Airdoc让人工智能赋能医疗.docx

? ? ? ? ? Airdoc让人工智能赋能医疗 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 一 前言 麦肯锡预计，至2025年，人工智能应用市场总值将达1270亿美元。而根据HC3i中国数字医疗网发布的《2016～2017年度人工智能+医疗市场分析及趋势报告》，这1270亿美元中，医疗行业将占市场规模的1/5。中国正处在医疗人工智能的风口，2016年中国“人工智能+医疗”市场规模达到96.61亿元，增长37.9%；2017年将超130亿元，增长40.7%；2018年有望达到200亿元。而医疗人工智能只是整个医疗市场的冰山一角。 2017年7月8日，国务院印发并实施《新一代人工智能发展规划》，抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，推广应用人工智能医疗新模式、新手段，建立快速精准的智能医疗体系成为国家战略。 医疗人工智能将是未来发展趋势。 二 背景 伴随科技的发展，医疗同样发生了巨大的变革，医疗水平在不断提高，但依旧未能满足患者需求。 2012年之后，人工智能发展迅速，很大原因是图像识别有了巨大的进展。如今，在医疗人工智能领域，绝大部分企业和研究机构也都聚焦于图像领域。 在这些领域，AI能发现的疾病，医生也可以发现，并且在目前阶段专家分析结果优于AI，同时医疗服务的目标人群也有限。 就眼科而言，目前中国还有20%的县级医院没有没眼科，全国眼科医生数量仅有3.6万人，中国的糖尿病患者多达1.14亿人，高血压患者更多达2.7亿人[1]。 在临床上，糖尿病、高血压等疾病都需要对视网膜进行检测，但是悬殊的医患比例导致广大慢性病患者的需求一直无法满足。 2015年Airdoc成立，专注于人工智能医学影像识别领域的应用，Airdoc的人工智能慢病识别系统可以自动读取眼底照相机拍摄的视网膜影像，利用慢性病识别算法就可以完成快速分析筛查。其创立的目的是让每一个人都能享受人工智能服务，因此如何走出医院、走到病人面前是Airdoc关心的问题。 Airdoc希望通过人工智能更好地连接医疗和患者，人工智能可以让医疗像空气一样，每个人都可以平等地享受。 Airdoc的目标，用算法把病人和好医生连接起来；用算法去模拟一些医生判断的路径，从病历中看出优秀医生的思考路径；用算法降低疾病诊断的门槛，让医生做出更准确的判断。这三点是人工智能助力医疗的关键，也是Airdoc的发力方向。 三 算法、计算能力和数据结合激活影像数据 视网膜是与人体大脑连接的组织，同时也是人体中唯一可以观看到裸露血管和神经的组织，通过视网膜上血管和神经等部位的病变可以判断超过200种慢性疾病。 糖尿病视网膜病变（DR）是糖尿病微血管病变最重要的表现，是一种具有特异性改变的眼底病变，也是糖尿病的严重并发症之一，很容易导致失明。《糖尿病视网膜病变临床诊疗指南》规定，糖尿病患者要定期进行视网膜检测，但现实情况是内分泌科室的医生不具备影像识别能力，而且中国眼科医生的数量不足。 如果将眼科人工智能赋能给基层医生或内分泌科医生，就可以使原本不具备视网膜影像识别能力的医生快速掌握方法。 （一）数据获得 当前，人工智能算法已经相对成熟，计算能力也在不断提升，而数据成为最重要因素。在医学影像细分市场上，大量高质量数据集中在二甲等级以上医院，或具有一定资本、规模的大型医院。医疗数据是非常敏感的数据，禁止买卖。在此情况下，Airdoc选择和国内医院合作，以此来获得数据。 Airdoc先后从国内外顶级医院收集了数百万张医学影像，基于这些影像构建多层卷积神经网络，最终研发Airdoc人工智能慢病识别系统，通过Airdoc视网膜识别算法可以识别30多种慢性疾病，包括白内障、青光眼、老年性黄斑变性等常见眼科疾病，以及糖尿病、高血压、动脉硬化等全身性慢性疾病。 （二）大量算法验证 眼科专业设备繁多且操作相对比较复杂，需要专门的人员通过培训才能操作和使用。基层医生受限于自身水平和设备条件，成像质量堪忧。拍出来的眼底影像会有过曝或光线不足的情况，一些镜头甚至还有指纹，所以影像上也经常出现伪影。这些在应用过程中的实际问题，同样是Airdoc需要解决的问题。 Airdoc通过训练环节，以及眼科专家确认两道关卡来避免漏诊。训练环节即与顶级医院专家合作，通过大量实验来验证算法。 （三）数据“原料”严谨 对于一无所知的人工智能来说，告诉它什么是1，它才知道什么是1，如果告诉它的1可以是0也可以是2，那么数据“原料”是不严谨的，也就没有研究意义。因此，保证1是1至关重要。 一般而言，一家医院医疗体系中的数据都有某种偏见，因为对于这些数据每家医院都有不同的角度，只有和这个领域里的顶级医院合作，让专家独立标注数据，结合完整病历标注一致的部分，才有训练价