1驱动医疗AI从实验到实用专业化医疗人工智能平台赞 助者：NVIDIA2IDC 观点随着经济发展和民众生活水平的提升，以及老龄化的来临，人们对于健康的需求日益增长。当前医疗行业面临如下挑战：医疗资源的供给能力不足以及难以满足民众对高水平疗效的追求。医疗改革和应用新技术是应对这种挑战的两项关键措施。很多国家都在进行医疗改革，同时也大力将新技术应用到医疗领域，人工智能技术正在成为提高医疗资源服务能力和提高疗效从而应对医疗服务挑战的重要工具。医疗人工智能系统在过去两年中取得了突破性的发展，获得了医院和医生的广泛认可。医学影像人工智能发展尤其快速，广泛应用到肺、心脏、脑、眼科、皮肤等多器官的多种疾病的诊断中。医学影像人工智能系统在医院的应用不仅显示出良好的效果，而且促进了医院对于人工智能系统的认知，显示出蓬勃的发展潜力。医疗人工智能系统的开发和运行，需要建立医疗大数据系统、开发人工智能算法和模型和建立专业的人工智能平台。这三项工作的要点如下：建立起来能够处理和集成多数据源、多种格式的大数据系统：在医学影像人工智能系统中能够处理多种医疗设备例如CT、MR、X光、超声等输出的影像数据，进行专业的数据标记，以及进行大量的运算。建立专业的深度学习模型，可以选择专业的开源模型也可以自己开发建立模型。模型在深度学习训练和人工智能系统运行中需要不断地升级改进，从而保障模型的精准性和可靠性。3建立专业的人工智能算平台，包括硬件平台的搭建和计算系统的建立。整体的平台也可以采用专业性一体化的平台模式，即打包集成了芯片、服务器、计算系统算法模型软件以及人工智能应用系统和云服务的一体化平台。总之，以提供强大计算能力和可靠稳定性作为建立计算平台的基本原则，同时也能够与深度学习软件顺畅集成，从而提高人工智能系统开发和运行的整体运算性能。展望未来，人工智能系统将会改变诊疗模式，提高医疗服务供给能力并提升诊疗水平，促进整个医疗健康行业运营模式的转型。建议医疗人工智能开发企业采取如下措施，以加速人工智能系统的开发和应用。先从医学影像人工智能系统的开发和应用开始，在此基础上，进一步集成更多类型的数据例如病历数据、检验检查数据、患者日常健康监测数据等，从而构建更加丰富和全面的医疗大数据，为开发更丰富的人工智能系统打好基础。随着人工智能技术的不断深入发展，专业性的医疗人工智能平台逐渐涌现出来，建议选用专业性一体化的平台，从而节省平台搭建和调试的工作，更加专注于模型的训练以及系统的应用，同时所开发出的人工智能系统也具有高可靠、高效率的性能。在未来医疗大融合的背景下，搭建的平台应具有弱耦合、强兼容的特性，满足人工智能系统与医疗设备以及医院信息系统之间的兼容和集成需求，提升医疗人工智能系统的性能。在医院建立专业性医疗人工智能平台的基础上，与医院的临床科室密切合作，选择适合的疾病种类进行其诊断和治疗系统的开发，从而提高诊断和治疗的效果。4在诊疗技术发展中，结合基因技术、生物医药等新技术的应用而开展的精准医疗快速发展，以此提高诊疗水平和治疗效果，满足多层次人群健康服务的需求，这正成为重要的趋势之一。以患者为中心的医疗和护理理念正在逐步被患者和医疗机构接受，在诊疗实践中快速发展。虽然医疗服务需求保持持续增长，但受到各种资源的限制，医疗服务供给能力难以与需求同步增长，医疗资源处于短缺状态。例如，据美国医医学人工智能发展状况和未来趋势随着经济发展以及民众生活水平的提升，人们对于健康的需求日益增长，同时随着全球老龄化的到来，医疗服务的需求大量增长。日本和欧洲国家都在面临老龄化带来的医疗服务需求快速增长的挑战，而中国、印度等发展中国家则面临如何满足民众大量的医疗服务需求增长的挑战。医疗健康服务需求长期保持快速增长5学会估计，截至 2020 年美国对医生的需求人数将达到 91,500 名，而这一数据将在 2025 年飙升至 130,600名，而几年的时间中医生人数难以达到这一水平。医生短缺问题并非美国独有。据世界卫生组织估计，全球范围内对于医疗健康工作者需求的缺口预计将在 2030 年超过 1,400 万，贫穷国家受到的影响尤其严重。这一情况也正在中国显现。根据民政部发布的2017年社会服务发展统计公报，到2017年年底，中国老年人口（60岁以上）2.41亿人，占全国总人口的17.3%，预计到2030年中国60岁以上人口将占总人口的30%，老龄化的健康医疗服务和保健问题成为中国社会发展的一个重大挑战。中国的医疗服务的需求增长趋势明显，2017年中国总诊疗人次达81.8亿人次，总入院人数2.4亿人，分别比上一年增长3.2%和7.5%。虽然医疗服务需求增长迅速，由于受到各种资源的限制，医疗服务供给能力的增长潜力有限，再加上中国医疗资源不平衡，“看病难、看病贵”的问题依旧存在。新技术应用是应对医疗健康服务需求增长的关键途径为了应对上述挑战，多数国家都在进行医疗改革以应对挑战。例如美国开展针对中低收入人群参加医疗保险的医疗改革；日本为了应对老龄化趋势，政府建立了完善的机制用来促进居民按时参加体检以及做好相关疾病的预防与筛查。然而在实践中，仅仅通过医疗改革还难以克服医疗服务需求增长带来的压力，而充分利用新兴技术则是应对挑战和解决问题的另一个关键途径。在当前新兴技术快速发展以及医疗健康服务体系面临变革的背景下，医疗服务的数字化转型成为应对挑战的必然之路。医疗服务的数字化转型以应用云计算、大数据、人工智能等技术为主要特征，用来支持数字化医疗、精准医疗等诊疗业务，从而增加医疗技术资源和提升诊疗技术水平。在医疗服务的数字化转型实践中，美国医疗行业在开展基于价值的医疗健康服务，即为患者提供有疗效的诊疗服务，而不仅仅单纯地按照既定的流程来提供医疗健康服务。基于价值的医疗服务不仅需要在就医各个环节和健康维护中监控患者身体状况，而且需要建立起人工智能系统动态评估患者的健康水平。日本利用新技术建立起智能化的医疗健康服务体系，例如利用物联网、机器人、人工智能等技术促进预防、筛查、护理等发展，从而应对服务量上升和医护人员短缺的问题。中国政府一直把医疗和健康事业发展作为重点工作，以以应对日益增长的医疗健康服务需求。中国医疗行业不仅在执行医疗改革，而且也非常重视新技术的应用。2016年6月，国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见，推动大数据、人工智能、机器人等新技术的应用。2017年3月，国家卫计委发布“十三五”全国人口健康信息化发展规划，推动信息化在创新健康医疗中的作用。中国的许多医院正在采用或者正在计划采用云计算、大数据人工智能、机器人等技术，提高医疗服务的供给能力，提高诊疗水平。非洲等欠发达国家和地区在医疗水平和医疗基础设施方面面临严重不足；发展中国家则面临医疗资源不平衡的问题，其大城市的医疗资源和医疗水平相对充足，而偏远地区则医疗资源不足，医疗水平较低。这些问题使应对老龄化和普及医疗健康服务显得力不从心。6人工智能技术应用成为应对挑战的关键技术在医疗服务数字化转型的背景下，大数据技术和人工智能技术的应用成为提高医疗资源供给和提升诊疗水平的关键，为疾病预防和治疗提供了新的生产力关于促进和规范健康医疗大数据应用发展的指导意见。根据IDC FutureScape：全球医疗行业 2018 预测，到2021年，通过采用认知技术和人工智能技术， 20%的医疗机构和40%的生命科学组织将获得15%到20%的生产力增长。 人工智能系统应用后，医护工作者的工作效率得到提高，诊断和治疗的专业水平得到提升。中国的医院在采用人工智能技术方面正在加快步伐，虚拟医生、辅助诊断和辅助治疗等人工智能系统都在快速发展，IBM Watson 已经在数十家医院使用，而医学影像人工智能领域则呈现出雨后春笋般的爆发式发展态势。目前，医疗人工智能的应用大多处于实验的阶段，一些医院使用人工智能技术做诊断和治疗的辅助工作。目前，就各类医疗人工智能系统在诊疗工作中的作用而言，医学影像人工智能系统在辅助诊断方面所发挥的作用最大，也是未来一些年中最有发展潜力的系统。技术成熟度辅助医疗影像诊断基因测序精准医疗高低近期 长期虚拟医生助手辅助临床诊断药物研发语音电子病历来源： IDC, 2018图1医疗人工智能市场成熟度7根据IDC的调查访谈，放射科医生对于医疗影像人工智能系统在疾病辅助诊断中的作用感受尤为深刻，基于医学影像做出疾病诊断和辅助治疗越来越成为诊疗工作中的必要手段。影像的数量越来越大，阅读影像做出诊断的工作量也快速增加，而相应的影像医生难以同步增加，不仅造成很多医院的放射医生工作负担过重，而且也在一定程度上影响诊断准确性。医学影像人工智能系统在实践应用中，可以帮助医生做疾病筛查工作，例如最常见的做肺结节筛查、乳腺钼靶筛查等，通过筛查可以大大降低放射医生的工作量，使其有精力对于筛出来的疑似病历进行仔细检查，从而提高了整体诊断的精确度。在安装有影像人工智能辅助系统的医院中，放射医生医生普遍反映系统提高了工作效率，提高了诊断准确性，进而使该医院在特定疾病治疗中的治疗水平得到提升。医学影像人工智能辅助诊断之所以能够快速发展并在医院落地使用是由于多层神经网络技术的发展在医学影像辅助诊断方面实现了突破，同时庞大的影像数据量为深度学习系统提供了数长期据基础，医疗影像系统普遍遵从医学数字成像和通信DICOM3标准，数据质量较好，非常适合于人工智能系统的开发和推广应用。人工智能系统初步具备了针对医学影像进行诊断的能力，而且在医院的实际应用中，确实能够代替医生完成影像诊断的初步筛查工作，显著降低了医生的工作量，在一些复杂病例中，能够给予诊断更有效的辅助支持，所以获得了快速发展。一些医院也针对电子病历做了大数据开发，构建了疾病诊断和治疗的知识图谱，建立了辅助诊疗的认知系统，这些系统的使用显著地提升了疾病的诊断和治疗的效率。随着医学影像人工智能系统发展并逐步形成成熟的诊疗服务模式，其他领域的人工智能将会借鉴影像人工智能的发展模式，逐步获得医生的认可和使用。另外人工智能也会结合分级诊疗、互联网医疗、全科医生等体系发展，用来支持基层医院开展诊断和治疗，提高医疗资源服务能力和提升诊断治疗水平。在IDC的一项针对医院使用医学影像人工智能辅助诊断的调查中，受调查的36家医院中对于使用效果总体上满意的比率达到100%。在医学影像人工智能系统为诊疗工作所带来的价值方面，提高诊疗工作效率、提升诊疗水平和提高诊断准确率是该系统带来的主要价值。详见如图所示。6.0%31.9%29.2%7.9%22.2%2.8%提升科研能力有助于提升个性化医疗提高诊疗和治疗的工作效率提升治疗的专业水平和医疗质量调高诊断准确率开发新的诊断和治疗方法来源： IDC, 2018图2 医学影像人工智能为诊疗带来的价值Q.请问医学影像人工智能在如下那些方面为诊疗工作提供了价值？（Top 3,n=36）8医疗人工智能在全球的多个国家均在快速发展。截至2018年上半年美国食品药品监督管理局（FDA）已经批准人工智能相关产品9项，包括自动监测预警类产品和辅助诊断类产品，许多医院已经应用了这些产品。日本的医院开始实验和试用人工智能系统，尤其是在影像辅助诊断领域，从而提高日本的医疗服务的供应能力。中国已有近千家医院部署了人工智能系统，其中超过一半的医院部署了医学影像人工智能系统。目前中国有超过100家医疗人工智能公司，其中约有40家企业属于医学影像AI公司。一些人工智能系统部署在医院内部，直接为临床科室提供辅助支持，例如推想科技的医学影像人工智能系统已经在上海长征医院、武汉同济医院等地部署；一些人工智能系统则是部署在云上，为基层或者西部地区的医院提供远程的辅助诊断服务，例如万里云“Doctor You”人工智能医学影像平台可以为几百家基层医院提供远程咨询服务；也有一些系统可以提供给患者使用，例如一些皮肤病人工智能系统可以通过APP来为患者提供辅助诊断服务。医疗人工智能系统经过初步发展和使用之后已经获得了医生的广泛认可，在IDC的一项针对医院使用医学影像人工智能辅助诊断的调查中，已经部署医学影像AI系统的医院中，对于使用效果总体上满意的比率达到100%；而在被调查的还没有部署人工智能系统的24家医院中，超过35.3%的受访医院计划在未来一年内布署人工智能。目前中国的医学影像人工智能系统可用于支持多个领域的疾病诊断，以肺结节和肺癌诊断最为常用，腹部肿瘤、心脏疾病、脑疾病、眼科疾病、皮肤病等辅助诊断都在快速发展。目前中国药品监督局（CFDA）正在制定有关医疗人工智能系统作为专业医疗器械的认证规范和条例，目前只有少数几个产品获得了CFDA认证。即便已经获得了认证，人工智能系统在应用中也需要与其他的医疗设备协作，共同提供诊断依据，而不能单独进行诊断。预计在2018年年底，中国药品监督管理部门将会出台相关标准和规范，用来明确人工智能系统的评估和认证。而当人工智能系统获得了CFDA认证之后，就会进入下一个快速发展的阶段。医疗人工智能落地医院的使用状况医疗人工智能在全球的多个国家均在快速发展。截至2018年上半年美国FDA已经批准人工智能相关产品9项，包括自动监测预警类产品和辅助诊断类产品，这些产品用在了许多医院中。9中国政府积极推动人工智能技术在医疗领域的应用，在近年发布的多项政策中，都将促进医疗人工智能发展作为重要任务之一。2017年7月，中国国务院发布新一代人工智能发展规划，其中包括建立智能医疗，推广应用人工智能治疗新模式新手段和建立快速精准的智能医疗体系。2017年12月工业和信息化部发布促进新一代人工智能产业发展三年行动计划（2018-2020年），行动计划中包括到2020年医疗影像辅助诊断系统扩大临床应用，推动医学影像数据采集标准化与规范化，支持脑、肺、眼、骨、心脑血管、乳腺等典型疾病领域的医学影像辅助诊断技术研发和加快医疗影像辅助诊断系统的产品化及临床辅助应用。到2020年，国内先进的多模态医学影像辅助诊断系统对以上典型疾病的检出率超过95%，假阴性率低于1%，假阳性率低于5%。这些政策都促进医院和人工智能开发企业努力开发医疗人工智能系统。在中央政府的推动下，地方政府也在积极推进医疗人工智能的开发和应用。例如，上海市卫计委发布上海市卫生计生委智慧医疗专项研究项目立项项目的通知，确定将 “基于深度学习的肺结节CT智能诊断与分类系统”等39个研究项目列入2018年智慧医疗专项研究项目，政府给予资金支持。当然，中国医院对于AI作用的发挥也是比较谨慎和严谨的，目前仅仅是用AI系统作为辅助性诊断和治疗使用，而不能作为正式的诊断和治疗工具。中国药监局对于认证工作也非常谨慎。目前，用于认证的临床试验标准正在制定中，预计未来一两年中，随着临床试验标准制定出来，AI系统的认证工作也将随之展开。美国食品药品监督局（FDA）2017年7月发布数字健康创新行动计划（Digital Health Innovation Action Plan, DHIAP ），之后根据该计划指南中的质量、安全和有效性等原则，逐步开始对人工智能系统进行认证计划，目前已经对9款医疗人工智能产品给予了认证。肺疾病腹部的多种肿瘤疾病心脏疾病诊断和治疗脑疾病眼科脊柱疾病四肢疾病0% 100%10% 20% 30% 40% 50% 60% 70% 80% 90%图3 已经部署的医疗AI 系统的类别Q.请问贵医院部署了哪些AI系统？（多选）.n=36来源： IDC, 201810深度学习是人工智能领域近年来取得的主要成果之一，它在自然语言处理、图像识别语音识别计算机视觉等领域都有良好的表现。图像识别、神经网络等技术逐渐成熟，让人工智能技术在医疗行业中拥有比较广泛的场景，辅助医疗影像诊断和临床诊断领域中有新兴的创业公司如推想科技，视见科技，汇医慧影等有方案提供商如东软集团，东华软件等有系统集成商如中科曙光，浪潮等，也有提供基础设施的AI芯片厂商如英伟达，智能诊断设备如三星等，这些公司初步构成了中国辅助影像诊断行业的生态体系。医疗行业人工智能系统的开发医疗人工智能生态体系逐步形成