7月12日-14日，由中國計算機學(xué)會（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，深圳市人工智能與機器人研究院協(xié)辦的全球人工智能與機器人峰會（CCF-GAIR） 將在深圳盛大開幕。

這已經(jīng)是CCF-GAIR舉辦的第四個年頭。

值得一提的是，去年的【計算機視覺專場】專注于安防與醫(yī)療兩個熱門領(lǐng)域，收獲了超高人氣。CCF-GAIR 2019峰會期間，雷鋒網(wǎng)將開設(shè)單獨的AI醫(yī)療專場，延續(xù)去年的高水準，為觀眾提供最新的技術(shù)認知和商業(yè)方法論。

為此，我們對CCF-GAIR 2018峰會上大咖的精彩觀點進行精心摘錄，幫助讀者進行一次回顧與溫習(xí)。

田捷：《基于人工智能和醫(yī)療大數(shù)據(jù)的影像組學(xué)研究及其臨床應(yīng)用》

田捷教授是中國科學(xué)院自動化所研究員、分子影像重點實驗室主任。

田捷教授認為，未來的影像中心就像飛機駕駛艙一樣，是各種各樣信息的綜合體；而未來的醫(yī)生則相當于飛行員，要處理各種各樣的信息。

醫(yī)學(xué)角色的多樣化，也對醫(yī)生提出了更多的要求。他說到，未來的影像科醫(yī)生，不僅僅要會看片子，還要從影像大數(shù)據(jù)中挖掘大量的潛在知識，學(xué)會利用人工智能技術(shù)，站在科技潮流的前端，不是懼怕新興的人工智能技術(shù)，而是利用它，使用它，成為新時代下的影像信息學(xué)專家。

在演講中，他提到了影像組學(xué)的特征提取。在特征選擇上，計算機選擇的特征和人眼識別的特征形成了互補關(guān)系。如果能用計算機提取高維特征，包括毛刺、分葉等信息，再融合年齡、性別、家族史等信息，肯定是1+N>N，就能實現(xiàn)人機交互、計算機和人協(xié)同工作，從而使得醫(yī)學(xué)更為精準。

他表示，選擇特征的時候切記要多多益善，特別是把這些高維特征提取得越多越好。還有一個非常重要的點，為什么現(xiàn)在影像組學(xué)、人工智能熱？就是這些高維特征含有基因蛋白這些微觀信息，在這些宏觀的影像上的體現(xiàn)，只不過過去人眼提取不了，但現(xiàn)在計算機提取這些信息來進行系統(tǒng)加工，使得預(yù)測更加精準。

提取特征之后，還有一項非常重要的工作是降維。田捷教授列舉了四類主要特征降維方法：稀疏選擇、空間映射、神經(jīng)網(wǎng)絡(luò)、遞歸排除。

田捷教授說，自己經(jīng)常會跑到美國臨床腫瘤學(xué)會、美國腫瘤學(xué)會的會議上，要到臨床醫(yī)生那里，讓他們“折磨”，找出他們能接受的臨床效果和臨床意義，這時候模型才真正起作用，“我們老在計算機視覺會議上談我的方法和參數(shù)好，我覺得意義不大，當然能寫文章，只是把紙變成錢。”

沈定剛：《深度學(xué)習(xí)在醫(yī)學(xué)影像分析中的應(yīng)用》

沈定剛教授是美國北卡羅來納大學(xué)教堂山分校終生教授、杰出教授，IEEE會士、AIMBE會士以及IAPR會士。

沈定剛教授率領(lǐng)著一個學(xué)術(shù)能力強大的團隊，實力在智能醫(yī)療領(lǐng)域處于國際引領(lǐng)水平。去年，他的團隊有20篇論文被醫(yī)學(xué)影像AI的頂級會議MICCAI錄取，其中12篇被大會提前錄用。論文的研究方向主要是：圖像成像、圖像配準、老年癡呆癥和兒童自閉癥的診斷。

從成像方面入手，沈教授研究了如何利用AI技術(shù)，實現(xiàn)低成本、快速和高質(zhì)量的成像，以此發(fā)表了4篇MICCAI論文?！耙环矫媸菓?yīng)用AI技術(shù)，將質(zhì)量較差的影像變成質(zhì)量更好的影像；第二個方面是在具體應(yīng)用過程中，將病人采集過程中丟失的圖像補回來；第三個方面就是快速成像，因為有些模態(tài)圖像掃描慢、噪聲很大，AI技術(shù)可以將需要幾分鐘掃完的圖像在幾十秒內(nèi)完成，這將很好提升患者體驗?！?/p>

在圖像配準方面，沈教授的團隊研究通過無監(jiān)督深度學(xué)習(xí)方法來進行圖像配準。在做醫(yī)學(xué)圖像分析時，經(jīng)常要將同一患者幾幅圖像放在一起分析，從而得到該患者多方面綜合信息，提高醫(yī)學(xué)診斷和治療的水平。對幾幅不同的圖像作定量分析，首先要解決的就是幾幅圖像的嚴格對齊問題。他坦言，圖像配準實現(xiàn)起來難度也很大，遠遠超過圖像的分割、診斷。

此外，圍繞關(guān)于老年癡呆癥診斷、兒童腦發(fā)育和自閉癥診斷的成果，沈教授都已經(jīng)進行了分享。

沈定剛教授認為，“大家都在講人工智能，幫助醫(yī)生診斷，這樣的人工智能（Artificial Intelligence AI）其實是輔助智能（Assisted Intelligence AI）?！?/p>

他對AI的應(yīng)用提出了很多中肯的建議。他說，所謂的AI或者深度學(xué)習(xí)，只是解決問題的一種方法，方法必須為解決問題服務(wù)。他也時常告誡自己的學(xué)生：這個行業(yè)里的研究者，不能光知道深度學(xué)習(xí)，很多幾十年累積起來的經(jīng)典方法都必須要懂。因為一個方法不可能解決所有的問題，每種方法總有它的局限性。同時，在思路上應(yīng)該是通過問題找方法，而不是用方法來找問題。

2017年10月，沈教授擔任了聯(lián)影智能聯(lián)席CEO。他表示，人工智能技術(shù)如果只應(yīng)用在后面的診斷，而不跟影像設(shè)備結(jié)合起來，總體效果不一定好。創(chuàng)業(yè)者要做的是全鏈條、全棧式的影像人工智能，也就是用人工智能優(yōu)化從成像到影像的篩選，再到后面的跟蹤、診斷、治療和預(yù)后這樣一個完整的流程，從而達到最佳診斷效果。

張益肇：《弱監(jiān)督學(xué)習(xí)在醫(yī)學(xué)影像中的探索》

張益肇是微軟亞洲研究院副院長。27年前蓋茨建立微軟研究院，其目的之一就是希望讓計算機能聽、會看、能理解人類，推動計算機領(lǐng)域內(nèi)所有分支技術(shù)的發(fā)展，包括計算機視覺、機器學(xué)習(xí)、語音識別等技術(shù)的落地，并以此為微軟未來發(fā)展提供思路和方向。

作為微軟亞洲研究院建立時的第一批人員，張益肇博士早些年從MIT畢業(yè)，1999年加入該研究院，從主管研究員一直到副院長。

張益肇分享了一個數(shù)據(jù)：假如未來超過一半的人壽命超過100歲，對社會醫(yī)療系統(tǒng)將是非常大的挑戰(zhàn)?，F(xiàn)在人口老齡化已經(jīng)非常嚴重，通常來說，人的年紀越大醫(yī)療成本就越高。假如超過一半人活過100歲，而我們又沒有更好的醫(yī)療方法，將給社會帶來很大的成本。

而解決這個問題就一定要靠技術(shù)。如果沒有新的技術(shù)，就無法給大家提供好的醫(yī)療條件，讓大家健康快樂地活到100歲。

以病理切片的解讀為例。張益肇表示，中國每10萬人口中只有不到兩位病理醫(yī)生，美國每10萬人中有超過50位病理醫(yī)生，日本每10萬人中也有超過10位病理醫(yī)生。也就是說，中國的病理醫(yī)生非常缺乏。我們再看病理醫(yī)生要做哪些工作：假如一個人不幸患了肺腫瘤，病理醫(yī)生要把他的切片切成二三十片，然后仔細觀察其中哪一類是病變的，是什么樣的病變，A、B、C類型病變的百分比各是多少。這個工作很耗時間，另外，訓(xùn)練這樣的專業(yè)人才也很困難。

人工智能是緩解這類問題的一個重要手段。但是，訓(xùn)練人工智能模型需要標注大量的數(shù)據(jù)，能夠標注醫(yī)療影像數(shù)據(jù)的專家又非常稀缺，時間成本也很高。為此微軟亞洲研究院嘗試用弱監(jiān)督學(xué)習(xí)的方法，提高可被使用的數(shù)據(jù)量。

面對一個病理切片，通常有三個目標——分類、切割或聚類。病理圖片通常很大，一張病理圖片可以達到5萬X5萬像素，甚至更大。他分享了三種訓(xùn)練模型的方法：一是沒有標簽的訓(xùn)練，這對病理圖片來說很難；二是弱標簽訓(xùn)練，即利用相對簡單的標簽學(xué)習(xí)；三是帶詳細標簽的訓(xùn)練。

張益肇表示，希望通過弱監(jiān)督學(xué)習(xí)的方法提高可被使用的數(shù)據(jù)量，充分發(fā)揮機器學(xué)習(xí)的能力，構(gòu)建更復(fù)雜和精確的模型。 

王熙：《AI在健康醫(yī)療中的價值》

飛利浦在AI方面的投入相當大，據(jù)飛利浦中國副總裁王熙介紹，飛利浦一年大概有250多個項目是和大數(shù)據(jù)、人工智能在醫(yī)療影像方面的研究相關(guān)。同時他也表示，科研型項目的的核心也是為了開發(fā)出技術(shù)，最終做出產(chǎn)品。

王熙表示，飛利浦AI方面的應(yīng)用會遇到了很多難點，而飛利浦不是簡單地利用相關(guān)技術(shù)處理醫(yī)療的圖像，而是真正深刻地理解臨床的應(yīng)用場景，怎么跟臨床的路徑（治療、診斷）進行深刻的結(jié)合。沒有交叉學(xué)科知識的互動，很難有真正深刻的理解。

除此之外，CT、核磁，還有一些可穿戴設(shè)備產(chǎn)生各種多模態(tài)的數(shù)據(jù)，怎么利用這些額外增加的數(shù)據(jù)，通過多模態(tài)的方式帶來更精準的治療或者診斷，這是相當復(fù)雜的一件事。

還有一些非結(jié)構(gòu)化的數(shù)據(jù)，現(xiàn)在對于腫瘤患者的治療，一方面它的信息分散在不同的科室，有核磁、CT、病理分析等，如何把這些數(shù)據(jù)有效地整合到一起，并且展示給醫(yī)生最核心、最相關(guān)的數(shù)據(jù)，甚至還有一個時間軸的概念。因為在不同的時間軸上，這些病變本身都是不一樣的，這一系列非結(jié)構(gòu)化的數(shù)據(jù)經(jīng)過了收集、處理，其中包括了一些大數(shù)據(jù)的分析，也包括了一些其它應(yīng)用技術(shù)的拓展，怎么能夠把它真正地結(jié)合臨床，是相當有難度的。

王熙解釋了飛利浦在醫(yī)療的數(shù)據(jù)化轉(zhuǎn)型思路：首先是通過數(shù)據(jù)的驅(qū)動，讓數(shù)據(jù)更有價值。另外，通過深度的學(xué)習(xí)，消除醫(yī)生的盲點，篩選與分析同步進行，提高醫(yī)學(xué)影像分析與診斷的效率和準確率，讓他們進一步專注在需要關(guān)注的點上。飛利浦在全球的核心研究院都會在這些領(lǐng)域做一些深入的探討，比如說自然語言的處理、深度學(xué)習(xí)和大數(shù)據(jù)分析。

他還提到了四維模型。王熙認為，現(xiàn)在光講3D在很多應(yīng)用場景里面還是不夠的，飛利浦也有一個平臺，針對CT、MRI、內(nèi)窺鏡、IGT等多模態(tài)的圖像，都有相應(yīng)的三維甚至四維的處理。臨床數(shù)據(jù)能帶來很多好處，提升效率，適應(yīng)實際的環(huán)境等等，但是都需要扎根于真正臨床的環(huán)境當中。

溫故而知新。以上，只是四位技術(shù)與商業(yè)大咖的觀點掠影。

今年7月14日下午，雷鋒網(wǎng)AI掘金志仍將把目光聚焦在AI醫(yī)療，匯集最具代表性的理論、技術(shù)派大牛與頂級商業(yè)化領(lǐng)袖，為觀眾提供極具價值的AI醫(yī)療前沿方法與觀點。

目前，以下嘉賓已確認出席，演講議題不日揭曉。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。