聯影沈定剛:AI在醫療場景應用眾多,交叉領域人才培養是關鍵【2018醫療科技世界論壇 】
聯影聯席CEO沈定剛發表“醫療影像人工智慧:潛在的應用與挑戰”演講
會議:2018醫療科技世界論壇
分享人:聯影智慧聯席CEO沈定剛
9月26-27日,2018醫療科技世界論壇(MTWF2018)將在上海閔行寶龍艾美酒店舉辦。本次論壇由中國高科技產業化研究會產學研合作協調部聯合動脈網、蛋殼研究院主辦,主題為“無窮大INFINITY”。
聯影智慧聯席CEO沈定剛應邀出席了本次峰會,並在智慧影像發展分分論壇上發表了“醫療影像人工智慧:潛在的應用與挑戰”專題演講。
對於人工智慧在未來的應用與發展,沈定剛的演講可歸納為三個核心觀點:
1. AI可以讓眾多基層醫療受益
2. 醫療人工智慧行業亟需既懂AI又懂醫生的交叉領域人才。
3. AI在廣袤的醫療場景之中應用。
以下是由動脈網(公眾號:vcbeat)整理的演講內容。
前沿技術可讓基層受益
“懂AI的醫生可以代替不懂AI的醫生,懂醫生的AI可以代替不懂醫生的AI。”
在2018醫療科技世界論壇主論壇上,聯影智慧聯席CEO沈定剛教授再次為醫療人工智慧發聲。
長期以來,國內醫療影像硬體裝置、基礎設施資源一直分佈不均。為解決這一困局,國家推行分級診療政策,然而該政策在實行中面臨各式各樣的問題,人才,特別是優質醫生資源匱乏是其核心痛點之一。
沈教授在會上指出,藉助AI輔助醫生診斷,特別是達到專家級水平的AI,能有效地提升基層醫院診斷水平,從而緩解醫療人才稀缺這一問題,推進分級診療落實。
他介紹說,聯影智慧所依託的母公司聯影,作為一家高階醫療裝置企業,過去已推出56款產品,在全國各地裝機4300多臺套,以類似於節點的方式紮根於全國各地醫院。沈定剛教授談到:“一個區域內各省、縣、鄉各級醫院,通過影像雲可實現不同醫院影像裝置雲端連線,由此各級醫院形成一個互聯互通、資源共享的影像中心。這種情況下,我們開發的可用於輔助醫生智慧診斷、早期篩查的AI智慧應用,可通過雲端共享給基層醫院,幫助基層醫生實現更智慧、精準的診斷,提升基層醫院水平,一定程度上緩解放射醫生匱乏的問題。”
醫療人工智慧,需要既懂醫生又懂AI的交叉領域優質人才
醫療人工智慧與“AI+工業”、“AI+智慧駕駛”大為不同。這種不同不僅體現在應用場景的差異上,更體現於資料與演算法的不同。要駕馭“AI+醫療”,需要優秀的既懂醫生又懂AI的交叉領域人才。
沈教授在會上談到:“企業要在醫療人工智慧領域紮根,具備經驗豐富的人才必不可少,特別需要在工業界工作多年、在學術界紮根多年的人才。現在,聯影智慧已經擁有一批來自蘋果、谷歌和特斯拉的工業界精英,還有來自於康乃爾大學的副教授等一批科研人才,有這樣一系列人才,我們才可以做出全棧式的醫療人工智慧。”
“但我們也需要一大批年輕人才隊伍加入我們。”沈教授說。聯影智慧尤其重視AI人才的培養。早在今年六月,聯影智慧率先在AI人才培養方向作出行動——成立聯影智慧醫智合作培育研究中心。“在這個中心,我們希望讓理工科研發人員走進醫生、服務醫生、賦能醫生。同時也可以讓醫生,特別是年輕的醫生和理工科研發人員一起成長。因為對醫生而言,AI不可能代替醫生,但是懂AI的醫生可以代替不懂AI的醫生。在資深科學家的指導下,年輕醫生和理工科人員自然而然會成為一個非常好的合作伙伴,以更快的速度將醫療和工科相結合。”
AI可應用的廣袤醫療場景
AI的應用場景非常廣泛,沈教授在演講中對聯影智慧研發的AI應用做了細緻的介紹。
“以肺癌為例,人工智慧可以輔助成像,也可以輔助肺癌篩查,還可以做隨訪。醫生可將最新的患者肺結節影像與歷史影像作比較,對存在問題的患者進行相應的診斷和治療;同時,醫生也可在治療過程當中用人工智慧做預後和預測。在這些過程中,人工智慧都可大幅提高醫生效率。總的來說,從篩查、隨訪、確診、治療到預後,這些都可以通過人工智慧實現流程優化,而聯影智慧做的就是這樣面向整個流程的全棧式人工智慧。”
“人工智慧還可以賦能裝置,在MR和CT中,醫生可以進行一鍵智慧掃描,獲取患者的三維人體影象。病人躺在掃描器上面,AI會識別要掃的器官在哪裡,這就是計算機視覺的應用。”
“人工智慧還可以做一系列的輔助診斷,例如AI可根據X光胸片自動判斷十幾種肺病;可以檢測腫瘤的位置和引數;可以根據CT影像做骨傷鑑定。這些應用在急診中非常有用。除此以外,醫生可以在CT影象中瞭解血液的流動,特別是心臟血液的流動,從而判斷患者需要怎樣的支架,隨之而來的是手術成功率的提高。另外,在做放射治療的時候,醫生一般需要花20-30分鐘時間將裡面的器官勾勒出來。現在聯影智慧用0.7秒的時間可以自動勾勒一個器官,快速完成器官分割。”
“人工智慧還能進行關節炎的自動引數檢測。所有的這些AI應用,可以放在影像雲,通過遠端醫療進行輔助分析。”
為深入描述人工智慧的應用,沈教授在演講中向聽眾展示了以下案例。
“人工智慧可以做腦結構的智慧評估,醫生可以通過AI獲取輕度認知障礙和老年痴呆症的診斷結果。例如,通過AI分析患者60歲、61歲、62歲的腦影象,我們可以得知患者腦部每一個區域的相應變化,進而生成結構化的報告,輔助醫生為患者做一個非常精準的診斷。”
“除此以外,AI也可以做腫瘤的智慧化掃描,當醫生認為一個患者存在腫瘤之後,可對患者做一個精準的掃描。第一個影象掃描完畢之後,AI方法可以判斷大致的腫瘤型別,然後決定下面要掃什麼。隨後,AI將後續掃的影象與前面的影象結合起來,繼續判斷第三個影象掃什麼。通過這種形式掃描出來的影象擁有更好的診斷度。”
“在胸片方面,除了常規的讀片外,AI還可用於X光胸片的復讀。每天晚上醫生做過診斷,寫了報告以後,AI可以檢查所有的報告,比較相應的影象,尋找醫生可能忽視的問題。若發現問題,AI可向醫生預警,以便醫生在第二天進行再次檢查。”
“一個新的AI應用是用於兒童生長評估,AI系統可以在一秒鐘內估計出一個小孩的骨齡。當然,更為常見的是用於骨折的智慧檢測。AI可以定位出肋骨的位置,將肋骨區分開並設立標籤,並生成結構化報告。”
“除了剛才說的應用以外,AI可在肺部進行非小細胞肺癌的勾畫,僅用0.3秒即可勾畫出非小細胞肺癌,這可為影像學研究節省大量的時間。此外,通過胸部的平掃CT,AI不僅可以做肺結節的檢測,還可以做心臟肥大預警,甚至於骨折預警。”
應用需要平臺進行整合
在演講中,沈教授談到聯影智慧目前正在搭建一個醫學影像深度研究平臺,平臺包含影象分割、目標檢測、影象分類、影象配準、影象對映等獨立的模組,每一個模組都將進行標準化,還能自由組合。這樣,當這一平臺搭建成型後,過去從演算法開發到應用部署這一漫長過程將會變得簡潔,AI產品的部署也將越來越快。