在醫(yī)學(xué)領(lǐng)域，人工智能應(yīng)用于哪些領(lǐng)域?
大型生物數(shù)據(jù)庫(kù)的規(guī)律時(shí)是非常有用的
對(duì)此，斯坦福大學(xué)生物醫(yī)學(xué)信息學(xué)負(fù)責(zé)人Russ Altman博士認(rèn)為，“機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)在發(fā)現(xiàn)。”
那么，數(shù)據(jù)充裕的地方，人工智能才有可能插足。目前，醫(yī)學(xué)領(lǐng)域中，AI涉足最多的幾個(gè)領(lǐng)域包括：
精準(zhǔn)醫(yī)療：基于“組學(xué)(omics)數(shù)據(jù)”，包括基因組學(xué)、基因轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)等。
輔助診斷：基于病歷、文獻(xiàn)等醫(yī)療大數(shù)據(jù)。
藥物研發(fā)，解決藥品研發(fā)周期長(zhǎng)成本高的問(wèn)題。(AI在藥物研發(fā)環(huán)節(jié)能做什么?雷鋒網(wǎng)之前曾有對(duì)此的盤點(diǎn)：《AI加速藥物研發(fā)過(guò)程：從7000874個(gè)小時(shí)變成幾天》，這里不再贅述)
醫(yī)學(xué)影像識(shí)別：基于大量的影像數(shù)據(jù)。
除此之外，還有人工智能與可穿戴設(shè)結(jié)合，進(jìn)行個(gè)人健康數(shù)據(jù)預(yù)測(cè)和管控疾病風(fēng)險(xiǎn)。本文主要討論精準(zhǔn)醫(yī)療、輔助診斷、醫(yī)學(xué)影像識(shí)別三個(gè)比較熱門的領(lǐng)域。
精準(zhǔn)醫(yī)療：讓基因組與表型組/疾病組對(duì)話
隨著基因測(cè)序成本呈超摩爾定律的勢(shì)態(tài)發(fā)展，基因行業(yè)出現(xiàn)了這種狀況：基因信息冗余、解讀速度跟不上。與數(shù)據(jù)有關(guān)的工作包括：數(shù)據(jù)庫(kù)的搭建，基因數(shù)據(jù)處理，基因數(shù)據(jù)的智能化解讀，在這個(gè)領(lǐng)域，不同公司切入的角度不同，但終極目標(biāo)是相同的：讓基因組與表型組/疾病組對(duì)話。
碳云智能：尋找碳基生命的硅基未來(lái)
在該領(lǐng)域中，夢(mèng)想最雄偉壯闊的當(dāng)屬這家公司。
尋找碳基生命的硅基未來(lái)。
這是成立半年估值超過(guò)10億、躋身獨(dú)角獸行列碳云智能打出的口號(hào)。這家公司想要涉足組學(xué)領(lǐng)域的各個(gè)層面：基因組、轉(zhuǎn)錄組、蛋白組、代謝組、免疫組。
具體來(lái)說(shuō)，碳云智能想要做的事情是：
人體數(shù)字化：關(guān)于人全局的數(shù)據(jù)化生命，從靜態(tài)到動(dòng)態(tài)數(shù)據(jù)，再到行為和社交數(shù)據(jù)等。
人工智能化：解決不同問(wèn)題的應(yīng)用，各種各樣的信息化分析。
網(wǎng)絡(luò)化：所有數(shù)字生命網(wǎng)絡(luò)化，形成互聯(lián)網(wǎng)體系平臺(tái)。
換言之，碳云智能想把人體徹底數(shù)據(jù)化，這其中，人工智能是其神經(jīng)系統(tǒng)。而這正是人工智能在醫(yī)療領(lǐng)域的終極目標(biāo)。2017年1月5日，碳云智能發(fā)布了覓我平臺(tái)，用于獲得人體各方面精確的量化數(shù)據(jù)，在其發(fā)布會(huì)上，公司CEO王俊說(shuō)道“碳云智能未來(lái)20年要做的事就是理解生命本身”，也就是說(shuō)，這個(gè)宏偉藍(lán)圖的實(shí)現(xiàn)可能要等20年的時(shí)間。
國(guó)內(nèi)其它初創(chuàng)公司則扎根一個(gè)環(huán)節(jié)，將其AI技術(shù)應(yīng)用于遺傳病診斷、消費(fèi)級(jí)基因檢測(cè)服務(wù)、腫瘤檢測(cè)等領(lǐng)域中。
疾病精準(zhǔn)診斷
2016年4月，北京金準(zhǔn)基因科技有限公司，發(fā)布了遺傳病智能化解讀系統(tǒng)——明鑒系統(tǒng)，該系統(tǒng)的主要操作過(guò)程為：
樣本收集，DNA提取和處理，然后測(cè)序，或者進(jìn)行一些實(shí)驗(yàn)操作之后，對(duì)詞其數(shù)據(jù)進(jìn)行分析，后由專家團(tuán)隊(duì)根據(jù)數(shù)據(jù)分析結(jié)果進(jìn)行疾病關(guān)聯(lián)性分析，最后出報(bào)告進(jìn)行遺傳咨詢。
在構(gòu)建過(guò)程中的難點(diǎn)是癥狀關(guān)聯(lián)性分析，核心是數(shù)據(jù)庫(kù)。在數(shù)據(jù)庫(kù)方面，每家公司的打法不同。據(jù)雷鋒網(wǎng)所知，金準(zhǔn)基因選擇了中文人類表型標(biāo)準(zhǔn)用語(yǔ)聯(lián)盟(CHPO);而塞?；?，推出據(jù)稱是國(guó)內(nèi)首個(gè)聚焦于全基因測(cè)序數(shù)據(jù)實(shí)現(xiàn)疾病精準(zhǔn)診療的解析工具，用64名博士耗時(shí)兩年時(shí)間構(gòu)建了一個(gè)疾病、基因、藥物關(guān)聯(lián)數(shù)據(jù)庫(kù)。
消費(fèi)級(jí)基因檢測(cè)服務(wù)
近些年來(lái)，國(guó)內(nèi)消費(fèi)級(jí)基因檢測(cè)服務(wù)也風(fēng)靡一時(shí)，目前基因檢測(cè)主要的依據(jù)來(lái)自于科學(xué)研究文獻(xiàn)，但相關(guān)知識(shí)、數(shù)據(jù)積累不夠，檢測(cè)分析結(jié)果跟事實(shí)并沒(méi)有百分百的對(duì)應(yīng)關(guān)系。業(yè)內(nèi)人士曾對(duì)雷鋒網(wǎng)說(shuō)道：
每個(gè)公司從自身的算法模型分析數(shù)據(jù)，不同公司的解讀報(bào)告不一樣，相當(dāng)于看問(wèn)題的維度不一樣。不同公司的準(zhǔn)確性沒(méi)法比較，而且其自身本身沒(méi)法量化，但我們背后的數(shù)據(jù)是一樣的，只是解讀的方式不一樣。
數(shù)據(jù)解析服務(wù)
2015年，藥明康德旗下明碼生物科技為英國(guó)國(guó)家基因組計(jì)劃提供罕見(jiàn)病及癌癥臨床數(shù)據(jù)解析服務(wù)，明碼生物科技已經(jīng)可以實(shí)現(xiàn)從測(cè)序到數(shù)據(jù)存儲(chǔ)，再到數(shù)據(jù)解析一站式的服務(wù)。
2014年10月成立的奇云諾德，構(gòu)建了一站式生物信息大數(shù)據(jù)平臺(tái)，包括基因數(shù)據(jù)發(fā)動(dòng)機(jī)、大數(shù)據(jù)挖掘軟件、數(shù)據(jù)可視化工具以及訂制化流程。
對(duì)于整個(gè)基因數(shù)據(jù)解讀行業(yè)來(lái)說(shuō)，目前通用的挑戰(zhàn)如何實(shí)現(xiàn)資源共享建立完整的實(shí)效性強(qiáng)的中國(guó)人基因數(shù)據(jù)庫(kù)，如何制定行業(yè)的標(biāo)準(zhǔn)、以及應(yīng)該投入多少人力財(cái)力到基因數(shù)據(jù)解析工作中等。
輔助診斷：醫(yī)療大腦/知識(shí)圖譜
百度醫(yī)療大腦
2016年底，百度研究院大數(shù)據(jù)實(shí)驗(yàn)室高級(jí)數(shù)據(jù)科學(xué)家沈志勇在介紹百度大腦時(shí)說(shuō)道：
據(jù)權(quán)威機(jī)構(gòu)預(yù)測(cè)，2017年數(shù)據(jù)生成和共享速度將增長(zhǎng)至1200.6億GB/月，2020年人類產(chǎn)生復(fù)制的醫(yī)療數(shù)據(jù)總量達(dá)40萬(wàn)億GB。
2016年10月，百度發(fā)布其“百度醫(yī)療大腦”的首個(gè)產(chǎn)品化項(xiàng)目，其工作過(guò)程具體是這樣的：
“百度醫(yī)療大腦”是通過(guò)海量醫(yī)療數(shù)據(jù)、專業(yè)文獻(xiàn)的采集與分析進(jìn)行人工智能化的產(chǎn)品設(shè)計(jì)，模擬醫(yī)生問(wèn)診流程，與用戶多輪交流，依據(jù)用戶的癥狀，提出可能出現(xiàn)問(wèn)題，反復(fù)驗(yàn)證，給出最終建議。在過(guò)程中可以收集、匯總、分類、整理病人的癥狀描述，提醒醫(yī)生更多可能性，輔助基層醫(yī)生完成問(wèn)診。
在這方面，百度具有兩大優(yōu)勢(shì)：
數(shù)據(jù)優(yōu)勢(shì)：百度自身?yè)碛旋嫶蟮尼t(yī)療數(shù)據(jù)庫(kù)
技術(shù)優(yōu)勢(shì)：可進(jìn)行細(xì)分：如圖像識(shí)別、語(yǔ)音識(shí)別、機(jī)器學(xué)習(xí)等技術(shù)分支。
相對(duì)于百度來(lái)說(shuō)，國(guó)內(nèi)其他初創(chuàng)公司在數(shù)據(jù)來(lái)源與發(fā)展路徑上均有不同。
其他醫(yī)療大腦
2015年成立的公司大數(shù)醫(yī)達(dá)，利用大數(shù)據(jù)深度學(xué)習(xí)，整理三甲醫(yī)院專家的臨床診斷經(jīng)驗(yàn)和治療方案，構(gòu)建完善的知識(shí)圖譜，并對(duì)用戶的輸入進(jìn)行語(yǔ)義分析，輸出相應(yīng)的第二診療結(jié)果。
2016年7月，康夫子也發(fā)布了康夫子醫(yī)療大腦，其CEO張超在雷鋒網(wǎng)的公開(kāi)課上介紹其公司做這樣的事情：
讓計(jì)算機(jī)去閱讀醫(yī)療文獻(xiàn)，構(gòu)建知識(shí)庫(kù)，賦予這些知識(shí)庫(kù)一些推理能力，最后達(dá)到輔助醫(yī)生、患者的目的。在產(chǎn)品維度，分為面向患者和醫(yī)生;醫(yī)生端分為全科與?？漆t(yī)生。它們的底層是相似的，都是知識(shí)圖譜加推理，不過(guò)上層應(yīng)用有差別。患者偏重邏輯問(wèn)答，包括患者語(yǔ)言的理解;全科醫(yī)生要求知識(shí)面，而?？苿t要求臨床路徑監(jiān)控，包括醫(yī)囑的下達(dá)。
成立于2013年的醫(yī)渡云則集中做臨床數(shù)據(jù)挖掘。據(jù)稱，其技術(shù)優(yōu)勢(shì)是異元異構(gòu)的醫(yī)療數(shù)據(jù)的集成和后結(jié)構(gòu)化處理能力，以及在疾病診斷的ICD10自動(dòng)編碼等方面。并且CEO孫喆介紹，未來(lái)公司還將擴(kuò)展至醫(yī)學(xué)影像數(shù)據(jù)。
“知識(shí)圖譜的規(guī)模從根本上決定了智能診斷的瓶頸”
目前整體上，智能診斷還處于初期，目前沒(méi)有可以實(shí)現(xiàn)大規(guī)模商用。
關(guān)于智能診斷的挑戰(zhàn)，張超認(rèn)為：
技術(shù)上，我們現(xiàn)階段認(rèn)為智能診斷的底層核心是知識(shí)圖譜，診斷的過(guò)程是基于知識(shí)圖譜實(shí)現(xiàn)的推理過(guò)程。知識(shí)圖譜的規(guī)模從根本上決定了智能診斷的瓶頸。另外就是應(yīng)用上的挑戰(zhàn)，智能診斷不管服務(wù)誰(shuí)，在應(yīng)用場(chǎng)景上有很大的差別，要有針對(duì)性地提升效果;而在非技術(shù)上，重點(diǎn)要讓老百姓及醫(yī)療機(jī)構(gòu)認(rèn)可或理解這套診斷邏輯。
醫(yī)學(xué)影像：最有可能先行突破的領(lǐng)域
圖像識(shí)別是深度學(xué)習(xí)等人工智能技術(shù)最先突破的領(lǐng)域，目前看來(lái)醫(yī)療影像也會(huì)是人工智能與醫(yī)療結(jié)合中，最可能先發(fā)展起來(lái)的領(lǐng)域。
醫(yī)學(xué)影像智能診斷公司兩大陣營(yíng)
相比國(guó)外，國(guó)內(nèi)在醫(yī)學(xué)影像結(jié)合人工智能技術(shù)方面的熱度似乎更高。對(duì)此，雷鋒網(wǎng)曾撰文《國(guó)內(nèi)人工智能+醫(yī)療影像公司大盤點(diǎn)：今年又是“元年”? | 2016 影響因子》中提到，從公司的發(fā)展路徑看，醫(yī)療影像智能診斷的公司大致可以分為兩類：
第一類公司主要以人工智能技術(shù)，提供影像分析與診斷服務(wù)，其中以DeepCare、推想科技、圖瑪深維、雅森科技等為代表，且一般成立時(shí)間較短。
比如，DeepCare主要研發(fā)醫(yī)療影像檢測(cè)、識(shí)別、篩查和分析技術(shù)，為醫(yī)療器械廠商和基層醫(yī)療中心提供影像識(shí)別服務(wù)，對(duì)新錄入數(shù)據(jù)庫(kù)的病例，它可以進(jìn)行算法匹配，尋找出影像數(shù)據(jù)相似的案例;雅森科技則專注醫(yī)療影像分析應(yīng)用，基于醫(yī)療影像定量分析，用數(shù)學(xué)模型和人工智能技術(shù)提高診斷精確性。
第二類公司原先提供醫(yī)療影像云服務(wù)，而后將服務(wù)延伸到智能診斷領(lǐng)域，其中以匯醫(yī)慧影、醫(yī)眾影像、醫(yī)渡云為代表，成立時(shí)間一般為二到三年。
比如，匯醫(yī)慧影是一個(gè)獨(dú)立第三方的醫(yī)療影像咨詢平臺(tái)，早期專注基于云平臺(tái)的線上影像中心，從今年開(kāi)始著重向人工智能領(lǐng)域發(fā)力，輔助影像的篩查;醫(yī)渡云主要提供醫(yī)療大數(shù)據(jù)和醫(yī)療云平臺(tái)解決方案，同時(shí)利用機(jī)器學(xué)習(xí)的方式，挖掘臨床數(shù)據(jù)中的文本數(shù)據(jù)和影像數(shù)據(jù)。
“已經(jīng)走出了實(shí)驗(yàn)室，但離商業(yè)化還有很長(zhǎng)的路要走”
這一領(lǐng)域目前發(fā)展到哪一步了呢?
對(duì)于發(fā)展?fàn)顩r，我看來(lái)，無(wú)論在中國(guó)還是美國(guó)，在算法和數(shù)據(jù)上看，這一領(lǐng)域的發(fā)展都是在早期。它已經(jīng)走出了實(shí)驗(yàn)室，但離商業(yè)化還有很長(zhǎng)的路要走。
對(duì)此，DeepCare創(chuàng)始人兼CTO丁鵬博士如是說(shuō)。他介紹說(shuō)，“其中最大的難點(diǎn)是：如何進(jìn)行大批量數(shù)據(jù)的標(biāo)注，以及標(biāo)注質(zhì)量控制”。而現(xiàn)在的醫(yī)療影像幾乎沒(méi)有對(duì)病灶進(jìn)行標(biāo)注，而這種系統(tǒng)性的數(shù)據(jù)整理過(guò)程又十分專業(yè)，需要專業(yè)醫(yī)生配合。
比較空白的眼科智能診斷
目前來(lái)講，眼科醫(yī)療領(lǐng)域的人工智能應(yīng)用相對(duì)于其他專科仍處于比較空白的階段。
旨在應(yīng)用人工智能/模式識(shí)別技術(shù)開(kāi)發(fā)云端眼科診斷系統(tǒng)的BigVision(比格威醫(yī)療科技)CEO陳新建講道。
相對(duì)于其他，眼睛的結(jié)構(gòu)比較特殊，不能做CT、MRI，而基于OCT的眼球成像也要精細(xì)得多。
人工智能深度神經(jīng)網(wǎng)絡(luò)通過(guò)圖像預(yù)處理、圖像特征提取和分類等步驟識(shí)別醫(yī)學(xué)影像。通過(guò)大量準(zhǔn)確標(biāo)注的眼底照片和醫(yī)學(xué)數(shù)據(jù)，對(duì)模型進(jìn)行訓(xùn)練和測(cè)試，并且通過(guò)大量醫(yī)學(xué)知識(shí)的學(xué)習(xí)，最終能夠得出準(zhǔn)確識(shí)別醫(yī)學(xué)影像的人工智能模型，從而診斷青光眼、糖尿病視網(wǎng)膜病變、老年性黃斑變性、角膜疾病等眼科疾病。
在該領(lǐng)域，其中，BigVision“目前，我們產(chǎn)品1.0已經(jīng)開(kāi)發(fā)完成，目前正在幾家大的合作醫(yī)院當(dāng)中試用。”而該領(lǐng)域的另一家公司AicDoc，其算法在有明顯癥狀和無(wú)明顯癥狀二分方面準(zhǔn)確性與三甲醫(yī)院資深眼科醫(yī)生持平。
數(shù)字化要一盤棋更要各自為戰(zhàn)
分享到微信 ×
打開(kāi)微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁(yè)分享至朋友圈。