2020年8月7日，全球人工智能和機器人峰會（CCF-GAIR 2020）正式開幕。CCF-GAIR 2020 峰會由中國計算機學會（CCF）主辦，香港中文大學（深圳）、雷鋒網(wǎng)聯(lián)合承辦，鵬城實驗室、深圳市人工智能與機器人研究院協(xié)辦。從2016年的學產(chǎn)結(jié)合，2017年的產(chǎn)業(yè)落地，2018年的垂直細分，2019年的人工智能40周年，峰會一直致力于打造國內(nèi)人工智能和機器人領域規(guī)模最大、規(guī)格最高、跨界最廣的學術(shù)、工業(yè)和投資平臺。

在8月9日的醫(yī)療科技專場上，西門子醫(yī)療中國數(shù)字醫(yī)療負責人陳黎峰，以《人工智能賦能數(shù)字化醫(yī)療：機遇與挑戰(zhàn)》為題，介紹了西門子醫(yī)療如何利用AI滿足臨床場景中的核心需求。

陳黎峰表示：醫(yī)療流程中最重要的環(huán)節(jié)是決策，一名醫(yī)療工作者平均每小時就要做出22個重要的決策。這些決策直接影響著病人從檢驗、診斷、治療和愈后管理的質(zhì)量。

從統(tǒng)計數(shù)據(jù)來看，醫(yī)療決策過程中，常常有超過50%以上的病人，會缺失病史等關(guān)鍵決策點信息。

如何優(yōu)化這些診療路徑中的決策問題？陳黎峰表示，最好工具就是AI。

從1990年起，西門子醫(yī)療就已經(jīng)將人工智能應用在設備成像中。西門子醫(yī)療在AI領域擁有長期經(jīng)驗，擁有600多個與機器學習相關(guān)的系列專利，其中200多個涉及深度學習的系列專利。

例如，為了解決病史缺失的問題，西門子醫(yī)療提供了解決方案eHealth，可以在病人授權(quán)后將所有病史提供給醫(yī)生進行判斷。

在預約檢驗、檢查環(huán)節(jié)，西門子醫(yī)療還開發(fā)了Medicalis系統(tǒng)，可以將所有醫(yī)療資源集中在平臺，再根據(jù)病人的不同情況，把病人分診到對應醫(yī)院、對應科室進行診斷，這種分診方案會結(jié)合病人本身所處的地域、保險情況，給出最優(yōu)路徑。

此外，陳黎峰還介紹了人工智能閱片平臺AI-Rad Companion，可以在一張CT影像中，同時識別肺結(jié)節(jié)、肺氣腫、主動脈、心臟、脊柱重建等6個病種，直接以量化形式展現(xiàn)胸腔內(nèi)所有疾病。

以下為陳黎峰的現(xiàn)場演講內(nèi)容，雷鋒網(wǎng)作了不改變原意的編輯及整理

陳黎峰：首先，我介紹一下西門子醫(yī)療。西門子醫(yī)療有130余年的歷史， 現(xiàn)有三大核心業(yè)務部門：影像診斷、實驗室診斷和臨床治療。

1999年，阿里成立的那一年，西門子醫(yī)療已經(jīng)推出了IT全平臺。2014年，西門子醫(yī)療又發(fā)布了一個基于云的數(shù)據(jù)中臺和自帶用量、劑量的數(shù)據(jù)云平臺teamplay。截止到現(xiàn)在，西門子已經(jīng)有40多款人工智能應用。

這張圖是西門子醫(yī)療2019年財年的數(shù)據(jù)。

接下來分享一下行業(yè)趨勢變化，我們認為，未來整個市場動態(tài)和趨勢變化會對醫(yī)療行業(yè)發(fā)展產(chǎn)生巨大影響?，F(xiàn)在市場上一些趨勢和變化，都是我們以往從來沒有遇到的，例如人口老齡化和慢性疾病增加。

從大的醫(yī)療市場角度來看，這種趨勢是市場的持續(xù)增大，在2015-2020年短短五年間，全球主要經(jīng)濟體在醫(yī)療衛(wèi)生上的支出從平均2.4%增長到7.5%，這些支出大約有一半、約4萬億花費在三大疾病上——癌癥、心血管和呼吸系統(tǒng)疾病。

但是，我們也能看到一些潛在趨勢。

首先，醫(yī)療會更加精準，但精準醫(yī)療跟醫(yī)院以往操作模式非常不一樣的是，需要各部門協(xié)同作戰(zhàn)，甚至需要我們重新思考診療轉(zhuǎn)化模式。

其次，改善患者體驗。現(xiàn)在，自己或家人生病后，首先一定會去網(wǎng)上搜索得了什么疾病、需要怎么治療，這也導致醫(yī)生的工作變得困難，因為你會帶著信息和研究，和醫(yī)生去探討疾病。

但從另一個角度來看，這也代表患者更關(guān)注和更多地參與自己的醫(yī)療健康管理當中，實現(xiàn)了醫(yī)療的消費者化，患者更像是消費者。在這個過程中，患者對疾病的認知、知識也大幅增加，會有更多的選擇。

最后我們認為，數(shù)字化、信息化、人工智能一定會驅(qū)動健康和醫(yī)療行業(yè)的發(fā)展。

今天，我打算從決策的視角來看待其中AI的機遇和挑戰(zhàn)。

什么是決策？我們每個人每時每刻都在做決策，而醫(yī)護人員每天也會把絕大部分時間花在決策上，這些決策跟每個人的生命健康息息相關(guān)。

除了在臨床環(huán)節(jié)，醫(yī)療工作者的決策還會涉及運營層面。例如，一個中風病人進入醫(yī)院，如果這個病人在本院治療不了，就需要轉(zhuǎn)診。轉(zhuǎn)到哪里？怎么轉(zhuǎn)？里面的判斷就是典型的運營決策場景。

對于醫(yī)療工作者來說，平均每小時就要做22個重要的決策判斷，這些決策直接影響病人診療過程，從檢驗檢測、診斷、到治療、愈后管理等各個節(jié)點。但這些決策，經(jīng)常會因為病人病史的缺失和信息的不對稱，出現(xiàn)大量錯誤和偏差。

例如，病人到醫(yī)院時，會對自己的疾病史有一定的了解，但不了解目前的進展；而醫(yī)生通過檢驗、檢測能夠知道病人現(xiàn)在的癥狀，但是不一定知道所有的病史和服藥史，最后的決策就會非常困難。

例如，上海某三甲醫(yī)院急診科主任曾介紹一個案例。他們醫(yī)院的員工家屬某天突然暈倒，但在急診科做了一系列的檢驗、檢查都沒有發(fā)現(xiàn)問題。

留院觀察期間，主任和病人談話偶然間得知病人有輕微的地貧，馬上聯(lián)想到地貧可能引起肺栓塞，而后者則會引起肺動脈高壓而導致暈厥，最后發(fā)現(xiàn)果然如此。

但之前的問診，病人根本不會把兩者聯(lián)想在一起，而大夫也不可能知道地貧這件事。

統(tǒng)計來看，醫(yī)療決策過程中，常常有超過50%以上的病人，會缺失病史等關(guān)鍵決策點信息。

除了診斷，在處置、檢驗檢查過程往往也需要醫(yī)生做出很多決策。例如，我一個朋友的母親在今年擦窗過程中，忽然背部扭了一下，當時雖然沒注意，但后來卻疼到睡不了覺，于是去了全國前五的三甲醫(yī)院。

到醫(yī)院之后，他們最頭疼的就是導診，因此背疼不知道掛哪個科；于是就先去了心內(nèi)，在心內(nèi)做了很多CT平掃、重建檢查，都沒有發(fā)現(xiàn)問題；又去了骨科，骨科大夫也覺得沒有問題，推斷是神經(jīng)出了問題；但后來又錯掛了神經(jīng)內(nèi)科。

回溯來看，這些檢查和流程里面，大概15%的影像診斷是錯誤或者非必需的，甚至是重復的。醫(yī)生在診斷決策過程中，如果沒有掌握充分的信息，就會導致做出錯誤的診療決策或診療流程。

研究表明，大約40%的病人會不同程度上曾有“過度醫(yī)療”的經(jīng)歷。

但醫(yī)生在開處方過程中，可能也不知道你的既往病史、服藥史等。這樣的信息不對等會導致隨訪過程變得困難。中國每年有80億次的診療量，每個人都去隨訪基本不太可能。

那么，我們應該如何解決這些診療路徑、診療流程的問題，幫助患者、醫(yī)生進行全流程正確決策。我認為解決這些問題最好的工具就是AI。

目前，AI已經(jīng)完全貫穿西門子的全景解決方案之中，有超過40多項AI應用，甚至每小時就已經(jīng)有24萬患者直接或間接體會到AI的幫助。

剛才已經(jīng)講到，醫(yī)生的治療、診斷等流程的決策都需要醫(yī)生掌握病人的完整病史做判斷，那又該怎樣得到病人的完整病史？

目前，西門子醫(yī)療在病史方面有一套解決方案——eHealth，這個產(chǎn)品目前已經(jīng)在奧地利全國落地。為了避免病人隱私泄露，產(chǎn)品會在病人通過eHealth遠程或者當面進行授權(quán)后，把所有病史提供給醫(yī)生做判斷。

西門子醫(yī)療在預約檢驗、檢查環(huán)節(jié)也有一套系統(tǒng)Medicalis，這個系統(tǒng)目前已經(jīng)在美國上線。系統(tǒng)可以把所有醫(yī)療資源集中在平臺，再根據(jù)病人的不同情況，把病人分診到對應醫(yī)院、對應科室進行診斷。

當然，這種分診方案會結(jié)合病人本身所處的地域、保險情況，給出最優(yōu)路徑。

在診斷方面，西門子醫(yī)療也有自己的一套人工智能閱片平臺——AI-Rad Companion，這個平臺的目標就是減少醫(yī)生日常冗余重復性工作，提高診斷準確度。我們希望這個產(chǎn)品可以和多廠商兼容，提供多器官綜合診斷，乃至最后自動生成展示服務。

在醫(yī)學影像AI層面，作為老牌的器械廠商，西門子醫(yī)療存在一定的先天性優(yōu)勢。

例如，這次新冠肺炎期間，我們發(fā)現(xiàn)西門子CT設備掃描出來的影像，使用AI-Rad Companion進行新冠肺炎陽性和陰性的判斷后，會比其他廠商的產(chǎn)品更加精準。

這個現(xiàn)象背后是因為其他廠商的產(chǎn)品，由于本身卷積核（reconstruction kernel）問題，對于肺炎早期的判斷會出現(xiàn)一些假陰性和假陽性。而西門子醫(yī)療的AI-Rad Companion，早已經(jīng)在普林斯頓的一個超級計算中心研發(fā)了很多年，在國內(nèi)也已經(jīng)到臨床階段，和很多醫(yī)院進行合作研發(fā)。

AI-Rad Companion不僅僅可以看結(jié)節(jié)，而且可以識別肺結(jié)節(jié)、肺氣腫、主動脈、心臟、脊柱重建等6個病種，直接把胸腔里面所有疾病以量化的形式展現(xiàn)出來。

對于診療決策和治療環(huán)節(jié)，現(xiàn)在所有的方法也都在持續(xù)革新。這就像導航，過去所有人出行都需要買一本全國地圖冊，GPS出來后也出現(xiàn)一些道路升級而軟件沒升級，從而誤入歧途的情況。但現(xiàn)在手機就可以完成導航的所有問題。

病人的診療路徑也是一樣，過去很多診室邊上都會放一個人體全身骨架，但現(xiàn)在已經(jīng)都不需要了?，F(xiàn)在的診療決策變成只需要兩件事，首先需要知道各項檢驗指標，其次病人的全面病史、所處的狀態(tài)。

因此，現(xiàn)在很多廠家都提出了數(shù)字孿生/數(shù)字雙胞胎的概念，把這個人所有醫(yī)療指標數(shù)字化，包括實驗室、用藥、影像數(shù)據(jù)、基因等，再把這些數(shù)據(jù)和文獻、指南以及其他知識庫整合，為病人選擇出最好的診療方案。

利用這些信息和病人交流，也可以幫助病人更加直接、積極的參與到自己的疾病治療和健康管理當中。

AI-Rad Companion也有一個隨訪模塊，可以利用一個小家用設備，對病人的各項指標變化進行管理。這樣就可以解決前面提到的80億人次的隨訪問題，在人工智能的幫助下，設備可以自動提出預警和其他干預方案。利用這種方式，一個護士甚至可以隨訪上千人。

前面已經(jīng)介紹了西門子病人診療路徑和數(shù)字化的解決方案，回頭再了解一下人工智能的驅(qū)動力，我認為主要包括三個方面：

一、政府和醫(yī)院的成本效率需要提升，運營方面需要決策支持；

二、醫(yī)技人員的缺乏，例如國內(nèi)超聲醫(yī)生大概就有15萬的缺口；

三、協(xié)同醫(yī)療概念，用數(shù)字化驅(qū)動患者和醫(yī)生的互動。

所以圍繞這三個方面，AI也發(fā)揮了幾點作用：首先，提升效率和生產(chǎn)力；其次，提供臨床輔助決策支持；最后，為醫(yī)院提供病人管理。

既然已經(jīng)看到了需求和前景，那中間又是否存在壁壘？

單純從技術(shù)的角度來看，AI應用最大的問題，就是各個科室之間、各個機構(gòu)之間的數(shù)據(jù)孤島問題，這也導致可能出現(xiàn)潛在的決策和判斷錯誤。

那么西門子醫(yī)療怎么解決這個問題？

西門子醫(yī)療目前有一個teamplay數(shù)字中臺，正逐步在國內(nèi)落地。這個平臺的目的就是為了打破數(shù)據(jù)孤島，讓醫(yī)療AI產(chǎn)品快速落地，產(chǎn)品可以實現(xiàn)多模態(tài)部署，在醫(yī)院端、邊端或云上都可以。

這個平臺的數(shù)據(jù)來源也不止于DICOM格式，對HL7、FHIR等標準也同樣兼容。目前，西門子醫(yī)療已經(jīng)將AI-Rad Companion部署在這個平臺之上，未來也希望更多的廠商加入。

我認為，雖然一個人可以走得比較快，但一群人則可以使這個行業(yè)走得更遠。雷鋒網(wǎng)雷鋒網(wǎng)

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。