未来医疗圆桌对话：从医学理论到医疗场景，AI还需要走多久？丨CCF-GAIR 2017

本篇文章6031字，读完约15分钟

据雷(公开号:雷锋网)报道，7月9日，由中国科协主办、雷和香港中文大学(深圳)联合主办的第二届中国科协——全球人工智能与机器人峰会进入第三天。下午在未来医学特别会议上举行了题为“人工智能在医学影像中的实际应用场景”的圆桌会议。

据雷锋说。清华x实验室医疗保健创新中心主任洪钟主持圆桌会议，广东省人民医院影像科主任、南方医科大学副教授刘再义、飞利浦大中华区临床科学部高级主任周振宇、汇英首席执行官柴、怡园智能首席执行官参加讨论。

从左至右依次是周振宇、刘再义、柴费翔和首席执行官吴波。

下面是雷锋同志主持的这次圆桌对话的内容记录。在不改变初衷的情况下。

洪钟:早些时候，周主席提出人工智能应该区分医学应用和医学应用。坦白说，作为一个没有医学背景的人，我很难理解这个问题。我不知道谁愿意解释为什么人工智能或图像智能的方向应该分为医学方向和医学方向。

刘再义:我们的临床工作仍然是常规模式，图像判断是基于人工经验。我们希望人工智能能给我们很好的支持，减少工作量，把我们的时间和精力集中在重要的临床活动上。刚才，田老师说这是学术研究。文章发表后，我们可以使用结果吗？如果你输入医学图像，你会发现陷阱和困难。现在制造商的设备非常不同。我认为有更多的学术研究，很难真正进入临床实践，还有很长的路要走。最近，很多创业公司的朋友给我带了产品来给我提建议。早上，外国教授讲了一点。我们哪里失败了？没有遵循临床工作流程，肺结节检测，这只是我们完成检测的一个方面。当我们看电影的时候，我们会用不同的颜色调整同样的东西。如果我们只做肺结节检测，没有问题，但是一旦病人错过了另一种疾病，他就会赔钱。这给我们带来了什么样的科学进步？学术是我们最需要做的，但是从学术到临床，我觉得还有很长的路要走。我们需要业内朋友为我们提供更好的支持，让我们敢于使用它。如果我们在临床实践中失败，我们将得不到证书，也不能进行商业开发。

洪钟:前三位嘉宾来自医学影像技术公司或研究机构，他们都提到必须关注临床医生的需求。刚才刘主任的分享，让我感觉很爽快，这个行业有很多困难，从医药到医疗，可能还有一座大山要爬。作为一名gps工作人员，周先生有着丰富的经验，可以说是一个医疗影像产品和服务的提供商。你认为人工智能会对医学影像领域的专家和患者产生什么样的影响？或者从药物到医疗需要多长时间？

周振宇:在过去的9年里，我一直在通用电气工作。今年，由于飞利浦医疗在这方面的转型相对较快，我来到飞利浦医疗在这方面工作。今天，我们看到许多参加会议的人都是新的风险投资家，而且他们都很年轻。然而，我们很难进入医学和影像领域。

现代医学的六个特征是什么？荷兰卫生部和中国卫生规划委员会上个月讨论了这个问题。作为基因组学，全球成本已经大大降低。飞利浦与另一家公司预计将在未来将成本降至100美元以下。随着学术知识库的扩展，人工智能是基于大数据的，尤其是图像、大健康数据、检验检疫数据、数字病理学和基因信息。在这种情况下，知识库的积累更为重要。正如刘娇寿所说，医生的知识储备、对相关疾病的观察、相关器官以及刚刚提到的淋巴结对于医学大数据尤其重要。

第二个特点是知识库中有2500万篇关于医疗的文章，以每年120万篇的速度激增，这是现代医学的第二个特点。

第三个特点是建立了田老师提到的大量数据库。现代医学的一个非常重要的特征是本地数据库比美国国家数据库多50%的病例。

第四个是张院士提出的生物传感器和可穿戴设备，它可以在入院前、入院中和出院后共享我们的医疗信息。这样才能真正实现全生命周期检测，这对于医学大数据来说非常重要，特别是对于很多风险投资公司来说。影像主要在医院，其诊断和治疗非常重要。

第五点是机器学习和人工智能。假设它可以在数据驱动和假设驱动的基础上实现工业化。为什么通用电气、西门子和飞利浦等制造商害怕谈论人工智能在医疗领域的成就？因为当我们交谈时，顾客会说是的。飞利浦医疗技术已经通过美国食品和药物管理局在数字di、数字病理学和数字基因方面的认证。进入中国可能需要一些时间，也许两三年后。我见过许多初创公司比我们更积极、更快，至少在市场上更早发布了这些信息。

第六，作为新一代，社会主体对医学信息越来越开放。我们愿意分享这些公司和数据库，使医疗保健更加开放。

这六点是对传统产业已经进入新领域做人工智能的认可，但是还有很大的困难，我们确实面临着巨大的挑战，我们也希望积累更多的人才。我是材料、医学工程和数学的学生。事实上，人工智能在医疗保健方面的投资需要更多的跨境综合人才参与，这样才有可能做得更好。

洪钟:乍一看，它来自一家非常有组织的大公司。刘主任，刚才田博士说我们和中科院自动化所做了很多研究，在很多知名杂志上发表。我曾经问过你，你和什么组织合作过吗？作为一名影像学专家，你最想找什么样的机构和你一起做医学影像学研究，选择标准是什么？

刘再义:我非常希望有一个好的组织能和我合作，提供基本的支持。在我看来，图像挖掘主要是临床的。如果事情做得好，不能解决临床问题，他们肯定不会工作。我们现在正在做。从一个工科学生开始到现在，我们组有五个工科学生。他们刚刚从本科生转到研究生，他们没有足够的知识。如果我们加快研发进度，我想找一个真正能参与的人。但是一些公司要求我这么做。我提供了数据，然后为他进行了分析。他完成分析后，拿走了数据。我希望是相互信任。他给了我数据，并以我为中心和以临床目的为中心分享了这一成就。这是一种平等互助的形式。我们的临床数据是最宝贵的。你只有技术，没有临床数据。我想很多都只是纸上谈兵。不管你的算法有多好，我不认为它最终能被转化。因此，我希望如果有合作的机会，你能给我提供优秀的人才，他们将全职为研究项目服务。我今天不能和你谈工作。你还有其他任务，应该积极推动，然后产生好的结果。

洪钟:医学创新的道路必须围绕医生，这是每个人都一致认可的。柴总被视为智能成像领域的创业老手。我谨代表企业家，问你如何以及用什么产品来满足专家的需求，以便专家愿意与你合作。我听说有数百家医院在不同层面与我们合作。你能和我们分享干货吗？

柴:比如像刘娇寿这样的专家，比如三甲医院，其实已经建立了一个医学影像大数据和人工智能的通用科研平台，我们发现还有很多工作要做。然而，在这样做的过程中，正如刘娇寿所说，我们发现疾病是分散的。其次，我们研究了许多疾病，或者如果我们想将其商业化和产业化，临床医生有必要带头提出需求和数据，我们提供了方法。因为有很多合作伙伴，我们做了一件非常重要的事情，使得原来内部的东西更加基于平台，因为很多不同的应用程序会有很强的通用性。我们中的一些人觉得这需要很长时间。特别是，我们发现许多70后和80后的医生对新技术非常积极，愿意张开双臂进行深入接触、感知或参与，但他们往往缺乏工具性的东西。我们为顶级医生提供工具和方法，与他合作实现双赢。对于基层医院，我们提供了很多像工具孵化之类的东西，比如图像联网工具，比如病人云电影等方便的工具。在工具方面，我们还帮助他添加了一个智能的防漏系统或初始诊断提示系统，这不仅是一个基本的it工具，也是一个更加智能和自动化的工具。同时，我们与他建立这样一个循环。该算法实际上需要不断出现，并且该算法是由数据驱动的。事实上，一些核心人员一直在为你纠正错误，并对新数据给予积极反馈。该算法也向前迭代，从而形成良性状态。简单的答案是用工具切入，一步一步地用算法跟进。

洪钟:真的不一样。经过几年的商业化，已经找到了一条有效的途径。而且，这并不容易，而且自己的产品线很长，以满足专家的需求。刘主任，你认为他刚才提到的不符合你的需要，还是你认为最重要的需要？

刘在义:最好是一个平台，因为我们现在正在做研究，有必要推广大数据。我们应该把这件事平台化，把它放到云中供其他人使用，提供免费的分析，并用数据建立模型。但是我们发现了一个问题。当我们研究它时，我们发现没有办法控制数据标准化的问题。如果你没有做过临床研究，你会发现临床信息往往是错误的。数据无法保证。即使有很多这样的数据平台，质量也不能保证。我们不知道最终结果有多好。我们有大量的数据。我们的成像部门每天都会产生大量的数据，但是有多少数据可以使用呢？1%小于1%。识别错误的信息是每个人的工作。否则，你所做的在这批数据中有很好的训练效果。在我院使用时，发现与50%筛查相似，没有转化价值。因此，影像数据和临床数据的标准化可能是每个人在将来做这件事时应该注意的问题。

洪钟:刘主任给了我们很好的参考。吴先生，你创业才两个月。你在云起比赛中的成绩不错。所有医学相关和人工智能相关都面临着三个难题。首先，专家合作，这是最难的事情；第二是数据的难度；第三，商业模式的难度。如果你不把这三个问题都扔给你，就谈谈数据问题。初创企业如何解决这个问题？

吴波:我做数据已经很多年了，但是我才开始我的医疗事业两个月。回到最初的问题，每个人都提到了医疗和医学的区别。在我看来，这是一个有机的结合，尤其是在游戏领域。在游戏领域，每个人都经常提到ip。首先，张院士也提到了知识产权。在我看来，医学和医疗就是如何从医学中产生知识产权，并将知识产权转化为医疗。我认为这是最大的痛点。必须遵守临床规范。我们切入医学影像和医学影像。目前，我们不擅长使用工具，但是我们使用个人服务。现在，我们希望使用数据来获取数据，或者不一定要获取数据，包括加入与南方医科大学的竞争，临床医生寻找主题，我们制定算法，理解和标准化数据。在与医生合作的过程中，我们发现医生仍然会遇到很多临床问题。事实上，他们对数据共享持谨慎乐观和开放的态度。这只不过是如何根据我们深入学习的经验向他们传达我们的数据标注、数据整理和数据隐私保护方法，并将数据与专家知识相结合，并以科研服务和学科服务的形式将它们结合起来。事实上，医生们明白商业化的想法总是促进对转变的需求。

洪钟:四位专家从不同角度进行了精彩的分享。我想问两个难题。这两个问题是相关的。我们总是谈论医学智能成像，但我们不敢谈论医学智能成像。一个问题是，从患者的角度来看，在未来3-5年内是否有可能取得一些成就。医学智能图像真的能帮助病人解决一些问题吗？第二个问题，商业模式，你怎么看？

柴:这个问题特别好。医学在总体上仍然是学术性的，但医学治疗是实用的。我们必须在医疗水平上商业化。我的总体观点比右翼更激进、更乐观，因为企业家必须乐观。在实际操作中，肯定会有很多问题，比如像钟主任刚才说的人工智能费用由谁来支付？你认为这东西只不过是医生、医院和病人。我很同意在这个过程中有各种困难和问题，短期内也是困难的。如果这件事没有困难或问题，它将由大公司来完成，而不是由初创公司来完成。

回顾这些场景，我们更关注两个场景:第一，让医院买单，每个人都说它满足了医生的需求。但是，在实际使用过程中，医生的需求可能不是商业需求，医院里有很多医生的真实需求，比如工作环境差等等。这不是广告。最后，有两个业务需求:1。医院买单。现在，在筛选影像、提高效率、减少误诊率、帮助医院扩大医疗服务范围等方面，医疗协会和医疗协会仍然可以在短期内买单。2.汇英汇英走向充电终端。病人对影像没有感觉，他必须最关心临床决策、诊断结论和对他非常重要的选择。这可能不是医疗需要，也可能不是医疗需要。让我们再举一个例子。就医学价值而言，刚才提到的基因诊断非常重要。到目前为止，医疗并没有像我们想象的那样被广泛使用。基因诊断的最佳基因是华大基因，华大基因最大的收入来自唐氏筛查，满足了患者的心理需求。我们针对患者的心理需求和患者在一些重大决策情景中的重要决策需求，提供了公平、客观、权威的指导，并在几个试点项目中取得了良好的效果，这是我们的一线经验。

周振宇:从未来的情况来看，其实所有的大公司都已经在这方面做了布局。我今天来参加这个会议，想看看人工智能在医学上的更多应用，但是我们看到的和十多年前一样。我们得到的结果仍然是纯粹的数据驱动的结果，以及发现了100个肺结节的百分比，这对临床知识没有什么价值。此外，从疾病和器官的角度来看，它仍然局限于皮肤病、肺结节和其他相对容易的器官。更多的人类疾病，如肝、肾和乳腺，对中国人来说更重要。事实上，所有的制造商都迟迟不介入。我们一直在这方面努力。这些疾病与基因有关。例如，有4940个基因与疾病相关。很难将这些信息与当前的医学诊断成像方法(如ct和MRI)相结合，以有效地提取数据信息，并基于医学信息和知识库形成统一的战略性答案。1949年，更新医学知识花了50年时间。1980年，在大多数人出生前后，更新的速度是7年。到2010年，也就是每个人都在工作的时候，更新一次医疗数据需要3.5年的时间，也就是说，一个医科学生医生还没有看过，知识已经更新了两次。2020年，医学知识更新速度为7.3天。我们如何以人工智能、假设驱动和数据驱动的方式将成像知识应用于医学场景，并成为医学场景不可或缺的一部分？我们期待着让大家更多地了解我们今天的困境。在医学领域真的不容易。

刘再义:成像很重要，但不是最重要的。在做出临床治疗决策时，我们必须综合所有信息。这不仅仅是成像，还有基因、验血甚至一些习惯。有些宗教禁止输血，所以你不能给他输血。在任何治疗决策中，形象起作用，但不是主要部分。我们现在正在进行成像，但未来的工作应该是一个完整的解决方案。我们从事的人很少，但我们正在进行从基因到病理再到成像的挖掘。昨天，周先生说，我们的解决方案是他们的微型版本，制作简单的图像。我建议应该把人作为一个整体来考虑，我们必须用其他的信息来做出全面的判断。我们的临床决策应该是整体信息的整合，这是我们未来的方向，也是我们的研究小组目前正在做的。

吴波:谈到两三年后的未来，我是一名新企业家，我更乐观。我回应了刘娇寿的话。他提到一个系统只能发现一个病灶，这对临床治疗没有什么价值。在我们看来，这种以深度学习为主导的人工智能浪潮可以在三年内带来医学和医学领域的突破。我与许多医生和朋友交流了人工智能领域的方法。有时候医生会做一些经验判断和经验模型，但是人脑做出的模型是模糊的，非常有经验的人可以取得好的结果。然而，机器学习倾向于将问题分解成子问题。如果是肺结节，我可以是世界上第一个，然后我可以把另一个子问题变成世界上第一个。如果结合起来，可能会超出医生的预期。在很多情况下，每个人都只解决了一个问题，却没有达到最终目标。在图像识别领域，人们觉得没有问题，也就是说，深度学习已经带来了十几个点，人们显然觉得人眼不如计算机。事实上，我们相信，至少在影像标准化领域，通过建立方法论、分析临床问题、分解问题、聚焦行业力量，一定会有一个相对完整的体系，在三年内形成医学和医疗效果。这是我乐观的看法。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。