關(guān)鍵詞：醫(yī)療AI智能
“一系列探索未知的過程，科研和看病融會貫通的過程，在我看來就是醫(yī)學(xué)最大的魅力之一。”中國工程院院士寧光曾談到。但理想與現(xiàn)實(shí)的差距時(shí)常有之，并非每個醫(yī)者都愿意或有余力投入科研。
現(xiàn)實(shí)比常人看到的更加殘酷。《中國醫(yī)者生存現(xiàn)狀調(diào)研報(bào)告》顯示，77％的醫(yī)者曾一周工作超50小時(shí)，24．6％的醫(yī)者曾一周工作超過80小時(shí)。
然而科技卻一直在進(jìn)步，過去無法診斷的病癥現(xiàn)在找到了突破性的路徑，過去粗略的單層X光片現(xiàn)在已被數(shù)百層影像所代替……一切都朝著好的方向發(fā)展。
那么問題出在了哪里？
在飛利浦呆了22年的席渭齡對此由為感嘆，她見證了飛利浦從初級影像CT到現(xiàn)在最為先進(jìn)的Brilliance iCT這一跨時(shí)代變革——成長的是越來越清晰的成像技術(shù)，不變的是醫(yī)者有效的工作時(shí)間。
“隨著單一診斷影像層數(shù)的不斷增多，醫(yī)者閱片工作量越來越大。但醫(yī)者的閱片效率并沒有太過明顯的提高。技術(shù)的發(fā)展不均勻給為醫(yī)者帶來了越來越多的壓力。”席渭齡感慨到。
“但臨床并非醫(yī)者發(fā)揮價(jià)值的唯一途徑，醫(yī)療作為一門經(jīng)驗(yàn)學(xué)科，醫(yī)者更希望能將更多的時(shí)間用于經(jīng)驗(yàn)整理與對未知可能的探索，并將其梳理成論文，以供更多志同道合者交流學(xué)習(xí)。”
所以，席渭齡離開了老東家飛利浦，來到創(chuàng)業(yè)公司推想科技擔(dān)任營銷總裁，這并非倒退，而是對開拓新技術(shù)，對解放醫(yī)者價(jià)值的一種嘗試。
“過去在傳統(tǒng)器械行業(yè)的時(shí)候，CT只有一層圖像，20多年以后的現(xiàn)在，胸部掃描有300多層。盡管技術(shù)的進(jìn)步也在不斷提升成像質(zhì)量、成像速度，降低造影劑的使用，但歸根結(jié)底，這些工作都是讓醫(yī)者能夠夠深刻的認(rèn)識到患者的疾病，卻對降低醫(yī)者的工作負(fù)荷沒有太大幫助。”
“而推想的人工智能輔助診斷產(chǎn)品正在不斷為影像醫(yī)者減負(fù)，如今他們甚至考慮到了醫(yī)者臨床以外的創(chuàng)造，希望能讓更多的醫(yī)者加入到醫(yī)學(xué)人工智能的科學(xué)研發(fā)過程中，為醫(yī)療創(chuàng)造更多的價(jià)值。”
AI學(xué)者科研平臺幫助醫(yī)者探索數(shù)據(jù)之中的秘密
近日推想科技推出的AI學(xué)者科研平臺——InferScholar Center是一款集軟、硬件一體的醫(yī)學(xué)人工智能專用設(shè)備，可用于醫(yī)學(xué)影像大數(shù)據(jù)管理與分析、數(shù)據(jù)標(biāo)記、深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建、影像組學(xué)特征提取、組學(xué)特征分析與機(jī)器學(xué)習(xí)模型構(gòu)建等研究，可應(yīng)用于X線、CT、MRI、PET／CT、病理切片、消化內(nèi)鏡等多種影像數(shù)據(jù)深度學(xué)習(xí)與影像組學(xué)建模。
除醫(yī)學(xué)影像數(shù)據(jù)外，InferScholar Center同時(shí)還能夠合并利用臨床結(jié)構(gòu)化文本信息，研究各類醫(yī)學(xué)命題。
醫(yī)者可通過InferScholar Center構(gòu)建專屬AI進(jìn)行研究，為AI注入醫(yī)學(xué)“溫度”。醫(yī)學(xué)專家可自主選擇孵化AI的數(shù)據(jù)、模式、邏輯、參數(shù)等，將讓AI更加契合醫(yī)療業(yè)務(wù)特性，并從臨床角度獲得更多科研成果。
InferScholar Center所孵化的AI，不止是一個獨(dú)立的、冷酷的、陌生的機(jī)器，而是醫(yī)者可駕馭、可理解的助手。
其模型研究和孵化工具，可廣泛應(yīng)用于腫瘤、心血管、神經(jīng)系統(tǒng)、呼吸系統(tǒng)等疾病影像檢查的智能化、精準(zhǔn)化研究，尤其是對于疾病早期診斷、治療監(jiān)測、預(yù)后預(yù)測的影像人工智能研究具有重要價(jià)值。
這一產(chǎn)品的推出順應(yīng)了醫(yī)者當(dāng)下的需求：越來越多的醫(yī)學(xué)研究者不僅希望使用AI產(chǎn)品，也希望結(jié)合自身的醫(yī)療大數(shù)據(jù)和臨床經(jīng)驗(yàn)優(yōu)勢，進(jìn)行AI方面的自主臨床研究。
然而，從事深度學(xué)習(xí)和影像組學(xué)研究往往需要具備扎實(shí)的代碼能力，以及全面的數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)工程基礎(chǔ)，甚至還需要認(rèn)知科學(xué)的理論常識，形成這樣跨學(xué)科的知識體系往往需要多年的系統(tǒng)化訓(xùn)練，也成為了深度學(xué)習(xí)和影像組學(xué)研究最高的門檻，從一定程度上限制了深度學(xué)習(xí)和影像組學(xué)作為新一代醫(yī)學(xué)大數(shù)據(jù)分析方法論在不同學(xué)科領(lǐng)域的傳播與推廣。絕大多數(shù)醫(yī)療機(jī)構(gòu)缺乏進(jìn)行深度學(xué)習(xí)及影像組學(xué)研究的基礎(chǔ)設(shè)施和專業(yè)人員。于是，更加智能化、簡單易用的臨床科研助手呼之欲出。
在具體操作上，醫(yī)者只需根據(jù)界面錄入相關(guān)數(shù)據(jù)，并對相應(yīng)參數(shù)進(jìn)行設(shè)置，即可完成準(zhǔn)備工作。對于每一個參數(shù)的調(diào)整系統(tǒng)都會給出一個可視化輸出結(jié)果，醫(yī)者可對根據(jù)預(yù)先結(jié)構(gòu)優(yōu)化已有模型。
在完成準(zhǔn)備工作后，平臺將借助成熟的算法對醫(yī)者所給出的數(shù)據(jù)進(jìn)行處理，醫(yī)者只需等待平臺運(yùn)行并給出相應(yīng)結(jié)果即可。
在安全方面，InferScholar Center充分考慮了醫(yī)學(xué)臨床科研的安全性需求，采用軟硬件一體機(jī)的方式，直接交付到醫(yī)院，并且可以在與互聯(lián)網(wǎng)完全隔離的環(huán)境中工作，做到數(shù)據(jù)不出院，保證了醫(yī)院所有的科研數(shù)據(jù)、模型算法、研究成果均無泄漏風(fēng)險(xiǎn)。
此外，推想科技兩大科學(xué)家團(tuán)隊(duì)——全球臨床科研合作學(xué)院（iCR）和先進(jìn)研究院（iAR）將圍繞InferScholar Center，為平臺上的醫(yī)療科研人員提供基礎(chǔ)模型以及臨床研究的各類開發(fā)、培訓(xùn)、輔助等服務(wù)。
推想科學(xué)家團(tuán)隊(duì)成員有的在醫(yī)學(xué)臨床領(lǐng)域有深厚的積累，還有掌握最領(lǐng)先的人工智能技術(shù)、并頗具建樹的年輕科學(xué)家，兩者密切配合，依托InferScholar Center展開以臨床客戶服務(wù)為核心的科研工作，將最前沿的人工智能技術(shù)應(yīng)用到臨床研究，從而覆蓋醫(yī)學(xué)臨床科研的全流程，與用戶共同挖掘臨床科研價(jià)值。
2012年至今，人工智能技術(shù)已經(jīng)經(jīng)過了幾十次的迭代，現(xiàn)有產(chǎn)品雖能滿足特定疾病下醫(yī)者的需求，但對于整個醫(yī)療領(lǐng)域的貢獻(xiàn)，依然只是滄海一栗——我們亟需更多醫(yī)生參與到醫(yī)學(xué)的探索與人工智能技術(shù)的開拓之中。
但是，人工智能技術(shù)與醫(yī)療之間的鴻溝一直困擾著相關(guān)從業(yè)人士，兩門學(xué)科各有的深度為其結(jié)合增加了不少難度。一直以來，人工智能專家們不斷地向醫(yī)學(xué)跨越，而推想正嘗試反其道而行之，讓醫(yī)者走向人工智能。
對此，席渭齡滿懷信心：“我從飛利浦來到推想，正是看中了人工智能商業(yè)化的可能。這一技術(shù)的商業(yè)化將不同于以往技術(shù)的商業(yè)化，我們將從中看到更多顛覆式的模式。”
如今，推想的InferScholar Center平臺已在同濟(jì)醫(yī)院、長征醫(yī)院等頂級三家醫(yī)院得到應(yīng)用，這是一個很好的開端，醫(yī)者或許將不再被繁瑣的數(shù)據(jù)整理分析所束縛。在AI的支持下，全醫(yī)科研的年代或許即將來臨。
