醫(yī)生已經(jīng)成為全球自殺率最高的職業(yè)。而近幾年來，AI技術(shù)的引入則為整個醫(yī)療健康行業(yè)帶來了曙光。

醫(yī)生已經(jīng)成為全球自殺率最高的職業(yè)。根據(jù)2018年由醫(yī)師基金會發(fā)布的報告顯示，有多達78%的受訪醫(yī)生表示偶爾會感到精神萎靡——這個數(shù)字比2016年的調(diào)查高出4%。此外，醫(yī)生的自殺率已經(jīng)達到普通群體的2倍。據(jù)估計，在美國每年有300到400名醫(yī)生因此而失去生命。這是相當(dāng)可怕的一個數(shù)字。

我們知道，引發(fā)醫(yī)生產(chǎn)生焦慮的原因有很多，比如門診壓力、醫(yī)療事故問題、醫(yī)患關(guān)系緊張等等，每個問題單獨拿出來都是一個非常棘手的課題。尤其是在我國醫(yī)療資源分布不均的大環(huán)境下，所有的問題也被加倍放大。而近幾年來，AI技術(shù)的引入確實為整個醫(yī)療健康行業(yè)帶來了曙光。

具體地，AI在醫(yī)療健康行業(yè)中的應(yīng)用包括了醫(yī)療機器人、智能藥物研發(fā)、智能診療、智能影像識別、智能健康管理等方向。其中，智能診療和智能影像識別是最核心的兩大應(yīng)用場景，而后者也是AI與醫(yī)療結(jié)合最成熟的領(lǐng)域。

據(jù)《醫(yī)療影像的市場圖譜和行業(yè)發(fā)展分析》報告指出，預(yù)計到2020年中國醫(yī)學(xué)影像市場規(guī)模將達6000億至8000億左右。這樣的市場機會引來了諸多科技企業(yè)的爭相進入，包括騰訊、阿里巴巴以及一批又一批的醫(yī)療AI創(chuàng)業(yè)公司。醫(yī)準智能正是其中的活躍者之一。

提高醫(yī)生閱片準確率和診斷水平

作為國內(nèi)在AI醫(yī)療影像領(lǐng)域最早的實踐者，醫(yī)準智能的核心團隊早在2014年就開始了相關(guān)研究，并在2017年正式成立公司。多年來，醫(yī)準智能一直專注于AI輔助醫(yī)療影像診斷，并已經(jīng)推出了兩款產(chǎn)品——肺結(jié)節(jié)智能檢測系統(tǒng)和乳腺鉬靶智能檢測系統(tǒng)。

據(jù)醫(yī)準智能首席AI官王子騰日前在接受記者采訪時介紹，醫(yī)準智能肺結(jié)節(jié)智能檢測系統(tǒng)在短短18秒的時間里就能智能檢測300-500張CT，并且3mm以上的結(jié)節(jié)檢出率達到了99%，假陽性率控制在平均每個患者2個以內(nèi)；在磨玻璃結(jié)節(jié)檢出上，精準率也達95%以上，結(jié)節(jié)定位能夠精準到肺段。

醫(yī)準智能肺結(jié)節(jié)智能檢測系統(tǒng)界面示例

呼吸道及肺部病癥如今成了普遍問題，而肺癌也是發(fā)病率最高的癌癥。據(jù)統(tǒng)計，在我國三甲醫(yī)院平均每天接診的肺部患者有400人左右，由于肺部拍片是斷層掃描，醫(yī)生要檢查一個完整的肺部，需要看數(shù)百張的成像數(shù)據(jù)，通過肉眼識別用時大概在半小時左右。“因為醫(yī)生要觀察和判斷片子中的每一個點，定位每一個病灶的位置，并且測量大小、看良惡性，最終還要寫成報告。”王子騰解釋道。

而借助于肺結(jié)節(jié)智能檢測系統(tǒng)，不僅可以幫助醫(yī)生在10幾秒時間里實現(xiàn)快速檢測，同時還能直接輸出一個電子報告供醫(yī)生進行二次審核。不僅操作簡單，還節(jié)省了大量的時間。

另一款產(chǎn)品，醫(yī)準智能瞄準的仍然是醫(yī)療中的一個棘手難題——乳腺癌。其乳腺鉬靶智能檢測系統(tǒng)是我國首個乳腺智能檢測系統(tǒng)，據(jù)了解，該系統(tǒng)的病灶檢出率達到93%，在1個假陽性前提下，良惡性檢測準確率達到94%。

醫(yī)準智能乳腺鉬靶智能檢測系統(tǒng)界面示例

王子騰表示，目前，這兩個系統(tǒng)已經(jīng)在全國許多醫(yī)院投入臨床使用，并得到了CFDA（國家食品藥品監(jiān)督管理總局）的認證，極大提高了臨床醫(yī)生的閱片準確率和診斷水平。

讓醫(yī)生一邊看病一邊搞科研

與此同時，醫(yī)準智能正在開發(fā)的還有數(shù)十個產(chǎn)品，不只是乳腺超聲、DR胸片檢測等臨床輔助診斷系統(tǒng)，今年5月醫(yī)準智能還與IBM一起合作發(fā)布了AI醫(yī)學(xué)科研平臺——達爾文智能科研平臺。

隨著近幾年來技術(shù)的創(chuàng)新和設(shè)備的升級，據(jù)統(tǒng)計，醫(yī)療數(shù)據(jù)正在以接近100%的超高速增長，其中有80%的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)。相比較而言，醫(yī)生的年增長卻只有個位數(shù)，其中大部分還是基層醫(yī)療從業(yè)人員。因此，數(shù)據(jù)收集與處理正成為制約醫(yī)療與科研發(fā)展的瓶頸。AI與醫(yī)療的結(jié)合將有助于解決這一問題，從數(shù)據(jù)收集、組織、標(biāo)注，到模型的構(gòu)建、訓(xùn)練等端到端的全生命周期，幫助醫(yī)生實現(xiàn)一邊看病，一邊搞科研。

達爾文智能科研平臺正是這一背景下的產(chǎn)物。這是一個一站式醫(yī)療影像人工智能平臺，內(nèi)置了Watson Machine Learning Accelerator和醫(yī)準智能影像組學(xué)雙平臺，以及醫(yī)準智能在影像組學(xué)上的深度研究實踐，支持包括CT/MR/DXR等多種類型的數(shù)據(jù)，具備標(biāo)注工具、特征提取、模型訓(xùn)練以及模型實施一體化特征。通過Watson Machine Learning Accelerator平臺，用戶可以直接調(diào)用醫(yī)準智能的肺部和乳腺智能檢測結(jié)果，快速搭建高精度低假陽性率的肺結(jié)節(jié)和乳腺AI模型，同時，平臺還允許用戶根據(jù)具體需求進行研發(fā)和調(diào)整，并確保數(shù)據(jù)不出院，最大限度保證數(shù)據(jù)安全可控。

醫(yī)準智能首席AI官

“過去醫(yī)生自己做研究，因為缺少技術(shù)開發(fā)知識，就必須把數(shù)據(jù)交給第三方公司進行分析。但借助于達爾文智能科研平臺，醫(yī)生只要進行簡單的拖拽和點擊操作，就可以自主完成從數(shù)據(jù)標(biāo)注到科研模型訓(xùn)練，再到應(yīng)用的全部流程。”王子騰表示。

比如，在數(shù)據(jù)組織階段，平臺可以提供自動分割功能和標(biāo)注工具，借助AI自動進行病灶分割和自定義病灶區(qū)域，幫助醫(yī)生進行數(shù)據(jù)處理，提升效率；在影像導(dǎo)入到系統(tǒng)后，AI會自動對影像進行一次分割，醫(yī)生可以選擇其中的優(yōu)質(zhì)結(jié)果作為科研素材；此外，醫(yī)生也可以選擇通過標(biāo)注工具對影像進行主動標(biāo)注，或者修改AI的自動分割結(jié)果作為科研素材。

“當(dāng)然，平臺的產(chǎn)出不會只停留在科研階段。根據(jù)醫(yī)生的科研結(jié)果，平臺還能幫助醫(yī)生逐漸進行產(chǎn)品的迭代和升級，最后與產(chǎn)業(yè)中的企業(yè)合作，實現(xiàn)科研成果的產(chǎn)業(yè)化落地。”IBM中國系統(tǒng)開發(fā)中心技術(shù)解決方案總監(jiān)崔瑋強調(diào)說。

IBM中國系統(tǒng)開發(fā)中心技術(shù)解決方案總監(jiān)崔瑋

無IA，不AI

在IBM看來，隨著AI進入規(guī)模化生產(chǎn)和應(yīng)用，數(shù)據(jù)管理難題會越來越凸顯，比如數(shù)據(jù)攝取和準備的周期太長，多元數(shù)據(jù)的難以聚合，如何將處在不同基礎(chǔ)架構(gòu)孤島中的數(shù)據(jù)流動起來，以及如何安全地管理和保護數(shù)據(jù)，確保可追溯性，并實現(xiàn)全球可訪問和協(xié)作等等。“在這背后，基礎(chǔ)架構(gòu)的支撐會變得越來越重要。”IBM大中華區(qū)系統(tǒng)部存儲系統(tǒng)總經(jīng)理吳磊表示。

IBM大中華區(qū)系統(tǒng)部存儲系統(tǒng)總經(jīng)理吳磊

舉例來說，在此次醫(yī)準智能與IBM的合作中，醫(yī)準智能主要提供高效領(lǐng)先的AI算法驅(qū)動，而IBM提供的則是強大算力和數(shù)據(jù)管理的支持。如果分解開來看，達爾文智能科研平臺實際上是IBM Power、Spectrum Scale、IBM Watson Machine Learning Accelerator的端到端IA組合——即由OpenPOWER服務(wù)器提供超強算力，與Distributed Deep Learning相結(jié)合提供強大的線性擴展能力；由Spectrum Scale為集群化的AI平臺提供穩(wěn)定、高效和安全的數(shù)據(jù)平臺支持；由Watson Machine Learning Accelerator作為開放性AI平臺的代表，為上層應(yīng)用提供可靠的平臺支持。

其中，Spectrum Scale雖然是個“新瓶”，裝的卻是“老酒”。據(jù)吳磊介紹，它之前的名字叫做GPFS（General Parallel File System）——通用并行文件系統(tǒng)。如果追溯的話，這個系統(tǒng)的發(fā)展歷史已經(jīng)有25年之久。此前，IBM打敗國際象棋冠軍卡斯帕羅夫的深藍計算機和后來在智力競賽節(jié)目Jeopardy中戰(zhàn)勝了兩名前人類冠軍的Watson，它們基于的都是這個系統(tǒng)。

“隨著AI進入規(guī)模化生產(chǎn)和應(yīng)用，它就需要與企業(yè)業(yè)務(wù)進行融合，在這一過程中，數(shù)據(jù)成了核心。而每個數(shù)據(jù)都需要載體，包括計算力、存儲性能、網(wǎng)絡(luò)吞吐量等等，只有這樣，數(shù)據(jù)流通才能完成。比如，IBM的創(chuàng)新存儲產(chǎn)品可以幫助企業(yè)部署一個治理平臺，把用于AI 模型的數(shù)據(jù)統(tǒng)一起來，讓它們從離散到聚合，從離線到在線，從靜止到流動，形成端到端的數(shù)據(jù)管道，實現(xiàn)企業(yè)數(shù)據(jù)隨時隨地存儲，隨時隨地獲取。“

“因此，IBM一直堅信‘無IA，不AI’，我們希望能夠通過高效、可靠而開放的現(xiàn)代化架構(gòu)，助推AI不斷向企業(yè)、產(chǎn)業(yè)延伸和落地。”吳磊表示。