301海南分院张震江:拿不到“海量数据”是医疗人工智能的最大难题

解放军总医院海南分院

信息科主任

张震江

受访专家

TODAY

Q1

人工智能最有可能在基层医疗机构发挥巨大作用。

我国医疗体制改革目的之一在于提高基层医疗机构的诊疗水平,具体举措包括促进实现分级诊疗、医保异地结算、检查结果互认等,最主要原因在于基层医疗机构急缺高水平的全科医生,无法对某些疑难杂症做出明确诊断,老百姓也就“不敢”信任基层医疗水平,宁可到大医院“挤破头”看感冒发烧,也不去社区卫生站,由此造成恶性循环。而利用人工智能相关技术及成果,可以帮助基层医疗机构辅助诊断,因此人工智能最有可能在基层医疗机构发挥巨大作用。

想象可能在基层医院出现如下场景:在放射科可以进行智能阅片,明确病灶影像位置,出具初步的影像报告;在病理科可以对数字切片进行快速分析,辅助医生明确诊断;在临床可以为全科医生提供诊断依据、用药指导,甚至推荐治疗方案。

上述这些场景若能实现,一方面能够吸引医生队伍向基层下沉,另一方面可以提高基层医疗机构诊疗水平,使老百姓对其增加信任感,促进分级诊疗,实现“小病在社区,大病到医院”的目标。

Q2

我个人觉得人工智能在临床科研方向能够得到较好发展。

人工智能有如下特征,一是要有足够多的数据,可以对人工智能系统进行不断的训练;二是要有不断自我学习、自我改进算法的机制,除了会深度学习外,还要能够自我进化,形成真正意义上的智能;三是要有强大的计算能力。

AlphaGo Lee在学习了大量人类棋谱之后打败了李世石,而升级的AlphaGo Zero仅学习了36个小时,通过近3000万次自我对弈后,以100比0完败AlphaGo Lee,这是算法改进的巨大成功。

当前医院的信息化正快速前进,一个大型医院每天产生的数据量虽然称不上是大数据,但是众多医院的数据放在一起也算是“海量”了,还是很有价值的,是能够进行挖掘的,这些数据里不但有客观的病情描述,最重要的是还有人类专家的判断、对策、方法,在这些数据里有很多未知的相关性还没有被人类发现,而人工智能能够利用强大的计算分析能力,充分发掘数据里的“秘密”,形成人类所不知的知识,最终造福人类。

Q3

作为医院来说要区分哪些是真正的人工智能,哪些是仅仅善于做数据挖掘、数据分析的公司。

目前人工智能是个很流行的概念,很多标榜“人工智能”的公司在人工智能火起来以后如雨后春笋般出现。但是我觉得作为医院来说要区分哪些是真正的人工智能,哪些是仅仅善于做数据挖掘、数据分析的公司,因为后者应该不能称之为真正的人工智能。大家现在都来做人工智能,其实也是很正常的,也是符合Gartner曲线发展规律的。

据我了解,目前国内提供人工智能解决方案的厂商还没有条件实现真正意义上的人工智能,主要原因是这些厂商拿不到“海量数据”来训练他们的系统。

另一方面,医疗机构的数据也存在缺陷,一是数据质量问题,二是数据不完备,患者的随访信息不全就是一个很严重的缺陷。百度能够通过搜索引擎获取大量的用户数据,因此它有条件去做“百度大脑”。可是医疗数据和临床科研数据从哪里来,全国也没有实现统一的数据中心或数据共享机制。所以说目前要做医疗领域的人工智能还是有很大难度的。2016年IBM Watson落地中国,首次为国内21家医院提供Watson肿瘤解决方案,但是目前也没有看见有很大的进展。这从另一个侧面反映了在医疗领域实施人工智能的复杂度。

Q4

我个人将人工智能在医疗领域的发展分为四个阶段。

第一阶段,寻找切入点

人工智能厂商会与医疗机构积极寻找合作切入点,充分发掘医院的需求,既包括临床的,也包括科研的,甚至是管理方面的需求。在这一阶段,大型综合性医院是人工智能厂商青睐的对象,因为大医院数据丰富,信息化基础好,数据质量较高,对人工智能的需求也比较旺盛,在业内有影响力,形成的产品有说服力,也有竞争力。

第二阶段,原型开发

根据医院提出的需求,人工智能厂商研发出原型系统,这些系统对于提出需求的医院来说适应性较好,医院也会不断提供新的数据进行验证,形成初步的“知识库”,人工智能系统算法也会不断调整更新。

第三阶段,推广验证

厂商会将原型系统推广到其他多家医疗机构进行验证,到时会有更多的数据来帮助改进系统,形成更完备的“知识库”。这一阶段更多的二、三级医疗机构会参与进来,资本也会投入有前景的人工智能项目。医院、厂商会形成商业模式,包括数据分享、知识库分享模式。

第四阶段,全面应用

在这一阶段,知识库日趋成熟,各类接口服务涌现出来,基层医疗机构将全面参与使用并获益。

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171221B0R76000?refer=cp_1026

扫码关注云+社区