金准产业研究 人工智能在医疗领域的应用报告

  • 2周前发布
  • 发布人:金准数据

前言

随着人口老龄化的加剧及对生活品质要求的提高,人们对健康的关注越发明显。而据WHO的报告,到2035年全球将会有大约1290万的医护人员短缺。对医疗人员的需求无法得到满足,也在某种程度上促进了未来对医疗机器人使用的需求。近年来,人工智能技术与医疗健康领域的融合不断加深,随着人工智能领域,语音交互、计算机视觉和认知计算等技术的逐渐成熟,人工智能的应用场景越发丰富,人工智能技术也逐渐成为影响医疗行业发展,提升医疗服务水平的重要因素。

一、医疗行业人工智能发展现状

人工智能目前在医疗行业应用得最广泛成熟有如下几个领域:

1.1人工智能+医学影像

人工智能+医学影像是将人工智能技术具体应用在医学影像的诊断上,帮助医生定位病症分析病情,辅助做出诊断,提高医生工作效率。它的技术主要分为两部分:第一部分是图像识别,应用于感知环节,其主要目的是将影像这类非结构化数据进行分析,获取一些有意义的信息。第二部分是深度学习,应用于学习和分析环节,是AI应用的最核心环节,通过大量的影像数据和诊断数据,不断对神经元网络进行深度学习训练,促使其掌握“诊断”的能力。在图像识别上,人工智能+医学影像与人工相比有三大优势:

①效率更高:具有多年临床经验的医生诊断200张CT扫描图片需要20min,而计算机检测系统能够在秒级给出分析结果;

②准确率提高:比如阿里ET医疗大脑挑战肺结节领域的机器读片,可以在片子上圈出结节区域,将人工判断的准确率从60~70%到85%,并且人工智能可以检测到占X光面积0.01%的细微骨折;

③稳定性增强:疲劳会降低人工阅片的准确率,而机器阅片的准确率性不随阅片时间的增长出现下降。

人工智能+医学影像还用在对影像诊断报告的分析上。医学影像仅仅分析图像本身还不够,更重要的是影像对应的诊断报告也要加以分析。而我国的影像诊断报告呈现出因医生而异的特点,因为医生的个人习惯、教育背景和执业医院等因素导致了不同地区不同医院的影像诊断报告标准不一样。人工智能+医学影像可以很好解决这样的问题。

ad7a8961b8054e70adae603114b88883.jpg 

1.2人工智能+药物挖掘

人工智能药物挖掘主要是通过深度学习和自然语言处理提取和分析大量的生物科学信息-专利、基因组数据和生物医学期刊数据库上的数据信息,利用深度学习算法找出关联并提出相应的候选药物,进一步筛选具有对某些特定疾病有效的分子结构。传统的药物研发领域存在三大痛点:

①研发周期长;②研发成本高;③成功率低。

人工智能+药物挖掘能够有效缩短新药研发周期和降低失败风险。目前通过计算机模拟和借助深度学习,在抗肿瘤药物和常见传染病治疗药等获得了新的突破。目前仿制药占我国国产药的95%左右,药品产能过剩,并且重大创新较少,主要原因在于国内药企研发能力偏弱,研发经费占比低,仅3~5%,国外新药研发企业的研发经费则占15~20%。人工智能在药物挖掘的应用有望改变国内药物研发创新不足的格局。

1.3人工智能+个人健康管理

人工智能健康管理利用人体日常的身体数据,帮助个人实现精准有效的健康管理,从源头减少发病诱因,从而减少家庭医疗支出。2017年华尔街互联网行业权威MaryMeeker发布的《互联网趋势报告》指出,医疗卫生和保健已进入数字化拐点。百分之八十多的消费者使用可穿戴设备等健康数据,而这些结构化的健康数据将会作为数据源帮助消费者进行个人健康管理。

1.4人工智能+辅助诊断

人工智能辅助诊断将数据变为知识,按照数据流的视角大致分为五个步骤:数据集中、数据加工、知识图谱、知识计算、交互设计。具体而言,人工智能+辅助诊疗以患者的病史、症状、检验检查和用药等治疗方案为原始数据,整理出临床治疗经验,融合现存的医学知识,针对各种疾病建立医疗图谱。并在此基础上,通过“阅读”患者的病历或者是临床症状,结合后端的医疗图谱,为医生提示临床医疗方案,为患者提供诊疗方法参考并答疑解惑。

二、人工智能在医疗领域发展迅速的原因初探

2.1医疗健康产业供需严重不平衡

由于医疗资源缺乏和效率不高,目前我国卫生行业存在“看病难、看病贵”问题,没有办法满足人民群众不断增长的医疗需求。随着中国人口老龄化趋势下,疾病高发的数量日益增多,看病需求加大。但是受制于周期长、成本高等特点,培养更多的医务人员“这杯远水”解不了近渴。《2016年中国卫生和计划生育事业发展统计公报》显示,医院卫生技术人员数同比增长5.57%,低于诊疗人次6.17%的增幅,供给跟不上需求的增加。而人工智能在医疗领域上的运用可以大大降低成本和提高效率,弥补医疗健康产业供需严重不平衡。

2.2医疗领域有海量的大数据

国务院办公厅2016年6月发布《关于促进和规范健康医疗大数据应用发展的指导意见》,把生物学资源和医疗大数据作为国家的基础战略资源,纳入了国家大数据战略布局。据预计,医疗数据量到2020年将超过40万亿GB,并且还在以惊人的速度迅速增长。但我国的医疗数据分散在各个医疗机构,利用效率低。并且绝大部分是非结构化数据,大大超出了传统的数据计算处理能力。另外我国医疗数据分散在不同医院机构,深度利用率不高。人工智能领域计算机视觉、机器学习、深度学习等技术突破,可以激活这座沉睡的数据金矿。

2.3医疗行业特征和人工智能技术优势高度吻合

医疗是一个知识、数据密集型的行业。在对失误零容忍的前提下,极其依靠强大的知识储备和处理分析能力进行诊断治疗。

三、国内AI+医疗的发展成果

在国内,但凡新兴的科技领域,都会有BAT角逐的身影,这似乎已经成为“常识”。

7月8日,腾讯旗下AI医学解决方案“腾讯觅影”发布结直肠肿瘤筛查AI系统,利用人工智能技术辅助临床医生实时发现结直肠息肉,并实现实时鉴别息肉性质。其实,这是“腾讯觅影”发布的第二个解决方案,2017年8月“腾讯觅影”发布了早期食管癌筛查AI系统。

“腾讯觅影”结直肠肿瘤筛查AI系统,利用图像识别、深度学习等人工智能技术,与消化内镜结合,实现了辅助临床医生实时发现结直肠息肉,并实时鉴别息肉性质,以每秒分析10张影像的速度,为临床医生提供非腺瘤息肉、腺瘤息肉、腺癌等状态的实时提醒,辅助临床医生更准确、更高效地诊断结直肠肿瘤。

2017年云栖大会期间,阿里健康与浙江大学医学院附属第一医院、浙江大学医学院附属第二医院和上海交通大学医学院附属新华医院分别签约,在人工智能研究、人才培训、智慧医院三个方面推进智慧医疗落地。

目前,阿里健康已经在人工智能医疗领域进行了一系列尝试和探索。比如和医疗机构合作建立的科研数据平台和临床辅助决策系统;通过脱敏病例和数据生成“虚拟病人”,用浸润式的方式来做医生的培训系统;影像智能检测引擎,帮助医生提升效率;用区块链技术,帮助卫计局建立医联体,解决数据互联互通和安全存储安全传输的问题。

阿里健康在人工智能医疗领域探索的另一个方向是健康管理平台,靠天猫、淘宝等整个阿里系的海量用户基数,建立起用户互动平台,帮助用户更好地管理自己的身体状况。

百度在2016年10月份推出了百度医疗大脑,正式将人工智能技术应用到医疗健康行业,医疗健康是百度最看重的垂直领域。百度医疗大脑通过海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计,模拟医生问诊流程,与用户多轮交流,依据用户的症状,提出可能出现问题,反复验证,给出最终建议。目前,百度医疗大脑有两款产品一个是针对患者自诊的平台,一个是为医生服务的、协助医生进行辅助诊疗的平台。

此外,作为在智能语音领域独树一帜的科大讯飞,在人工智能医疗方面的布局主要在三个方面:在智能语音在医疗领域的应用方面,讯飞目前开发了一系列完备的语音电子病历产品,并在多家医院应用。在影像辅助诊疗领域,讯飞目前在肺部CT、乳腺钼靶上都做出了实际应用的产品。还有其人工智能辅助诊疗中心接入了安徽全省40多家医院,能够实时反馈医生提交的影像诊断需求,在1秒内给出结果。在机器人导诊导医的应用方面,目前科大讯飞研究的“晓医”机器人已在全国50多家医院落地应用,提供导诊导医服务。

四、人工智能在医疗领域应用前景分析

人工智能的飞速发展大大提高了医疗数据处理深度和效率。借助大数据分析和深度学习,以及计算机24h不知疲倦等运转优势,人工智能可以将医疗失误降低40%左右。

人工智能未来将从医院、医生、医药、患者四个经营和服务主体出发,充分利用数据储存和处理优势,触及医疗设施设备、诊断、手术、医药电商、挂号问诊、医生社区及工具、慢病管理及可穿戴设备等商业版块,促进医疗服务行业的快速有效更替,为健康服务。

不管怎么样,医疗机器人市场正往看得见、摸得着的方向火热起来。可能大家十分好奇的一件事就是机器人目前在医疗领域当中的应用程度。就目前来说,医疗机器人主要分为以下四类:

4.1血管清道夫

血管机器人的工作地点是血管,因此任何与血管有关的疾病都可派血管机器人去参与治疗。常见的心脑血管疾病外,血管机器人还具有以下血管内部探测,携带药物定点治疗,治疗动脉粥样硬化、去除血块、清洁伤口、帮助凝血、祛除寄生虫、治疗痛风、粉碎肾结石、以及激活细胞能量,使人不仅保持健康,而且延长寿命。血管机器人甚至能够辨别所处环境(探测人体内标识疾病信号的细胞);做出相应判断(一旦确定这些细胞出现癌变,即进行治疗);并遵循程序完成相应的任务(它们可携带一些治疗癌症的药物)。

4.2医疗影像诊断机器人

现在有很多医生离开了各种仪器就无法看病,因为他们没有把握不敢确诊,甚至有很多庸医误诊导致病人病情越来越严重,耽误了最佳的治疗时间。由于机器学习和深度学习,计算机视觉一直是最显著的技术突破之一,也是机器学习在医疗界特别活跃的应用领域。随着深度学习变得越来越普及,以及更多的数据源(包括形式丰富多样的医疗图像)成为人工智能诊断过程的一部分,深度学习可能在诊断应用中发挥越来越重要的作用。换句话说,机器人有着来自很多医生经验,能给出最正确的建议。但是,这其中也需要医生的协助,因为这是人命关天的大事!

4.3外科手术机器人

说起手术机器人,最有名的就是达芬奇机器人了。人们可能会害怕一台冰冷的机器在自己的身体上完成手术,但是不用担心,它仍由外科医生控制,医生掌握输入设备,机器人按指令在患者身上操作。达芬奇机器人由三部分组成,外科医生控制台、床旁机械臂系统、成像系统。它的好处是,医生可以坐着进行手术,舒适的坐势有利于长时间复杂的手术,是对医生身体的解放,可以避免长时间手术中医生出现手抖的状况。此外,医生借助机械臂进入腹腔进行手术,避免与患者的直接接触,减少感染风险;而且手术切口较小,患者恢复时间自然更快。

4.4康复机器人

康复机器人可以有效的辅助和治疗老年、永久或临时的残疾患者以及行动不便的人群,通过深入研究人体运动康复规律,为病人提供有效的身体恢复方案。患者通过视觉反馈和各种输入设备控制机器人,从而执行简单的任务。可以有效促进患者的神经系统的功能重组,代偿和再生,缓解肌肉萎缩和关节萎缩。智能康复机器人在精度、稳定性、力量等方面有着人类无可比拟的优势,可以改变传统"一对一"的繁重训练过程,吸引患者短期内完成高强度、多频次的康复训练。解放了康复治疗师的部分体力,优化了医护资源。

4.5AI与药物研发

近期我国药政频发使创新药物研发获诸多“政策红利”,目前我国新药研发面临研发时间、成本及资金三座大山。人工智能助力药物研发,可大大缩短药物研发时间、提高研发效率并控制研发成本。人工智能助力药物研主要体现在临床前和临床研究上。在临床前通过深度学习,提高药物筛选效率并优化其构效关系,在临床研究过程中结合医院数据,可快速找到符合条件的受试病人。下表列出了目前人工智能在药物研发中主要领域的情况。人工智能在医疗中应用的最大的价值无疑将是药物研发,近日赛诺菲宣布与Exscientia签订一项潜在价值为2.5亿欧元的合作和许可交易,用于开发针对代谢疾病的双特异性小分子药物。前几天药明康德整理了全国9家值得关注的人工智能药物研发初创公司,对每一家企业的研发情况进行了分析。人工智能在药物研发中的潜力是巨大的,未来必定能在医学史上绽放光彩。

在医疗机器人这一新兴行业,目前中、美、欧都处于萌芽期,中国可以加大对医疗机器人研发的支持力度,实现"弯道超车",人工智能已然成为了未来优先发展的战略技术。未来将拥有越来越智能的机器,为人类的工作提供更多的辅助。对于这些即将来到我们生活的技术,可能会给我们带来巨大的进步,也可能成为导致人类灭亡的重要因素。因此,我们也要为它们可能造成的不适做好准备,在科技进步与人的感情之间取得平衡。

4.6AI+医疗,前路漫漫

就目前来看,人工智能在医疗健康领域的应用,还处于简单融合的初级阶段。要想全面落地,还有许多壁垒。比如,在医疗领域,“数据孤岛”一直存在。

将人工智能技术应用于医疗行业,数据处理是关键。在技术层面,目前人工智能技术的应用大多体现在对影像资料和数据的分析上。而人工智能如何通过与病人的直接接触和互动交流来实现精准诊断和治疗,依然是一道技术难题。同时,“人工智能+医疗”的普及,还面临着行业标准的建立、监管体系的完备、社会观念的更新等一系列问题。

其次,尽管一直在探索,但目前并未形成较为成熟的人工智能医疗盈利模式。当前中国公立医院的特性是非营利性机构,企业和具有公益性质的非营利性机构合作如何获取利润?医疗是个信息极度不对称的领域,人工智能医疗方面盈利模式的核心在于解决不对称的两端的痛点,这是一个复杂的难题。同时民营医院多数自身经营不错,如何说服民营医院进行合作也是一个挑战。

总结

“互联网+”之后,“AI”已经成为各行各业的共识和追逐的热点。AI+医疗早已不是炒作,而是确实的存在。目前,人工智能赋能医疗领域的场景主要表现在:虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究报告等模块。其中的医学影像和疾病风险管理是当前最热门的两大应用场景。