1
| 本文作者： 張利 | 2017-03-17 09:44 |
在醫(yī)學領(lǐng)域，人工智能應用于哪些領(lǐng)域？
對此，斯坦福大學生物醫(yī)學信息學負責人Russ Altman博士認為，“機器學習和神經(jīng)網(wǎng)絡在發(fā)現(xiàn)大型生物數(shù)據(jù)庫的規(guī)律時是非常有用的?！?/p>
那么，數(shù)據(jù)充裕的地方，人工智能才有可能插足。目前，醫(yī)學領(lǐng)域中，AI涉足最多的幾個領(lǐng)域包括：
精準醫(yī)療：基于“組學(omics)數(shù)據(jù)”，包括基因組學、基因轉(zhuǎn)錄組學、蛋白質(zhì)組學、代謝組學等。
輔助診斷：基于病歷、文獻等醫(yī)療大數(shù)據(jù)。
藥物研發(fā)，解決藥品研發(fā)周期長成本高的問題。（AI在藥物研發(fā)環(huán)節(jié)能做什么？雷鋒網(wǎng)之前曾有對此的盤點：《AI加速藥物研發(fā)過程：從7000874個小時變成幾天》，這里不再贅述）
醫(yī)學影像識別：基于大量的影像數(shù)據(jù)。
除此之外，還有人工智能與可穿戴設結(jié)合，進行個人健康數(shù)據(jù)預測和管控疾病風險。本文主要討論精準醫(yī)療、輔助診斷、醫(yī)學影像識別三個比較熱門的領(lǐng)域。
隨著基因測序成本呈超摩爾定律的勢態(tài)發(fā)展，基因行業(yè)出現(xiàn)了這種狀況：基因信息冗余、解讀速度跟不上。與數(shù)據(jù)有關(guān)的工作包括：數(shù)據(jù)庫的搭建，基因數(shù)據(jù)處理，基因數(shù)據(jù)的智能化解讀，在這個領(lǐng)域，不同公司切入的角度不同，但終極目標是相同的：讓基因組與表型組/疾病組對話。
在該領(lǐng)域中，夢想最雄偉壯闊的當屬這家公司。
尋找碳基生命的硅基未來。
這是成立半年估值超過10億、躋身獨角獸行列碳云智能打出的口號。這家公司想要涉足組學領(lǐng)域的各個層面：基因組、轉(zhuǎn)錄組、蛋白組、代謝組、免疫組。
具體來說，碳云智能想要做的事情是：
人體數(shù)字化：關(guān)于人全局的數(shù)據(jù)化生命，從靜態(tài)到動態(tài)數(shù)據(jù)，再到行為和社交數(shù)據(jù)等。
人工智能化：解決不同問題的應用，各種各樣的信息化分析。
網(wǎng)絡化：所有數(shù)字生命網(wǎng)絡化，形成互聯(lián)網(wǎng)體系平臺。
換言之，碳云智能想把人體徹底數(shù)據(jù)化，這其中，人工智能是其神經(jīng)系統(tǒng)。而這正是人工智能在醫(yī)療領(lǐng)域的終極目標。2017年1月5日，碳云智能發(fā)布了覓我平臺，用于獲得人體各方面精確的量化數(shù)據(jù)，在其發(fā)布會上，公司CEO王俊說道“碳云智能未來20年要做的事就是理解生命本身”，也就是說，這個宏偉藍圖的實現(xiàn)可能要等20年的時間。
國內(nèi)其它初創(chuàng)公司則扎根一個環(huán)節(jié)，將其AI技術(shù)應用于遺傳病診斷、消費級基因檢測服務、腫瘤檢測等領(lǐng)域中。
2016年4月，北京金準基因科技有限公司，發(fā)布了遺傳病智能化解讀系統(tǒng)——明鑒系統(tǒng)，該系統(tǒng)的主要操作過程為：
樣本收集，DNA提取和處理，然后測序，或者進行一些實驗操作之后，對詞其數(shù)據(jù)進行分析，后由專家團隊根據(jù)數(shù)據(jù)分析結(jié)果進行疾病關(guān)聯(lián)性分析，最后出報告進行遺傳咨詢。
在構(gòu)建過程中的難點是癥狀關(guān)聯(lián)性分析，核心是數(shù)據(jù)庫。在數(shù)據(jù)庫方面，每家公司的打法不同。據(jù)雷鋒網(wǎng)所知，金準基因選擇了中文人類表型標準用語聯(lián)盟（CHPO）；而塞?；?，推出據(jù)稱是國內(nèi)首個聚焦于全基因測序數(shù)據(jù)實現(xiàn)疾病精準診療的解析工具，用64名博士耗時兩年時間構(gòu)建了一個疾病、基因、藥物關(guān)聯(lián)數(shù)據(jù)庫。
近些年來，國內(nèi)消費級基因檢測服務也風靡一時，目前基因檢測主要的依據(jù)來自于科學研究文獻，但相關(guān)知識、數(shù)據(jù)積累不夠，檢測分析結(jié)果跟事實并沒有百分百的對應關(guān)系。業(yè)內(nèi)人士曾對雷鋒網(wǎng)說道：
每個公司從自身的算法模型分析數(shù)據(jù)，不同公司的解讀報告不一樣，相當于看問題的維度不一樣。不同公司的準確性沒法比較，而且其自身本身沒法量化，但我們背后的數(shù)據(jù)是一樣的，只是解讀的方式不一樣。
2015年，藥明康德旗下明碼生物科技為英國國家基因組計劃提供罕見病及癌癥臨床數(shù)據(jù)解析服務，明碼生物科技已經(jīng)可以實現(xiàn)從測序到數(shù)據(jù)存儲，再到數(shù)據(jù)解析一站式的服務。
2014年10月成立的奇云諾德，構(gòu)建了一站式生物信息大數(shù)據(jù)平臺，包括基因數(shù)據(jù)發(fā)動機、大數(shù)據(jù)挖掘軟件、數(shù)據(jù)可視化工具以及訂制化流程。
對于整個基因數(shù)據(jù)解讀行業(yè)來說，目前通用的挑戰(zhàn)如何實現(xiàn)資源共享建立完整的實效性強的中國人基因數(shù)據(jù)庫，如何制定行業(yè)的標準、以及應該投入多少人力財力到基因數(shù)據(jù)解析工作中等。
2016年底，百度研究院大數(shù)據(jù)實驗室高級數(shù)據(jù)科學家沈志勇在介紹百度大腦時說道：
據(jù)權(quán)威機構(gòu)預測，2017年數(shù)據(jù)生成和共享速度將增長至1200.6億GB/月，2020年人類產(chǎn)生復制的醫(yī)療數(shù)據(jù)總量達40萬億GB。
2016年10月，百度發(fā)布其“百度醫(yī)療大腦”的首個產(chǎn)品化項目，其工作過程具體是這樣的：
“百度醫(yī)療大腦”是通過海量醫(yī)療數(shù)據(jù)、專業(yè)文獻的采集與分析進行人工智能化的產(chǎn)品設計，模擬醫(yī)生問診流程，與用戶多輪交流，依據(jù)用戶的癥狀，提出可能出現(xiàn)問題，反復驗證，給出最終建議。在過程中可以收集、匯總、分類、整理病人的癥狀描述，提醒醫(yī)生更多可能性，輔助基層醫(yī)生完成問診。
在這方面，百度具有兩大優(yōu)勢：
數(shù)據(jù)優(yōu)勢：百度自身擁有龐大的醫(yī)療數(shù)據(jù)庫
技術(shù)優(yōu)勢：可進行細分：如圖像識別、語音識別、機器學習等技術(shù)分支。
相對于百度來說，國內(nèi)其他初創(chuàng)公司在數(shù)據(jù)來源與發(fā)展路徑上均有不同。
2015年成立的公司大數(shù)醫(yī)達，利用大數(shù)據(jù)深度學習，整理三甲醫(yī)院專家的臨床診斷經(jīng)驗和治療方案，構(gòu)建完善的知識圖譜，并對用戶的輸入進行語義分析，輸出相應的第二診療結(jié)果。
2016年7月，康夫子也發(fā)布了康夫子醫(yī)療大腦，其CEO張超在雷鋒網(wǎng)的公開課上介紹其公司做這樣的事情：
讓計算機去閱讀醫(yī)療文獻，構(gòu)建知識庫，賦予這些知識庫一些推理能力，最后達到輔助醫(yī)生、患者的目的。在產(chǎn)品維度，分為面向患者和醫(yī)生；醫(yī)生端分為全科與專科醫(yī)生。它們的底層是相似的，都是知識圖譜加推理，不過上層應用有差別?；颊咂剡壿媶柎穑ɑ颊哒Z言的理解；全科醫(yī)生要求知識面，而?？苿t要求臨床路徑監(jiān)控，包括醫(yī)囑的下達。
成立于2013年的醫(yī)渡云則集中做臨床數(shù)據(jù)挖掘。據(jù)稱，其技術(shù)優(yōu)勢是異元異構(gòu)的醫(yī)療數(shù)據(jù)的集成和后結(jié)構(gòu)化處理能力，以及在疾病診斷的ICD10自動編碼等方面。并且CEO孫喆介紹，未來公司還將擴展至醫(yī)學影像數(shù)據(jù)。
目前整體上，智能診斷還處于初期，目前沒有可以實現(xiàn)大規(guī)模商用。
關(guān)于智能診斷的挑戰(zhàn)，張超認為：
技術(shù)上，我們現(xiàn)階段認為智能診斷的底層核心是知識圖譜，診斷的過程是基于知識圖譜實現(xiàn)的推理過程。知識圖譜的規(guī)模從根本上決定了智能診斷的瓶頸。另外就是應用上的挑戰(zhàn)，智能診斷不管服務誰，在應用場景上有很大的差別，要有針對性地提升效果；而在非技術(shù)上，重點要讓老百姓及醫(yī)療機構(gòu)認可或理解這套診斷邏輯。
圖像識別是深度學習等人工智能技術(shù)最先突破的領(lǐng)域，目前看來醫(yī)療影像也會是人工智能與醫(yī)療結(jié)合中，最可能先發(fā)展起來的領(lǐng)域。
相比國外，國內(nèi)在醫(yī)學影像結(jié)合人工智能技術(shù)方面的熱度似乎更高。對此，雷鋒網(wǎng)曾撰文《國內(nèi)人工智能+醫(yī)療影像公司大盤點：今年又是“元年”？ | 2016 影響因子》中提到，從公司的發(fā)展路徑看，醫(yī)療影像智能診斷的公司大致可以分為兩類：
第一類公司主要以人工智能技術(shù)，提供影像分析與診斷服務，其中以DeepCare、推想科技、圖瑪深維、雅森科技等為代表，且一般成立時間較短。
比如，DeepCare主要研發(fā)醫(yī)療影像檢測、識別、篩查和分析技術(shù)，為醫(yī)療器械廠商和基層醫(yī)療中心提供影像識別服務，對新錄入數(shù)據(jù)庫的病例，它可以進行算法匹配，尋找出影像數(shù)據(jù)相似的案例；雅森科技則專注醫(yī)療影像分析應用，基于醫(yī)療影像定量分析，用數(shù)學模型和人工智能技術(shù)提高診斷精確性。
第二類公司原先提供醫(yī)療影像云服務，而后將服務延伸到智能診斷領(lǐng)域，其中以匯醫(yī)慧影、醫(yī)眾影像、醫(yī)渡云為代表，成立時間一般為二到三年。
比如，匯醫(yī)慧影是一個獨立第三方的醫(yī)療影像咨詢平臺，早期專注基于云平臺的線上影像中心，從今年開始著重向人工智能領(lǐng)域發(fā)力，輔助影像的篩查；醫(yī)渡云主要提供醫(yī)療大數(shù)據(jù)和醫(yī)療云平臺解決方案，同時利用機器學習的方式，挖掘臨床數(shù)據(jù)中的文本數(shù)據(jù)和影像數(shù)據(jù)。
這一領(lǐng)域目前發(fā)展到哪一步了呢？
對于發(fā)展狀況，我看來，無論在中國還是美國，在算法和數(shù)據(jù)上看，這一領(lǐng)域的發(fā)展都是在早期。它已經(jīng)走出了實驗室，但離商業(yè)化還有很長的路要走。
對此，DeepCare創(chuàng)始人兼CTO丁鵬博士如是說。他介紹說，“其中最大的難點是：如何進行大批量數(shù)據(jù)的標注，以及標注質(zhì)量控制”。而現(xiàn)在的醫(yī)療影像幾乎沒有對病灶進行標注，而這種系統(tǒng)性的數(shù)據(jù)整理過程又十分專業(yè)，需要專業(yè)醫(yī)生配合。
目前來講，眼科醫(yī)療領(lǐng)域的人工智能應用相對于其他專科仍處于比較空白的階段。
旨在應用人工智能/模式識別技術(shù)開發(fā)云端眼科診斷系統(tǒng)的BigVision（比格威醫(yī)療科技）CEO陳新建講道。
相對于其他，眼睛的結(jié)構(gòu)比較特殊，不能做CT、MRI，而基于OCT的眼球成像也要精細得多。
人工智能深度神經(jīng)網(wǎng)絡通過圖像預處理、圖像特征提取和分類等步驟識別醫(yī)學影像。通過大量準確標注的眼底照片和醫(yī)學數(shù)據(jù)，對模型進行訓練和測試，并且通過大量醫(yī)學知識的學習，最終能夠得出準確識別醫(yī)學影像的人工智能模型，從而診斷青光眼、糖尿病視網(wǎng)膜病變、老年性黃斑變性、角膜疾病等眼科疾病。
在該領(lǐng)域，其中，BigVision“目前，我們產(chǎn)品1.0已經(jīng)開發(fā)完成，目前正在幾家大的合作醫(yī)院當中試用。”而該領(lǐng)域的另一家公司AicDoc，其算法在有明顯癥狀和無明顯癥狀二分方面準確性與三甲醫(yī)院資深眼科醫(yī)生持平。
相關(guān)文章：
外媒：谷歌風投前CEO創(chuàng)辦1億美元基金，重點關(guān)注醫(yī)療健康領(lǐng)域
中興合創(chuàng)劉明宇：醫(yī)療投資的“壓槍”者
搜索又出幺蛾子 百度搜狗因不合格醫(yī)療機構(gòu)廣告被罰款
IBM發(fā)布首個認知影像產(chǎn)品 預警醫(yī)生看不到的險情
IBM羅睿蘭：認知計算將帶領(lǐng)醫(yī)療走向黃金時代
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。
