0
| 本文作者： 劉海濤 | 2020-06-30 20:42 |
近日，雷鋒網醫(yī)健AI掘金志邀請依圖醫(yī)療副總裁石磊，做客雷鋒網公開課，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時階段的戰(zhàn)爭、經濟、政治等其他社會因素。此次新冠病毒致死人數已達到46萬，數量超過本世紀以來任何一場戰(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，依圖依托自身技術基礎，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)，基于影像學定量評價方法，構建了預測肺炎重癥化的定量分析模型，模型AUC達到了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，可以直接在檢驗前對重癥結果進行判定。
以下為石磊演講全文內容，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、經濟、政治等關鍵的社會因素。
經歷新冠疫情之后，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，北京大學醫(yī)學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，也是我們進一步認識自然、認識個體、認識疾病的過程，我找了6張相關圖片，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——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，人們已經開始知道感染性疾病、傳染病需要進行防護。
當然，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。
而真正了解人體內患病后的生理影像改變表現(xiàn)，要借助于現(xiàn)代醫(yī)學影像學發(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，在影像學早期形態(tài)，影像學的進步讓我們能夠進一步觀察和觀測人體內患病影像學改變。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)，但對核酸的結構和功能了解，卻在隨后的100多年當中才逐步加以認識。除了上述技術，還有很多技術不在這張照片當中，也為我們人類抗擊疾病提供了有力的武器。
2月14號，中央全面深化改革委員會第十二次會議當中，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，成為完善和構建起強大公共衛(wèi)生體系的題中應有之義。
如何從疫情全周期、科技創(chuàng)新進一步服務醫(yī)療。從依圖疫情防控第一天開始，希望通過預防、診療、研究三個階段，思考全周期技術解決什么樣的防御需求，以什么形式落地。
預防當中講究三級預防，還需要關注各個階段群體，包括易感者、潛伏者、感染者、康復者四類人群。我們需要對易感但沒患病的人進行早期預防、健康教育。
已經感染病毒，但沒有發(fā)病的患者，應盡早發(fā)現(xiàn)，予以隔離，加強在隔離期間觀察和治療，以防重癥化；在治療過程當中，需要早期識別分診，通過智能化手段進一步準確分析預測、定量評價。
結合臨床診療的需求，還要進一步的開展臨床研究，了解疾病，圍繞今天臨床當中發(fā)現(xiàn)的新問題，通過大數據去回答、發(fā)現(xiàn)醫(yī)療新趨勢。
治療結束后康復過程中，患者同樣需要受到關注，診后的康復同樣是三級預防，是四類人群當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)人群高危評估及導診過程當中，仍需要通過人工引導方式深入社區(qū)進行問卷調查，大量依賴人工投入，存在交叉感染風險。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積累，包括自然語言技術、語音識別技術和與醫(yī)學相關的知識網絡，同時結合意圖識別等算法當中的特殊設計，建立了小依醫(yī)生導診系統(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)院就診對接當中，這套系統(tǒng)能夠把相關數據導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化定量分析，快速判別對于療效綜合分析。在這個過程當中，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。
我們認為今天的院內診療從預警分診到精準評價，有三點問題需要突破：
第一，今天疾病預診預警仍然以人力為主，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)學證據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上證據。
第三，跨模塊醫(yī)療數據，在其中抗擊疫情的過程當中，各個學科、各種檢驗都沉淀大量數據。這些數據客觀反映了疫情發(fā)展各個階段疾病的特點。但我們缺乏有效短期快速精準利用多模態(tài)醫(yī)療數據綜合分析方法，無法構建起早期階段風險預測模型。
如果能夠尋找到構建早期風險預測模型的有效辦法，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，我們針做了產品設計：
第一，快速幫助醫(yī)生在第一時間發(fā)現(xiàn)疑似患者，通過影像學手段觀察相應表現(xiàn)病例。
第二，就診的第一個環(huán)節(jié)是在檢查過程當中產生圖像后，我經過一段時間傳輸給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。
影像產生之后在機房內，第一時間提醒檢查技術人員和醫(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交叉感染。當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？
在影像學描述上，描述為兩肺少量磨玻璃密度增高，影伴有少量實訓密度。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張薄層當中，哪一些區(qū)域有隱秘病灶需要關注。從第5版開始，影像學專家呼吁，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當中，比如影像學是否有肺炎表現(xiàn)，感染新冠病毒的患者可以分為輕癥、普通性。
根據影像學24~48小時當中病變變化占比，可以判斷患者沒有出現(xiàn)上述顯著臨床指標，但仍然需要按重癥來管理，意味著影像學表現(xiàn)一定程度上能夠預測重癥化的趨勢。
重型、微重型預警重要指標當中，以及患者管理的重要依據當中，都把影像肺內表現(xiàn)定量評價列入指南。也就是說在診療的角度，需要盡可能細致精準的給診療提供證據。
影像學定量評價方法，不僅能夠指導和協(xié)助醫(yī)生，基于影像學大數據，在疫情早期階段，通過算法構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，形成有效預測肺炎重癥化模型，模型AUC達到0.93，性能在業(yè)界是頂級性質的，這個結果優(yōu)于目前臨床當中已經使用的無需重癥評分的，以及中淋比和D-二聚體等臨床指標等。
文章結果也做了發(fā)表，除了影像學相應信息，基于臨床信息，即使我們也同步構建了新冠肺炎重癥化的臨床評估量表。
這個量表當中，我們引入了臨床當中非常常見指標，這些指標通過大量臨床信息，自然語言方式進行篩查之后得出4個臨床指標，包括有沒有呼吸窘迫癥狀、并發(fā)癥、乳酸及淋巴細胞嚴重程度。
共同構成有利于疾病早期預測的重癥化模型風險評估量表，表在臨床的驗證當中達到了0.856，這篇文章是發(fā)表在歐洲呼吸病學雜志上。
患者治療之后，下一個環(huán)節(jié)其實就是康復患者回到社區(qū)，如何和醫(yī)院診治醫(yī)生之間建立相應的協(xié)作和關系，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，檢查體征等相應信息，同時也能夠獲取專家的專業(yè)的指導意見。
通過這樣方式，不僅能夠助力患者在家安心康復，也能夠真正意義上去隨訪社區(qū)康復患者疫情后期是否有伴發(fā)的并發(fā)癥，根據大數據來開展后期的康復相關研究。
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，已經在全國100多家醫(yī)療衛(wèi)生政府平臺健康機構落地。
在疫情期間，通過上述的圖像識別、語音識別、自然語言三項關鍵技術，加上知識圖譜，我們今天構筑了能夠處理分級分層分流的智能抗疫智慧服務平臺。在疫情爆發(fā)前期階段，可以實現(xiàn)新冠的自我鑒別。發(fā)熱門診的導診防御工具等。
而在疾病診治的關鍵環(huán)節(jié)當中，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生了大量智能數據，匯聚到智能化數據中臺，形成區(qū)域疫情數據統(tǒng)計分析和上報，從而支持和服務政府監(jiān)管部門決策。
那么在疫情結束之后，繼續(xù)通過在線問診的方式，幫助后疫情時代健康、觀念習慣、以及問診相關服務支持，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，為有關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、AI、智能化的信息化的手段，信息化的技術做對比，與美國等發(fā)達國家相比，其實我們的信息化移動相關技術起步相對晚，發(fā)展相對慢。
但從2015年前后AI的興起，看到國內已經形成信息化、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。
在打造數字智能化時代當中，醫(yī)療“新基建”究竟需要什么呢？我們認為在醫(yī)療“新基建”的領域，結合人工智能大數據的技術，可以在兩個維度去開拓和深耕。
第一個、自主可控底層技術。在人工智能底層技術當中，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)療真正應用的領域，AI如何賦能疾病診療當中的醫(yī)生、患者，如何讓醫(yī)生更高效的服務患者，如何去助力讓AI成為供給側醫(yī)療新的動能。
第二個、基礎應用領域，在底層技術方面，我們提出算法及芯片，一款AI芯片要獲得極致效能，首先需要確定其主要應用的場所，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，我們才能設計高效芯片的實現(xiàn)。
圍繞不同場景的需求，可以設計不同功能芯片，把功能和算理做到極致，但這樣芯片的設計，功能發(fā)揮，需要相應深度學習模型和芯片相結合，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習云端定制國產芯片，面向視頻側，視頻推理，將算法與芯片耦合，獲得更高性能，已經取得初步成功。
第二個方向、要針對特定的芯片，通過納斯方式驅動模型的設計，納斯是神經網絡的自動檢索的方法，是一個先驗自動檢索技術，自動設計針對芯片和特定任務中最優(yōu)神經網絡。網絡本身在完成任務針對性方面。
兩者整合之后，會在具體的產品當中達到最優(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)療的應用，從預防到治療，需要構建覆蓋居民、全生命周期健康管理體系，增強居民健康服務可及性目標。
圍繞這個目標，需要針對預防篩查、診斷治療、隨訪康復各個環(huán)節(jié)，通過數據中臺、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)體轉診助手服務、以及患者智能隨訪和康復等相關的服務。
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)生服務水平。
實現(xiàn)基層首診、雙向轉診、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)育的相關的診療。
在重疾早篩的早診早治領域。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的方式構建肺癌早篩新模式，其中包括社區(qū)人群當中智能端問診、導診、分診、風險評估，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，通過遠程會診和醫(yī)療大數據方式，進一步與上級醫(yī)院形成聯(lián)動。
數據分析層面回答區(qū)域當中高風險人群疾病發(fā)生情況以及患者診療、愈后相關數據。
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、腫瘤相關領域，通過診前、診中、診后的數據平臺整合，自然語言方式治理多源異構醫(yī)療大數據平臺，構建臨床服務科研大數據應用，也是重要落地方向。雷鋒網
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
