百度智慧医疗总经理黄艳:基层筛查、临床辅助决策和医疗数据结构化的阶段性进展

雷锋网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

雷锋网消息,4月1日,2019国际医学人工智能论坛暨ITU与WHO健康医疗人工智能焦点组会议在上海举办。在医学人工智能新技术创新环节,百度AI创新业务部高级总监、智慧医疗总经理黄艳发表了演讲。

百度智慧医疗总经理黄艳:基层筛查、临床辅助决策和医疗数据结构化的阶段性进展

百度灵医是百度旗下的AI医疗品牌。2018年4月,AI创新业务部成立,隶属于百度AIG事业群(人工智能事业群),同年6月开始做医疗影像。2018年11月1日,百度灵医品牌正式发布,百度CEO李彦宏在百度世界大会介绍了AI眼底筛查一体机,同时向贫困县发起500台的公益捐赠计划。

作为百度医疗的负责人,黄艳在演讲中表示,在线上化、智慧化和云化这三大趋势的有力支撑下,医疗生态将从以医院为中心变成以患者为中心,从重视治疗转变为重视健康管理,整个医疗生态也将发生脱胎换骨式的升级。

黄艳介绍,百度灵医已在基层筛查、临床辅助决策、让医疗数据“条理化”三大方面实现广泛应用,并取得阶段性成果。

以下为黄艳的现场演讲内容,雷锋网作了不改变原意的编辑及整理:

黄艳:各位尊敬的领导、各位嘉宾,大家中午好。我是来自于百度的黄艳,我负责百度的智慧医疗业务。今天我想和大家探讨的主题,是“AI赋能医疗新时代”。

从全球来看,通过三组数据来看一看今天全球人类健康面临的巨大挑战。老龄化的问题,2017年全球60岁以上的老龄人口已经达到了10亿,占比超过了13%,距离“深度老龄化社会”仅一步之遥。老龄化其实还在不断的扩大,到2030年、我们预测60岁以上的老龄人口会达到14亿,占比会超过16%。

从人均医疗资源的角度,美国每万人拥有的医生量是24.5名,而印度的这一数据是7.0名,远低于美国的数据。区域的医疗资源差异是非常巨大的,医疗负担非常重,医疗支出占美国人均收入支出占比17%,而在印度这个数据是每年75美金,只有美国的不到1%。

百度智慧医疗总经理黄艳:基层筛查、临床辅助决策和医疗数据结构化的阶段性进展

如果我们再看看中国的数据,到2030年60岁以上的老年人口将占中国人口比例的1/4,将进入“超级老龄化时代”,这必将带来对于疾病的一些新的挑战。中国万人医生拥有数是14.9,远低于发达国家的水平。中国人均医疗支出占比11%,对于发展中国家来说医疗负担是非常重的。

除了人均资源少、人均支出高之外,中国的医疗还面临着一个非常大的问题,就是医疗资源的结构性失衡的问题。刚刚很多专家也都指出:在中国三甲医院人满为患,但是基层人员却门可罗雀。我们从数据上来看,中国的三级医院数量占医院总数8%,但是却承担了四成诊疗和住院人次的重任。三级医院在超负荷运转,基层医疗资源没有得到充分发挥、被闲置。

在这样的情况下,用技术来解决行业的问题变得尤为重要,当然这背后有很多的原因,从供给方的角度有药的原因,也有医生能力的原因。从需求端的角度,也有患者对于基层医院不信任的原因。所有的这些原因交织在一起,形成了一个非常矛盾的共生体。

虽然我们说“人均资源不够、人均成本非常高”,但是其实我们也是看到现在很多的这些因素都在发生一些积极的变化,都在试图去改变这样的一个问题,试图去达到供需平衡。2018年中国政府相继出台了互联网医疗、电子病历评级、AI医疗准入标准等诸多政策,也在分级诊疗上不断的强化,这都给市场的良性发展带来非常好的政策基础。

医院在医改的背景下,谋求转型、开放探索,一些大医院尝试“线上问诊”模式。我们也看到以“城市”为单位的互联网医院在逐步的出现。从患者的角度来说,患者的人均收入在不断提高,患者的健康管理意识也在不断的加强。所以从需求方的角度,这样的需求也在不断的得到释放。

我们来看“技术”。互联网技术、人工智能技术、大数据技术都在不断的进入到医疗行业,给医疗行业的变化带来了技术的支撑。所以这些因素交织在一起,我们认为它指向了一个医疗的新生态。我们认为相比于现在的医疗生态,未来的医疗生态将会发生改变,未来的医疗生态会有两个非常重要的特征:

第一个特征,是将会从以医院为中心转变为以患者为中心。第二个特点是会从重视治疗,转变成为重视健康管理。

而这样的两个重要特征之后,是由三个重要的趋势所支撑的——线上化、智慧化、云化。

首先,患者未来将能够非常便捷的在线上获得常见病的“线上问诊”服务。当他需要检查的时候,才需要到线下医院。这样线上线下一体化的就医体验,将会得到塑造。

其次,AI将成为医生的助手,成为患者的助手,将成为医院的助手,它将能够帮助优化医疗资源的分配,提升医疗服务的质量和效率。

第三,患者的全生命健康周期数据将会在“云端”进行打通,健康管理会变成一个非常重要的环节,变治疗为预防。这样AI的技术和大数据的技术,就能够为患者提供主动的健康管理服务。相比现在的这种被动服务,就会提升了一个层次。

在这样的未来医疗新生态下,患者的需求会被重视,我们相信医疗行业的各个环节也会实现脱胎换骨的变化。毋庸置疑,在这样的变化中,人工智能所承载的智慧化将会承担非常重要的作用,它会对医疗行业的各个参与者、各个环节都带来全面的能力提升。

对于患者而言 ,我们通过可穿戴设备等数据采集的方式,能够让AI精准的去预测、去描绘一个患者的健康画像,从而成为患者的贴身医疗助理。

对于医生而言 ,我们可以帮助医生进行全方面的辅助,包括:诊前的智能分导诊、智能筛查,手术中的机器人等。整个医疗行业的优质资源缺乏的问题可以得到极大的缓解。

对于政府而言, 我们可以从流行病的监测、预测方面,帮助政府去降低疾病防控的成本。

对于医院而言 ,AI可以帮助去提升医院的运转效率。

对于药企、对于保险而言 ,AI能够提供的能力提升也是多方位的。

我们坚信AI医疗一定会到来,但是由于医疗行业本身具有极高的严谨性和专业性,所以在这个过程中一定会对AI的研发和AI的落地带来非常大的挑战。

这里“挑战”一方面是来自于数据,包括:数据的体量、数据的质量、数据的标准化、数据的结构化,数据的安全隐私怎么得到保护。

另一方面的挑战,来自于算法。算法怎么样能够进行医疗行业的适配化,算法需要有非常高的准确性和鲁棒性,算法需要可被解释。这和AI在其它行业的应用中,通过黑盒的算法给出一个不可解释的结果是并不一样的,因为这并不遵循医疗行业循证这样的一个理念。

所以我们说AI的研发和落地,其实要做到并不是很难,有很多种方法可以去做到,但是如果要做好却困难重重。所有的这些挑战和困难,都指向了对于很强大的AI技术积累的需求。而百度作为全球领先的人工智能技术公司,我们在人工智能技术的研发方面,有着最长时间的积淀,有着最完整的技术栈,这也为我们为AI医疗可靠落地提供了坚实的保障。

百度在医疗行业的几个实践:

一、基层筛查:疾病防控从“治疗”到“预防”

国家在疾病的预防上投入了非常多的资源,比如:糖网的防筛工程。如果我们以眼底筛查为例,研究表明40岁以上的人群是眼底疾病高发人群。这些人群需要定期的进行眼底的拍照和筛查,极早的进行防控,致盲率就可以大大降低。

中国有6.6亿眼底疾病风险疾病人群,但是只有3.6万专业眼科医生,这里面能够识别眼底照片的医生数量更少。如果这个数据放在基层,它会表现的更为严峻。全球数据也并不乐观,全球有26.5亿眼疾风险人员,仅有21万专业眼科医生。

我们打造了“AI眼底筛查一体机”,用AI方式学习权威眼科专家标注的“眼底影像数据”。目前我们已经可以针对糖尿病视网膜病变、青光眼等多种进行筛查功能,将这样的能力植入到“眼底像机”设备,准确率可以达到94%。当患者进行眼底拍照后,我们的系统10秒钟就能够输出一个筛查报告,我们通过这个报告的形式呈现出来AI是为什么做出这样的一个判断,让我们的报告结果是可解释的。

百度的CEO李彦宏先生在2018年11月“百度世界大会”上宣布了“500台AI眼底筛查一体机”公益捐赠计划,希望在中国最偏远、贫穷的地方,这些患者也能够接受到好的医疗服务。

二、临床辅助决策

由于能力和经验的限制,中国基层医生在实践的过程中有误诊和漏诊的风险。我们打造这样一款产品的目的,实际上也是为了让基层的医生在他们的工作过程中拥有随时可以调用、专业而且准确的医疗助手。在这款产品背后,有着非常强大的技术框架支持。我们从学习权威的书籍、药典、三甲医院的病例数据等,向上层夯实知识图谱基础。在这里处理了上亿级别的异构数据和知识图谱关联关系,覆盖了千万量级的医学实体。

再往上一层,通过深度学习、多层贝叶斯网络的决策支持基础,打造决策支持能力,并且通过产品化的方式对外去输出。现在我们的产品已经可以去支持辅助诊断、辅助诊疗方案、临床指控、相似病例等多种功能,这些功能还在不断的被完善,让它能够被临床医生更容易、更方便的使用。

(图-这是医疗知识图谱小角落,支气管哮喘是小领域疾病。我们通过一个自动化的平台,来对医疗的实体进行自动的挖掘、自动的验证和自动的归一。同时我们通过条件、概率等关系属性的挖掘技术,让我们的知识构建的方法、知识构建的结果能够精准而不冗余。)

目前我们的这个产品已经覆盖了27个科室,超过了4000种疾病。在常见疾病方面TOP3疾病推荐准确率达到了95%,同时通过循证算法使得这个结果可解释,让医生在使用的时候有据可依 。这样的一个产品是进入到了医生平时工作的流程中,医生使用起来非常便捷,可以获得实时的决策辅助。我们打造这样的产品不是取代医生和患者之间的沟通交流,只是让我们的基层医生能够站在巨人的肩膀上面随时的学习和掌握优秀的诊疗经验,从而来完成基层医疗的重任。

三、对于医疗数据结构化,让医疗数据变得“有条理”

屏幕左方是真实的病例数据,在这样的病例数据、文本里面,很多有效信息散落在病例各个角落,我们通过技术手段对于这样的病例进行三层次的自动化梳理、自动化理解、自动化抽取。

首先,时间的维度。比如:我们这里可以识别出来九个月之前可以识别出来2019年3月3号这样的时间标签,这就代表了疾病的一个发展过程。     

其次是医学实体的识别和归一。这里的包括:症状、体症检查等。我们可以识别出来“肺部哮鸣音、哮喘”,并且可以规划成标准的名方法——支气管哮喘。

最后是对医学实体属性的处理。在这块病例里面,我们会看到它描述到病人入院的时候出现了严重气短的情况,我们识别出来“气短”症状程度属性是严重。另一个例子,在这个病例里面描述了患者无发热、无咯血,我们对这个识别出来属性是阴性。这样梳理,让病例变得真正可结构化、真正可计算,而这背后是百度强大的自然语言处理和知识图谱技术所支撑的。

医疗数据结构化之后,这些医疗数据将能为医疗行业的各个领域带来非常重要的作用。对于医院临床来说,它能被临床辅助决策提供大量的数据支持。对于医生科研来说,能够让医生用更大量的数据展开科研合作。对于政府而言,能够帮助政府去进行公共卫生的一些辅助决策。对于新研种研发的支撑,可以由大数据协助。药企药品研发各个环节,大数据也能够起到多方位作用,降低药品研发成本、加快药品上市速度。只有这样我们认为医疗数据采能够真正的去发挥其燃料价值,盘活整个行业生态,让这个行业能够更快速的发展。

我们相信这一个个的实践,未来都会成长为参天大树。但是在传统的医疗和新兴人工智能结合的过程中,这是两个世界的结合、这是两种理念的结合,这是传统和创新的结合。这种结合过程中,本身就是非常艰难的。医疗又是一个关乎民生的行业,使得这样的结合变得更加困难。比如: AI应该如何去定位?AI应该如何去进入到临床医生的工作环节,让医生可以去信赖它,AI的结果如何做到可解释,医疗的数据如何可以安全的访问和存储 。所有的这些困难都需要一一被克服,我们才能够去创造一个医疗和AI相结合的美好未来。

我们相信闭关自守绝不是AI时代的精神。从百度的角度来说,我们希望以非常开放的态度和行业的各个合作伙伴们一起共建AI的基础,在AI医疗新生态,在整体的AI医疗新生态来临过程中,需要所有的行业参与者一起参与、一起创造。“生命健康、人人平等”,这是我们一直所追求的。我们希望世界上的每一个个体,都能够有机会去获得充足的医疗保障和医疗资源。这是技术可以、也应该给这个世界和这个行业带来的。AI医疗,让这个梦想变得可以畅想。

爱无国界,AI无国界、医疗无国界。百度希望借助我们的医疗行业的一些实践,把它带到世界、带到全球,为人类健康共同体作出贡献。谢谢大家! 雷锋网雷锋网 (公众号:雷锋网)

随意打赏

百度影音百度一下百度大脑百度经验
提交建议
微信扫一扫,分享给好友吧。