雷鋒網(wǎng)消息，7月9日，由中國計算機學(xué)會（ CCF） 主辦，雷鋒網(wǎng)與香港中文大學(xué)（深圳）承辦的第二屆CCF-GAIR全球人工智能與機器人峰會進(jìn)入了第三天。在下午的未來醫(yī)療專場上舉行了題為“AI在醫(yī)療影像中的真實應(yīng)用場景”的圓桌會議。

據(jù)雷鋒網(wǎng)了解，此次圓桌會議由清華x-lab健康醫(yī)療創(chuàng)新中心主任鐘宏主持， 廣東省人民醫(yī)院影像科主任、南方醫(yī)科大學(xué)副教授劉再毅，飛利浦大中華區(qū)臨床科學(xué)部高級總監(jiān)周振宇，匯醫(yī)慧影CEO柴象飛，宜遠(yuǎn)智能CEO吳博等四人參與討論。

從左至右為周振宇，劉再毅，柴象飛，CEO吳博。

以下為此次圓桌對話內(nèi)容實錄，雷鋒網(wǎng)在不改變原意的基礎(chǔ)上進(jìn)行了整理。

鐘宏：之前周院長提出人工智能要分清是在醫(yī)學(xué)方面的應(yīng)用還是醫(yī)療方面的應(yīng)用，坦率的講，作為非醫(yī)療背景的人，我很難理解這個問題。不知道哪位愿意講解一下，為什么在人工智能或者影像智能方向要分醫(yī)學(xué)和醫(yī)療兩個方向？

劉再毅：我們臨床工作還是常規(guī)的模式，基于人工的經(jīng)驗進(jìn)行圖像判斷。我們希望AI給我們很好的支撐，減輕工作量，把時間、精力更加聚焦到重要的臨床活動當(dāng)中去。剛才田老師說了，這是學(xué)術(shù)方面的研究，我們發(fā)表文章之后，成果能不能拿給我們用。大家如果進(jìn)入醫(yī)學(xué)影像里面來，你會發(fā)現(xiàn)里面的陷阱、難度很多?，F(xiàn)在廠家的設(shè)備差異很大。我覺得這里面更多是做學(xué)術(shù)研究，真正落地到臨床上是很難的，路還有很長。最近有很多創(chuàng)業(yè)公司的朋友拿產(chǎn)品過來讓我提意見，上午外國教授講了一點，我們失敗在什么地方呢？沒有Follow臨床工作流程，肺結(jié)節(jié)檢測，我們檢測完了只是一個方面，我們看片子會調(diào)不同顏色一樣的東西，如果只做肺結(jié)節(jié)檢測沒有問題，但是病人一旦漏了另外一個疾病，就賠錢。這給我們帶來怎樣的科學(xué)進(jìn)步？學(xué)術(shù)是我們最需要做的，但是學(xué)術(shù)到臨床，我感覺路還是蠻長的，需要工業(yè)界的朋友給我們提供更好的支撐，讓我們敢用，如果臨床不能通過，就拿不到證書，就不能做商業(yè)的開發(fā)。

鐘宏：前面三位嘉賓都來自醫(yī)學(xué)影像的技術(shù)公司或者研究院，都提到了一定要圍繞臨床醫(yī)生的需求。剛才劉主任的分享，我覺得非常坦誠，這個行業(yè)里面有很多難點，從醫(yī)學(xué)到醫(yī)療，可能有很大的山峰要攀。周總作為GPS工作者，這么多經(jīng)驗，算是醫(yī)療影像的產(chǎn)品和服務(wù)的提供商，您怎么看人工智能在醫(yī)療影像中對我們的專家、患者會產(chǎn)生什么樣的影響？或者多長時間能邁過從醫(yī)學(xué)到醫(yī)療的檻？

周振宇：過去9年，我都是在通用電器，今年因為飛利浦醫(yī)療在這方面的轉(zhuǎn)型相對更快，所以我到飛利浦醫(yī)療來從事這方面的工作。我們今天看到很多來到會議上的都是新的創(chuàng)投各方的人員，大家都非常年輕。但對于進(jìn)入醫(yī)療、影像領(lǐng)域，我們面臨非常大的困難。

現(xiàn)代醫(yī)學(xué)有哪六大特點？這是上個月荷蘭衛(wèi)生部和中國衛(wèi)計委討論的問題。作為基因組學(xué)來說，全球范圍內(nèi)成本大為削減，飛利浦?jǐn)y手另外一家公司做全人類基因篩查的工作，未來有望把費用降到100美金以下。學(xué)術(shù)知識庫的膨脹，AI是基于大數(shù)據(jù)，特別是對于影像來說，是大健康數(shù)據(jù)，或者說檢驗檢疫的數(shù)據(jù)，數(shù)字病理、基因信息。在這種情況下，知識庫的積累更重要。像劉教授講的，醫(yī)生的知識儲備，這種相關(guān)疾病、相關(guān)臟器，剛才說的淋巴結(jié)的觀察，對于醫(yī)療的大數(shù)據(jù)都是特別重要的。

第二個特點，在知識庫中關(guān)于醫(yī)療的文章有2500萬篇，每年以120萬篇的速度激增，這是現(xiàn)代醫(yī)學(xué)的第二個特點。

第三個特點是田老師講的大量數(shù)據(jù)庫的建立，說到本土數(shù)據(jù)庫比美國國家數(shù)據(jù)庫多50%的病例，這是現(xiàn)代醫(yī)學(xué)非常重要的特點。

第四個是張院士講的生物傳感器和穿戴式設(shè)備，可以使我們的院前、院中、院后的醫(yī)療信息得以共享。這樣子能夠真正實現(xiàn)全生命周期的檢測，這對醫(yī)療大數(shù)據(jù)，特別是很多創(chuàng)投公司來說非常重要的一點。影像主要是在院中，它的診斷治療是非常重要的。

第五點是機器學(xué)習(xí)和人工智能，假設(shè)它可以在數(shù)據(jù)驅(qū)動和假設(shè)驅(qū)動兩個基礎(chǔ)上進(jìn)行產(chǎn)業(yè)化，為什么GE、西門子、飛利浦這樣的廠商不敢和大家高談闊論AI在醫(yī)療方面做了哪些事情。因為我們說的時候，客戶會說要。飛利浦醫(yī)療科技在數(shù)字DI、數(shù)字病理、數(shù)字基因方面，已經(jīng)在美國拿到FDA的認(rèn)證。進(jìn)入中國，可能還需要一段時間，可能是兩三年之后。我看到很多創(chuàng)業(yè)公司走得更加激進(jìn)，比我們更快，至少在市場上更早把這種信息發(fā)出去。

第六，作為新生代人，社會主體對醫(yī)療信息的開放程度越來越開放，我們愿意把這些公司、這些數(shù)據(jù)庫共享，使醫(yī)療更開放。

這六點是傳統(tǒng)行業(yè)進(jìn)入新的領(lǐng)域做AI的認(rèn)識，但是困難很大，我們確實面臨著非常巨大的挑戰(zhàn)，我們也希望有更多的人才積累。我本人學(xué)生物、醫(yī)學(xué)工程和數(shù)學(xué)三個本科的內(nèi)容，其實AI在醫(yī)療方面的投入是需要更多跨界的綜合性人才的參與，才有可能做得更好。

鐘宏：一看就是大公司出來的，條理性很強。劉主任，剛才田博士講，我們和中科院自動化所有很多研究，而且發(fā)在很多知名雜志上。我曾經(jīng)問過你，你有沒有跟什么樣機構(gòu)合作，我們作為一個影像科的專家，您最希望找到什么樣的機構(gòu)和您共同做醫(yī)學(xué)影像方面的研究以及選擇的標(biāo)準(zhǔn)是什么？

劉再毅：我非常希望有很好的機構(gòu)和我合作，提供基礎(chǔ)的支持。在我看來，影像挖掘還是以臨床為主。如果東西做得再好，不能解決臨床問題，那肯定不行。我們現(xiàn)在也在做，我們組里從開始一個工科的學(xué)生到現(xiàn)在有五個工科學(xué)生，他們都是剛剛從本科轉(zhuǎn)變?yōu)檠芯可倪^程，掌握的知識不夠多，如果我們加速研發(fā)進(jìn)度，我就想找到能夠真正參與進(jìn)來。但是有些公司找我做，我提供數(shù)據(jù)，然后給他分析，他分析完之后，就把數(shù)據(jù)拿走。我希望是互信，他給我數(shù)據(jù)，以我為中心，以臨床目的為中心共享這個成果。這是平等互助的形式，我們臨床的數(shù)據(jù)最寶貴，你光有技術(shù)沒有臨床數(shù)據(jù)，我想很多都是紙上談兵。你的算法再好，我想最后也不能轉(zhuǎn)化。所以我希望如果有合作的機會，你們給我提供很好的人才，這個人才專職為研究項目服務(wù)。不能今天找你合作談工作，你還有其他的任務(wù)，應(yīng)該積極推動，然后出很好的成果。

鐘宏：醫(yī)學(xué)創(chuàng)新的路徑一定是圍繞醫(yī)生這個主體，這是大家一致認(rèn)同的。柴總在智能影像方向上算是創(chuàng)業(yè)老兵。我想代表創(chuàng)業(yè)者向您提問，您通過什么樣的方式以及用什么樣的產(chǎn)品來滿足專家的需求，讓專家愿意和您合作？聽說有上百家醫(yī)院和我們做各種層面的合作，這方面的干貨能不能和我們分享？

柴象飛：比如說劉教授這樣的專家，比如頂級三甲醫(yī)院，我們其實搭了通用化的醫(yī)學(xué)影像大數(shù)據(jù)和人工智能的科研平臺，我們發(fā)現(xiàn)其中有很多工作要做。但是我們做的過程中，正如劉教授所言，發(fā)現(xiàn)病種很散，其次很多疾病研究，或者想把它商品化和產(chǎn)業(yè)化是要以臨床大夫來牽頭提出需求和數(shù)據(jù)，我們來提供方法。因為合作者很多，我們做了一步很重要的事情，把原來內(nèi)用的東西更加平臺化，因為很多不同應(yīng)用會有很強的通用性。我們有些人會覺得時間比較長，尤其發(fā)現(xiàn)很多70后、80后的醫(yī)生對新技術(shù)非常積極，也非常愿意敞開懷抱去接觸、感知或者深度的參與，但往往缺乏工具性的東西。頂級醫(yī)生我們提供工具、方法來和他合作共贏，偏基層的醫(yī)院，我們提供了很多類似工具孵化的東西，比如影像網(wǎng)絡(luò)化的工具，比如患者云膠片這樣方便的工具，在工具上我們又幫他增加了防漏診的智能系統(tǒng)，或者初診的提示系統(tǒng)，不單單是基本的IT工具，而是更加智能化、自動化的工具。同時又跟他建立這樣的循環(huán)，算法其實需要不停地來，以數(shù)據(jù)驅(qū)動的算法，其實核心有人不停的給你糾錯，把新的數(shù)據(jù)進(jìn)行正向的反饋。算法也會正向迭代，這樣形成比較良性的狀態(tài)。簡要的回答是以工具切入，算法逐步跟進(jìn)。

鐘宏：確實不一樣，經(jīng)過幾年商業(yè)化的打磨，已經(jīng)找到有效路徑。而且很不容易，自己的產(chǎn)品線很長，為了滿足專家需要。劉主任，您覺得他剛才提的有哪些沒有滿足您的需求，或者您認(rèn)為最重要的需求是哪些？

劉再毅：做平臺是比較好的，因為我們現(xiàn)在做研究，要推廣大數(shù)據(jù)不可少，要把這個事情平臺化，放到云端讓別人用，提供免費分析，拿數(shù)據(jù)做建設(shè)模型。但是發(fā)現(xiàn)一個問題，我們研究的時候發(fā)現(xiàn)，數(shù)據(jù)規(guī)范的問題沒有辦法進(jìn)行管控。大家如果沒有做過臨床研究，會發(fā)現(xiàn)臨床信息經(jīng)常有誤。數(shù)據(jù)沒辦法保證，這樣的數(shù)據(jù)即使做大量的平臺，質(zhì)量得不到保證，最后的結(jié)果有多好，我們不清楚。我們數(shù)據(jù)多得不得了，我們影像科每天產(chǎn)生很多數(shù)據(jù)，但是有多少數(shù)據(jù)可以用？1%都不到，這里面怎么甄別錯誤的信息，這是大家要做的，要不然你做出來的東西，在這批數(shù)據(jù)里面訓(xùn)練的效果很好，拿到我們醫(yī)院用的時候，發(fā)現(xiàn)跟50%的篩選差不多，那就沒有任何轉(zhuǎn)化的價值。所以這個影像數(shù)據(jù)的規(guī)范，臨床數(shù)據(jù)的規(guī)范，可能是大家以后做的時候要注意的問題。

鐘宏：劉主任給我們很好的參考意見。吳總，您創(chuàng)業(yè)才2個月，您在云棲大賽的成績還不錯，所有醫(yī)學(xué)相關(guān)和人工智能相關(guān)都面臨三個難點，一是專家合作，這是最難的事；二是數(shù)據(jù)的難點；三是商業(yè)模式的難點。三個問題不都拋給你，就說說數(shù)據(jù)問題，初創(chuàng)公司如何解決？

吳博：我本人做數(shù)據(jù)很多年時間，醫(yī)療創(chuàng)業(yè)才2個月。回到最開始的問題，大家提醫(yī)療和醫(yī)學(xué)的差異，在我看來，其實它是有機結(jié)合的，特別是游戲領(lǐng)域，游戲領(lǐng)域大家經(jīng)常提IP，開始張院士也提知識產(chǎn)權(quán)，在我看來醫(yī)學(xué)和醫(yī)療就是怎么樣以醫(yī)學(xué)產(chǎn)生IP，把IP轉(zhuǎn)化到醫(yī)療，我覺得這是最大的痛點。臨床的規(guī)范肯定要守的。我們切入醫(yī)學(xué)影像、醫(yī)療影像，在目前階段還不是以工具見長，我們以貼身服務(wù)來做。我們現(xiàn)在為獲取數(shù)據(jù)，或者不一定獲取，是想使用數(shù)據(jù)，包括和南方醫(yī)科大學(xué)聯(lián)合參加比賽，臨床醫(yī)生找課題，我們出算法和對數(shù)據(jù)的理解、規(guī)范。我們和醫(yī)生合作的過程中發(fā)現(xiàn)醫(yī)生還是遇到很多臨床問題，他們其實對于數(shù)據(jù)的共享持謹(jǐn)慎樂觀的態(tài)度和開放的態(tài)度，這無非是說我們怎么樣依據(jù)做深度學(xué)習(xí)的經(jīng)驗，把我們對于數(shù)據(jù)標(biāo)注、數(shù)據(jù)整理、數(shù)據(jù)隱私保護(hù)的方法論也傳達(dá)給他們，把數(shù)據(jù)加上專家知識結(jié)合起來，用科研服務(wù)、課題服務(wù)的形式結(jié)合起來。其實醫(yī)生明白，商業(yè)化的構(gòu)思對于轉(zhuǎn)化的訴求是一直推動的。

鐘宏：四位專家從不同的角度做了精彩分享。我想問兩個比較難的問題，兩個問題有相關(guān)性，我們一直說醫(yī)學(xué)智能影像，都不敢說醫(yī)療智能影像，一個問題是未來3-5年有沒有可能從患者的角度看到一些成果？醫(yī)療智能影像真正幫助患者解決一些問題？第二個問題，商業(yè)模式的問題，大家怎么考慮？

柴象飛：這個問題特別好，醫(yī)學(xué)總體還是學(xué)術(shù)性的東西，但是醫(yī)療則是實際層面。我們要做商業(yè)化一定在醫(yī)療層面。我總體的看法比右邊兩位相對激進(jìn)和樂觀，因為創(chuàng)業(yè)者一定是樂觀的。實際中一定有很多問題，像鐘主任剛才講的誰為人工智能付費？你想這個東西無非是醫(yī)生、醫(yī)院和患者，我非常認(rèn)同過程中有種種困難和問題，短期來講也是比較難的事。如果這個事沒有困難、沒有問題，這個事大公司就做完了，輪不到創(chuàng)業(yè)公司做。

回到場景來看，我們比較看重兩個場景：一是讓醫(yī)院付費，大家一直說滿足醫(yī)生的需求，但是在實際使用過程中，可能醫(yī)生的需求并不是商業(yè)需求，真正醫(yī)生的需求在醫(yī)院有很多，比如工作環(huán)境差等等。它沒有那么大的商業(yè)性。最后有商業(yè)需求的是兩點：1.醫(yī)院買單?，F(xiàn)在篩查類的影像里面，提高效率、降低誤診率，以及幫助醫(yī)院對醫(yī)聯(lián)體、醫(yī)共體來擴展醫(yī)療服務(wù)范圍，在短期內(nèi)還是可以買單的。2.匯醫(yī)慧影走向?qū)端收費的場景。患者對影像沒有感覺，他一定是對臨床決策、診斷的結(jié)論和對他非常重大的選擇最關(guān)心。而這點可能并不是醫(yī)療需求，也可能不是醫(yī)學(xué)需求。我們舉另外一個例子，剛才提到的基因診斷，基因診斷從醫(yī)學(xué)價值角度來講是非常巨大的。到如今，醫(yī)療的使用并沒有我們想象的那么多，基因診斷用的最好的可能是華大基因，它最大的收入來自唐氏篩查，唐氏篩查滿足患者的心理需求。我們以一些重大決策的場景在積極的走對患者的心理需求和患者決策重大需求上，提供公正、客觀，并且是有權(quán)威性的指導(dǎo)，并且我們已經(jīng)在幾個試點發(fā)現(xiàn)進(jìn)行得很好，這是我們一線的經(jīng)驗。

周振宇：從未來的場景來看，其實各個大公司都已經(jīng)在這方面進(jìn)行布局。我今天來到這個會場，想看到更多人工智能在醫(yī)學(xué)方面的應(yīng)用，但是我們看到還是和十幾年前一樣的，我們得到的結(jié)果還是停留在純粹數(shù)據(jù)驅(qū)動的結(jié)果上，100個肺結(jié)節(jié)找到多少百分比，這對于臨床知識來說沒有太大的價值。另外，從疾病和臟器來看，目前還是僅限于皮膚病、肺結(jié)節(jié)等相對容易做的器官。更多的人類疾病，中國人比較重要的肝臟、腎臟、乳腺等方面，其實各個廠家的涉足點都是比較緩慢的。我們一直做這方面的努力，這些疾病和基因有關(guān)，比如和疾病有關(guān)的基因已經(jīng)明確有4940種，這些信息如何和現(xiàn)在的醫(yī)療診斷影像手段，比如CT、磁共振等結(jié)合，有效地把數(shù)據(jù)信息提取出來，基于醫(yī)療信息、知識數(shù)據(jù)庫形成統(tǒng)一有策略的答案，這是非常困難的。1949年的時候，當(dāng)時更新一倍的醫(yī)學(xué)知識要50年時間，在1980年，大多數(shù)人出生的前后，它的更新速度是7年。到2010年，也就是大家工作的時候，更新一次醫(yī)療1倍的數(shù)據(jù)是3.5年，也就是一個醫(yī)學(xué)生博士還沒有讀出來，知識已經(jīng)翻新一倍，2020年，醫(yī)療知識翻新的速度是7.3天，我們?nèi)绾伟延跋駥W(xué)的知識以人工智能的方式、假設(shè)驅(qū)動的方式、數(shù)據(jù)驅(qū)動的方式真正應(yīng)用到醫(yī)療場景中，成為醫(yī)療場景中不可或缺的一部分，這是非常艱難和重要的一點。我們期待今天讓大家更多了解我們的困境，在醫(yī)療領(lǐng)域真的不容易。

劉再毅：影像是很重要，但不是最重要，我們做臨床治療決策一定是結(jié)合所有信息，這不僅是影像，有基因、血液檢查，甚至一些習(xí)慣，有些宗教禁止輸血，你就不能給他做輸血。任何一個治療決策里面，影像占一部分作用，但不是主要的。我們現(xiàn)在做影像，但以后的工作應(yīng)該是整體的解決方案，我們從事的人很少，但是我們正在做基因到病理到影像的挖掘。昨天和周總說，我們的解決方案是他們的縮小迷你版，做單純的影像，我建議還是要考慮到人是一個整體，一定要結(jié)合其他的信息做綜合的判斷。我們臨床所說的臨床決策應(yīng)該是整體信息的整合，這才是我們未來的方向，也是目前我們研究組正在做的事情。

吳博：談到兩三年之后的前景，我是新晉的創(chuàng)業(yè)者，我是更加樂觀派的。我回應(yīng)劉教授說的，他提到一個系統(tǒng)只能找到一種病灶對于臨床醫(yī)療的價值不大。在我們看來，這波以深度學(xué)習(xí)為主導(dǎo)的AI浪潮，能在3年之內(nèi)給醫(yī)學(xué)和醫(yī)療領(lǐng)域帶來突破。我和很多醫(yī)生朋友溝通AI領(lǐng)域的方法論，有時候醫(yī)生是做一些經(jīng)驗判斷、經(jīng)驗?zāi)Ｐ停四X做模型很模糊，非常有經(jīng)驗的可以效果很好。但是機器學(xué)習(xí)傾向于把問題分解成子問題，如果是肺結(jié)節(jié)，我可以做到全球第一，再把其他一個個子問題做到全球第一，組合起來的話可能會超過醫(yī)生的預(yù)期?，F(xiàn)在很多情況是，大家只解決一個問題，沒有做到極致。圖象識別領(lǐng)域，大家覺得沒有搞頭，就是深度學(xué)習(xí)活生生拉了十幾個點，大家明顯感覺到人眼不如電腦。其實我們相信，至少影像這個標(biāo)準(zhǔn)化領(lǐng)域，通過大家建立方法論、分析臨床問題、分解問題，把一個問題通過集中行業(yè)力量做起來，3年之內(nèi)肯定有比較整合的，在醫(yī)學(xué)和醫(yī)療領(lǐng)域形成效果的系統(tǒng)。這是我樂觀的看法。

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。