中國或成醫(yī)療人工智能最大市場

　　人工智能技術(shù)的發(fā)展，給垂直產(chǎn)業(yè)帶來巨大變革，以醫(yī)療、無人車、安防、金融等垂直行業(yè)的變化最受到關(guān)注，多位知名投資人都強(qiáng)調(diào)現(xiàn)在真正能落地的就是AI在垂直行業(yè)的應(yīng)用，可謂“不垂直，不快樂”。但是AI雖火，人的價值中存在批判性思維：醫(yī)療AI最有前途的技術(shù)是否是深度學(xué)習(xí)?是什么樣的技術(shù)要診斷22542個ICD10疾病?誰能成就醫(yī)學(xué)界的ImageNet?

　　新智元于3月25日參加智慧未來·醫(yī)療人工智能峰會，活動由匯醫(yī)慧影、英特爾醫(yī)療等聯(lián)合主辦。其中匯醫(yī)慧影成立于2015年，其創(chuàng)始人柴象飛兩年前從斯坦福大學(xué)回到國內(nèi)，那時候他覺得春雨醫(yī)生做的非常好，讓他看到了醫(yī)療影像在商業(yè)模式上的巨大創(chuàng)新。因此他和郭娜一起創(chuàng)立了匯醫(yī)慧影，致力于發(fā)掘醫(yī)療影像數(shù)據(jù)價值，以最前沿的云計算、大數(shù)據(jù)和人工智能技術(shù)，打造智能醫(yī)學(xué)影像平臺和腫瘤放療平臺。在這一過程中，英特爾醫(yī)療提供了很多支持，匯醫(yī)慧影也成為了英特爾聯(lián)合實(shí)驗(yàn)室的一員。

　　參與本次醫(yī)療AI峰會的嘉賓有英特爾醫(yī)療與生命科學(xué)部亞太區(qū)總經(jīng)理李亞東，匯醫(yī)慧影創(chuàng)始人柴象飛和郭娜，藍(lán)馳創(chuàng)投合伙人陳維廣，斯坦福大學(xué)放療科終身教授邢磊，跨入到醫(yī)療界的國際核能院院士張勤，萬方數(shù)據(jù)股份有限公司副總經(jīng)理張秀梅，鄭大五附院黨委書記王新軍和某著名設(shè)備商代表。本文綜合了會場演講、論壇和新智元對斯坦福醫(yī)療AI專家邢磊的專訪內(nèi)容，讓我們破除迷信，跟隨AI技術(shù)大牛和醫(yī)療行業(yè)大拿一起揭開中國醫(yī)療AI之現(xiàn)狀。

　　強(qiáng)化深度學(xué)習(xí)：醫(yī)療AI最有前途的技術(shù)?

　　自從2012年深度學(xué)習(xí)技術(shù)被引入到圖像識別數(shù)據(jù)集ImageNet(做為測試標(biāo)準(zhǔn))，其識別率近年屢創(chuàng)新高，并且在某些領(lǐng)域如圖像分類等方面達(dá)到人類水平。深度學(xué)習(xí)技術(shù)加上醫(yī)療影像領(lǐng)域累積多年的數(shù)據(jù)，給這一領(lǐng)域帶來了令人驚喜的突破。

　　新智元曾經(jīng)報道過斯坦福的研究人員發(fā)布在Nature上的研究，CNN做皮膚癌診斷，與21位皮膚科醫(yī)生對比測試，結(jié)果系統(tǒng)的精確度與人類醫(yī)生相當(dāng)(“至少”91%)。還有JAMA上發(fā)布的利用CNN對糖尿病視網(wǎng)膜病變的診斷，結(jié)果表明，其算法的性能與眼科醫(yī)生的性能一致。

　　CNN在醫(yī)學(xué)上的應(yīng)用可謂在頂級刊物上連放大招，那么深度學(xué)習(xí)技術(shù)是醫(yī)學(xué)影像領(lǐng)域效果最好的技術(shù)嗎?

　　斯坦福大學(xué)邢磊教授告訴新智元：深度學(xué)習(xí)及強(qiáng)化深度學(xué)習(xí)，代表目前新潮的技術(shù)，它們能解決很多以前不能解決的問題，把醫(yī)療AI推向新的高潮。

　　深度學(xué)習(xí)

　　強(qiáng)化深度學(xué)習(xí)在2016年初AlphaGo對戰(zhàn)李世乭中大放異彩。AlphaGo學(xué)習(xí)棋譜到了一定程度，就可在和對手及自己對弈的大量棋局中，使用強(qiáng)化學(xué)習(xí)來進(jìn)一步改善它，這可以說是它不斷超越自己，最終戰(zhàn)勝人類冠軍的關(guān)鍵所在。作為一種有效的機(jī)器學(xué)習(xí)方法，強(qiáng)化學(xué)習(xí)主要研究在特定情境或環(huán)境下的操作方式，使得獎勵信號最大化。同樣在醫(yī)療AI的決策過程中，一個程序操作會常會影響其接收到的數(shù)據(jù)，不同的操作中程序會接受到不同的輸入信息。強(qiáng)化學(xué)習(xí)可找出決策或操作的最優(yōu)方案，以獲得最大的獎勵。

　　乳腺鉬靶腫塊判讀

　　邢磊博士介紹，其實(shí)在深度學(xué)習(xí)之前，大約在90年代，就已有很多人做計算機(jī)輔助診斷(CAD)。之前神經(jīng)網(wǎng)絡(luò)做不深，現(xiàn)在有了新型計算機(jī)和深度學(xué)習(xí)之后，可以實(shí)現(xiàn)很深的網(wǎng)絡(luò)。但是就以皮膚癌的診斷為例，目前在臨床上還沒有真正意義上的大規(guī)模的應(yīng)用。基于深度學(xué)習(xí)的診斷尚處于研發(fā)階段。但以現(xiàn)在的研發(fā)速度來看，這些新技術(shù)離臨床應(yīng)用已經(jīng)并不十分遙遠(yuǎn)了。

　　腦出血區(qū)域自動標(biāo)記

　　另外，深度學(xué)習(xí)并不是在所有場景下都需要。這跟具體遇到的問題有關(guān)，有時候一般的機(jī)器學(xué)習(xí)技術(shù)已經(jīng)夠用。新的算法可以說是層出不窮，日新月異。把不同的算法結(jié)合起來也是AI的領(lǐng)域常用的方法。

　　動態(tài)不確定因果圖：診斷各種疾病

　　人工智能不止是深度學(xué)習(xí)，也不止是大數(shù)據(jù)，張勤教授深以為然。他通過多年研究，提出了一套動態(tài)不確定因果圖DUCG(DynamicUncertain Causality Graph)理論，用于因果知識的圖形表達(dá)和推理。DUCG克服了貝葉斯網(wǎng)絡(luò)的簡潔表達(dá)和推理模型只適用于單賦值情況，不適用于多賦值和邏輯循環(huán)等情況的問題。

　　張勤教授創(chuàng)立動態(tài)不確定因果圖的本意是為了解決核電站的在線故障診斷，因?yàn)楹穗姽收蠑?shù)據(jù)極少，診斷要求高(要診斷從未出現(xiàn)過的故障)，必須充分利用領(lǐng)域?qū)＜抑R才行。核電站有數(shù)千甚至數(shù)萬個實(shí)時動態(tài)信號，故障發(fā)展迅速，要求DUCG能夠在秒級對眾多信號(其中可能存在虛假信號)進(jìn)行動態(tài)推理，高效準(zhǔn)確地診斷故障，為提升核電站的安全性和經(jīng)濟(jì)效益提供智能技術(shù)支持。他的團(tuán)隊迄今已取得上百起故障診斷實(shí)驗(yàn)100%的成功率，無一失手?，F(xiàn)已用于核電站和衛(wèi)星系統(tǒng)的故障監(jiān)測和診斷。