7月1日,由武汉国家生物产业基地建设管理办公室主办、火石创造承办、光谷健康智慧园协办的《医疗大数据与医学人工智能高峰论坛》在武汉中国光谷科技会展中心闭幕。
IDC曾预测截至2020年全球医疗数据量将达到40万亿GB,大约是2010年的30倍之多。可以说,信息化和医疗数据的规模和质量推动了医疗健康的进步和发展。人工智能在医疗大数据领域的参与度非常之高。相比人脑,人工智能的优越性在于可以更高效地处理海量数据,迅速找到一些特征和规律,在图像识别上,人工智能的优越性表现的特别突出。人工智能可以利用庞大的医学知识库和数据库,建立医生的临床辅助决策系统,帮助医生进行诊断。
从2015年末起,国家多部委机关高频率出台多项政策,持续加码鼓励医疗大数据、医疗人工智能等新技术在医疗健康领域的应用和创业。智能医疗必将深入医疗的各个领域,构建辅助诊断、辅助治疗、药物研发、医院管理等支持系统,拓展公共卫生监测评估、传染病疫情预警等应用,发展远程医疗和便携智能化健康医疗设备等。
7月1日,在第二届“中国光谷”国际生物健康产业博览会期间,由武汉国家生物产业基地建设管理办公室主办、火石创造承办、光谷健康智慧园协办的《医疗大数据与医学人工智能高峰论坛》在武汉中国光谷科技会展中心闭幕。
医疗领域内众多专家、优秀企业创始人和资深投资人就医疗大数据与医学人工智能领域众多问题进行了精彩讨论;各界大咖共同探讨分享典型创新案例,探讨行业未来发展之路,基于会议链接并促成更多优秀创新项目与资本,项目与大企业的精准合作。
湖北省卫计委副主任姚云、武汉国家生物基地办副主任丁慧琛在开幕式上致辞,卫计委卫生科技发展研究中心副主任代涛对相关行业政策进行解读,中国生物技术发展中心数据工作协作组张九天博士围绕国家临床医学研究数据分析与数据平台建设的思考进行主题演讲、光谷智慧健康园日前正在争取全国医疗大数据产业中心落户,姚军总分享了光谷智慧健康园如何利用自己的优势与医疗大数据产业一起发展与成长。
火石昨日发布的医学人工智能领域行业报告显示:中国目前已经成为全球领先的AI研发中心(全球两个引擎——美国、中国),目前国内可统计的医学人工智能公司144家,主要分布在北京、广州以及长三角地区。
基于整个医学人工智能到底解决哪些问题,火石做了3层分类:第一类做基础层,包括海量数据、算法框架和存储与计算能力。第二是技术层,感知智能、认知智能,包括自然语言处理、图象识别等。最后是应用层,包括药物研发、辅助诊疗、健康管理、医疗机器人、可穿戴设备、虚拟助手等等。
国内医学人工智能图谱,火石做了九项分类,分别为:医学影像(25家)、智能机器人(9家)、虚拟助手(5家)、药物研发(3家)、辅助诊疗(41家)、健康管理(37家)、语音交互(8家)、信息化管理(25家)、其他(3家)。
全球医学人工智能图谱略区别于国内。在治疗环节中,药物研发部分上的数据,国外这部分创业公司比例比较多。从康复来说,除了健康管理、可穿戴以外还有患者数据与风险预测,这部分变成了独立的。但这个领域在国内目前涉及厂商非常少。
风险投资方面,系统显示,国内人工智能领域相关投融资记录共93笔 ,其中57笔披露明确金额。辅助诊疗获投最多 。
近三年,全球医疗+AI融资活跃度逐年升高,从国内外投融资轮次及时间分布热力图来看,中国跟全球的距离非常近,基本上实现同步走。
火石创造CEO杨红飞显示现场展示了“医学人工智能微笑曲线”,他说,这也是一个产业链的本质。整个医学人工智能领域里有四个场景,第一个是供给,即数据采集,第二是数据流通,第三是数据分析,最后是需求。数据交易的市场完善与分析算法的趋同,使得这两个领域附加值不断降低。虽然在数据流通以及交易上没有产生产业,但最后一定是垄断的部分,而真正的增值上最大的量来自于数据采集以及最后提供的个性化方案。
丁香园创始人现场展示了丁香园与中南大学湘雅二医院、大拿科技三方跨界合作的成果--皮肤病人工智能辅助诊断系统:结合人工智能技术以及皮肤病图像与专家资源皮肤病领域专家经验,并融入丁香园自身对于医生需求以及医疗互联网产品的理解,以及设计、开发与运营的丰富经验,以实现AI辅助皮肤病临床诊断和患者管理。
丁香园所扮演的角色,第一阶段帮助建立疾病的采集以及疾病出现同病不同损以及同损不同病医学解读;第二是处方建议以及医学建议;第三个阶段是做医生管理和患者教育,最终实现商业闭环。目前仍处于第一阶段--建立智能引擎,不断调整算法将特异性调整得更好。
优质项目自然也需要优质资本进行助力。1日会议现场,平安创投董事兼总经理张江先生向创业者提出了5点建议:
第二,资源结合。医疗是一个非常强监管、聚焦资源的行业,AI需结合场景应用,因此注重多学科交叉,多种资源结合
从政策到学术研究、从产业到资本,1日上午的圆桌论坛中,各位行业大佬就“患者大数据与人工智能如何有机结合”展开了精彩的思辨。
代涛表示,目前在国内,健康医疗大数据更多的是归政府和政府所属机构所有。健康医疗数据交易的规则、价格的确立都还没有建立,但实际上这也是商业机会,需要政府和企业的共同探索。他提到数据开放共享,是所有工作的基础。
张九天博士举例,在澳大利亚所有的企业收集的数据都要汇总,任何人都可以发起请求用数据。这个趋势肯定是不可逆转的,社会力量应该不断应用各种新的方式方法,把数据用活。
2.医学人工智能在相对长的一个时间之内,都不能挣钱,对于资本对于创业者来说,是否还有动力参与其中?
认为,人工智能一定跟场景结合。因此,要从如何实现这个场景商业化或者服务闭环,反过来思考需要哪些移动医疗技术或者人工智能数据,更容易实践商业模式。
张江从投资机构角度出发提出,创业者往往是从技术角度出发,缺乏大规模应用场景。而投资机构缺乏的恰好是数据,两者强强联手可以互相打通更好的实现商业化。
1.标注。人工智能80%的时间都是在数据预处理的工作, Airdoc创始人兼CEO张大磊认为,接下来两到五年之内,小样本学习在理论层面会获得足够的突破,近两年之内没有什么好的办法,还是要大量医生去标注。
2.数据质量问题。医生决策是高度个性化的,在把弱标签变成标注的过程中,往往就会有很多技术之外的因素存在。这些技术之外的因素如果不处理好,很可能产生数据污染。
6.市场还是处于慢慢培育过程中。从认识到被接受再到相应支付体系的完善,以及到医保的介入,都需要一个很长的过程。
树兰医疗云服务研究院副院长居斌博士展示了目前初步的AI研究成果1)面向细胞形态学的骨髓细胞识别算法,很快会进入医院临床进行终试2)电子病历文本后结构化技术处理3)愿景是最终打造BetaDoctor辅助医生,能自己看片,根据专家支持能推断出可能的疾病。
大数医达CEO邓昳现场介绍了公司自主研发的RxThinking系统,它可帮助医生对患者进行诊断和选用治疗方案的人工智能辅助诊疗系统。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,运用大数据建立医学图谱。并在此基础上,用机器学习方法,在几秒内筛选数患者病历果,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。
兰丁医学创始人兼CEO 孙小蓉博士会上详细介绍了兰丁医学利用人工智能在大规模宫颈疾病诊断中的创新应用。利用人工智能的方式让机器深度学习,达到早期癌细胞检测的自动化、智能化、标准化、网络化,让AI助力实现肿瘤早期诊断。
百度大脑里包括复诊、自诊、导诊,并且包括个性化体检。 百度大数据实验室主任范伟博士现场展示了智能医疗系统参与的未来就医流程,并且包括个性化体检。 并详细阐述了百度是如何 做复诊与自诊机器人的。
火石多次报道过的“阅片机器人”就是基于大数据深度学习技术驱动医学影像的智能诊断,健培科技CEO程国华在会上介绍了健培的最新进展:糖尿病性视网膜病变检测、乳腺癌细胞检测以及脑体自动分割。
“我的理想就是希望用人工智能解决中国人看病难的问题,提高中国医生的一致性问题,希望三甲医院的医生能不这么忙,能真正解决一些相对疑难病种,这是我希望看到的。” 范伟博士的愿望很朴素也很真实。这或许就是医疗大数据与医学人工智能原本的样子。