Categories
程式開發

新基建火了,這對醫療AI技術的發展有什麼影響?


“之前,都是我們出去拉單子。現在,已經有不少企業主動過來尋求合作了”。今年2月份,一位 AI 創業公司的技術專家曾對 InfoQ 這樣說道。

疫情發生以來,我們看到了人工智能技術在醫療、配送、巡檢等方面的應用,兒童陪伴機器人、掃地機器人、拖地機器人等家用服務機器人亦開始落地,以5G、人工智能、工業互聯網、物聯網等相關的基礎設施定義為“新型基礎設施建設”被廣泛關注。那麼,重中之重的醫療領域會因為新基建的到來發生哪些變化呢?人工智能在醫療領域的應用難點是什麼?

新基建火了

2018年12月19日至21日,中央經濟工作會議重新定義了基礎設施建設,把5G、人工智能、工業互聯網、物聯網定義為“新型基礎設施建設”  。隨後,“加強新一代信息基礎設施建設”被列入2019年政府工作報告 。

2020年3月,中共中央政治局常務委員會召開會議提出,加快5G網絡、數據中心等新型基礎設施建設進度。

2020年3月6日,工信部召開加快5G發展專題會,加快新型基礎設施建設。

瞬時,新基建相關話題席捲了科技圈,每家公司都開始對外訴說自己對新基建的理解,又一個“不說都不好意思出門”的詞語出現了。客觀來看,這次疫情爆發很大程度上推動了醫療健康領域的發展。那麼,新基建的火爆對醫療健康領域接下來的發展有哪些影響?

如何理解醫療健康領域的新基建?

互聯網醫療源起很多年前,恐怕過去的無數個冬天,這個領域的開發者都未曾如這個冬天般受到這麼大關注。通過醫療影像進行疫情診斷、通過AI算力平台加速藥物研發過程等,都是AI技術在醫療領域落地的可能途徑。早在2014年,阿里收購中信旗下的二十一世紀,同年10月,更名為阿里健康,正式宣告阿里進軍健康賽道。如今,6年多過去了,阿里健康是如何看待新基建的呢?

根據阿里巴巴方面的介紹,阿里巴巴健康新基建共包含六個模塊,分別是:

  • 區域醫療雲。阿里健康認為,雲計算、雲HIS是未來醫療機構的數據運算基礎。醫院信息系統(HIS)的“上雲”,可以保證不同醫療機構之間相關數據的安全互聯互通,從而保證了其相互之間的高效協作。

  • 醫療人工智能。人工智能在醫療場景中的廣泛使用,可以有效緩解目前的醫療資源緊缺問題。在此次新冠肺炎疫情中,醫療AI精準、快速篩查,可以在不佔用大量醫療資源的同時助力抗“疫”,提高抗“疫”效率。

  • 互聯網醫療。依託於互聯網技術的互聯網醫院和在線健康諮詢,讓國內外用戶可以足不出戶,享受專業的複診和健康服務。

  • 藥品流通網絡。建立在移動互聯網基礎上,從生產端到流通端,再到零售端的藥品供給網絡,即通過互聯網,讓整個藥品流通鏈路更加高效可控,從而可實現藥品的快速盤貨和跨區域調配。

  • 藥品追溯系統。以“一物一碼,物碼同追”為方向,建立起藥品信息化追溯體系,實現藥品疫苗的全品種、全過程可追溯。利用這一追溯系統,最大限度保證藥品、疫苗在流通全鏈路的安全性。藥品數字化追溯系統不僅可以確保藥品流通、銷售和使用安全,在疫情中甚至可以在新藥或新疫苗等臨床雙盲試驗中起到輔助作用。

  • 電子健康檔案。基於移動互聯網和數字技術,電子健康檔案將逐漸成為醫生和個人診斷管理身體健康的有效數字化工具。例如,疫情期間,健康碼可以快速反映個人疫情風險級別,幫助政府和個人做出更精準的判斷。

在近期的媒體溝通會上,阿里健康資深副總裁馬立談及對新基建的思考時表示,整個構建過程首先應該是技術驅動的,無論是互聯網、大數據、雲計算還是人工智能,都在之中發揮作用;其次,這是一次從傳統互聯網到產業互聯網的過渡,比如將某項技術應用到臨床,這要求工程師理解臨床試驗的過程,知道用哪些技術可以提高整個流程;最後,姑且稱之為“場景為王”,不能脫離真實場景而閉門造車,比如阿里達摩院的CT影像AI,需要真正在場景中應用才能收到反饋,並不斷優化算法。

如上可以看出,醫療人工智能屬於阿里健康新基建的一部分,在本次​​疫情中,阿里達摩院CT影像AI在湖北、上海、廣東、江蘇、安徽等16個省市的168家醫院落地,診斷34萬臨床病例;達摩院全基因分析平台也在浙江疾控中心、武漢金銀潭醫院等落地,縮短了疑似病例基因分析的時間等。雖然,我們已經見到了不少AI技術在醫療領域的應用,但這個過程還面臨很多難點需要解決。

AI技術在醫療領域應用的難點?

數據不足

達摩院既做技術研究,又做技術落地,把技術變成產品和解決方案。阿里巴巴集團副總裁、達摩院高級研究員華先勝在近日的媒體溝通會上表示,醫療健康領域的基礎數據依舊較為匱乏,舉例來說,飛機上面的傳感器每天可能收集2T數據,汽車每小時可能積累40T數據,而對於人來講,即便佩戴了一些感知設備(運動手環等),可以收集到的數據也是非常有限的。

如果去觀察AI技術在各行各業的應用,可能互聯網電商行業、城市管理都會走得靠前一些,而醫療領域大概處在中間的位置,這和數據量不足也有關係。華先勝補充道,醫療數據的使用更為嚴苛。如果要用作研究,數據必須是脫敏的,再加之原本數據就不夠豐富,結果就是數據量非常有限。不少研究人員正運用機器學習等方法解決這一問題,但這還需要更多人一起努力。

在這次疫情中,達摩院也是基於過往多年的技術積累提出了一些解決方案。 2017年,達摩院就曾獲得過肺結節檢測比賽的冠軍,在這個基礎上,又對肺部診斷做了擴充,增加了肺密度增高影、索條、肺大泡、動脈硬化、淋巴結鈣化等,這對早期篩查很有幫助。通過將該技術應用在體檢過程中,基本一秒鐘就可以得出結果,敏感性和準確率都比較高,分別達到了99.52%和98.55%。同時,阿里達摩院還將醫療影像和文字資料放到了搜索引擎裡面,為醫生所用,如果出現與過往診斷中相似的病例,系統可以查詢出當時的診斷情況和影像等資料。

為了全方位抗疫,達摩院醫療AI團隊還提供了醫療專業翻譯、疫情預測等系統,來為更大範圍、更高層次的抗疫提供信息支撐。基於翻譯和自然語言處理技術,還做了一個醫療領域的知識圖譜以及基於圖譜智能的問答,釘釘上可以使用,這項技術接下來也會用到天貓精靈裡面進行慢病健康的管理。

醫療需要專業知識的積累

此前,談及醫療AI,有這麼一句話流傳甚廣:在醫療領域,如果沒有海量被專業醫生標註的數據,再天才的科學家也無用武之地。

AI技術在醫療領域發展的另一個門檻就是專業知識,AI領域的研發人才需要具備一定的知識才能跨行業研究,而且這個行業的知識與其他不同,真的需要很專業的知識才可以。

在國外一些大學內部,也曾有教授明確提出對參加 AI 醫療保健項目的計算機專業學生們只有一項基本要求——在討論代碼與算法之前,先融入醫護人員的日常生活。他們需要進入 ICU、病房、手術室甚至是醫護人員 / 患者家中,了解這些人的生活方式並跟他們的家人面對面接觸。完成了這一切之後,才有資格開始討論計算機科學問題。

未來發展方向

此前,工信部向人工智能相關學(協)會、聯盟、企事業單位發出倡議,各主體應充分發揮人工智能賦能效用,協力抗擊新型冠狀病毒感染的肺炎疫情。其中一條便是優化 AI 算法和算力,助力病毒基因測序、疫苗 / 藥物研發、蛋白篩選等藥物研發攻關。在這樣的背景下,醫療AI技術的未來可期。

華先勝總結道,達摩院醫療AI團隊主要的研究方向:一是醫療影像分析,對影像進行精準分析,提高診斷精準度;二是基因分析,包括基因對疾病和身高的預測等;三是自然語言處理方向,這對整個醫療健康領域來講是繞不開的問題,因為整個過程涉及到很多文字、圖片資料;四是未來可能還有更多場景出現,包括機器人的方向、AR/ VR的方向等,這也是達摩院正在研究的內容。