉榮主任也指出，當前手術導航仍然面臨著不少挑戰(zhàn)。手術導航分為硬質器官手術導航和軟質器官手術導航兩大類別。其中軟質器官容易發(fā)生形變和位移，給手術導航帶了巨大的挑戰(zhàn)、劉榮主任在這方面做了許多努力和研究，也取得不俗的成果。劉榮主任表示，希望未來技術突破可以實現(xiàn)手術機器人+智能導航+自動控制的外科，“一個外科醫(yī)生就能控制30臺手術”。但要實現(xiàn)這一愿景，數(shù)據共享仍是一道嚴峻的挑戰(zhàn)。

深睿醫(yī)療首席科學家俞益州教授

緊接著，深睿醫(yī)療首席科學家俞益州教授發(fā)表了主題為《人工智能在醫(yī)學影像領域的應用及前景》的主題演講。

俞教授介紹，現(xiàn)代醫(yī)學越來越依賴醫(yī)學影像信息進行診斷，其中有80%的臨床問題需要影像檢查才能得出準確的診斷結果。醫(yī)學影像格式標準化的特點又特別適合引入人工智能技術，因此醫(yī)學和人工智能的結合成為了當前的熱門研究方向。

深睿醫(yī)療作為一家新銳企業(yè)，在醫(yī)學影像分析方面進行了許多探索。俞教授介紹，深睿醫(yī)療目前主要致力于兩類重大疾病的輔助診斷：一是癌癥的篩查和分析、分類；二是急診室場景需要快速確診的疾病輔助診斷，比如腦卒中。

演講最后，俞教授還透露了深睿醫(yī)療與香港大學、中山大學合作的一項最新研究成果——通過一種新的、非局部的上下文編碼網絡提高醫(yī)學圖像分割算法的魯棒性。這項成果在設計編碼器的時候有兩方面的考量：一是全局的關聯(lián)性，二是全局的上下文。在全局關聯(lián)性方面，通過對每個像素特征向量和同一個圖像內部所有其他未知的特征向量進行相關性分對相關性大的像素能夠進行融合，得到去除噪聲的特征向量的版本，再把去除噪聲以后的特征向量的版本加到原始的特征圖上，得到加強版的特征圖。這種加強版的特征圖能夠對噪聲，特別是惡意的噪聲具有比較強的抵抗力。

 另外一方面，醫(yī)學圖像有比較明顯的結構，因為人體器官之間的相對位置是比較明確的，可以利用這種明確的結構信息，生成全局的上下文編碼。

萊斯特大學系統(tǒng)神經科學中心主任Rodrigo Quian Quiroga教授

第四個發(fā)表演講的是萊斯特大學系統(tǒng)神經科學中心主任Rodrigo Quian Quiroga教授，他為與會聽眾帶來了主題為《what make us human》的主題演講。

Rodrigo Quian Quiroga教授別出心裁地從幾部經典科幻電影切入，探討了人類與動物、機器思維方式的不同，為人工智能的研究方向提供了諸多啟發(fā)。

中國科學院深圳先進技術研究院生物醫(yī)學與健康工程研究所副所長劉新研究員

隨后，中國科學院深圳先進技術研究院生物醫(yī)學與健康工程研究所副所長劉新研究員作為第五位演講嘉賓發(fā)表了題為《腦卒中粥樣硬化斑塊檢測與智能診斷》的精彩報道。

劉新研究院介紹，動脈粥樣硬化斑塊破裂及血栓形成是腦卒中的主要病因，其中顱內動脈粥樣硬化斑塊占據了47%。目前，磁共振血管壁成像是檢測顱內動脈粥樣硬化斑塊的唯一手段，同時它在其它位置的動脈粥樣硬化斑塊的檢測方面也有顯著優(yōu)勢。

不過這項技術在臨床應用上面臨著許多挑戰(zhàn)：首先，現(xiàn)有的磁共振成像技術成像時間過長，在10分鐘以上，會產生運動造成的偽影；其次，易損斑塊結構成分復雜，易損性的定量判斷難；最后，斑塊圖像數(shù)據量大，導致閱片困難。

為了解決這些問題，劉新研究員在快速成像方法、快速曲面重建和斑塊智能診斷方面做了許多研究。醫(yī)高性能頭頸聯(lián)合血管線圈為硬件基礎，采用新型成像算法與脈沖序列設計，以及欠采樣快速成像的方法，劉新團隊實現(xiàn)了低于5分鐘的全腦血管壁成像。同時，通過黑血與亮血圖像融合、局部直方圖最優(yōu)路徑選擇，實現(xiàn)了快速精準的曲面重建。斑塊智能診斷方面，基于CNN的頸動脈分隔模型，將頸動脈粥樣硬化斑塊的自動診斷準確率提高到了85.18%。

演講最后，劉新研究院歸納，醫(yī)學影像輔助診斷AI的基礎是高質量的圖像，因此動脈粥樣硬化斑塊智能診斷需要覆蓋成像、重建和診斷全鏈條，同時還應該建立相應的數(shù)據采集和標注標準。

華大生命科學研究院執(zhí)行副院長劉心博士

上午場壓軸演講的是華大生命科學研究院執(zhí)行副院長劉心博士，它帶來了主題為《基因組學大數(shù)據的分析和應用》的精彩分享。

演講開始，劉心博士對基因組學大數(shù)據的內容和分析方法進行了簡單介紹。劉心博士介紹，基因組學大數(shù)據和人工智能有許多交集。首先，人工智能中的圖像識別技術可以應用于基因測序，實時計算分析基因復制過程中生化反應產生熒光。其次，基因組學數(shù)據與其他數(shù)據進行整合，也可以輔助對眼科疾病、肺癌、乳腺癌等疾病進行智能診斷。

最后，劉心博士詳細介紹了兩個基因組學大數(shù)據的實際應用案例：一是單一基因疾病的研究。利用基因組學數(shù)據找到基因與疾病之間的關系，并通過基因對照，找出帶有基因缺陷卻幸存下來的患者，研究他們身上幫助對抗基因缺陷的機制，尋找治愈遺傳病的方法。

二是利用無創(chuàng)產前基因診斷積累的基因組學大數(shù)據，做中國人群基線、靶向基因藥物等方面的研究。

湖南大學教授、鵬城實驗室智慧醫(yī)療子課題負責人彭紹亮教授

下午，湖南大學教授、鵬城實驗室智慧醫(yī)療子課題負責人彭紹亮教授用題為《基于超算的人工智能醫(yī)療和區(qū)塊鏈技術》的主題演講重新點燃了現(xiàn)場氣氛。

彭紹亮教授的團隊希望能把人工智能、超算、醫(yī)療大數(shù)據、區(qū)塊鏈最新計算技術融合在醫(yī)療過程中，從診前、診中、診后三個階段全面提升診療的效率和精度。

診前階段，彭教授的團隊做了健康體檢機器人、掛號機器人、分導診機器人、全科機器人等產品；診中方面，做了36種疾病的輔助診療機器人；診后則推出了巡房機器人等產品。

彭教授表示，希望從疾病診斷、療效評估、愈后預測，建立每個中國人全數(shù)字生命周期健康管理的系統(tǒng)，從出生到死亡，從碳基生命到數(shù)字化技術的轉化，實現(xiàn)人的數(shù)字化生命在互聯(lián)網上可以永生。他搜集了包括并立數(shù)據、組學數(shù)據、既往病史數(shù)據、家族病史數(shù)據在內的多維度數(shù)據。他表示，健康和醫(yī)療問題是多維度的非常復雜的問題，需要多維數(shù)據的融合，在疾病預防、個性化診療、營養(yǎng)保健、健康管理給出一整套解決方案。

最后，彭紹亮教授還介紹了自己在區(qū)塊鏈技術上的研究成果。其中他和上海交大龍教授合作的醫(yī)療區(qū)塊鏈，采用智能控制合約有助于醫(yī)院和企業(yè)等各方真正實現(xiàn)數(shù)據共享。

騰訊AI Lab高級研究員孫鐘前

下午第二位發(fā)表精彩演講的是騰訊AI Lab高級研究員孫鐘前，他分享的主題是 《騰訊AI在消化內鏡篩查中的研究和應用》。

孫鐘前研究員以食管癌篩查為例，介紹了騰訊AI Lab在消化內鏡篩查中的研究和探索。孫鐘前介紹，騰訊AI Lab在食管癌篩查項目中遇到了幾個挑戰(zhàn)：一、數(shù)據量小，導致模型魯棒性較差；二、數(shù)據標注的一致性低；三、產品落地到多家醫(yī)院時，模型的泛化能力比較差。

為了解決這些問題，騰訊AI Lab做了許多努力。首先為了解決假陰性的問題，孫鐘前研究員的團隊對網絡提取特征的過程做了約束，這個約束對于病變圖像失靈，對正常圖像則是各個維度特征向量的平方和。通過這樣的方式盡可能和抑制提取到的正常圖像特征，緩解了因噪聲引起的誤判。另一方面，為了解決假陽性的問題，孫鐘前研究員的團隊把自然圖像和醫(yī)療圖像放到一起訓練，對醫(yī)療圖像做正常分類，對自然圖像則追求分到每一個類別的概率盡可能相等，通過這種方式將模型的準確性提升了15%。

其次，為了解決數(shù)據標注一致性低的問題。孫鐘前團隊采用了一種多步迭代的方式：最開始用五個人一致的數(shù)據訓練得到一個基礎的分類模型，接下來再把四個人一致的數(shù)據作為第二輪的訓練。第二輪的訓練一方面要考慮醫(yī)生標注的結果，也要考慮上一輪模型的預測結果，這樣就把上一輪模型學習的經驗也帶到了下一輪模型學習當中。依此類推，還可以把三個人一致甚至一個人一致的數(shù)據也加入到模型里。這樣既利用了所有數(shù)據，又對模型的魯棒性提升有很大幫助。

最后，為了提升模型的泛化能力，孫鐘前團隊采用了無標簽數(shù)據抑制醫(yī)院之間差異的做法。具體做法是獲取兩家醫(yī)院的無標簽數(shù)據，讓它們同時經過網絡，這樣網絡就無法區(qū)別某個特征來自哪家醫(yī)院。通過這種方式，模型有了較大的性能提升。

孫鐘前團隊還將食管癌篩查的知識和數(shù)據遷移到了胃癌篩查中，同樣取得了顯著成效。

廈門大學 紀榮嶸教授

第三位演講的嘉賓是來自廈門大學的紀榮嶸教授，他分享的題目是《高可信智能化心腦血管診療理論與關鍵技術》。

紀榮嶸教授研究的主要內容是如何將多模態(tài)、高維數(shù)據進行高效地壓縮，讓它們在各個設備之間可以高速互傳，從而打通各個醫(yī)院之間的數(shù)據屏障。其主要思路分為三步：一、把醫(yī)院的信息匯到一起；二、研究醫(yī)療大數(shù)據知識表示，探索多元異構醫(yī)療信息的智能提取機理；三、做人機協(xié)同的診療模型。

紀教授的項目自2017年啟動以來，已經說服了20多家三甲醫(yī)院及其下設診所加入，并將600多套心腦血管診療設備連成了一個網絡。數(shù)據進來后系統(tǒng)會自動做出初始診斷供醫(yī)生參考。

不過中間也存在一些問題：一是初始診斷的質量不高；二是數(shù)據規(guī)模特別大，對數(shù)據壓縮提出了巨大挑戰(zhàn)。

華東理工大學 阮彤教授

第四位演講嘉賓是來自華東理工大學的阮彤教授，她的演講題目是《基于知識圖譜與電子病歷的臨床科研與人工智能研究》。

阮彤教授在演講中提到了電子病歷遭遇的一些窘境，比如數(shù)據共享問題。自從數(shù)據變成資產以后，大家都不肯分享數(shù)據，并不是因為隱私需要，而是因為各方對數(shù)據的貢獻值難以界定。這就需要利用算法制定出一套利益共享機制。

另外，文本結構化需要先建立一套標準。但醫(yī)生的工作習慣是一個病例一個病例地看，制定規(guī)范對他們而言是一件非常痛苦卻又很必要的事情。如何尋找共識，是行業(yè)接下來需要解決的問題。

前面是基于規(guī)則系統(tǒng)的做法，采用深度學習技術可以避免部門問題，但同時也會衍生出新的要求。首先就是數(shù)據質量標準的制定。阮彤教授在這方面做了一些工作。

但總體來說，這個領域還有很大的發(fā)展空間。

香港城市大學 李帥成副教授

下午的第五位演講嘉賓是香港城市大學的李帥成副教授，他發(fā)表了題為《二代測序在鑒識領域的應用》的精彩分享。

李帥成副教授介紹，最幾年隨著大量基因數(shù)據的產生以及基因測序技術成本下降，這項技術在鑒識領域也得到了大量應用。具體來說，基因數(shù)據可以用于犯罪事件中的案犯身份鑒識，或者大型災難后的遺體身份識別等場景。

李帥成副教授介紹，鑒識領域并不需要用到全部DNA序列，而是只需要很小的片段。不過，F(xiàn)BI公布的15個基因點位并不適合中國人，造成了很多冤假錯案。為此，李帥成副教授希望用價格更低、數(shù)據量更大的二代測序技術找出一批中國人自己的點位。

李帥成副教授介紹，二代測序技術解決了一些原來無法解決的問題。比如，一代測序無法區(qū)別爺孫關系和叔侄關系，但是二代測序卻可以區(qū)分得非常清楚。

同時他也指出，隨著基因測序技術變得強大，基因數(shù)據的安全問題也變得日益嚴峻，這對行業(yè)來說是一個巨大的挑戰(zhàn)。

哈爾濱工業(yè)大學（深圳）馬婷副教授

論壇壓軸演講的是來自哈爾濱工業(yè)大學（深圳）的馬婷副教授，她分享的題目是《醫(yī)學影像AI在腦疾病臨床轉化探索》。

馬婷副教授介紹，帕金森病和阿爾茨海默病這兩種腦部疾病在中國的發(fā)病率越來越高，需要引起高度重視。

馬婷副教授的研究方向之一就是如何通過影像尋找這兩種病變的生物靶點。她表示，無論用機器學習還是其他特征挖掘方法，都必須保證結果對醫(yī)生有可解釋性。因此，首先要對腦圖像進行解剖學的定位。其中兩個重要核心點：一是能否精準定位不同的腦區(qū)；二是能否通過分析把dimension降下來，更方便數(shù)據壓縮和存儲。

馬婷副教授采用的是基于知識圖譜的腦分割的技術，這種方法可以把任何一個目標圖像影射到兩百多個維度的結構化數(shù)據上去，從而獲取更多的信息。同時也可以將dimension從一百多兆一組圖像降到幾十兆，提高計算速度。

鵬城實驗室人工智能中心主任、北京大學李革教授

最后，鵬城實驗室人工智能中心主任、北京大學李革教授發(fā)表精彩閉幕致辭，為論壇畫上了一個圓滿的句號。李革教授表示，醫(yī)療人工智能領域還有非常多的挑戰(zhàn)，醫(yī)學影像、知識圖譜、基因組學等各個方面都離實際落地還有一定距離，這給研究者提供了很大的發(fā)揮空間。他希望各界人士積極與鵬城實驗室合作，攻克行業(yè)難題，為中國智慧醫(yī)療的提升做出積極貢獻。雷鋒網雷鋒網雷鋒網

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。