7 月 9 日，由中國計算機協(xié)會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦的第二屆 CCF-GAIR 全球人工智能與機器人峰會進入第三日。在醫(yī)療人工智能專場，天琴醫(yī)療 AI 實驗室主任馮源，帶來了主題為《改變醫(yī)療行業(yè)的人工智能》的報告。

馮源博士從事醫(yī)療影像、大數據挖掘以及人工智能模型和算法領域的研究。

馮源：大家好。我今天想跟大家分享一下《改變醫(yī)療行業(yè)的人工智能》。這個題目可能跟剛才陶博士的題目有點像，但我們分享的內容有些差異。我主要談一下AI應用在醫(yī)療行業(yè)會用到哪些技術。醫(yī)療行業(yè)存在什么詬病，如何用人工智能來改變這個行業(yè)，如何做到醫(yī)療資源的公平分配，做到不放棄任何一個人？這是我們今天會跟大家討論的問題。

現在醫(yī)療系統(tǒng)有很多問題，醫(yī)療資源分布不均，醫(yī)生水平參差不齊，病人看病貴、看病難。舉一個例子，這張圖中的數據來源于 2016 年中國衛(wèi)計委統(tǒng)計年鑒，反映了 2003-2015 年年間中國平均 1000 個人可以分配到的醫(yī)療工作者的數量。上面兩條線表示的是城市地區(qū)，可以分配到的醫(yī)生的數量和護士的數量，下面兩條線表示的是農村地區(qū)可以分配到的醫(yī)生和護士數量。四條線的增長趨勢都是向上的，醫(yī)療行業(yè)也在不斷進步、發(fā)展。但明顯，城市地區(qū)的醫(yī)療資源增長趨勢要遠大于農村，這在一定程度上反映了我國醫(yī)療資源分布不均的現象。

解決方案

我們怎么改變這個現狀呢？可以用到什么方法呢？

一個很簡單的想法，沒有醫(yī)生，那培養(yǎng)更多的醫(yī)生；沒有醫(yī)院，建造更多的醫(yī)院。但是可行性有多高？

我們來看一下培養(yǎng)一個醫(yī)生的人力成本。一個醫(yī)生如果選擇臨床專業(yè)，本科需要五年，現在一個本科生很難進入三甲醫(yī)院。因此本科學習之后還需要讀碩士、博士。畢業(yè)以后還要考取醫(yī)生資格證，并經過實習階段才能進入醫(yī)院。因此，培養(yǎng)一個醫(yī)生的時間成本是非常高的。建立更多的醫(yī)院呢？我們只要看看醫(yī)院里動輒上百萬的醫(yī)療設備就知道這是非常難的事情。如果沒有國家的投入，建一個民營醫(yī)院需要高額的成本。因此這兩條路都非常困難。還有什么方法可以改變現在醫(yī)療資源分布不均的現狀呢？

天琴的 Slogan 是“科技使人更健康”。作為一個科技工作者，這也是我的信仰。我堅信只有使用科技才能更好更有效的改變醫(yī)療體系現狀，才能解決醫(yī)療資源分布不均的問題。我們可以使用哪些技術來改變這個現狀呢？這些技術會為人類的進步帶來哪些變革？我們會跨越哪幾個階段？下面我們一起來審視一下現在，展望一下未來。

智能醫(yī)療的四大發(fā)展階段

• 第一階段：10% 的人類醫(yī)生被替代率

現在我們就處在這個階段，可以用技術來代替 10% 的人類醫(yī)生，把他們從部分繁重重復性的工作中解放出來?，F在很多醫(yī)院都有了醫(yī)院管理信息系統(tǒng)、臨床信息系統(tǒng)、醫(yī)學影像信息系統(tǒng)等。有了這些系統(tǒng)，對提高醫(yī)院運營效率以及打通各部門間合作與運營的壁壘是非常有用的。這也意味著我們已經邁出了數字化和流程化的第一步。但是也要看到這個階段的一些問題。現在很多醫(yī)院不太喜歡將數據放在云平臺上，因為他們認為這樣病人的數據、隱私得不到保證。但是將數據放在云平臺上，是下一步進行遠程醫(yī)療和輔助診斷的基礎。

我們怎么解決這個問題？可以用到什么技術？

大家可以考慮一下區(qū)塊鏈的技術。區(qū)塊鏈是比特幣的底層技術。從比特幣出現七年多來，全世界有很多黑客試圖攻擊這個系統(tǒng)，但直到今天也沒有出現過一次交易錯誤。區(qū)塊鏈技術有很多特點，比如它的鏈式結構可以保證我們追溯到上游源頭。另外一個特點，不可篡改性保證數據隱私。它還具有去中心化的數據結構，當應用到現實生活中，可以省去大量的中介成本。區(qū)塊鏈技術在金融行業(yè)已經得到應用。最近谷歌也正在規(guī)劃將區(qū)塊鏈技術，應用到醫(yī)療領域。這是一個未來的發(fā)展方向。

• 第二階段：替代率 30%

據調查顯示，國內有 60% 的影像醫(yī)生每天工作時間在 8 小時以上，25%的醫(yī)生每天平均工作時間超過 10 個小時。而且?guī)缀踉诿總€醫(yī)院影像科都是 24 小時輪班制，忙的時候，從早到晚都無法休息片刻。除此之外，影像醫(yī)生還要長期在封閉的環(huán)境中遭受輻射或者潛在的傷害。一般一個中等城市的三甲醫(yī)院，一天會有 200 個核磁，500 到 600 個ct，800 個拍片。一個影像科醫(yī)生一天要看 200 個病人，就按每個病人 200 張片子來算，他要看 4 萬張圖片。有時候一次還不夠，還要再看一次，這就變成了 8 萬張。這是一個非常辛苦、枯燥，而且不能出錯的工作，因此對醫(yī)生的要求非常高。

如果有了輔助診斷機器，至少能有 30% 的醫(yī)生從繁重的重復性勞動中解放出來，去做一些更有創(chuàng)造性的事情。有了這個工具，我們就能在很大程度上促進醫(yī)療資源的公平化發(fā)展，使偏遠地區(qū)的人們也能享受到現代化的醫(yī)療技術。那么有什么科技能夠推動輔助診斷的發(fā)展呢？

深度學習！

大家可能都知道，在深度學習領域，強監(jiān)督算法是相對成熟的方法，但高質量標定的數據是有限和昂貴的。因此弱監(jiān)督和無監(jiān)督技術，必然是將來的發(fā)展方向。第二個前沿，今天上午田教授提出現在很多方法都是立不住腳的。這個立不住腳，在我看來就是沒有理論依據的方法，只有深度學習方法的診療系統(tǒng)，是不足以應用到醫(yī)療行業(yè)的。所以必須要使用傳統(tǒng)方法和深度學習方法相結合，來提升我們的輔助診療水平。下一個前沿，現在很多醫(yī)院的電腦是比較落后的，可能沒有很強大的 GPU 硬件支持，因此我們需要考慮降低網絡結構復雜度、減少網絡參數，使它更好的應用到現有的醫(yī)院系統(tǒng)中去。最后，深度學習的理論研究，這是深度學習非常薄弱的地方，一個缺乏理論支持的優(yōu)化方法，是會讓人非常擔憂的，因為它可能隨時會在某些問題上失效。

用到AI技術的輔助診療，還有哪些問題？

第一個困難是如何獲取高質量的數據，這也是使用人工智能尤其是深度學習技術的公司共同面臨的困難。機器學習本身的特性決定了公司在前期積累中，必須使用高質量的數據來進行算法優(yōu)化。但是，醫(yī)療數據的特殊性，例如缺乏標準化體系等問題導致了高質量數據難以獲得。第二個困難是相關法律的缺失，這涉及到兩個問題，其一是如何保護病人隱私，其二是法律對于人工智能做診斷的相關界定。截止目前，國內外都沒有相應的AI診療法規(guī)出臺，因此對責任主體的界定以及就診流程的定義，都沒有一個明確的規(guī)范。剛才的圓桌會議上各位老師也提出，國家馬上會出臺相關的政策，希望不遠的未來輔助醫(yī)療可以得到相應的發(fā)展。

第三個困難是AI技術的成熟度，目前人工智能輔助診療主要應用了深度學習的技術，這個技術目前有了比較大的突破，這使得輔助診療的水平大大提高。但需要多少數據、如何最大程度上利用數據、怎樣針對具體問題修改相應算法，如何使算法得到最優(yōu)解，如何證明算法得到了最優(yōu)解，這不僅是工業(yè)界，更是學術界叩待解決的問題。

• 第三階段：替代率 60%

上兩個階段我們有一只腳已經踏進去了，但這個階段可能只是剛剛打開了大門。但有一點可以確信的是，當第一階段和第二階段發(fā)展的比較成熟時，我們就可以把這扇大門開的再大一點。

現在有幾個方向，我覺得以及跟這個階段沾邊了。第一，之前大會上提到過的基于人工智能的制藥技術。美國有公司已經提出了使用人工智能技術可以使傳統(tǒng)制藥技術的時間和投入縮小四分之三。以前研制一個新藥可能要十年，現在一兩年就可以完成。第二，基因技術，這對未來會有很大的改變。第三，今天上午非?；馃岬氖中g機器人環(huán)節(jié)。手術機器人和影像技術如何結合，也是未來的發(fā)展方向。

• 第四階段：替代率 90%

有沒有可能達到下一個階段，90% 的人類醫(yī)生能夠被代替，或者我們能代替醫(yī)生 90% 的繁瑣工作？

我認為這是可能的。我們可以考慮一下現在的黑科技，量子計算，這在大家看來可能是一個比較遙遠的未來，但科技的發(fā)展日新月異，也許明天它就成為我們必須要利用的技術。量子計算與人工智能的結合是未來的必然發(fā)展方向，因為人工智能面臨了一個挑戰(zhàn)，如何提高計算能力。一般來講，通過硬件的不斷升級，計算機的運算能力能夠得到一定程度的提高。那么這種方式會不會有走到盡頭的一天？本質上，會的。雖然隨著科技的進步，在 20 年前，一個機器人用 32 個 CPU 能達到 120MHz 的速度，到現在 AlphaGo 使用了 2000 個 CPU 和 300 個 GPU 來提升計算能力，但計算能力是不能無限提升的。很多人都認為摩爾定律最多還能適用 10 年，那么 10 年后呢？

到那個時候我們可能要用到量子計算。量子計算的發(fā)展還比較原始，還處于研究階段，目前還沒有造出有實用價值的通用量子計算機。但量子計算太吸引人了，它沒有熱耗散，可以在里面自循環(huán)。而經典計算機器件，熱耗散不可避免，這是原理上決定的。譬如早期計算機有一個風扇散熱，你做的集成度越高，熱耗越嚴重。但量子計算原理上保持可逆計算，沒有熱耗散，這也是遵從量子力學規(guī)律的。二是具有無法比擬的超級計算能力，在人工智能領域，以前需要一千臺或者一萬臺機器，用量子計算機的話可能4臺就夠用了。這是屬于不遠的未來的黑科技，也許我們很快就能在醫(yī)療領域用到這些技術。

在這里我要提一點，我們定義了四個階段，但這四個階段并不是互相替代的關系，不是階段二的開始就是階段一的結束。這些階段是相輔相成的，前面的階段都是后面階段的基礎。

天琴醫(yī)療的計劃

下面講一下天琴醫(yī)療在這四個階段有什么計劃。

第一階段天琴醫(yī)療會推出我們的云平臺，這個云平臺有兩個主要特點。第一，基于區(qū)塊鏈技術，能做到完全保護病人的隱私。第二，天琴有一個非常強大的合作伙伴，會幫助我們搭建這個硬件平臺，實現三秒內處理一張片子。我們的目標是一秒內處理一萬張片子。這是完全有可能做到的。

第二階段，天琴會推出輔助診療系統(tǒng)。我們的輔助診療有兩個特點。第一，這個階段會推出基于心胸的輔助診療系統(tǒng)；第二，我們不止使用深度學習的方法，也使用傳統(tǒng)方法，傳統(tǒng)方法與深度學習相結合。為什么這樣做？我們剛才也提到了，現在的深度學習方法是沒有理論支撐的，所以必須要使用有嚴格理論保證的傳統(tǒng)方法。這是我們的第二個特點。

第三階段，天琴在這個階段會推出“家庭醫(yī)生”。

我們的家庭醫(yī)生不僅包括病理、檢驗檢測、影像系統(tǒng)，還會關注人們的健康管理以及生命周期延長。這是天琴醫(yī)療AI平臺，我們將在第三階段推出這個系統(tǒng)。

回到主題，如何實現醫(yī)療資源的公平性，如何做到面對疾病，人人平等，這是我們天琴想為大家解決的問題。為了構建我們美好的明天。希望有興趣的合作伙伴可以一起加入我們，為我們未來的事業(yè)而奮斗。我們會在公眾平臺上推出第一手資訊和產品相關的信息，請感興趣的朋友可以關注一下，謝謝大家！

雷鋒網雷鋒網

相關文章：

對話陶曉東：決定智能影像公司成功與否的不是技術 | CCF-GAIR 2017

科大訊飛陶曉東：人工智能時代的醫(yī)學影像 | CCF-GAIR 2017

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。