中能建控股集團有限公司

業務資訊
首頁 > 新聞中心 > 業務資訊

用AI醫生破解“看病難”

發布日期:2019-12-17 信息來源:經濟日報

    看病難、看病貴,一直是深受關注的民生問題。人工智能(AI)能解決這個難題嗎?在中國人工智能學會近日發起主辦的2019中國人工智能產業年會中,多位專家在智能醫療論壇上介紹了AI醫生的最新研究成果——AI醫生醫術是否精妙?還有多久能普及?經濟日報記者帶您一探究竟。

  在北京的三甲醫院看病有多難?

  清華大學教授、國際核能院院士、中國人工智能學會會士張勤今年7月親身體驗了一把。那天,他帶93歲的父親去北京人民醫院看病,醫院人滿為患,沒有床位,老人只能坐在急診觀察病室的椅子上輸液9小時,一直熬到凌晨1:30。

  而張勤堅信,如果自己團隊研發的DUCG系統能盡快完善并應用于臨床,將大大改善中國的看病難問題。而這個目標,距離實現已不太遙遠。

  AI診斷:向頂尖大夫看齊

  對于看病難的“痛點”,張勤表示,2018年,全國有醫療機構99.7萬個,其中三甲醫院僅1442個,94.6%都是基層醫療機構;而就診總人次83.1億,其中基層就診人次44.1億,僅占53%。基層醫療機構占絕大多數,卻只承擔了一半的就診量,這就難怪三甲醫院人滿為患了。

  看病難、看病貴,很大程度上是由于沒有實現真正的分級診療。

  “我國分級診療要求實現‘90%大病不出縣’,為什么做不到?主要問題是‘基層首診’正確率低,基層醫生水平不高。”張勤認為,解決方案在“智慧醫療”上,“我們要做一種全科疾病診斷智能系統,它在任何場景都能正確診斷,且有可解釋性,還能動態生成個體優化臨床檢查路徑,實現精準診斷。”

  張勤以前做核電站的安全運維系統,核電站的故障診斷和醫療診斷有何相似之處?都是給一個復雜系統看病,都要求“幾乎100%的診斷正確率”。理論是相通的,不同的是知識庫。張勤團隊將原本用于核電站故障診斷的原創系統DUCG拿來做醫療臨床診斷,首先要與專家級醫生合作構建知識庫。

  “我們以患者為中心,圍繞患者的主訴癥狀構建知識庫,包含所有相關科室,免除掛錯號的煩惱。比如病人的主要癥狀是腹痛,就可以問診我們的‘腹痛’知識庫。”張勤介紹,團隊正與北京協和醫院、北京朝陽醫院等多家國內著名三甲醫院約30位臨床專家深度合作構建知識庫。“知識庫由各科臨床經驗豐富的大夫參與構建,我們追求的是,讓AI達到這些專家的水平。”

  這個目標一旦實現,基層醫療機構的醫生使用DUCG系統的“AI醫生”做輔助,就能得到與北京三甲醫院資深大夫同樣的診斷結果,這將大大提高基層診療水平,緩解三甲醫院就診壓力。

  理想很豐滿,現實進度如何?DUCG知識庫目前開發到什么程度了?

  目前,DUCG知識庫已完成第三方病歷測試的有關節痛、呼吸困難等13個知識庫;基本完成開發和內部測試的有胸痛、水腫等17個知識庫;正在開發的有不明原因發熱、婦科等8個知識庫。已經接近覆蓋所有臨床主訴。

  AI診斷的便捷度如何?

  “我們正在開展青島膠州市和重慶忠縣的臨床應用試點。不管是鎮醫院的大夫,還是村衛生室的村醫,有電腦或iPAD就可以通過云上DUCG系統開展診斷,并可一鍵生成符合規范的電子病歷。”張勤說。

  AI診斷的正確率如何?

  重慶6家三甲醫院對DUCG系統的關節痛、腹痛、咳嗽咳痰、發熱伴皮疹、呼吸困難、鼻出血6個主訴知識庫的第三方測試結果顯示:除了22個罕見病沒有找到病歷外,其余疾病的AI診斷正確率達100%,即AI診斷結果與三甲醫院醫生診斷結果一致。“我們的測試方法特別強調對罕見病診斷的正確率,因為基層診斷錯誤主要發生在罕見病。”張勤說。

  AI醫生何時能進化成全科醫生并投入基層醫院?

  “所有主訴知識庫構建完成后,即可實現全科診斷。我們計劃再用一年覆蓋基層醫院除普通外科外,可能遇到的所有主訴的臨床診斷。”張勤表示。

  AI讀片:要比人眼更銳利

  “去拍個片吧。”這是患者在醫院經常聽到的話。現在,超聲、核磁、CT……各種醫學成像已經成為醫學診斷的必備參考數據,AI讀片也隨著人工智能技術的普及開始走向臨床應用。AI讀片準不準?這種技術正在給“看病難”問題帶來哪些改變?

  AI讀片可以提高疾病的早期發現率。

  有些致盲、致畸、致死疾病在發病早期已經出現輕微癥狀,很難被肉眼發現,但卻有可能被AI敏銳識別。這些疾病越早被發現,越早干預治療,預后就越好。

  “任正非曾表示,華為P30的代表是數學,拍照時圖像不是照出來的,而是數學算出來的。我期待AI讀片也能做到這樣。”浙江大學數學科學學院、浙大一院雙聘教授孔德興說,《新英格蘭醫學雜志》發表的一篇論文顯示,癌癥病人從發病到死亡約為25年:其中,基因發展異常是前5年;基因表達到組織表達出現問題大約是從第5年到第20年,此階段病灶很小;而等到出現醫生可以直接診斷的5毫米以上的腫瘤病灶,往往病人所剩時間僅有1至3年了。

  “醫生很難直接判讀小于5毫米的病灶,但數學方法可以輔助,算出超分辨率的醫學圖像。我們希望把前沿數學理論與現代物理規律和醫學尤其是臨床醫學深層次交叉,所以提出了數理醫學這一新概念,并取得一系列具有臨床應用價值的研究成果。”孔德興介紹,他的團隊利用自主研發的基于超聲影像的創新性分析技術,開發出國際上首款超聲輔助智能診斷系統,可以對甲狀腺結節、乳腺結節、肝腫塊等開展準確識別——對乳腺的識別準確率為:良性92%,惡性93%;分割準確率93%;超聲乳腺鉬靶的鈣化準確率達到97%。

  從今年7月至今,這套智能超聲診斷系統被部署到杭州市西湖區的基層衛生院,已為3萬多人做了體檢,發現32例甲狀腺癌、20多例乳腺癌患者。這些患者到三甲醫院做穿刺,手術病理都是惡性的,說明AI讀片結果很準確。“社區衛生院周邊居民都跑過去體檢,既便宜又方便,準確率還挺高。”孔德興說。

  AI讀片也可以提高醫生的服務能力。

  在廣州的中山眼科中心,“AI眼科醫生”已經試行2年多了,診療決策準確率超過90%,診斷技能已達“專家級眼科醫師”水平。中山大學中山眼科中心人工智能學科帶頭人林浩添介紹,在國家重點研發項目支持下,目前中心正推出眼科AI三級診療模式:在家里,大家可以通過智能手機軟件,用個人自拍實現初步篩查;在社區和基層醫院,通過基本檢查設備和云平臺初步疾病診斷;在三級綜合及專科醫院,通過人工智能輔助的專業檢查設備,輔助專家診治,提高效率。

  “通過眼科AI三級診療體系,每名眼科醫生的效率可以提高10倍以上,從一年服務4000人,提高到一年服務4萬人甚至更多。”林浩添說。

  AI落地:巨大臨床需求推動

  AI醫療的落地情況如何?

  不少專家認為,巨大臨床需求正在推動AI醫療的落地。

  “臨床醫生遠遠不能滿足眼底檢查的潛在需求。目前,眼科醫生緊缺,2級、3級醫院的眼科醫生總計只有3.6萬名。與此同時,我國需要開展眼底篩查的人數量龐大,糖尿病患者就有1.14億,高血壓患者還有3.3億,他們至少要一年查一次眼底。”上海市靜安區市北醫院眼科主任陳吉利認為,人工智能是解決基層眼底檢查能力短板的利器。

  陳吉利介紹,該醫院是人工智能醫學影像識別公司Airdoc在上海的首個應用示范基地,也是國家科信中心眼科大數據實驗室上海靜安影像閱片中心,還是平安好醫生人工智能問診系統滬上眼科首家應用示范基地,已建設成為集AI、大數據、云平臺和遠程會診于一體的醫共體眼科云平臺,啟動了基于人工智能的社區糖網篩查項目。

  該項工作建立了“篩查—發現—轉診—隨訪—健康管理”的模式,推動了分級診療的落實。在上海市靜安區市北醫院的一站式糖網篩查系統中,4家基層社區醫院在一年多時間內,就協助篩查了5590例患者。

  “以往社區篩查后,將片子上傳至區域醫療中心,要完成遠程讀片,再把結果給到社區,通知患者向上轉診,這個過程大概需要1個多月。這是由于上級醫院醫生時間短缺,來不及閱片。有了人工智能后,可以即刻告訴患者篩查結果和轉診時間,大大提升了診療效率。”陳吉利說。

  AI醫療領域目前有很多創業公司,什么樣的公司更有商業前景?

  據統計,目前全國人工智能+醫療領域約有150多家企業,大部分從單領域突破——醫學影像上的輔助診斷、在線智能化問診等是目前比較集中的方向。對于醫療類企業來說,技術真正落地離不開真實應用場景,算法模型、可持續的優質醫療數據、變現渠道缺一不可。

  復星集團投資總監陳宏表示,考核一個公司是否值得投資,除了考核算法有沒有先進性,還要看數據量及其維度和質量,大致為以下4點:商業模式,是否能夠真正實現產業化落地;創始人對其細分醫療AI領域有什么程度的理解,是否有營銷人才、互聯網的思維;硬件是否能夠在整個產業鏈上有很好的結合;對場景的選擇是否正確,能否找到更新的場景去匹配更新的數據、更新的硬件,或是在已有場景中做好產業鏈的延伸。他表示,目前比較看好慢病管理、藥物研發、院外健康管理、基層預防篩選這幾個細分領域的人工智能機構。

  AI醫療服務能解決“看病難”頑癥嗎?讓我們拭目以待。 

秒速赛车冠军规律