醫(yī)療人工智能落地成現(xiàn)實 如何保證數(shù)據精準是關鍵

　　回歸數(shù)據價值是關鍵

　　對于AI醫(yī)療公司來說，單一的算法開發(fā)如今似乎很難支撐起一家公司數(shù)據的價值重新回歸。

　　“實際上，人工智能是一種知識的表達?！睏罴劦剑?a class="contentlabel" href="http://www.ex-cimer.com/news/listbylabel/label/人工智能">人工智能其實是一個交叉學科，既是計算機科學的分支，又涉及心理學、哲學和語言學等。如果研究機構或公司只是單純研究算法，那么很難實際應用。不同來源的數(shù)據與算法結合，才是人工智能的根基。

　　自然語言學習、深度學習、虛擬助理等，都是AI的具體研究領域。在醫(yī)療方面，圖像分析的應用也比較廣泛。

　　楊吉江認為，從發(fā)展階段上看，人工智能從早期推理到后面的數(shù)據驅動，數(shù)據是最主要的。例如，有AI+醫(yī)療影像的公司與業(yè)內專家探討，開始回歸數(shù)據，在數(shù)據采集、數(shù)據管理上花費很大的力氣，而不是“虛幻的”去做診斷。

　　對AI醫(yī)療來說，數(shù)據的重要性不言而喻。AI在小樣本集上做的診斷或推定，被認為是不可持久的模式，因為一旦再擴大一點范圍，換一個病種、換一個地方，結果可能就出現(xiàn)偏差，正確率下降。

　　“為什么人工智能突然爆發(fā)?實際上這跟大數(shù)據的發(fā)展也有一定關系。我們現(xiàn)在手上都有很多數(shù)據，但如果不去有效地利用，就不具有價值?！睏罴f。

　　楊吉江有過400萬個數(shù)據清洗完后，剩下20多萬個的經歷;從某醫(yī)院拿到的200萬個眼科數(shù)據，清洗過后也差不多只剩下20萬個。作為AI醫(yī)療的基本素材，數(shù)據的準確性和質量非常重要。但“干凈”的數(shù)據并不容易獲得，需要很大的工作量。

　　即便數(shù)據量足夠大，在面對每個個體的差異時，AI醫(yī)療依然沒法保證100%的準確率，一旦出現(xiàn)問題就是誤診、漏診。因此，多位與會人員亦表達了類似的觀點，即人工智能在醫(yī)療領域的角色目前仍是輔助。

　　針對臨床決策的輔助系統(tǒng)，融合大量醫(yī)學指南與醫(yī)生的經驗智慧，針對治療目標及治療的實時效果進行決策建議，大大提升科室的綜合決策診斷水平。

　　邁瑞發(fā)現(xiàn)，作為光信號的血氧參數(shù)以及電信號的心電參數(shù)間，其實有著緊密的聯(lián)系。把兩個數(shù)據“擰在一起”，在多參數(shù)聯(lián)合分析作用下，對心率、脈搏監(jiān)測準確性大大提升，并極大地增強了報警的準確性。這樣“智能報警”的結果，則是讓致命性心律失常誤報次數(shù)大幅下降65%，其他心律失常誤報次數(shù)下降50%。同時，對于心率準確性提升30%，脈率準確性提升30%。

　　點評：但截至目前，沒有人能保證人工智能能達到100%的準確率，但是有哪個醫(yī)生能保證自己能達到100%的準確率嗎?如果人不能達到，就要求AI一定達到，是不是對人工智能太過苛求?現(xiàn)階段讓人工智能在醫(yī)療的過程中提高數(shù)據的分析利用效率，給醫(yī)生的分析判斷提供參考就是最大的貢獻。其它的可以在實踐中慢慢進步