从眼科谈起：人工智能医疗走到哪了？

人工智能系统AlphaGo已经在围棋领域证明了自己的能力，在语音识别、人脸识别、机器人、自动驾驶等领域同样取得了巨大的进展。那么，在医疗领域，人工智能究竟进展到什么程度了？

张大磊在这方面算是有发言权的人。他创立的Airdoc，正在探索将人工智能技术应用到医疗领域。

日前，在一场医疗行业会议上，张大磊以眼科为例，描述了人工智能在医疗领域所能发挥的价值，以及目前可以达到的具体效果。

眼科是医生稀缺非常典型的医院科室之一，尤其是近年来，眼科疾病病发率持续增高，但眼科医生却非常有限。我将以这个科室为例，讲讲人工智能怎么辅助医生的日常工作。

以糖尿病患者的视网膜病变为例，这是最常见的糖尿病并发症，发病率约为25％～38％，失明几率较非糖尿病患者高25倍并且不可逆，已经成为四大致盲眼病之一。目前全世界有数千万人患有这一疾病。

我国约有1．14亿糖尿病患者，当中很大一部分都有患糖尿病性视网膜病变的风险，所以一般糖尿病病人半年会做一次眼底筛查。

但一个窘迫的现状是，内分泌科医生在这个时候都需要借助眼科医生进行眼底病变会诊，退一步讲，即便内分泌科医生能从眼底图像中看出问题，按照法律规定也不能出眼科的诊断报告。而中国的眼科医生仅有3．6万余名，眼底专业医师就更少了，造成的结果是大多数糖尿病患者不能得到及时的眼底筛查。

这种情况下，人工智能的价值就凸显出来了。

针对糖尿病性视网膜病变，Airdoc做了很多人工智能的探索。我们花费大量时间从多家国内外顶级医院收集了数十万张眼底照片，构建超过100层卷积神经网络，能准确解析原始图像的高阶信息，单次迭代持续训练超过120小时，最终训练出了Airdoc糖尿病性视网膜病变辅助诊断模型，在灵敏性和特异性等主要指标上，获得了和人类医生相当的结果。

（说人话：机器经过很多的影像资料训练，高强度学习，最终高度模拟医生诊断，形成跟医生差不多的影像识别、判断能力。）

这样一来，内分泌科大夫可以利用Airdoc模型对糖尿病患者进行初次眼底筛查，可以快速地将有病变和无病变的患者区别出来，情况严重的，可直接转诊到眼科继续治疗。

斜视也是Airdoc重点关注的领域，经过长时间的数据收集和数据预处理，利用卷积神经网络设计了斜视识别网络，并且通过大量的数据验证模型，经过持续地调整模型的参数，以保证最终训练出的斜视模型在灵敏性和特异性的可靠性。

除了眼底病识别外，眼眶病领域人工智能识别取得了巨大的进展，眼眶病变的体征由于病变性质和部位不同，临床表现也错综复杂。Airdoc的产品可以自动获取眼部区域，并且自动检测角膜，可以准确识别炎症、肿瘤、外伤等病况，可以辅助眼科医生治疗眼眶疾病。

在可以预见的未来，通过深度学习算法的介入，人工智能可以提升资深医生的阅片效率，让其有更多精力投入到学术研究和疑难杂症处理；可以辅助年轻医生进行快速准确的诊断和筛查；也可以助力公共卫生机构及基层医疗机构的大面积疾病筛查。

当然眼科只是一个例子，目前人工智能技术已经可以在多个领域为医疗提供服务，比如：

1、医学影像识别，帮助医生更快更准地读取病人的影像所见；

2、临床诊断辅助系统等医疗服务，应用于早期筛查、诊断、康复、手术风险评估场景；

3、药物研发，解决药品研发周期长、成本高的问题。

早在2012年，在深度学习尚未进入爆发阶段时，Airdoc的研究人员已经意识到基于深度学习的人工智能图像识别能力，可以用在医学图像的识别和分析上。与传统的图像识别算法不同，识别医学图像需要算法具有极高的准确率和可靠性。

我们搭建了多个强大的深度神经网络，通过和顶级医院合作，在大量的医学图像上进行标注和持续迭代训练，使得深度神经网络可以不断从中学习，最终产出灵敏度和特异性与人类医学专家接近甚至持平的识别模型。类似的模式，还被Airdoc引用到了CT、MRI、X光、心电等领域。

在“十三五”规划以及《健康中国2030规划纲要》中，“医学诊断创新”、“智慧医疗”、“健康大数据”已成高频出现词汇。但这些概念究竟如何落到实际的行业中，解决行业的什么问题？我想，优质医疗资源的短缺应该是目前医疗行业最亟待解决的问题之一。

提高效率，在现有的医疗资源供求环境中挖掘“增量”，就是人工智能的重要使命。如何将顶尖医学专家的学识和诊断经验进行快速复制，训练成更多模拟专家诊断路径的“人工智能医学专家”，是摆在医疗机构管理者和科技企业家们面前的是的重要命题。

附：此前，张大磊还曾分享过人工智能在医疗健康领域存在的一些挑战，亿邦动力网将其整理如下：

首先，就是数据质量问题。机器学习所用到的数据其实是训练学习模型的教材，教材的质量最终决定了学习的成果，如何获取高质量的教材是大部分人工智能医疗企业共同面临的问题，临床数据质量不容乐观。

其次，病人的隐私问题。在训练模型和数据预处理之前，患者隐私保护需要每个行业参与者高度重视，Airdoc严格遵循HIPPA，也在和中国主管部门沟通建言推出类HIPPA的信息保护法案，患者隐私保护不容有失。

第三，还有观念问题。基于人文伦理的传统观念影响，接受人工智能医疗这一事实的过程可能比想象的要长。

第四，监管问题。目前对于人工智能医疗健康大数据的使用监管，我国的法规较美国英国澳大利亚等国家而言还有一些差距需要补足。

其余两点为实际落地面临的挑战，分别是跨机构数据模型验证和支付问题。纵观全球，人工智能服务医疗还是相对缺乏成熟的经验。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。