滦州市人民医院的医生, 于“医共体”影像诊疗中心这儿, 借助互联网的方式, 同滦州市中医医院的大夫一块儿, 为患者展开会诊。新华社记者 杨世尧摄。
医疗看病存在难以解决的困难局势, 费用高高在上令人负担沉重, 长久以来都是备受深切关注的民众生活方面的问题。人工智能也就是被叫作AI的技术, 它能够对这一难以攻克的问题给出解决办法吗? 于近期由中国人工智能学会开始推动而且主办的2019年中国人工智能产业年会这个活动里面, 有好多位专家在设置得有智能医疗相关内容的会议论坛之上, 讲述了有关AI医生的最新的开展方面的成果——AI医生其所具备的医疗技术是不是精巧美妙? 距离能够普遍推广使用还有多长的时间可以达成? 经济日报的记者引领大家一块儿去深入探寻清楚究竟是怎样的情况。
在北京的三甲医院看病有多难？
今年7月, 清华大学教授、国际核能院院士、中国人工智能学会会士张勤亲身体验了一回。那天，他带着93岁的父亲前往北京人民医院看病, 医院里人员相当拥挤, 不存在床位, 老人只能坐在急诊观察病室的椅子上进行了9小时的输液, 一直持续到凌晨1: 30。
张勤坚定地相信, 要是自己的团队所研发的DUCG系统能够尽快得以完善, 并且应用到临床当中, 那么将会极大地改善中国存在的看病难这一问题。而这个目标, 距离达成已经不怎么遥远了。
AI诊断：向顶尖大夫看齐
对此“痛点”, 张勤指出, 在2018年时, 全国存在医疗机构99.7万个, 不过其中三甲医院仅仅只有1442个, 并且94.6%的都是基层医疗机构, 而就诊总人次是83.1亿, 其中基层就诊人次为44.1亿, 仅仅占据53%, 基层医疗机构占据绝大多数情况, 却仅仅承担了一半的就诊量, 所以这就怪不得三甲医院人满为患了。
看病难、看病贵开云app官方入口网站，很大程度上是由于没有实现真正的分级诊疗。
我国分级诊疗要求达成“90%大病不出县”这一目标, 为何无法做到呢? 主要存在的问题是, “基层首诊”的正确率较低, 基层医生的水平不够高。张勤持有这样的观点, 解决方案在于“智慧医疗”方面, 我们要去打造一种全科疾病诊断智能系统, 它在任何场景之下都能够正确地进行诊断, 而且具备可解释性，同时还能够动态生成个体优化临床检查路径, 以此实现精准诊断。
张勤曾从事核电站的安全运维系统工作, 核电站的故障诊断跟医疗诊断存在怎样的相似之处呢, 都是针对一个复杂系统进行诊断工作, 都有着“几乎100%的诊断正确率”这样的要求。理论上是相通的, 不同之处在于知识库。张勤团队把原本用于核电站故障诊断的原创系统DUCG拿来运用于医疗临床诊断, 首先得和专家级医生合作构建知识库。
据张勤介绍, 团队之所以围绕患者的主诉症状构建知识库, 是因为要以患者为中心, 该知识库涵盖所有相关科室, 为的是免除挂错号的烦恼。就像病人主要症状是腹痛时, 可以问诊关于“腹痛”的知识库。并且, 团队正与北京协和医院、北京朝阳医院等多家国内著名三甲医院约30位临床专家深度合作构建知识库。知识库是由各科临床经验丰富的大夫参与构建的, 所追求的是让AI能够达到这些专家的水平。
一旦这个目标得以实现, 基层医疗机构当中的医生, 借助 DUCG 系统的“AI 医生”开展辅助, 便能够获取与北京三甲医院资深大夫相同的诊断结果。如此一来, 便会大大增强基层的诊疗水平从而缓解去三甲医院就诊时所面临的压力。
看似美好的理想, 实际进展怎样? 现阶段DUCG知识库究竟开发到何种水平了?
当下, DUCG知识库完成了第三方病历测试, 其中包含有关节痛、呼吸困难等13个知识库, 基本完成开发以及内部测试的有胸痛、水肿等17个知识库 , 正在进行开发的有不明原因发热、妇科等8个知识库 , 已然几乎快要覆盖所有临床主诉。
AI诊断的便捷度如何？
张勤称, 我们正于青岛胶州市以及重庆忠县展开临床应用试点, 不论镇医院的大夫, 还是村卫生室的村医, 只要有电脑或者是iPAD, 便能够借助云上DUCG系统去开展诊断, 并且能够一键生成符合规范的电子病历。
AI诊断的正确率如何？
一份关于重庆6家三甲医院, 对DUCG系统里, 涵盖关节痛、腹痛、咳嗽咳痰、发热伴皮疹、呼困难、鼻出血这6个主述知识库的第三方测试结果表明, 除去22个未寻到病历的罕见病, 其他疾病的AI诊断正确率为100%, 也即这100%的AI诊断结果与三甲医院医生诊断结果相符。张勤表示, “我们所采用的这种测试方式独特提出对罕见病诊断正确率的重视, 原因在于基层诊断错误主要集中出现在罕见病方面。”。
AI医生何时能进化成全科医生并投入基层医院？
完成所有主诉知识库构建后, 便可实现全科诊断。我们打算再花费一年时间, 覆盖基层医院除普通外科之外, 有可能碰到的所有主诉的临床诊断。张勤如此说道。
AI读片：要比人眼更锐利
患者在医院常常听到这样的话, “去拍个片吧”。如今, 超声、核磁、CT等各种医学成像已然成为医学诊断必备的参考数据 , 伴随人工智能技术的普及, AI读片也开始迈向临床应用。AI读片到底准不准? 这种技术究竟正在给 “看病难” 问题带来哪些改变?
AI读片可以提高疾病的早期发现率。
存在一些会导致致盲、致畸、致死情况的疾病, 在其发病的早期阶段, 就已然出现了较为轻微的症状, 而这些症状靠肉眼是很难发觉的, 然而却存在着被AI敏锐识别的可能性。这些疾病, 被发现的时间越早, 进行干预治疗的时间也就越早，其预后的状况就会越好。
任正非曾讲过, 华为P30的关键在于数学, 拍照之际, 图像并非直接照出的, 而是经数学运算得出的, 我期望AI读片也能够达成如此状态。, 浙江大学数学科学学院、浙大一院双聘教授孔德兴讲道, , 《新英格兰医学杂志》刊登的一篇论文表明, , 癌症病人从发病直至死亡大概是25年, , 其中, , 基因发展出现异常是前5年, , 基因表达到组织表达产生问题大概是从第5年至第20年, , 在此阶段病灶非常小, , 而等到出现医生能够直接诊断的5毫米以上的肿瘤病灶时, , 往往病人剩余的时间就只有1至3年了。
小于5毫米的病灶, 医生很难直接进行判读, 不过数学方法能够起到辅助作用, 从而算出超分辨率的医学图像是它的成果。因为我们期望将前沿数学理论同现代物理规律以及医学特别是临床医学进行深层次的交叉, 所以提出了数理医学这样一个新的概念, 又取得了一系列具备临床应用价值的研究成果。孔德兴进行介绍, 他所持团队凭借自主所研发的, 基于超声影像而来的创新性分析技术, 进而开发得到国际上首款有关超声辅助的智能诊断系统, 此系统能够针对甲状腺结节、乳腺结节、肝肿块等展开准确识别, 对于乳腺的识别准确率是这等情况, 良性的所占比为92%, 恶性的所占比为93%, 分割准确率为93%, 超声乳腺钼靶的钙化准确率能够达到97%。
今年7月起直至现在, 这套智能超声诊断系统被部署在了杭州市西湖区的基层卫生院, 它已经为3万多人进行了体检, 从中发现了32例甲状腺癌患者, 以及20多例乳腺癌患者。这些患者前往三甲医院做穿刺, 手术病例结果都是恶性的, 这表明AI读片结果非常准确。孔德兴说, 社区卫生院周边居民都跑到那儿去体检, 那里既便宜又便利, 准确率还颇高。
AI读片也可以提高医生的服务能力。
2年多前, “AI眼科医生”于广州的中山眼科中心开始试行, 其诊疗决策准确率超过90%, 如今该“AI眼科医生”的诊断技能已达“专家级眼科医师”水平。中山大学中山眼科中心里面, 人工智能学科带头人是林浩添, 他介绍说, 在国家重点研发项目给予支持的情况下, 现在该中心正在推出眼科AI的三级诊疗模式, 在自己家里的时候, 大家能够借助智能手机软件, 依靠个人自拍达成初步筛查, 在社区和基层医院那里, 凭借基本检查设备以及云平台进行初步疾病诊断, 在三级综合及专科医院里, 通过人工智能辅助的专业检查设备, 以此辅助专家进行诊治从而提高效率。
“借助眼科AI三级诊疗体系, 每一名眼科医生的效率能够提升至10倍以上, 从一年为4000人提供服务, 提升至一年为4万人乃至更多人提供服务。”林浩添讲道。
AI落地：巨大临床需求推动
AI医疗的落地情况如何？
不少专家认为开运真人app下载苹果版,开运真人app下载开云手机入口app下载，巨大临床需求正在推动AI医疗的落地。
远不能满足眼底检查潜在需求的是临床医生, 当下, 眼科医生紧缺, 2级医院 3级医院所有眼科医生总体一共有3.6万名这类情况存在, 于此同时, 我国需开展眼底筛查的人数众多, 糖尿病患者有1.14亿, 高血压患者有3.3亿。他们至少都得一年进行一次眼底检查, 上海市静安区市北医院眼科主任陈吉利觉得人工智能这一事物是破解基层眼底检查能力短板之利器。
陈吉利介绍, 那家医院是人工智能医学影像识别公司Airdoc设在上海的首家应用示范基地, 是国家科信中心眼科大数据实验室上海静安影像阅片中心, 也是平安好医生人工智能问诊系统于沪上眼科的首个应用示范基地, 它已建成融合 AI、大数据、云平台以及远程会诊的医共体眼科云平台, 启动了基于人工智能的社区糖网筛查项目。
该项工作构建起了一种模式, 这种模式是“筛查—发现—转诊—随访—健康管理”, 它促使分级诊疗得以落实, 在上海市静安区市北医院的一站式糖网筛查系统里, 4家基层社区医院在一年多时长内, 协助开展筛查工作共计5590例患者。
以往社区进行筛查之后, 会把片子上传到区域医疗中心, 要达成远程读片, 接着再把结果给予社区, 而后通知患者向上转诊, 这般的过程大概需要1个多月, 缘由是上级医院医生时间匮乏, 来不及去阅片, 拥有人工智能之后, 能够即刻告知患者筛查结果以及转诊时间, 大幅度提升了诊疗效率, 陈吉利讲道。
AI医疗领域目前有很多创业公司，什么样的公司更有商业前景？
经统计, 当下全国人工智能加医疗领域大概有一百五十多家企业, 多数是从单一领域取得突破, 医学影像方面的辅助诊断, 在线智能化问诊等是当前比较集中的方向。对于医疗类企业而言, 技术切实落地无法脱离真实应用场景, 算法模型, 可持续的优质医疗数据, 变现渠道一个都不能少。
复星集团投资总监陈宏称, 考核一个公司有无投资价值时, 除考量算法有无先进性外, 还得看数据量、维度与质量, 大概包含以下4点: 商业模式方面, 能否切实达成产业化落地；创始人对细分医疗AI领域的理解程度怎样, 有无营销人才以及互联网思维；硬件在整个产业链上能否实现良好结合；场景选择是否正确, 能不能寻觅到新场景来适配新数据、新硬件, 或者在既有场景里做好产业链的拓展。他宣称, 当下相对看好慢病管理, 以及药物研发, 和院外健康管理, 还有基层预防筛选, 这几个细分领域的人工智能机构。
“看病难”的顽症, AI医疗服务能够将其解决吗, 让我们拭目以待, 经济日报·中国经济网记者佘惠敏。
还木有评论哦，快来抢沙发吧~