深度解析騰訊醫療野心:正躍出傳統AI場景,將繪製怎樣醫療版圖?
在中國的醫療AI領域,活躍著不少企業巨頭。而騰訊,是他們中“打法”非常獨特的一個。
華為、阿里秉持著生態圈理念,努力打造PAAS,將具體病種的突破交由下部企業,力圖讓自有的雲平臺服務更多的專案;AI科研實力強大的百度,醫療AI領域還正在起步,百度世界大會公佈了一款AI眼底篩查機;科大訊飛專注於NLP,目前在肺結節檢出與智慧醫院建設上有所造詣。
相比之下,騰訊顯然更注重醫療AI的實踐,病種佈局綿密紮實,推進速度風馳電掣。
僅僅11月16日至11月18日,騰訊醫療AI部門兵分三路,三日三會,分別在貴陽、杭州、深圳三座城市啟動了三個AI專案。
貴陽,騰訊選擇了與同濟醫院王寧利專家團隊合作,啟動AI青光眼早篩專案。杭州,騰訊參建消化內鏡人工智慧專委會,規範化AI在醫生使用過程中的輔診功能。深圳,騰訊啟動了國家重點研發計劃專案,研發基於人工智慧的臨床輔助決策支援新型服務模式解決方案。
仔細分析可以得知,青光眼和消化內鏡在騰訊覓影已有的AI產品中存在很強關聯,而CDSS則是一個嶄新的部分,可以填補騰訊在AI整體佈局中的空白。此外,在本次國家重點研發計劃專案啟動會上,騰訊醫療AI實驗室主任範偉還透露了騰訊在銀屑病、耳石病、心腦血管疾病等病種上的研究,整個醫療佈局更加豐富。
為何騰訊的醫療之路走得如此細膩?細膩到親自開發CDSS系統,並集團隊之力,深入到醫學每個細分病種的研究?這一部署背後的邏輯引人深思。
本文包含四個部分,分別是:
參與國家級專案後,騰訊有怎樣的新動作?
騰訊的佈局暗含了醫療怎樣的發展趨勢?
合作之下,騰訊參與了哪些新場景?“
腳踏實地,仰望星空,騰訊的普惠AI之路。
從這四個方面,動脈網嘗試理清騰訊在醫療AI領域的全新佈局。
參與國家專項計劃,騰訊啟動AI+CDSS研究
“數字診療裝備研發”重點專項是2017年國家重點研發計劃首批啟動的6個試點專項之一。此次騰訊牽頭承擔的“數字診療裝備研發專項”AI輔診專案,目的是研究基於人工智慧的臨床輔助決策支援技術及其服務模式解決方案。
縱觀騰訊醫療全佈局,以婦幼保健與腫瘤治療為核心方向的騰訊幾乎已覆蓋醫療全流程:智慧導診系統通過多個埠為患者提供智慧導診與分診;隨後騰訊覓影負責常疾病的篩查;智慧醫院中的微信醫保支付與電子健康卡為患者提供了醫保支付及電子病歷儲存的功能。
然而上述佈局唯獨缺乏臨床過程,這一系統的缺乏不僅讓騰訊難以獲取臨床患者的資料,也限制了AI的診斷作用。範偉在採訪中回答到:“並非騰訊必須要做這個系統,但為了深入解決心血管疾病,我們必須開發這個系統予以輔助。”
根據國家重點研發計劃專案任務書表述,這一專案擬解決人工智慧輔助臨床決策支援系統(AIACDSS)中醫療健康大資料(包括醫院資訊系統、電子病例、健康檔案、主訴、病案等多源多模資料)的資訊提取、語義分析、知識發現等科學問題,其中的三、四、五項技術發展方向隱含了騰訊醫療未來的發展趨勢。
這三項規劃分別為:“針對 胸痛、頭痛、瘙癢等症狀對應的急性冠脈綜合症、腦卒中、面板病等急慢性疾病 ,研發面向臨床路徑與技術規範的精準診療決策支援技術,構建全科和專科診療決策混合的多學科會診智慧系統”;“應用自然語言處理和知識發現技術,重點研發 基於醫院資訊系統、電子病例、健康檔案、患者主訴、臨床路徑、診療規範和醫學文獻等多源多模資料的臨床據測知識庫的構建和自進化更新技術 ,建立並實時更新結構化臨床決策支援知識庫”;“ 重點建立醫療健康資料雲平臺,在保證資料安全和個人隱私的前提下建立醫療健康檔案 ,為患者提供諮詢服務,為醫生提供決策支援,為研究人員提供知識服務和資料支撐,為國家醫療政策制定提供資訊支援”。
而在大會之上,範偉將整個計劃書拆解為五個課題,交由騰訊及合作醫院、合作企業共同解決。五個課題覆蓋診前、診中及後端的決策系統、知識庫,具體如下圖所示:
國家專項計劃五大課題
範偉博士在會上只談到CDSS在多個病種的運用,並未提及未來在醫療資訊化的方向發展,但不可否認,AI+CDSS正處於風口浪尖,眾多資訊化軟體正由傳統的專家系統向AI驅動下的CDSS系統轉型。
相對於傳統的CDSS系統,AI賦能後,不僅能夠將系統關聯權威知識庫,還能輔助醫生進行臨床決策,在ICU環境下還將進一步拓展死亡預測、呼吸機預警等應用。其次,在科研方向,騰訊將在與頂級三甲醫院的合作過程中共同產生一些超出常規檢查的高價值臨床資料,並在遵守醫療資料使用規範及資料安全的前提下充分利用,發掘其中的價值。
實際上,騰訊並非在醫療資訊化方向毫無作為,從2014年至今,騰訊已注資多家資訊化企業,而當CDSS系統成型後,騰訊必然已經具備一定的資訊化水平,未嘗不可更進一步,以AI去強化HIS、PACS等系統。
從模組開發到深入細分,從獨立研究到聯合攻克
騰訊副總裁陳廣域認為:“醫療人才培養週期長、成本高,優質醫生資源短缺,而我國醫療產業的公益性使之無法用價格和市場做供給管理,技術可以在比較短的時間裡緩解供求問題”。可見,解決醫療資源的供給不足,是人工智慧滲入醫療的根本性動因。
回顧貴陽與杭州,騰訊將目光鎖定在了青光眼與消化內鏡也正是為了解決醫療資源不足的問題。青光眼早篩是覓影糖網篩查產品的延伸,而消化內鏡則是覓影胃腸道癌的延伸。如今,相關的輔助篩查產品已經成熟,如何拓展它們的功能,讓它們適應更豐富的環境,是醫療AI實驗室的一大發展方向。
同時,這兩步計劃反映了AI影像的一大發展趨勢,即從全流程的影象分析逐漸聚焦於早篩,加速下放AI產品至基層,從上游解決國內疾病高發問題。
一直以來,影像AI聚焦於DR、MRT等圖片,所餵養的資料往往包含了患者患病的各個階段,對於三甲醫院而言,這樣的AI產品的確減輕了醫生的負擔,但AI的更深遠價值在於提升基層醫生的服務水平,普及疾病早篩。
以消化道腫瘤為例。目前,中國消化道腫瘤發病率佔癌症發病率的43.5%,而這類腫瘤若能早期發現,治癒機率高達95%。如果AI技術能進入使得消化道疾病的普查環節,消化道惡性腫瘤的致死率將顯著降低。
王寧利教授告訴動脈網記者:“如果把這個AI放置基層,等於我們幹了一件事,把大醫院的醫生都送到了基層。過去治療要麼患者到大醫院,要麼大醫院醫生到基層,而現在資訊流動可代替人員流動完成這一工作,這節約了大量的人力成本。根據估算,現階段的AI可節約30%醫生資源,而隨著AI技術的發展,這一數字還將繼續提升。”
話雖如此,但如今的醫學AI離醫生還有一段距離。騰訊健康的Polo認為:醫療是很複雜的問題,複雜的問題就應該擁抱更多的醫學專家。而杭州會議的另一個議題,即“加強學術聯動,挖掘醫療AI的潛在價值”,便是從這個角度入手解決問題。
人工智慧資料學習樣本是一個很大的問題。騰訊智慧醫療產品中心的總經理常佳指出,無論是圍棋還是人臉識別,都有數億的資料可供學習,但在醫療領域,對資料的要求要更高。“一個同樣的醫學影像資料讓多個醫生去標,一致性比較低;同一個醫生在不同時間段看同一張圖片得出來的判斷也不一致。”
胃腸道癌包含的癌症種類眾多,不同醫生擅長的場景也不盡相同。要在操作消化內鏡時準確判斷胃腸道的狀況需要多位醫生共同配合。醫療資源並不允許這樣的資源配置,而AI有這樣的潛力。
這需要為AI找到更多更好的“老師”。醫生和醫學專家的參與及幫助,能夠對AI進行訓練和提供更好的AI訓練標準。常佳表示:“機器不能原原本本的學習人類,但可以集合人類最優秀的地方。和頂尖的醫院和專家合作研究,AI有望在某些領域突破醫生現在面臨的瓶頸。”陳廣域也指出,“醫學AI的發展前景完全有賴於醫學界的開放態度和扶持政策才能夠培養出有價值的人工智慧。”
與醫院合作研發,騰訊還佈局了哪些醫療場景?
不可否認,現階段的AI仍處於初級階段,AI切入醫療的環節不夠廣、不夠深、不夠多,所以,騰訊更多的選擇了醫院共同研發病種。這些專案往往擁有專家的支援、資料的支援以及國家政策的支援。目前,騰訊已經將場景延伸到了一下幾個領域。
1
銀屑病
銀屑病也叫牛皮癬,這一面板病不能被完全治癒,幾乎每位患者康復後都存在復發風險,並引發代謝綜合徵、心腦血管疾病、糖尿病等併發症。一般而言,正確的治療方式可以有效地緩解病情,但費用高至年均3-5萬。
AI能運用於這一場景嗎?答案是肯定的。騰訊醫療AI實驗室專家研究員吳賢博士對此提出了一套完整的解決方案。
第一部分是服務於診前的線下自檢系統,因為面板科的醫生專業各有不同,有的擅長銀屑病,有的擅長玫瑰座瘡等,所以把病人轉至正確的醫生非常重要。該系統可輔助患者對話、上傳圖片、線下初篩、線上轉診,同時還可以精確分診,大幅度縮短問診時間。僅需2-3分鐘,該系統即可將患者的主訴補全,讓醫生迅速做出判斷。
第二部分的核心為銀屑病診斷預測系統,該系統可診斷銀屑病的亞型,並對相應的併發症與復發狀況進行預測。如果醫生提前通過該系統獲知患者為關節型銀屑病,即可預先採用生物製劑進行治療;而對於其他種別的銀屑病,也可為提前制定個性化的治療方案,提高診斷效率,降低治療成本。
第三部分服務於診後,騰訊嘗試模擬PASI(銀屑病面積與嚴重指數)評分,並通過一致性的改進PASI評分。重製的PASI評分系統將被置入微信小程式,便於患者自檢,以實現對患者持續地預後追蹤。
2
耳石症
正常情況下耳石是附著於耳石膜上,當一些致病因素導致耳石脫落,這些脫落的耳石就會在內耳內被稱作為內淋巴的液體裡遊動,導致患者發生強烈性眩暈,這便是耳石症。
耳石症由騰訊醫療AI實驗室協同深圳市第二人民醫院耳鼻喉科李華偉教授合作研究。據範偉博士介紹,騰訊醫療AI實驗室通過深度學習網路,以眼球中間黑色部分作為關鍵點進行檢測,以提高診斷精度。目前這一AI專案仍處於研發階段。
3
腦癱、脊柱側彎
腦癱與脊柱側彎的共同之處在於這兩項疾病都會造成患者運動障礙,多發於兒童,嚴重影響兒童的外觀與步態。這兩項疾病雖無法根治,但越早發現,越早糾正,便意味著患兒有越多正常運動的可能。
騰訊在這一領域的工作主要是協助香港大學深圳醫院的醫生,將患者與儀器資料傳入騰訊雲。通過這種方式,醫生可以更快進行檢查,以及時將存在問題的孩子轉到醫院進行治療,及早對脊柱側彎、腦癱患者進行干預。
相對於其他AI場景,這一AI的研發更契合覓影關注婦幼的初衷,也更能表現騰訊作為行業領袖的社會責任感與社會價值。
4
帕金森
與腦癱不同,帕金森屬於神經類疾病。相比與腦癱這一類與運動控制相關的疾病,神經類疾病的研究更為複雜,好在科學技術仍有突破。2017年,北卡羅來納大學的研究人員開發出了一套深度學習演算法,可以預測嬰兒的自閉症。這種預測方法具有 81%的準確率與88%的靈敏度,與行為問卷50%的準確率相比,可靠度大幅提升。
帕金森研究同樣有所進展,騰訊醫療AI實驗室與華山醫院神經內科王堅教授合作開發的帕金森運動功能智慧評估系統正嘗試通過視訊分析的方式對帕金森患者的病情進行評估。
研究人員通過計算機視覺的方式,在患者的手部自動標記21個節點,以捕捉患者手部的運動狀況。在行走和做指定動作時,AI可以對患者的運動進行量化分析。這一技術的特別之處在於患者的測量是在未穿戴任何感測器的情況下進行的,能將患者過去超過30分鐘的檢查時間縮短為3分鐘,同時能夠讓不方便出行的患者毋需前往醫院即可就診。相比於現有的輔助診斷產品,患者能夠直觀的感受到AI對他們就診方式的改變。
王堅教授介紹道:“我們做了一個預實驗,把來自近200例患者的1000多段視訊,先由專家組進行打分,交至機器進行學習;學習完成後的機器將對實驗組進行評分,並將結果與專家評分進行匹配,其實驗結果初步吻合度達到81.3%。這個評分仍有很大上升空間,但是第一階段的成功率已過八成,也算是一個小小的成功。”
5
心電圖
心電圖是未來AI應用的一個潛在場景,近日,樂普醫療人工智慧心電產品獲美國 FDA批准,也預示了這一場景的潛力。
據騰訊醫療AI實驗室專家研究員杜楠博士介紹:AI在心電方向的應用主要包含以下三點:
1. 臨床監控。在急診與老人院,醫生需對患者進行24小時心電監控。AI能夠勝任這一監控任務,將心電異常的患者資料傳送給醫生。
2. 診療輔助。越來越多家庭患者會通過家庭心電儀採集資料,上傳到雲平臺,再由遠端的專家對資料進行標註,但在長時間的機械工作中,專家可能會因此疲勞,誤判、漏判也難以避免,而人工智慧可協助醫生減少漏判、誤判。
3. 風險預測。對術後、院後的患者,醫生希望可以通過家庭裝置觀測患者心電變化,如果AI監測到患者在家中出現異常心電,便會自動傳送通知,要求患者回院複診,並通知家人關注患者的健康情況。
通過以上功能的實現,心電圖AI一方面可解放醫生的負擔,另一方面可及時發現患者病情,既提高了診斷效率,又使患者免於遭遇病情突發的困境。
6
心血管相關疾病
心血管疾病是危害我國人健康的主要疾病之一,也是騰訊開發CDSS系統的重要原因之一。
急性冠脈綜合症(ACS)又稱心肌梗死,當患者出現乏力、咽喉痛、心悸等非典型症狀時,患者與醫生均難以判斷患者狀況,容易發生誤掛號與誤診,這是騰訊與北京大學人民醫院孫寧玲教授合作的又一場景。
孫寧玲教授希望通過智慧問診來解決這一問題,即通過智慧問診的方式,最大化的收集患者資訊,以更準確地評估疾病的性態,回答患者所患疾病是急性的、亞急性的?是否可治?是否需要介入治療等等問題。
“我們將醫院一些診斷心律失常的資料與騰訊AI比較識別,可以看到AI在陽性準確率和敏感度方面高於醫院裝置及人工的診斷率。所以,我認為運用AI對異常心電早期診斷,可以大大提高臨床對於病人的管理效果”
騰訊醫療AI實驗室研究方向
腳踏實地,仰望星空,騰訊的普惠AI之路
從整體佈局來看,騰訊先將目光投向需求巨大的AI場景,隨後沿著已有的產品線,繼續深入研究相關病種。在做完基礎的佈局之後,騰訊開始加大與醫院、政府之間的合作,嘗試在一些更細分的領域開拓賽道,進行一些創新性的AI應用開發。
在這一思路下,我們可將騰訊的病種選擇劃分至以下三個場景。
> > > >
主要應用場景
現階段騰訊覓影的產品已經覆蓋六個場景,包含食管癌早篩、肺癌早篩、糖網病變早篩、乳腺癌早篩、結直腸癌早篩與宮頸癌早篩。這六個產品的共同之處在於患者的數量遠超過醫生的工作量,而大量的患者聚集於三甲醫院,無法下放到基層;同時,昂貴的癌症治療費用極大地加重了家庭與國家的負擔。在此場景下,AI起到的作用包括提升基層醫生早篩能力,減輕三甲醫院及醫生的負擔,解放醫生時間的作用,降低醫療支出等。這些場景都存在明確的商業化可能,即一旦NMPA審批通過,佈局企業能迅速收回研發資金。
> > > >
潛在應用場景
青光眼、心電圖、ACS等則屬於潛在應用場景,這一類AI應用受市場相對較小、資料難以獲得、技術門檻較高等一種或多種因素影響,但仍有商業化空間。這些場景將在第一批AI產品商業化後獲得迅速發展。
> > > >
科研應用場景
腦癱、銀屑病、耳石症、帕金森等AI場景一方面為了滿足國家對某些特殊疾病的研究要求,另一方面研究本身具有開創意義。銀屑病的研究滿足專案第三條“針對胸痛、頭痛、瘙癢等症狀對應的急性冠脈綜合症、腦卒中、面板病等急慢性疾病,研發面向臨床路徑與技術規範的精準診療決策支援技術”,而帕金森病運動功能智慧評系統運用視覺捕捉技術,在未佩戴感測器的情況下對患者的動作進行分析,不僅節省了大量檢查時間,還實現了線下問診,具有極大的開創意義。
但無論是哪一種模式,都意味著騰訊向To B業務又深入一步。同時,騰訊將從科研合作中獲得大量的訓練資料以及AI開發經驗,而騰訊雲也將因此在AI醫療中發揮更為深度的作用。
不過,醫療漫長的研發之路類似一場長跑,參與者需剋制衝刺的誘惑,合理安排體能,方能謀求在整個比賽中取得更好的成績。