0
| 本文作者： 劉海濤 | 2020-06-30 20:42 |
近日，雷鋒網(wǎng)醫(yī)健AI掘金志邀請依圖醫(yī)療副總裁石磊，做客雷鋒網(wǎng)公開課，以“抗疫視角探討醫(yī)療新基建之抽象與實踐”為題，詳談了依圖的AI抗疫經(jīng)過和新基建邏輯。
歷史上疾病一直是影響人類社會發(fā)展的重要因素，傳染性疾病的影響甚至超越了當(dāng)時階段的戰(zhàn)爭、經(jīng)濟、政治等其他社會因素。此次新冠病毒致死人數(shù)已達(dá)到46萬，數(shù)量超過本世紀(jì)以來任何一場戰(zhàn)爭，而其中科技已成為人類抗疫的救命稻草之一。
在抗擊新冠期間，依圖依托自身技術(shù)基礎(chǔ)，研發(fā)了胸部CT新冠肺炎智能評價系統(tǒng)、新冠肺炎防疫小依醫(yī)生、區(qū)域傳染病智能防控預(yù)警系統(tǒng)等多款科技抗疫工具。
其中新冠影像AI輔助系統(tǒng)，基于影像學(xué)定量評價方法，構(gòu)建了預(yù)測肺炎重癥化的定量分析模型，模型AUC達(dá)到了0.93，優(yōu)于臨床中無需重癥評分的中淋比和D-二聚體等臨床指標(biāo)，可以直接在檢驗前對重癥結(jié)果進行判定。
以下為石磊演講全文內(nèi)容，醫(yī)健AI掘金志做了不改變原意的編輯
今天和大家共同探討一下，最近的新基建。
背景不同，專業(yè)不同的人看待“新基建”這個概念，可能會有差異。在疫情還沒有完全消退之前，我還是想從“抗疫”視角和大家共同探討醫(yī)療“新基建”的案例。
在這一次新冠疫情以前，疾病一直以來是影響人類社會發(fā)展的重要因素，尤其是傳染性疾病，在某一階段歷史上，影響甚至超越戰(zhàn)爭、經(jīng)濟、政治等關(guān)鍵的社會因素。
經(jīng)歷新冠疫情之后，重新翻閱疾病歷史、病毒來襲等這樣記錄人類醫(yī)療發(fā)展史的叢書，我們會更有感觸，就像，北京大學(xué)醫(yī)學(xué)人文研究院院長張大慶教授所說——疾病以超乎想象的方式影響了人類社會的方方面面。病原微生物雖然小，但他們以難以置信的方式干預(yù)著人類文明的進程。
每一次人類抗擊疾病的時候，也是我們進一步認(rèn)識自然、認(rèn)識個體、認(rèn)識疾病的過程，我找了6張相關(guān)圖片，大家可以先看一下。
第一張圖片，鳥嘴醫(yī)生，這張圖片是在一個特定歷史時期，歐洲中世紀(jì)——黑死病肆虐時代。醫(yī)生為了更好保護自己，探視病人的時候，會身著鳥嘴狀面具，同時戴上一頂帽子，手持一根木杖，防止疫情對自己感染。
那之前是否還有更早期防護手段，但至少在那個階段，人們已經(jīng)開始知道感染性疾病、傳染病需要進行防護。
當(dāng)然，我們真正了解傳染性疾病對人類造成影響的機理，是從17世紀(jì)有了顯微鏡之后。我們觀察到很多微生物，這些微生物如何與人類共存、如何影響人類，在之后若干年逐步被揭開面紗。
而真正了解人體內(nèi)患病后的生理影像改變表現(xiàn)，要借助于現(xiàn)代醫(yī)學(xué)影像學(xué)發(fā)展。第三張，是倫琴1895年發(fā)現(xiàn)射線之后，拍攝他太太的手指骨。
第四張，在影像學(xué)早期形態(tài)，影像學(xué)的進步讓我們能夠進一步觀察和觀測人體內(nèi)患病影像學(xué)改變。比如這一次新冠肺炎期間，通過影像可以快速檢測肺內(nèi)炎癥表現(xiàn)，進行定量分析。
第五張，以青霉素為代表抗菌素時代開啟，讓我們真正有了對抗疾病的主動進攻武器。
最后一張照片——核酸，早在1869年被發(fā)現(xiàn)，但對核酸的結(jié)構(gòu)和功能了解，卻在隨后的100多年當(dāng)中才逐步加以認(rèn)識。除了上述技術(shù)，還有很多技術(shù)不在這張照片當(dāng)中，也為我們?nèi)祟惪箵艏膊√峁┝擞辛Φ奈淦鳌?/p>
2月14號，中央全面深化改革委員會第十二次會議當(dāng)中，對如何完善重大疫情防控提出了15個體系，其中有一個重大疫情防控救治體系。
截止6月9號，新華時評對進一步建立健全重大疫情防控救治機制做了相應(yīng)述評。其中一句話讓我們受到很大啟發(fā)——以防控疫情為契機，補短板、堵漏洞、強弱項，成為完善和構(gòu)建起強大公共衛(wèi)生體系的題中應(yīng)有之義。
如何從疫情全周期、科技創(chuàng)新進一步服務(wù)醫(yī)療。從依圖疫情防控第一天開始，希望通過預(yù)防、診療、研究三個階段，思考全周期技術(shù)解決什么樣的防御需求，以什么形式落地。
預(yù)防當(dāng)中講究三級預(yù)防，還需要關(guān)注各個階段群體，包括易感者、潛伏者、感染者、康復(fù)者四類人群。我們需要對易感但沒患病的人進行早期預(yù)防、健康教育。
已經(jīng)感染病毒，但沒有發(fā)病的患者，應(yīng)盡早發(fā)現(xiàn)，予以隔離，加強在隔離期間觀察和治療，以防重癥化；在治療過程當(dāng)中，需要早期識別分診，通過智能化手段進一步準(zhǔn)確分析預(yù)測、定量評價。
結(jié)合臨床診療的需求，還要進一步的開展臨床研究，了解疾病，圍繞今天臨床當(dāng)中發(fā)現(xiàn)的新問題，通過大數(shù)據(jù)去回答、發(fā)現(xiàn)醫(yī)療新趨勢。
治療結(jié)束后康復(fù)過程中，患者同樣需要受到關(guān)注，診后的康復(fù)同樣是三級預(yù)防，是四類人群當(dāng)中非常重要不可或缺的部分。圍繞這樣的思路，我們在分析疫情全周期的醫(yī)療需求的時候，首先要預(yù)防隔離診前三個階段思考和分析。
從社區(qū)到醫(yī)院、從高危人群排查到初步分診，雖然已建立信息的互聯(lián)互通，但在高危社區(qū)人群高危評估及導(dǎo)診過程當(dāng)中，仍需要通過人工引導(dǎo)方式深入社區(qū)進行問卷調(diào)查，大量依賴人工投入，存在交叉感染風(fēng)險。在信息采集、錄入傳遞過程，存在信息匯總、上報可能需要二次填寫，管理不方便。
此外，從社區(qū)到醫(yī)院患者就診過程，高危人群患者信息需要建立與醫(yī)院診療一體化的、與疫情相關(guān)的無障礙管理方式。
針對以上這些問題，我們在疫情期間借助已有的技術(shù)積累，包括自然語言技術(shù)、語音識別技術(shù)和與醫(yī)學(xué)相關(guān)的知識網(wǎng)絡(luò)，同時結(jié)合意圖識別等算法當(dāng)中的特殊設(shè)計，建立了小依醫(yī)生導(dǎo)診系統(tǒng)。
這套系統(tǒng)可以讓使用者無接觸開展自評，對有智能導(dǎo)醫(yī)需求、肺炎高?；颊?，及時開展疑似病例的排查。
另外，對于需要去發(fā)熱門診就診的病人及時導(dǎo)流，讓真正需要就診人員及時到門診就診和上線問診。通過運行科普防御方式，借助傳播權(quán)威疫情防控信息，緩解群眾恐慌情緒。
在與醫(yī)院就診對接當(dāng)中，這套系統(tǒng)能夠把相關(guān)數(shù)據(jù)導(dǎo)入診間和電子病歷的系統(tǒng)，通過紅、黃、綠三色的通行證，從而實現(xiàn)無接觸的分揀。讓門診尤其是發(fā)熱門診，分診減壓過程當(dāng)中，實現(xiàn)無接觸分層分流。
疫情期間，在醫(yī)院就診期間，醫(yī)護人員診療過程中如何精準(zhǔn)化定量分析，快速判別對于療效綜合分析。在這個過程當(dāng)中，我們通過人工智能方式幫助醫(yī)生開展智能分診和定量評價。
我們認(rèn)為今天的院內(nèi)診療從預(yù)警分診到精準(zhǔn)評價，有三點問題需要突破：
第一，今天疾病預(yù)診預(yù)警仍然以人力為主，大在醫(yī)院就診時候，排查就診患者是否高危，是否易感人群、是否疑似患者，需要醫(yī)生通過醫(yī)學(xué)證據(jù)識別之后才可上報發(fā)現(xiàn)。
但如果通過智能化方式，也能在疾病檢測最早階段提示醫(yī)生這個患者有可能是疑似的人群，開啟快速篩查和提示預(yù)警的工作。
第二，定量評價方面，在疫情前期缺乏有效的助手，沒有辦法快速有效的客觀定量評價，醫(yī)生非常辛苦用主觀的方法，采用半定量方式評價影像學(xué)上證據(jù)。
第三，跨模塊醫(yī)療數(shù)據(jù)，在其中抗擊疫情的過程當(dāng)中，各個學(xué)科、各種檢驗都沉淀大量數(shù)據(jù)。這些數(shù)據(jù)客觀反映了疫情發(fā)展各個階段疾病的特點。但我們?nèi)狈τ行Ф唐诳焖倬珳?zhǔn)利用多模態(tài)醫(yī)療數(shù)據(jù)綜合分析方法，無法構(gòu)建起早期階段風(fēng)險預(yù)測模型。
如果能夠?qū)ふ业綐?gòu)建早期風(fēng)險預(yù)測模型的有效辦法，將意味著我們能夠加快加深對于疾病的認(rèn)識，有助于在早期階段就尋找更為有效的醫(yī)療的方法，抗擊疫情的有效手段，圍繞上述的三點問題，我們針做了產(chǎn)品設(shè)計：
第一，快速幫助醫(yī)生在第一時間發(fā)現(xiàn)疑似患者，通過影像學(xué)手段觀察相應(yīng)表現(xiàn)病例。
第二，就診的第一個環(huán)節(jié)是在檢查過程當(dāng)中產(chǎn)生圖像后，我經(jīng)過一段時間傳輸給PACS系統(tǒng)，再有影像診斷醫(yī)生診斷影像報告，中間等待過程可能時間很長。
在等待期間，疑似感染患者沒有及時發(fā)現(xiàn)、可能存在候診期間交叉感染，有沒有方法能夠在檢查的第一時間，提醒檢查技術(shù)人員，患者可能疑似肺炎表現(xiàn)，需要請醫(yī)生盡快會診明確。
影像產(chǎn)生之后在機房內(nèi)，第一時間提醒檢查技術(shù)人員和醫(yī)生患者有疑似肺炎的表現(xiàn)，盡快閱片會診，讓我們第一時間檢出和分診，在機房產(chǎn)生圖像一刻就能完成。
因此縮短中間等候時間，可能會有效避免感染人群在院內(nèi)交叉感染。當(dāng)然影像更大作用還體現(xiàn)在疾病診斷。
這個病例一個兩肺，多發(fā)斑片狀，磨玻璃密度半實性密度的病變影子。這一層當(dāng)中病變集中在左肺上葉前段以磨玻璃密度為主，伴有少量的實性密度影，那么患者到底病情是輕還是重？
在影像學(xué)描述上，描述為兩肺少量磨玻璃密度增高，影伴有少量實訓(xùn)密度。同時對于病變的范圍累積的葉段加以描述，但這樣的描述仍然是主觀和半定量。
可以通過各個肺葉段病灶所占百分比告訴醫(yī)生，400張薄層當(dāng)中，哪一些區(qū)域有隱秘病灶需要關(guān)注。從第5版開始，影像學(xué)專家呼吁，在疾病防控的特殊階段，盡管不能確診，但非常重要的臨床評價手段。
第6版、第7版逐步把定量評價引入到指南治療依據(jù)當(dāng)中，比如影像學(xué)是否有肺炎表現(xiàn)，感染新冠病毒的患者可以分為輕癥、普通性。
根據(jù)影像學(xué)24~48小時當(dāng)中病變變化占比，可以判斷患者沒有出現(xiàn)上述顯著臨床指標(biāo)，但仍然需要按重癥來管理，意味著影像學(xué)表現(xiàn)一定程度上能夠預(yù)測重癥化的趨勢。
重型、微重型預(yù)警重要指標(biāo)當(dāng)中，以及患者管理的重要依據(jù)當(dāng)中，都把影像肺內(nèi)表現(xiàn)定量評價列入指南。也就是說在診療的角度，需要盡可能細(xì)致精準(zhǔn)的給診療提供證據(jù)。
影像學(xué)定量評價方法，不僅能夠指導(dǎo)和協(xié)助醫(yī)生，基于影像學(xué)大數(shù)據(jù)，在疫情早期階段，通過算法構(gòu)建肺炎病變定量分析特征。
同時基于首次檢查和三天后ct影像檢查中間ct的特征變化，形成有效預(yù)測肺炎重癥化模型，模型AUC達(dá)到0.93，性能在業(yè)界是頂級性質(zhì)的，這個結(jié)果優(yōu)于目前臨床當(dāng)中已經(jīng)使用的無需重癥評分的，以及中淋比和D-二聚體等臨床指標(biāo)等。
文章結(jié)果也做了發(fā)表，除了影像學(xué)相應(yīng)信息，基于臨床信息，即使我們也同步構(gòu)建了新冠肺炎重癥化的臨床評估量表。
這個量表當(dāng)中，我們引入了臨床當(dāng)中非常常見指標(biāo)，這些指標(biāo)通過大量臨床信息，自然語言方式進行篩查之后得出4個臨床指標(biāo)，包括有沒有呼吸窘迫癥狀、并發(fā)癥、乳酸及淋巴細(xì)胞嚴(yán)重程度。
共同構(gòu)成有利于疾病早期預(yù)測的重癥化模型風(fēng)險評估量表，表在臨床的驗證當(dāng)中達(dá)到了0.856，這篇文章是發(fā)表在歐洲呼吸病學(xué)雜志上。
患者治療之后，下一個環(huán)節(jié)其實就是康復(fù)患者回到社區(qū)，如何和醫(yī)院診治醫(yī)生之間建立相應(yīng)的協(xié)作和關(guān)系，進一步咨詢自己的疾病的進度。
基于移動端智能助手，可以在出院的時候通過掃碼方式或者短信觸達(dá)提醒出院患者，通過平臺和專家團隊，或者通過語音24小時在線，可以和的語音助手進行咨詢問答，去反饋自己的癥狀，檢查體征等相應(yīng)信息，同時也能夠獲取專家的專業(yè)的指導(dǎo)意見。
通過這樣方式，不僅能夠助力患者在家安心康復(fù)，也能夠真正意義上去隨訪社區(qū)康復(fù)患者疫情后期是否有伴發(fā)的并發(fā)癥，根據(jù)大數(shù)據(jù)來開展后期的康復(fù)相關(guān)研究。
我們在診前、診中、診后形成貫穿前后的端到端智能化助手。這套系統(tǒng)截止到3月底，已經(jīng)在全國100多家醫(yī)療衛(wèi)生政府平臺健康機構(gòu)落地。
在疫情期間，通過上述的圖像識別、語音識別、自然語言三項關(guān)鍵技術(shù)，加上知識圖譜，我們今天構(gòu)筑了能夠處理分級分層分流的智能抗疫智慧服務(wù)平臺。在疫情爆發(fā)前期階段，可以實現(xiàn)新冠的自我鑒別。發(fā)熱門診的導(dǎo)診防御工具等。
而在疾病診治的關(guān)鍵環(huán)節(jié)當(dāng)中，能夠提供精確的早期分診，診療評價，在疫情后期，我們還用新冠助手提供了復(fù)工疫情科普幫助。
在最后階段，或者在疫情后期階段，我們通過智能化手段產(chǎn)生了大量智能數(shù)據(jù)，匯聚到智能化數(shù)據(jù)中臺，形成區(qū)域疫情數(shù)據(jù)統(tǒng)計分析和上報，從而支持和服務(wù)政府監(jiān)管部門決策。
那么在疫情結(jié)束之后，繼續(xù)通過在線問診的方式，幫助后疫情時代健康、觀念習(xí)慣、以及問診相關(guān)服務(wù)支持，形成覆蓋疫情防控不同階段，為公眾提供一線抗疫智慧服務(wù)，為有關(guān)部門提供了有效決策和支持。
我們也受到一線醫(yī)生的鼓勵，一線醫(yī)生在使用的過程當(dāng)中給予我們大量的支持和反饋。
今天中國科技創(chuàng)新走在了一個非常特殊的時期，如果僅僅以互聯(lián)網(wǎng)、AI、智能化的信息化的手段，信息化的技術(shù)做對比，與美國等發(fā)達(dá)國家相比，其實我們的信息化移動相關(guān)技術(shù)起步相對晚，發(fā)展相對慢。
但從2015年前后AI的興起，看到國內(nèi)已經(jīng)形成信息化、SaaS化，移動端和四化合一疊浪的勢頭。因此在四化合一疊浪時代，我們作為科技創(chuàng)新企業(yè)，可能有更大的市場空間。
在打造數(shù)字智能化時代當(dāng)中，醫(yī)療“新基建”究竟需要什么呢？我們認(rèn)為在醫(yī)療“新基建”的領(lǐng)域，結(jié)合人工智能大數(shù)據(jù)的技術(shù)，可以在兩個維度去開拓和深耕。
第一個、自主可控底層技術(shù)。在人工智能底層技術(shù)當(dāng)中，算力非常重要。在既往我們更多通過現(xiàn)有算法框架以及獨立算力進行協(xié)作。
但今天我們將算法與算力進行耦合，圍繞著實際算例的算法應(yīng)用的場景，通過算法算力的耦合，形成超摩爾時代的能力，讓算法實現(xiàn)更高的精度，讓算力更大程度的發(fā)揮效能。
在醫(yī)療真正應(yīng)用的領(lǐng)域，AI如何賦能疾病診療當(dāng)中的醫(yī)生、患者，如何讓醫(yī)生更高效的服務(wù)患者，如何去助力讓AI成為供給側(cè)醫(yī)療新的動能。
第二個、基礎(chǔ)應(yīng)用領(lǐng)域，在底層技術(shù)方面，我們提出算法及芯片，一款A(yù)I芯片要獲得極致效能，首先需要確定其主要應(yīng)用的場所，基于對場景的核心算法現(xiàn)狀，以及未來發(fā)展趨勢的深刻理解，我們才能設(shè)計高效芯片的實現(xiàn)。
圍繞不同場景的需求，可以設(shè)計不同功能芯片，把功能和算理做到極致，但這樣芯片的設(shè)計，功能發(fā)揮，需要相應(yīng)深度學(xué)習(xí)模型和芯片相結(jié)合，首先針對芯片優(yōu)化，實現(xiàn)算法與算力順利的融合。
2019年上半年依圖發(fā)布了全球首款深度學(xué)習(xí)云端定制國產(chǎn)芯片，面向視頻側(cè)，視頻推理，將算法與芯片耦合，獲得更高性能，已經(jīng)取得初步成功。
第二個方向、要針對特定的芯片，通過納斯方式驅(qū)動模型的設(shè)計，納斯是神經(jīng)網(wǎng)絡(luò)的自動檢索的方法，是一個先驗自動檢索技術(shù)，自動設(shè)計針對芯片和特定任務(wù)中最優(yōu)神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)本身在完成任務(wù)針對性方面。
兩者整合之后，會在具體的產(chǎn)品當(dāng)中達(dá)到最優(yōu)的效果和速度。所以除了圍繞算法優(yōu)化芯片，還可以針對特定芯片，通過納斯的方式去設(shè)計最優(yōu)的算法模型。
我們希望做的更為宏觀，通過AI賦能醫(yī)療的應(yīng)用，從預(yù)防到治療，需要構(gòu)建覆蓋居民、全生命周期健康管理體系，增強居民健康服務(wù)可及性目標(biāo)。
圍繞這個目標(biāo)，需要針對預(yù)防篩查、診斷治療、隨訪康復(fù)各個環(huán)節(jié)，通過數(shù)據(jù)中臺、智能中臺方式，提供居民健康科普、區(qū)域重疾篩查、醫(yī)聯(lián)體轉(zhuǎn)診助手服務(wù)、以及患者智能隨訪和康復(fù)等相關(guān)的服務(wù)。
比如腫瘤早篩、早診、早治，兒童生長發(fā)育測評等方面，在疫情防控方面構(gòu)建區(qū)域一體化的覆蓋疾病全程的分級診療系統(tǒng)。
第一，上海東部兒科醫(yī)聯(lián)體已經(jīng)落地，各醫(yī)聯(lián)體的區(qū)域分級診療體系，以AI為紐帶，促進專家資源下沉，提升基層兒科醫(yī)生服務(wù)水平。
實現(xiàn)基層首診、雙向轉(zhuǎn)診、急慢分診、上下聯(lián)動，讓老百姓在基層社區(qū)衛(wèi)生院就能咨詢高水平專家，同時能夠圍繞著兒科常見疾病生長發(fā)育的相關(guān)的診療。
在重疾早篩的早診早治領(lǐng)域。從2018年開始，依圖就通過AI方式去助力肺癌早篩。
現(xiàn)在通過5G+AI的方式構(gòu)建肺癌早篩新模式，其中包括社區(qū)人群當(dāng)中智能端問診、導(dǎo)診、分診、風(fēng)險評估，也包括醫(yī)聯(lián)體、醫(yī)共體的分級診療體系。
AI助力形成智慧化早篩立體化，形成分級診療立體化早篩體系，通過遠(yuǎn)程會診和醫(yī)療大數(shù)據(jù)方式，進一步與上級醫(yī)院形成聯(lián)動。
數(shù)據(jù)分析層面回答區(qū)域當(dāng)中高風(fēng)險人群疾病發(fā)生情況以及患者診療、愈后相關(guān)數(shù)據(jù)。
這套系統(tǒng)從2018年推出，落地近兩年，累計在全國十幾個省份落地，國家區(qū)域的癌癥篩查中心，地市級的頭部醫(yī)院，縣級醫(yī)療篩查。
除了上述兒科、腫瘤相關(guān)領(lǐng)域，通過診前、診中、診后的數(shù)據(jù)平臺整合，自然語言方式治理多源異構(gòu)醫(yī)療大數(shù)據(jù)平臺，構(gòu)建臨床服務(wù)科研大數(shù)據(jù)應(yīng)用，也是重要落地方向。雷鋒網(wǎng)
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。
