人工智能再次战胜人类，强势闯入医疗界

人工智能医疗健康大数据

王梓 | 2017-05-02 16:56

【数据猿导读】人工智能技术在物流、医疗、金融、产业物联网等很多领域都有现实应用。对于关乎每个人健康的医疗领域而言，不管医生是不是接受，人工智能(已强势闯入医疗界

人工智能技术在物流、医疗、金融、产业物联网等很多领域都有现实应用。对于关乎每个人健康的医疗领域而言，不管医生是不是接受，人工智能(已强势闯入医疗界。

最近有两条消息再次把人工智能推向了高潮：

1.2017两会中人工智能第一次出现在政府工作报告中，关注人工智能的科技界因此热血沸腾。

2.世界癌症日2月4日当天，IBMWatson医生第一次在中国"出诊"，仅用10秒就开出了癌症处方。

在这个时代，学习和思考已经不是人类的特权，人工智能能够拥有人类已有的能力已经成为可能，比如，IBMWatson。

IBMWatson可以在17秒内阅读3469本医学专着、24.8万篇论文，69种治疗方案、61540次试验数据、10.6万份临床报告。通过海量汲取医学知识，包括300多份医学期刊、200多种教科书及近1000万页文字，IBMWatson在短时间内可以迅速成为肿瘤专家，拥有更强大脑的癌症专家。在印度，Watson医生为一名已经无药可救的癌症晚期患者找到了诊断方案；在日本，Watson医生只花了10分钟就确诊了一例罕见白血病，

在世界癌症日2月4日当天，IBMWatson医生第一次在中国"出诊"，仅用10秒就开出了癌症处方。再次引发舆论热潮，把人工智能+医疗推向了高潮。

不管医生是不是接受，人工智能(AI)已经强势闯入医疗界，让我们一起回顾一下，人工智能战胜人类的那些事件。

1.Science报道自学习式人工智能可协助预测心脏病发作

Science杂志报道了英国诺丁汉大学流行病学家StephenWeng博士团队发表在PLOSONE上的重要研究成果，Weng博士团队将机器学习算法应用于电子病历的常规数据分析，发现与当前的心脏病预测方法相比，深度学习算法不仅可以更准确地预测心脏病发病风险，还可以降低假阳性患者数量。

在这项新研究中，Weng和其同事对比了ACC/AHA指导方针和4个机器学习算法：随机森林（randomforest）、logistic回归（logisticregression）、梯度提升（gradientboosting）以及神经网络（neuralnetworks）。为了在没有人类指示的情况下得出预测工具，所有这4项技术分析了大量数据，被分析的数据来自英国378256名患者的电子医疗记录，目标是在与心血管疾病有关的记录之中找出发病模式。

2.人工智能诊断皮肤癌准确率达91%

斯坦福大学一个联合研究团队开发出了一个皮肤癌诊断准确率媲美人类医生的人工智能，相关成果刊发为了1月底《自然》杂志的封面论文，题为《达到皮肤科医生水平的皮肤癌筛查深度神经网络》（Dermatologistlevelclassificationofskincancerwithdeepneuralnetworks）。他们通过深度学习的方法，用近13万张痣、皮疹和其他皮肤病变的图像训练机器识别其中的皮肤癌症状，在与21位皮肤科医生的诊断结果进行对比后，他们发现这个深度神经网络的诊断准确率与人类医生不相上下，在91%以上。

在测试中，人工智能被要求完成三项诊断任务：鉴别角化细胞癌、鉴别黑色素瘤，以及使用皮肤镜图像对黑色素瘤进行分类。研究者通过建构敏感性（sensitivity）特异性(specificity)曲线对算法的表现进行衡量。敏感性体现了算法正确识别恶性病变的能力，特异性体现了算法正确识别良性病变，即不误诊为癌症的能力。在所有三项任务中，该人工智能表现与人类皮肤科医生不相上下，敏感性达到91%。

3.人工智能走进ICU：可预测病人死亡准确率达93%

在洛杉矶儿童医院，数据科学家MelissaAczon和DavidLedbetter提出了一种人工智能系统，这个系统可以让医生们更好地了解哪些孩子的病情可能会恶化。

他们使用了PICU里超过12000名患者的健康记录，机器学习程序在数据中发现了相关规律，成功识别出了即将死亡的患者。该程序预测死亡的准确率达到了93％，明显比目前在医院PICU中使用的简单评级系统表现更好。Aczon和Ledbetter在Arxiv上发表了相关论文，公布了他们的研究成果。

他们实验的创新点是使用了一种叫做循环神经网络（RNN）的机器学习方法，这种方法擅长处理持续的数据序列，而不是从某一个时刻的数据点直接得出结论。"RNN网络是处理临床数据序列的一种有效方法。"Aczon说，"它能够整合新产生的信息序列，得到准确的输出。"所以在程序中，RNN网络表现得更好，因为它能够随着时间的推移，根据病人最近12小时的临床数据，做出最准确的预测。

4.第三军医大利用人工智能30秒内鉴定血型，超99.9%准确率

3月15日，权威杂志science刊登的一篇关于中国第三军医大学罗阳团队的最新研究成果，这对于急需输血抢救的病人意义重大，可以为患者节省315分钟的时间，增加他们的生还几率，同时也可用于抢险救灾、战场急救等急需验血的情况。

第三军军医大学罗阳团队研发的技术，可以在30秒内检测出ABO血型和Rh血型，仅用一滴血在2分钟内完成包括罕见血型在内的正向和反向同时定型（医生在输血前，为了减少错误，一般要做正反定型和交叉验血试验）。同时团队还设计出一套智能算法，能够根据试纸的颜色变化读出血型，定型准确率超过99.9%。

研发团队为了减少人为识别带来的误差，开发了一套机器学习算法自动识别颜色的变化，同时为了验证算法的准确性，研究人员先用经典凝胶卡片法鉴定3550例血液样本，再通过优化参数操作，算法模型准确的测出这3550例血液的血型。

5.谷歌研发人工智能眼科医生：用深度学习诊断预防失明

表于JAMA的论文《用于检测视网膜眼底照片中糖尿病性视网膜病变的深度学习算法的开发和验证（DevelopmentandValidationofaDeepLearningAlgorithmforDetectionofDiabeticRetinopathyinRetinalFundusPhotographs）》中，我们提出了一种可以解读视网膜照片中DR发病迹象的深度学习算法，这有望能帮助资源有限地区的医生正确地筛选出更多的病人。

研究人员创建了一个包含128000张图像的开发数据集，其中每一张图像都得到了54位眼科医生中3到7位医生的评估。这个数据集被用来训练了一个可以检测可诱发糖尿病性视网膜病变的病症的深度神经网络。然后两个互相独立的包含大约12000张图像的临床验证集上测试了该算法的表现，该测试所参考的标准是一个7或8人的美国认证眼科医生中大多数人的意见。为验证集所选择的眼科医生的意见与训练集原来的54位医生的意见表现出了高度的一致性。

在这项成人的糖尿病性视网膜眼底照片的评估中，基于深机器学习的算法对可疑糖尿病性视网膜病变检测时具有高灵敏度和特异性。进一步的研究是必要的，这将确认此算法应用在临床中的可行性，并确定与目前的眼科评估相比是否使用该算法可以改善治疗和诊断结果。

总体来说，"人工智能＋医疗"，不是噱头，而是未来。一个让人期待的人工智能时代，正在快速到来！

由生物谷主办的"2017未来医疗科技大会暨人工智能前沿高峰论坛"将于6月15日召开（http://meeting.bioon.com/2017IM），本次将围绕人工智能在医疗领域中的发展，人工智能技术与医学影像诊断：图像识别与深度学习，人工智能慢病管理等话题展开深层次的探讨，本届大邀请到了中国工程院院士李德毅，北京大学医学院信息中心，中国卫生信息学会卫生信息学教育专业委员会雷建波副主委，碳云智能李英睿总裁，Airdoc创始人兼CEO张大磊等业界大咖共享盛会。

由生物谷举办的2017未来医疗科技大会暨人工智能前沿高峰论坛将于2017年6月15~16日在上海举办；

会议时间：2017年6月1516

会议地点：上海

会议形式：主题演讲、圆桌深度讨论；

人工智能语言和图像识别与处理版块创业大赛，现金大金等你来拿，免费报名参赛，欢迎咨询。

已确认嘉宾

孙洪业 CTO 明码（上海）生物

演讲题目：NovelFeatureSelectionStrategiesforEnhancedPredictiveModelingandDeepLearningintheBiosciences.

演讲摘要：ArtificialIntelligence(AI)isthesinglemosttransformativetechnologyinhumanhistory.Advancementsinpersonalizedmedicinedependuponsignificantlyfurtheringourcurrentunderstandingofhowgeneticvariationandsomaticmutationregulateaberrantgeneactivityandsubsequentdiseasebiology,includingthemyriadofdysregulatedmolecularmechanismsofcancer……

张大磊创始人 Airdoc

演讲题目：人工智能在医学辅助诊断和影像识别中的应用。

演讲摘要：

一、临床诊断辅助系统，应用于早期筛查、诊断、康复、手术风险评估场景。

二、机构信息化，通过数据分析，帮助医疗机构提升运营效率。

三、医学影像识别，帮助医生更快更准地读取病人的影像所见。

四、医疗大数据，助力医疗机构数据可视化及数据价值提升。

五、药物研发，解决药品研发周期长成本高的问题。

六、健康管理，通过包括可穿戴设备在内的手段监测用户个人健康数据预测和管控疾病风险。

刘云创始合伙人华医资本

演讲题目：从人工智能看医疗行业热点的投资逻辑。

孔德兴教授浙江大学应用数学研究所

个人简介：孔德兴，浙江大学应用数学研究所教授，研究方向：偏微分方程、几何分析、数学物理。

周向军首席科学家恒瑞源正（深圳）生物

演讲题目：人工智能精准医学在肿瘤免疫治疗上的应用。

个人简介：周向军，博士,分子药理学教授,博士生导师。现任恒瑞源正（深圳）生物科技有限公司首席科学家，常务副总经理；深圳源正细胞医疗技术有限公司首席科学家，总经理；深圳市源兴生物医药科技有限公司首席科学家,回国后的研究成果发表于SCIENCE等著名学术杂志。

李亚东总经理英特尔医疗与生命科学集团

演讲题目：加速人工智能和健康医疗的融合创新。

个人简介：李亚东现任英特尔公司医疗和生命科学集团亚太区总经理，全面负责该集团在亚太区的战略规划、商务拓展和技术方案。

张伟创始人深博医疗

个人简介：张伟，深博医疗研发负责人，由于其一款乳腺癌筛查人工智能产品近期在注册审批上获得了绿色通道，即将成为首家获得人工智能产品注册审批的医疗企业。

张建伟德国汉堡科学院院士/多模态技术研究所所长

演讲题目：人工智能、机器人与医疗科技的融合。

个人简介：张建伟，德国汉堡大学信息学科学系教授，多模态技术研究所所长，德国汉堡科学院院士,千人计划专家。1986年清华大学计算机系学士优异毕业，1989年清华大学计算机系硕士毕业(人工智能)，1994年德国卡尔斯鲁厄大学计算机系博士毕业(机器人)。近二十年在德国从事及领导智能自动化生产系统的感知学习和规划、多传感信息处理与融合、智能机器人技术、人机交互的研究与开发等研发方向。发表三百余篇论文及专著，并多次获得国际会议最佳论文奖；拥有四十余项发明专利。指导德国硕士工程师百余名，德国博士三十余名，洪堡学者多人，联合培养中国博士十余名。主持德国科学基金重点项目、联邦教研部与工业合作项目、欧盟ICT、中德跨学科重大研究中心等多项重大研究项目。领导开发出经验学习算法、自主移动护理机器人、脊椎手术机器人、配药机器人、多模式人机交互平台、开放机器人软件、大数据智能软件等多项技术与系统，其中配药机器人、多功能轮椅等已经进入产品化阶段。

更多详情请见大会官网：http://meeting.bioon.com/2017IM

人工智能_医疗健康_大数据-1