雷锋网按:2020年8月7日,全球人工智能和机器人峰会(CCF-GAIR 2020)正式开幕。CCF-GAIR 2020 峰会由中国计算机学会(CCF)主办,香港中文大学(深圳)、雷锋网联合承办,鹏城实验室、深圳市人工智能与机器人研究院协办。
8月9日,作为本次大会的收官之战,“医疗科技”专场正式拉开帷幕,围绕「后疫情时代的医疗新基建机遇」这一主题展开。
其中联影智能联席CEO沈定刚、华西医院副院长龚启勇、腾讯天衍实验室主任郑冶枫、平安医疗科技首席科学家谢国彤、商汤科技副总裁张少霆、西门子医疗中国数字医疗负责人陈黎峰,详谈了后疫情时代医疗科技的新常态,以及技术落地和产品方法论。
以下是本次大会的精彩回顾:
联影智能沈定刚:如何将AI应用到新冠肺炎诊断全流程?
联影智能联席CEO、MICCAI 2019大会主席、IEEE Fellow沈定刚教授发表了开场报告,介绍了医疗AI在新冠肺炎诊断全流程中的应用。
沈定刚教授表示,目前新冠肺炎仍然在全球蔓延,全球有1800多万人确诊,CT已经成为新冠肺炎诊断、评估和随访的重要手段。然而,这个过程中存在最重要的两个痛点,首先,如何帮助医生尽量避免感染;其次,有了CT设备后,如何用人工智能的方法进行肺炎的量化分析,用CT图像辅助诊断和随访。
为此,联影智能提出了三个解决方案:无接触扫描、肺炎量化分析、随访评估与诊断。
沈定刚教授表示,为了避免病毒传播,有的操作技师在新冠肺炎早期甚至通过竹竿这样的工具远距离操作CT扫描,原始且危险。为此,联影集团研发了AI智能采集系统,把边缘计算和摄像机结合,自动采集人体三维形态和部位信息,自动操作CT扫描,满足医生在操作间就可完成扫描任务。
在肺炎分割与量化方面,主要是为了实现三个目标,新冠肺炎判别、危重程度检测以及判断进展变化,沈教授介绍了联影智能的uAI分割引擎,可以对肺炎、5个肺叶、18个肺段进行精确的分割。
在随访评估与诊断层面,有些新冠肺炎病例与普通肺炎病例有相似的感染程度,因此,联影智能提出了基于感染信息的注意力网络 (Attention-guided Network),用分割出的感染区域引导分类器聚焦于感染区域;在评估新冠肺炎严重程度上,提出了一种多任务、多示例学习模型 (Multi-task multi-instance framework);在危重预测与演变时间估计上,为了解决样本不平衡以及特征复杂且高维的挑战,提出了联合分类与回归的稀疏模型 (Joint sparse classification and regression):让两个任务共享相同特征,用于改进各自的性能、解决数据不平衡问题以及针对所选特征,作出临床解释。
华西医院龚启勇:“成像+AI”,直面精神影像学的原生性难题
第二位演讲嘉宾是华西医院副院长、ISMRM Fellow龚启勇教授,他主要分享了脑疾病影像AI的新机遇。
作为临床放射学精神影像领域的国际知名学者,龚启勇教授在国内率先建立了精神放射影像体系,被国际同行称为“leader in the field of Psychoradiology”。
他表示,精神影像学拥有重要的发展前景,但是,依靠传统技术将面临多重瓶颈。相比其它脑部疾病,在常规CT、X射线等临床影像手段上,往往很难发现精神类疾病的脑部病变。而这类疾病的判断也没有明确的客观指标,临床治疗和诊断只能依靠经验和主观因素。
近年来的成像技术和AI技术的发展,则给这一难题带来新的希望。一方面核磁成像技术提供了更清晰的脑状态、脑结构等一系列参数,成为脑疾病诊断的首要依据。另一方面,深度学习的出现,则可以依靠大量数据信息,总结出不易发现的影像学特征变化规律。
龚启勇教授认为,这两种工具的结合未来也许可能解决许多精神影像学的原生性难题。
首先,通过AI分析方法,可以总结分析出影像特征变化和精神疾病的密切相关性,例如利用神经环路和链接脑结构改变,可以从影像学征像判断这类疾病的严重性和特定临床类别。
其次,可以籍助AI进行药物治疗靶标确定。龚启勇表示不同精神药物在不同大脑区域,往往会有不同的反映,特定脑区改变可能是药物靶点定位的一个重要依据,AI可以通过脑区特征的改变,判别精神药物的有效性和帮助治疗方案的选择,还有望为临床干预和介入治疗提供精准治疗靶标。
腾讯郑冶枫:小样本学习与域自适应
第三位出场的演讲嘉宾是腾讯天衍实验室主任郑冶枫。天衍实验室是腾讯内部专注于医疗AI的实验室, 覆盖医疗大数据、医疗自然语言理解、医疗影像等等。
在演讲中,郑冶枫博士主要分享了深度学习在影像诊断上的两个固有痛点:缺乏训练样本以及跨中心泛化能力差以及相应的对策。
对于训练样本量的问题,郑冶枫博士认为,迁移学习是一个很好的方式,可以将某个任务(源域)上训练好的模型迁移到另一个任务(目标域)。而为了获取更多的医学数据、积少成多,郑冶枫博士团队提出了Med3D:共享编码器的多任务分割网络,在大量异质的公开数据集上预训练,然后迁移到其它任务,并且进行了开源输出。
当然,除了Med3D,郑冶枫博士团队还提出了基于魔方变换的自监督学习,在预训练阶段不需要人工标定,从而减少大量的时间成本。
另外一方面,为了解决域偏移的问题,他们还提出了新型无监督域自适应(UDA)的方法,来缓和域偏移所导致的性能下降。该方法仅仅需要源域的数据、标注以及目标域的部分图像,无需目标域的标注,即可实现两个领域的自适应。在演讲中,他以VideoGAN: 视频风格转换以及OP-Net: 基于单张图像的风格转换的两个案例进行了说明。
平安谢国彤:2大基础平台及4大医疗AI模型
第四位出场的演讲嘉宾是谢国彤博士,他是平安集团首席医疗科学家。他表示,过去五年时间里,平安积累了大量医疗的业务,而平安医疗科技,则是从每个业务中沉淀数据,把数据变成AI模型,再反哺赋能给各个业务。
谢国彤博士认为,所有AI都无非四个要素:数据、算力、算法和应用。在这四个要素下面,平安共研发了2个基础平台和4个医疗AI模型,以支持医疗的各种分析和推理,目前有1.6万家医疗机构,43万医生在使用。
两个基础平台主要是赛飞AI平台(算力)和医疗的五大库和知识图谱(数据)。
谢国彤表示,医疗五大库及知识图谱,首先是从数据端出发,分四步去解决数据处理难题:第一,去掉噪音,补全数据,提升数据输入质量;第二,结构化,通过数据和文本抽取,实现数据可用;第三,标准化,把不同来源的医疗数据名称统一;第四,利用算法挖掘疾病的风险因子或者治疗方法。
而赛飞AI平台则主要是通过发动平台化战略,解决AI产品算力和落地的基础性问题。
谢国彤说到,平台的目的就是让医疗数据科学家专注在自己领域内,由平台去完成AI通用算法、智能标注、分布式训练加速、高性能压缩模型部署等通用问题。
在这两大基础平台之上衍生的4个医疗AI模型(算法),主要侧重在疾病预测、智能影像、AskBob辅助诊疗、疾病全周期管理等四个场景。
在最后的总结中,谢国彤说到,医疗人工智能是利国利民的事情,人命关天,需要AI界和医学界的紧密合作,用AI的算法解决真实的需求,保证模型的安全性、可用性,才能对“健康中国”产生真正的价值。
商汤张少霆:基于CV,搭建赋能全院临床的AI平台
第五位出场的演讲嘉宾是商汤科技研究院副院长、集团副总裁张少霆。他说到,过去国内探索的方向都是“基建出海”,现在商汤则在探索实现“科技+基建”的共同出海。
张少霆表示,商汤科技的战略核心是围绕计算机视觉技术,而智慧医疗的具体产物则是SenseCare®智慧诊疗平台。
作为商汤临床一体化的产品, SenseCare® 智慧诊疗平台可以落地在医院放射科或者区域IDC数据中心,在数据不出科室或数据中心的情况下,让不同临床方向的医生只需要一个笔记本电脑、甚至手机,仅通过访问网络浏览器的情况下,使用所有医疗AI功能,以及医学影像三维后处理功能,并且让不同临床医生读取不同数据,就可以启动不同的工作流,实现赋能全院临床。
然而,这种场景的实现存在两个问题:首先,如何利用AI对多模态多病种进行精准的检测、分类、分割;其次,如何在不传递原始数据的情况下,支持全院医生高并发的二维、三维分析需求。
在自研AI算法引擎的基础上,商汤SenseCare®智慧诊疗平台相继孵化了胸部CT智能分析及手术规划方案、胸部X线智能分析、心脏冠脉智能分析、骨肿瘤智能手术规划、消化道病理和TCT宫颈癌精准分析等临床辅助工具。
张少霆表示,针对区域级、城市级的智慧新基建建设,部署更偏向于SAAS平台的形式,底层可以支持安全可靠的数据存储、备份机制,向上则加载数据和人工智能管理功能,同时赋能区域内多家医院,实现区域内医疗智慧化升级。
西门子陈黎峰:器械商如何顺应医疗服务新格局?
医疗科技场的最后一位嘉宾是来自西门子医疗数字医疗部门负责人陈黎峰博士。
陈黎峰在演讲中表示,市场动态和趋势对于医疗行业有着巨大影响,医疗服务将在转型中提升价值。这种转型主要体现在三个方面:
首先,未来医疗将更加精准,治疗方法也将更因人而异。在正确的时间为适用的患者提供合适的治疗;
其次,精准医疗的实现需要医院各部门协同作战,需要多个专业团队在整个诊疗路径密切合作。这和以往医生单病种治疗的操作模式非常不同,需要思考诊疗模式的转化;
最后,医疗和健康管理越来越趋于消费化。患者对疾病认知、知识量和期望值都在增加,治疗和健康管理的选择越来越多,患者也越来越多地参与到自己的医疗和健康管理之中。
陈黎峰表示,医疗将向数字化发展。数字化、信息化、人工智能将革新我们对疾病的理解和治疗。特别是人工智能,可以优化运营流程、提高资源利用效率、通过自动化和标准化支持病人全生命周期的诊疗决策,并帮助病人主动参与治疗流程中去。
目前,AI技术已经贯穿于西门子全景解决方案中。Teamplay数字医疗平台可赋能数字转型,西门子AI-Rad Companion能最大限度减少临床工作中的重复性任务、提高诊断精准度,助力医生在患者诊疗全流程,包括病历、处置、诊断、治疗、预后管理等多个节点做出准确判断。
结语
今年,医疗科技行业风云变幻,机遇丛生。
细数一下上半年,已经有三款医疗AI产品获NMPA的批准,产品真正商品化的最后一道枷锁即将被打破。国家也陆续出台了相关政策鼓励AI产业发展,推动AI技术与产业的深度融合和落地应用。
而医疗科技企业也不断加速自己的业务变化以图破局,实现技术与商业的双端平衡:研究更前沿的算法,使得AI具备更强大的识别精度和认知能力;同时,让AI产品在保证高精度的前提下,大幅降低前期研发与后期运算成本,更好地满足市场和用户需求。
医疗科技,未来可期。雷锋网