取消
搜索历史
热搜词
原创
活动
创新2.0
I T
产业
当前位置:首页 >人工智能 > 正文
北大任秋实教授:产、学、研、医四大势力如何有效交叉融合,才能普惠医
来源:AI掘金志  作者: 2017-09-20 11:19:15
AI及大数据对于医疗创新有着重要意义,北京大学也高度重视这方面的发展,进行了多学科的交叉研究,目前北大专门成立一个健康大数据研究中心,结合了数学系、计算机系、生物医学的教授、临床专家形成的研究中心,希望在算法方面能够有所创新。同时,通过多模态的医学影像能够提升智能辅助诊断的精准性,这一点国家也组织了很多大的课题,试图通过影像组学的研究能够提供更多的维度,来更精准的定位和更精准的诊断这种复杂的疾病。

“目前我国在高端医疗装备领域相对比较落后,再者我国人口基数大,病情复杂,如何实现中国在高端医疗装备领域的跨越发展已成当务之急。”任秋实教授说道。

在他看来,健康问题不止体现在一线、二线发达城市,此问题在很多偏远的、缺医少药的地方也很凸显。高端医生下乡就诊只能解决一时问题,现实状况不能得以有效改变。

他表示:“人工智能与医疗的交叉融合至关重要。我们希望设备制造商能够基于健康医疗大数据人工智能,把算法集成在设备当中,真正形成智能化的治疗设备,使疾病的诊断和治疗得到更好地普及。”

就此,任秋实教授认为,未来中国可以在产、学、研、医四个方向努力,融合建立产业转化的平台。

·首先高校可以在算法的创新与医疗技术创新方面对整个大数据人工智能领域作贡献。

·医院可以通过应用更好的医疗技术获取更多的大数据,然后从数据纬度方面给应用提供新的思路和新的方法。

·互联网公司能够将有效的算法和高纬度的数据有机整合在一起,更好的进行普及与传播。

·同时,作为装备制造商,能够在终端集成智能化的诊断方案,形成一个有效的创新的新路径。

与此同时,为了更加清晰地介绍医疗技术如何结合大数据人工智能以推动医疗装备产业的发展。任秋实教授还分享了几个具体案例。

一、眼底病的智能诊断:任秋实教授团队研究了一种新型的基于眼底多光谱的成像系统,它可以把不同谱的光对眼底进行成像,有500纳米—850纳米不同波段的成像,通过这些成像可以看到视网膜的表浅到深入层,然后清晰地分割出来,使得在图象处理上更加简单易行,而不是简单的依靠大数据的获取。

二、视盘前增值膜:通过分析570纳米和600纳米之间图像的差异,主要表现在含氧血红蛋白对两个光谱的吸收程度,根据差异可以算出眼睛内血氧饱和度。目前AlphaGo的图像分析主要是根据图像的结构成像,如果通过多波长的成像加上两个光谱不同状态下含氧血红蛋白和缺氧血红蛋白的差异,就可以计算与血养饱和度的分布,形成功能性的成像,这样做最大的好处是在于他们对很多疾病的发展状态可以进行及早的辨识。

三、分子医学影像:北大分子医学影像实验室做了基于人体PE/CT自动肿瘤的识别,在肺癌的诊断方面做了一些基于大数据人工智能的一些探索,成功实现了一些算法。

以下是任秋实教授的演讲全文,雷锋网AI掘金志作了不改变原意的编辑:

中国目前在高端医疗装备领域相对落后,但由于我们人口众多、疾病复杂,在健康大数据的获取方面有着得天独厚的优势。如何把两个问题有机结合在一起,实现中国在高端医疗装备领域的跨越发展成为当务之急。

AlphaGo打败世界围棋冠军开启了人工智能的新纪元,AlphaGo的成功得益于计算机的发展和大数据的积累。而在与民生相息的医疗领域,过去两年也爆发式发展。从国家层面来说,目前该领域已经被高度重视,被定位为国家基础战略性资源。

由此,AI与医学影像的交叉融合迎来了一个关键点。

但现实状况也不容乐观,健康问题不止体现在一、二线发达城市,在偏远的、缺医少药的地方也很常见。目前,随着我国经济的不断发展,医疗装备技术的不断提升,很多先进的医疗装备在中国都可以自主制造。在装备制造普及的同时还有一个最大问题就是医生的配套。

如果仅靠城市的高端医生下乡支持只能解决一时问题;但如果通过AI、大数据、远程诊断相结合就能很好地解决这个问题。这也是为什么在过去的几年中,AI在医学影像读片应用方面得到了很大的普及,同时也吸引了众多的投资者。从创业的投资热情来看,AI在医学图像领域当中可以说是方兴未艾,在中国有很好的发展潜力。

在这里我主要谈一下,如何以技术创新进一步推动大数据人工智能产业的发展。也就是说从产、学、研、医四个方面如何交叉融合建立产业转化的平台。

首先作为高校可以在算法的创新与医疗技术创新方面对整个大数据人工智能作贡献。

医院可以通过应用更好的医疗技术获取更多的大数据,然后从数据纬度方面给应用提供新的思路和新的方法。

互联网公司能够把有效的算法和高纬度的数据有机整合在一起,更好的进行普及。

同时,作为装备制造商,能够在终端集成智能化的诊断方案,形成一个有效的创新的新路径。

从这来看,具体可以分享几个案例。

案例之一是眼底病的智能诊断。

医疗的重点是预防而不是治疗。

眼睛作为心灵的窗口可以有效地进行疾病的诊断和病态的识别,但临床应用有很多痛点,最大的痛点就是眼底病在全国由于糖尿病的高发会引起大量的并发症。目前我国已经有9千万眼底病患者,但真正的眼底病医生不到一千人,在此形势下,如何利用AI及大数据与先进的医疗技术创相融合从而避免糖网病、青光眼显得尤为重要。

在此需求下,谷歌在2016年开展了一个非常有价值的研究。Deepmind团队在英国通过对12张糖网病的勾划,形成一套对糖网病分类准确率非常高的算法,这个算法可以对糖尿病进行体检过程中相应的状况进行分级和提前筛查。

值得一提的是,目前即使用最好的算法也仅仅停留在糖尿病的分级层面,对于更复杂的眼底疾病,计算机能够发现一些非常明显的症状,但对于一些微血管的堵塞,图像变化非常细微,能否使用算法将其筛查出来就需要更复杂的病例、更多的数据对其进行区别,通过也需要大量的医生进行配合,将这些图像清洗、勾划。

所以说,无论是技术的推广还是原始算法的发展都还存巨大挑战。所幸的是,这其中可以通过新型技术解决我们在算法上级病例积累中的一些不足。

我们研究了一种新型的基于眼底多光谱的成像系统,它可以把不同谱的光对眼底进行成像,有500纳米—850纳米不同波段的成像,通过这些成像我们可以看到视网膜的表浅到深入层,可以清晰的分割出来,使得我们在图象处理上更加简单易行,而不是简单的依靠大数据的获取。

这个技术有一个很好的应用,眼底视网膜变性在黄斑部分有明显的视网膜出血,在一般白光条件下或者可见光条件下看的不是十分明显,但是在近红外光的情况下,病层就非常明显,通过三维显示可以把病变准确的显示出来,这就使得我们不需要用那么多的数据案例和比较强大的人工智能的算法,就可以有效的把这些很难区别的病变区别出来。

值得一提的是,眼底多光谱成像系统目前已经在临床上应用了。

案例之二是视盘前增值膜。

视盘前增值膜在白光照射下很难分辨,如果完全靠图像、原始算法,我们需要积累大量病例才可以区别这种细微的变化,通过多波长的先进技术可以将它很好地进行区别,在这个基础上再进行数据的积累和学习,对我们疾病诊断的准确性和前沿性的预测方面就有很大的提高。

在这个基础上我们做了深度的数据分析,我们通过分析570纳米和600纳米之间图像的差异,主要表现在含氧血红蛋白对两个光谱的吸收程度,根据差异可以算出眼睛内血氧饱和度。目前AlphaGo的图像分析主要是根据图像的结构成像,如果我们通过多波长的成像加上两个光谱不同状态下含氧血红蛋白和缺氧血红蛋白的差异,就可以计算与血养饱和度的分布,形成功能性的成像,这样做最大的好处是在于我们对很多疾病的发展状态可以进行及早的辨识。

通过这两个数据的对比,我们不仅可以看到病变的发生,同时可以及早的预测眼底疾病的发生和发展,为我们实现眼底视觉健康能够提供一个有效的诊断途径。

案例之三是分子医学影像。

分子医学影像在中国对肿瘤的早期诊断和分期具有很大帮助。

中国肿瘤发病率占全世界的40%,而死亡率占60%。也就是说这其中存在很大的改进中间,从X光到CT到核磁共振到PET/CT,我们实现了从结构成像到结构功能成像的融合,对于疾病的预测提供了很好的工具。

无奈的是,PEC/CT这种高端装备一直掌握在国际三大巨头手中,目前我们已经成功实现了PET/CT的国产化,使得目前国内有了自主知识产权的利器。

据我所知,在中国能够读PE/CT片的医生不到800人,未来两到三年会有两到三千台PE/CT的需求,而这就会造成巨大逆差,这里面可以借助大数据人工智能。北大分子医学影像实验室做了基于人体PE/CT自动肿瘤的识别,在肺癌的诊断方面我们做了一些基于大数据人工智能的一些探索,成功实现了一些算法。

这三个案例可以清楚的告诉我们,以医疗技术创新为主,再结合大数据人工智能可以推动我国医疗装备产业的发展。

精准医学是未来的医学发展趋势,通过分子诊断和基因测序可以找到我们身上的肿瘤携带物和靶点,结合分子影像不仅知道我们身上是否存在癌变细胞,同时可以精准定位,知道它在什么地方、有多大、有没有扩散。通过这些信息,使得未来我们对癌症的治疗可以达到更精准、更及时。

总的来说,AI及大数据对于医疗创新有着重要意义,北京大学也高度重视这方面的发展,进行了多学科的交叉研究,目前北大专门成立一个健康大数据研究中心,结合了数学系、计算机系、生物医学的教授、临床专家形成的研究中心,希望在算法方面能够有所创新。

同时,通过多模态的医学影像能够提升智能辅助诊断的精准性,这一点国家也组织了很多大的课题,试图通过影像组学的研究能够提供更多的维度,来更精准的定位和更精准的诊断这种复杂的疾病。

因此,在不久的将来我们可以期待有更多更好的数据来源和数据平台。我们最终希望设备制造商能够基于健康大数据人工智能把算法集成在设备当中,真正形成智能化的治疗装备,使疾病的治疗能够更好地普及。

编辑:张洁
关键字:       人工智能  卫生医疗  大数据 
活动 直播间  | CIO智行社

分享到微信 ×

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。