編者按：7月12日-7月14日，2019第四屆全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR 2019）于深圳正式召開。峰會(huì)由中國計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，深圳市人工智能與機(jī)器人研究院協(xié)辦，得到了深圳市政府的大力指導(dǎo)，是國內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級(jí)交流博覽盛會(huì)，旨在打造國內(nèi)人工智能領(lǐng)域極具實(shí)力的跨界交流合作平臺(tái)。

大會(huì)收官的7月14日，「AI醫(yī)療」專場依舊座無虛席。五位醫(yī)療領(lǐng)域的產(chǎn)、學(xué)、醫(yī)等多方頂尖專家，分享了獨(dú)特而深刻的前沿技術(shù)與商業(yè)方法論。

Demetri Terzopoulos

《人工智能在視覺計(jì)算與醫(yī)學(xué)領(lǐng)域的作用》

Demetri Terzopoulos是加州大學(xué)洛杉磯分校（UCLA）杰出教授，計(jì)算機(jī)視覺與圖形學(xué)實(shí)驗(yàn)室主任。英國皇家科學(xué)院、加拿大科學(xué)院院士，體素科技首席科學(xué)家，ACM、IEEE Fellow。

作為本專場的開場嘉賓，Demetri Terzopoulos教授回顧了計(jì)算機(jī)視覺的歷史：從最初模式識(shí)別的方法，到后來基于模型的方法，現(xiàn)在則是過渡到了深度學(xué)習(xí)階段。

從1978年開始，Demetri Terzopoulos教授就嘗試使用對(duì)醫(yī)學(xué)圖像進(jìn)行分析。上世紀(jì)80年代開始，Demetri Terzopoulos開始了基于可形變模型的醫(yī)學(xué)影像研究。

1987年，Demetri Terzopoulos與Kass等合作提出了著名的Snake模型，合作發(fā)表的論文也在IJCV 第一期Marr獎(jiǎng)特刊中獲獎(jiǎng)，是計(jì)算機(jī)科學(xué)中被引用次數(shù)最多的論文之一。模型提出后，各種基于主動(dòng)輪廓線的圖像分割、理解和識(shí)別方法蓬勃發(fā)展。

在演講中，教授列舉了多個(gè)使用主動(dòng)輪廓模型進(jìn)行圖像分割與重建的案例。

而到了人工智能時(shí)代，以數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)對(duì)成像技術(shù)作出了突出貢獻(xiàn)。Demetri Terzopoulos教授也嘗試使用深度卷積神經(jīng)網(wǎng)絡(luò)，進(jìn)行肺結(jié)節(jié)的探測。他以最近一篇獲獎(jiǎng)的論文表示，“我相信這是一個(gè)大趨勢。未來，自動(dòng)分割會(huì)有更多產(chǎn)出，使得醫(yī)學(xué)成像的效率更高。而深度學(xué)習(xí)和可變形模型的組合，將通過數(shù)據(jù)驅(qū)動(dòng)來賦能醫(yī)學(xué)影像分析?！?/p>

Demetri Terzopoulos教授認(rèn)為，計(jì)算機(jī)科學(xué)、人工智能和信息技術(shù)有巨大的潛力，可以賦能醫(yī)學(xué)事業(yè)，這對(duì)未來的創(chuàng)新是最大的源泉。但是，他也提醒，“我們有前沿的數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)技術(shù)和強(qiáng)大的模型為基礎(chǔ)的方法，但是不能盲目的認(rèn)為，深度學(xué)習(xí)的單兵作戰(zhàn)就可以解決所有問題?！?/p>

“所以我們需要和其他技術(shù)結(jié)合起來，也就是和傳統(tǒng)的醫(yī)學(xué)界共同協(xié)作，才能充分用好我們的深度學(xué)習(xí)、人工智能來促進(jìn)醫(yī)學(xué)事業(yè)的發(fā)展。我們需要做大量研究，才能更好地解決醫(yī)學(xué)事業(yè)實(shí)實(shí)在在的問題，并且為更多的病患造福?！?/p>

2016年，醫(yī)療AI公司體素科技（VoxelCloud）在上海成立，Demetri Terzopoulos教授擔(dān)任聯(lián)合創(chuàng)始人兼首席科學(xué)家，更好地將學(xué)術(shù)研究、技術(shù)開發(fā)與商業(yè)落地進(jìn)行融合。

姚智清

《AI賦能醫(yī)療的價(jià)值與未來》

姚智清是飛利浦大中華區(qū)CTO、中國研究院和中國創(chuàng)新中心負(fù)責(zé)人，是飛利浦大中華區(qū)管理團(tuán)隊(duì)成員之一，負(fù)責(zé)推動(dòng)健康科技和數(shù)字解決方案的創(chuàng)新。他從理念基礎(chǔ)，技術(shù)實(shí)現(xiàn)等角度闡釋了飛利浦在醫(yī)療上的思考與布局。

過去幾年，軟件開發(fā)和AI是飛利浦戰(zhàn)略發(fā)展的重點(diǎn)，飛利浦每年投入超過18億歐元進(jìn)行研發(fā)，其中60%用于軟件和AI的開發(fā)。

姚智清表示，“單點(diǎn)突破難以產(chǎn)生協(xié)同，健康產(chǎn)業(yè)越來越強(qiáng)調(diào)從院內(nèi)到家庭護(hù)理的全流程解決方案?！?/p>

為此，飛利浦形成了健康生活、精準(zhǔn)診療、影像介入治療、互聯(lián)關(guān)護(hù)四大事業(yè)群。

數(shù)據(jù)大不代表大數(shù)據(jù)，如何讓數(shù)據(jù)真正有價(jià)值？姚智清認(rèn)為，以AI三大技術(shù)助力醫(yī)療系統(tǒng)釋放龐大數(shù)據(jù)的價(jià)值：自然語言處理、深度學(xué)習(xí)、大數(shù)據(jù)挖掘和分析等技術(shù)。

飛利浦與全球范圍內(nèi)4000多家頂級(jí)醫(yī)院、科研機(jī)構(gòu)、創(chuàng)新平臺(tái)等緊密合作，從數(shù)據(jù)的來源、建模、訓(xùn)練到結(jié)果測試、評(píng)判都嚴(yán)格遵循臨床指南和醫(yī)學(xué)路徑，并基于科學(xué)評(píng)估標(biāo)準(zhǔn)和體系，反復(fù)嚴(yán)格驗(yàn)證，確保為臨床提供安全可靠的解決方案。

平臺(tái)化是飛利浦的重要戰(zhàn)略方向，醫(yī)學(xué)界、工業(yè)界、創(chuàng)新平臺(tái)，必須打破界限、發(fā)揮所長，共同構(gòu)建AI 健康醫(yī)療生態(tài)系統(tǒng)?！拔覀兪且患液霉?，但我們并不是唯一的一家好公司，在醫(yī)療領(lǐng)域發(fā)揮特長，需要跟各位專家持續(xù)合作?！?/p>

姚建華

《人工智能在病理診斷中的前沿研究和應(yīng)用》

姚建華是醫(yī)學(xué)影像AI領(lǐng)域國際級(jí)專家，在騰訊 AI Lab負(fù)責(zé)AI+醫(yī)療領(lǐng)域的前沿研究及產(chǎn)品落地。

騰訊AI Lab是公司級(jí)的實(shí)驗(yàn)室，據(jù)姚建華介紹，現(xiàn)在AI Lab有超過70名研究員和超過300名工程師，研究方向包括計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、語音識(shí)別、自然語言處理，醫(yī)療是實(shí)驗(yàn)室的主要應(yīng)用場景。

騰訊AI Lab為騰訊首款將人工智能技術(shù)運(yùn)用在醫(yī)學(xué)領(lǐng)域的AI產(chǎn)品——騰訊覓影提供算法技術(shù)支持。2017年11月，科技部公布首批國家新一代人工智能開放創(chuàng)新平臺(tái)名單，并明確依托騰訊公司建設(shè)醫(yī)療影像國家新一代人工智能開放創(chuàng)新平臺(tái)。

作為一個(gè)技術(shù)派人員，姚建華博士從技術(shù)層面分享了騰訊AI Lab在病理和人工智能方面做的前沿研究和落地。

姚建華認(rèn)為，病理診斷是一個(gè)非常復(fù)雜的過程，主觀性很強(qiáng)，一致率比較低。因此利用人工智能技術(shù)，可以幫助醫(yī)生提高診斷的可重復(fù)性，提高準(zhǔn)確率和效率，從一定程度上緩解病理醫(yī)生不足的狀況。

但是對(duì)于病理分析而言，病理的圖像尺寸非常大，對(duì)計(jì)算機(jī)的處理性能提出挑戰(zhàn)，此外，醫(yī)生經(jīng)常要識(shí)別病理圖像中非常細(xì)微組織的變化。在自然圖像中比較成功的算法往往在病理圖像中不能達(dá)到相應(yīng)的效果，因此，工程人員就需要開發(fā)特殊的算法。

目前，病理AI的主要研究領(lǐng)域有三部分：

第一，開發(fā)基于AI技術(shù)的病理診斷模型，以提高醫(yī)生的診斷效率，提高微小病變和疑難病例的識(shí)別能力。

第二，病理組學(xué)，從病理中提取對(duì)診療有用的特征，進(jìn)行定量化分析，發(fā)現(xiàn)病理特征和診療之間的關(guān)聯(lián)性。

第三則是更高級(jí)的功能，利用病理數(shù)據(jù)來開發(fā)基于AI技術(shù)的病理預(yù)后預(yù)測模型，預(yù)測治療的效果以及五年的總生存率。

姚建華博士說到，這三個(gè)方向可以覆蓋從基層醫(yī)院到三甲醫(yī)院的不同應(yīng)用場景。

圍繞染色歸一化、結(jié)直腸癌病理診斷、結(jié)直腸息肉分類、淋巴結(jié)轉(zhuǎn)移檢測、免疫組化(IHC)、療效預(yù)測等方面，姚博士所在的團(tuán)隊(duì)都提出了一些有針對(duì)性的解決方法，例如在療效預(yù)測方面，將傳統(tǒng)的特征提取與分類方法進(jìn)行結(jié)合，可以得到更好的預(yù)測效果。

尹國圣  

《Statistics and AI in Medicine》

尹國圣教授是香港大學(xué)統(tǒng)計(jì)與精算系主任，潘燊昌基金教授， Fellow of the American of Statistical Association。他的研究方向是臨床試驗(yàn)設(shè)計(jì)、生存分析、貝葉斯統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)，發(fā)表論文150余篇，同時(shí)還擔(dān)任Journal of American Statistical Association, Statistical Analysis and Data Mining，Contemporary Clinical Trials等雜志的副主編。

尹教授從統(tǒng)計(jì)學(xué)的角度，分享了AI在醫(yī)學(xué)上的應(yīng)用。

他表示，目前，AI在放射學(xué)診斷設(shè)備端，如X光、CT、MRI圖像上應(yīng)用最為廣泛。利用這些圖像的準(zhǔn)確診斷有助于加快治療進(jìn)程，提高疾病治愈的可能性。另外，NLP在電子病歷中的應(yīng)用也是一個(gè)值得探索的方向：“醫(yī)學(xué)電子病歷有著非常海量的數(shù)據(jù)，怎么樣利用這些數(shù)據(jù)，給病人全方面的診斷，這也是非常有意義的一件事情?！?/p>

此外，與傳統(tǒng)的生存模型相比，深度學(xué)習(xí)還可以更準(zhǔn)確地預(yù)測患者的生存率。當(dāng)然，這只是機(jī)器學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域的開端，許多應(yīng)用前景廣闊，但還需要在隨機(jī)臨床試驗(yàn)中進(jìn)行進(jìn)一步驗(yàn)證。

尹教授論述了幾個(gè)深度學(xué)習(xí)模型在疾病預(yù)測中的案例。他強(qiáng)調(diào)，如果一個(gè)AUC為0.99的算法沒有被證明可以改善臨床結(jié)果，那么它的價(jià)值將會(huì)大打折扣。

2018年4月，由IDx公司開發(fā)的AI系統(tǒng)(結(jié)合算法的成像設(shè)備)獲得FDA的批準(zhǔn)。該算法在疾病診斷中的敏感性為87%，特異性為91%。

當(dāng)然，從統(tǒng)計(jì)學(xué)的角度，尹教授也給我們分享了自己的心得。他介紹，醫(yī)學(xué)上的失誤是導(dǎo)致死亡的第三大因素，第一名是心臟??；第二名是癌癥；第三名是誤診。

人為錯(cuò)誤有時(shí)是不可避免的。雖然我們不能消除人為錯(cuò)誤，但我們可以更好地度量問題，以設(shè)計(jì)更安全的系統(tǒng)，減少其發(fā)生的頻率和可能性。讓錯(cuò)誤在發(fā)生時(shí)，盡可能地減小影響。

他說，100多年來，統(tǒng)計(jì)學(xué)在醫(yī)學(xué)研究中一直扮演著極為重要的角色。對(duì)藥物進(jìn)行假設(shè)檢驗(yàn)，利用隨機(jī)臨床試驗(yàn)進(jìn)行治療效果的比較、使用ROC曲線評(píng)價(jià)疾病診斷系統(tǒng)或算法等等，而人工智能正在成為臨床醫(yī)生在做決定時(shí)的一種補(bǔ)充。

梁長虹

《醫(yī)學(xué)影像從CAD走向AI——做正確的事》

梁長虹是華南理工大學(xué)醫(yī)學(xué)院副院長，華南理工大學(xué)附屬廣東省人民醫(yī)院影像醫(yī)學(xué)部主任兼放射科主任。同時(shí)，他也是科技部重點(diǎn)研發(fā)計(jì)劃首席科學(xué)家，中國放射醫(yī)師協(xié)會(huì)副會(huì)長，中華放射學(xué)會(huì)副主任委員，廣東省放射醫(yī)師協(xié)會(huì)主任委員，亞洲腹部影像協(xié)會(huì)主席。

演講中，梁長虹主任開玩笑的說：“我是一個(gè)醫(yī)生，很夢想人工智能扳倒我們，但是現(xiàn)在的算法還有很多懸而未決的事情?！?/p>

他認(rèn)為，找病灶和診斷病灶是兩回事。人工智能在醫(yī)學(xué)影像上跟人工智能在醫(yī)學(xué)其他領(lǐng)域有類似的問題，但更為復(fù)雜。“深度學(xué)習(xí)是什么？對(duì)我來說就是‘黑盒子’理論，在座的數(shù)學(xué)家、統(tǒng)計(jì)學(xué)家、計(jì)算機(jī)學(xué)家能不能對(duì)每一層發(fā)生的變化給出預(yù)測，這樣就有可能實(shí)現(xiàn)多中心臨床試驗(yàn)了?！?/p>

另外，就是可解釋性需要關(guān)注。作為放射科醫(yī)生，有責(zé)任，了解何時(shí)、何種方式有危險(xiǎn)，對(duì)這些方式保持透明性，防止它們可能造成的任何傷害，更加符合醫(yī)學(xué)倫理道德。

最近涌現(xiàn)的新型人工智能算法，促使人們反思過去的人工智能為什么未能實(shí)現(xiàn)其目標(biāo)。

如今的人工智能工具已經(jīng)獲得了監(jiān)管部門的批準(zhǔn)，這是基于它們?cè)谏贁?shù)健康領(lǐng)域的表現(xiàn)。也許這些新的人工智能方法的增加精度將減少假陽性，有利于提高醫(yī)師的效率。算法或模型的通用性使放射學(xué)的多樣性實(shí)踐仍然是一個(gè)懸而未決的問題。

梁主任表示，放射科醫(yī)生是新技術(shù)的弄潮兒，放射科醫(yī)師會(huì)用最新的設(shè)備和最新的技術(shù)。同時(shí)，醫(yī)學(xué)具有長尾效應(yīng)，“我們放射科醫(yī)生至少掌握2萬術(shù)語、懂5600個(gè)病種，有的病例可能一年就一個(gè)或幾個(gè)，也能用人工智能來解決嗎？因此，大家不要期望AI能解決一切?！?/p>

同時(shí)，梁教授也表示，數(shù)據(jù)的結(jié)構(gòu)性是很大的問題，這也是我們面臨的挑戰(zhàn)。醫(yī)療是有溫度的，就是情感，這就涉及到人文，涉及到醫(yī)者和患者兩個(gè)方面，可能也是AI目前最難解決的。

圓桌討論

三年為期，展望未來

五位嘉賓演講結(jié)束后，進(jìn)入到了圓桌討論的環(huán)節(jié)。宜遠(yuǎn)智能CEO吳博擔(dān)任圓桌主持人，廣東省人民醫(yī)院影像醫(yī)學(xué)部主任兼放射科主任梁長虹、柏視醫(yī)療董事長陸遙、翼展醫(yī)療集團(tuán)合伙人兼CMO高云龍、視見科技CEO陳浩，圍繞AI醫(yī)療的進(jìn)展與心得進(jìn)行精彩分享。

從2016年開始，基于深度學(xué)習(xí)的AI技術(shù)成為了革新各個(gè)行業(yè)的一大利器，醫(yī)療是其中最火熱的領(lǐng)域之一。從“替代醫(yī)生”到“輔助醫(yī)生”，從“單點(diǎn)突破”到“全病種理念”，從“技術(shù)研發(fā)”到“商業(yè)落地”。短短三年時(shí)間里，AI醫(yī)療經(jīng)歷了一個(gè)急劇變化的過程。

2019年，成為AI醫(yī)療落地的關(guān)鍵之年。因此，雷鋒網(wǎng)此次圓桌的主題為：“三年之期：探尋醫(yī)學(xué)影像AI的未來之路”，嘗試以三年為一個(gè)坐標(biāo)，在這重要的時(shí)間點(diǎn)，為業(yè)內(nèi)人士勾勒一個(gè)比較清晰的發(fā)展藍(lán)圖。

各位嘉賓就“過去一年的產(chǎn)品和科研成果”、“醫(yī)療AI器械三類證審批”、“如何平衡醫(yī)工結(jié)合”“AI醫(yī)療創(chuàng)業(yè)公司如何與BAT共處”等問題進(jìn)行了探討。

關(guān)于五位重磅嘉賓的演講和圓桌討論的精彩內(nèi)容，雷鋒網(wǎng)將會(huì)第一時(shí)間整理出來，以饗讀者。

同時(shí)，我們將會(huì)在本次峰會(huì)后，在「AI投研邦」上線CCF GAIR 2019峰會(huì)完整視頻與各大主題專場白皮書，包括機(jī)器人前沿專場、智能交通專場、智慧城市專場、AI芯片專場、AI金融專場、AI醫(yī)療專場、智慧教育專場等?！窤I投研邦」會(huì)員們可免費(fèi)觀看全年峰會(huì)視頻與研報(bào)內(nèi)容，掃碼進(jìn)入會(huì)員頁面了解更多。峰會(huì)期間專享立減399元福利，可進(jìn)入頁面直接領(lǐng)取，或私信助教小慕（微信：moocmm）咨詢。（最后一天50個(gè)名額，速搶。）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。