數(shù)據(jù)驅(qū)動下的人工智能在醫(yī)療行業(yè)的應(yīng)用

1、數(shù)據(jù)驅(qū)動下的人工智能在醫(yī)療行業(yè)的應(yīng)用12334目錄Contents（1）計算機(jī)視覺（模式識別，圖像處理）（2）自然語言理解與交流（語音識別、合成、對話）（3）認(rèn)知與推理（各種物理和社會常識）（4）機(jī)器人學(xué)（機(jī)械、控制、設(shè)計、運動規(guī)劃、任務(wù) 規(guī)劃等）（5）博弈與倫理（多代理人agents的交互、對抗與合 作，機(jī)器人與社會融合等議題）。（6）機(jī)器學(xué)習(xí)（各種統(tǒng)計的建模、分析工具和計算的 方法）人工智能的應(yīng)用領(lǐng)域其一、它是一個完全自主的智能。感知、認(rèn)知、推理、學(xué)習(xí)、和執(zhí)行， 它都有。其二、它自己把這個事通過少量數(shù)據(jù)想清楚，沒人教它。其三、烏鴉頭有多大？不到人腦的1%大小。 人腦功耗大約是10-20瓦，

2、它就只有 0.1-0.2瓦，就實現(xiàn)功能，根本不需要核動力發(fā)電。 這給硬件芯片設(shè)計者也提出了 挑戰(zhàn)和思路。視覺芯片VPU，應(yīng)該比后來的GPU更超前。一只烏鴉給我們的啟示其一、同樣是在概率統(tǒng)計的框架下，當(dāng)前的很多深度學(xué) 習(xí)方法，屬于一個被稱作“大數(shù)據(jù)、小任務(wù)范式（big data for small task）”（走一步）其二、人工智能的發(fā)展，需要進(jìn)入一個“小數(shù)據(jù)、大任務(wù)范式（small data for big tasks）”嗎？（看一步）其三、假設(shè)前提是智能系統(tǒng)已經(jīng)有了前面講的基本的設(shè) 置，這個系統(tǒng)設(shè)置是千萬年進(jìn)化得來的么，是不是通過 大量數(shù)據(jù)了打磨（淘汰）出來的?（想一步）任務(wù)塑造智能Par

3、t1數(shù)據(jù)驅(qū)動的醫(yī)療人工智能醫(yī)療大數(shù)據(jù)迎來爆發(fā)式增長醫(yī)療行業(yè)在智能產(chǎn)業(yè)中占比顯著，達(dá)30%醫(yī)療數(shù)據(jù)量每年以48%的速度增長，是增速最快 的行業(yè)之一，從2009年到2020年醫(yī)療數(shù)據(jù)增長將 達(dá)44倍醫(yī)療行業(yè)在智能產(chǎn)業(yè)中占比高醫(yī)療行業(yè)其他行業(yè)70%醫(yī)療大數(shù)據(jù)市場發(fā)展迅猛2014-2018年我國的醫(yī)療大數(shù)據(jù)市場規(guī)模呈飛躍增長趨勢預(yù)計到2020年，中國醫(yī)療大數(shù)據(jù)應(yīng)用市場規(guī)模將達(dá)到79.05億元6.069.413.11932.149.679.0500.20.40.60.8806040200億元RMB2014年-2018年醫(yī)療大數(shù)據(jù)市場規(guī)模、增長率及未來預(yù)測1002014201520162017201820

4、192020市場規(guī)模增長率資料來源：IDC、貴陽大數(shù)據(jù)交易所、NCG30%Velocity增長與處理速度快醫(yī)療大數(shù)據(jù)每年以45%的速度增長;診療過程中，檢查檢驗 結(jié)果需第一時間呈現(xiàn)Variety數(shù)據(jù)結(jié)構(gòu)多樣非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)醫(yī)療影像數(shù)據(jù)Volume數(shù)據(jù)體量巨大2018年全國診療人次 達(dá)到84.2億人次，產(chǎn) 生診療數(shù)據(jù)30000TB每個CT圖像含有150M數(shù)據(jù)，每個標(biāo)準(zhǔn)病理圖片接近5GB人體基因組測序數(shù)據(jù) 量超過100GB，轉(zhuǎn)錄組 測序數(shù)量超過30GBValue 價值密度低 應(yīng)用價值高醫(yī)學(xué)影像信息，幾百兆 的數(shù)據(jù)量中有用信息可 能僅有幾個片段大量的傳染病監(jiān)測數(shù)據(jù) 中敏感信息少，需要連 續(xù)動態(tài)

5、監(jiān)測才能捕獲異 常信號或發(fā)現(xiàn)流行規(guī)律;數(shù)據(jù)來源國家統(tǒng)計局公告我們知道：建立智慧醫(yī)療的目的之一是打通醫(yī)患、醫(yī)療機(jī)構(gòu)、醫(yī)療設(shè)備之間的關(guān)聯(lián)，建立全民健康信息平臺，利用人工智能技術(shù)，達(dá)到信息共享和充分利用的目的。在國務(wù)院印發(fā)的新一代人工智能發(fā)展規(guī)劃中重點提出應(yīng)加快人工智能創(chuàng)新應(yīng)用，特別在服務(wù)。積極響應(yīng)并發(fā)展云南省八大重點產(chǎn)業(yè)中“生物 醫(yī)藥和大健康產(chǎn)業(yè)”國家、政府層面的要求需要有效解決我國醫(yī)改問題中，城鄉(xiāng)醫(yī)療資源 及衛(wèi)生費用不平衡、東西部地區(qū)健康結(jié)構(gòu)不平 衡，以及醫(yī)療服務(wù)體系中重三級輕基層、重公 立醫(yī)療機(jī)構(gòu)輕民營醫(yī)療機(jī)構(gòu)等問題。醫(yī)療領(lǐng)域為公眾提供個性化、多元化、高品質(zhì)解決問題目標(biāo)通過智慧診療系統(tǒng)，患者無

6、論是在農(nóng)村還 是在城市，均可就近就醫(yī)，享受到基本相 同的醫(yī)療質(zhì)量，保證對疾病的精確、及時 就診?？s短患者的就診時間，針對患者 的病癥進(jìn) 行個性化治療方案的推薦，引導(dǎo)病人對病 癥進(jìn)行更合理的治療。提供治療規(guī)范和技術(shù)服務(wù)，提高診斷的精 準(zhǔn)度，降低醫(yī)療成本，提高工作效率。解決患者實際問題Part2我們的“智慧醫(yī)療”建設(shè)思路2018中國互聯(lián)網(wǎng)+數(shù)字經(jīng)濟(jì)峰會上，云投醫(yī)療、昆昆醫(yī)附屬第二醫(yī)院與騰訊的合作著力于人工智能輔醫(yī)附屬第二醫(yī)院、紅會醫(yī)院（省第二人民醫(yī)院）、 普洱市人民醫(yī)院與騰訊簽約，在區(qū)域醫(yī)療大數(shù)助診斷系統(tǒng)、診斷風(fēng)險監(jiān)控系統(tǒng)，病歷結(jié)構(gòu)化系統(tǒng) 等方面。其中，最為亮眼的是引入“AI+醫(yī)療”國家據(jù)，人工智

7、能輔助診療技術(shù)運用，智慧醫(yī)院建設(shè)等級標(biāo)桿產(chǎn)品“騰訊覓影”，提升醫(yī)生的診斷效率和方面展開合作。準(zhǔn)確性。2016年9月27日舉行“云南省第一人民醫(yī)院智慧醫(yī)院啟動暨云南省第一人民醫(yī)院聯(lián)想智 慧醫(yī)療研究院揭牌儀式”。智慧 醫(yī)院智慧 管理智慧 服務(wù)目標(biāo)：以大數(shù)據(jù)為驅(qū)動力，建設(shè)以“智慧醫(yī)院” 為主，“智慧服務(wù)” 、“智慧管理” 為輔的 醫(yī)療平臺，實現(xiàn)云南省可服務(wù)于邊疆地區(qū)的一體化“智慧醫(yī)療”體系建設(shè)，使醫(yī)療資源最大化實現(xiàn)醫(yī)療服務(wù)任務(wù)可控、可量化，為醫(yī)療產(chǎn)業(yè)生產(chǎn)、科研、 基建品控、人才培養(yǎng)等醫(yī)療服 務(wù)工作提供支持。為所有管理者和員工提供智能、便捷、個性化的工 作處理平臺建設(shè)智能、便捷、低能耗的智慧醫(yī)院，為患

8、者和醫(yī) 生提供高質(zhì)量精細(xì)服務(wù)Litjens G, Kooi T, Bejnordi BE, et al. A survey on deep learning in medical image analysis. Med Image Anal 2017; 42:60-88.AI在醫(yī)學(xué)領(lǐng)域的應(yīng)用情況AI在醫(yī)學(xué)領(lǐng)域的應(yīng)用的示例Part3開展的工作案例介紹肺癌篩查+人工智能處理2006 年，神經(jīng)網(wǎng)絡(luò)領(lǐng)域?qū)＜?教授在 雜志上 發(fā)表論 文首次提出“深度信念網(wǎng)絡(luò)” 的概念，也就是我們所說的“深度學(xué)習(xí)“。隨后的幾年，很多著名企業(yè)和新興的創(chuàng)業(yè)公司也開始用深度學(xué)習(xí)來進(jìn)行醫(yī)療的應(yīng)用。比如皮 膚 病學(xué)、病理學(xué)、腫瘤學(xué)

9、、醫(yī)學(xué)影像學(xué)等。相對于醫(yī)學(xué)影像數(shù)據(jù)的增加，放射科醫(yī)生匱缺，特別在邊遠(yuǎn)山區(qū)，基層衛(wèi)生院。人工智能的理論和技術(shù)發(fā)展在自然圖像識別上已經(jīng)頗為成熟 以深度學(xué)習(xí)為主的人 工智能技術(shù)，已在自然圖像領(lǐng)域，包括人臉識別，物體檢測等問題上展開醫(yī)療影像的數(shù)據(jù)特點非常適合人工智能來處理醫(yī)學(xué)影像診 斷對人工智 能的需求1 CT 肺結(jié)節(jié)檢測為啥需要用AI來進(jìn)行輔助檢測支氣管肺癌（肺癌）是世界上發(fā)病率及病死率最高的惡性腫瘤，每年死亡人數(shù)達(dá)140W，占所有惡性腫瘤死亡人數(shù)的18。但是，由于我國約75的肺癌患者在診斷時已屬晚期，5年生存率僅約156。（中國專家肺結(jié)節(jié)診治共識）全國一級以上的醫(yī)院人工閱片總體準(zhǔn)確度平均為 約為

10、70%-85%，每一個病例醫(yī)生平均要花 8-10 鐘在 300-500 張 CT 片中尋找?guī)缀撩椎慕Y(jié)節(jié)并給出診斷報告。同時，目前肺結(jié)節(jié)發(fā)生率高、復(fù)查率高、 對比復(fù)查要求高、閱片耗時、人工易疲勞等特點，各大醫(yī)院在高負(fù)荷工作情況下，個體的診斷準(zhǔn)確 度參差不齊、漏診率高。應(yīng)用AI輔助檢測可以幫助醫(yī)生在數(shù)百張 CT 片中尋找肺結(jié)節(jié)，并進(jìn)行標(biāo)注、測量最大最小徑、體積，判斷結(jié)節(jié)的形態(tài)和性質(zhì)，最后自動生成結(jié)構(gòu)化報告。 這樣，就可以在 2 分鐘之內(nèi)完成一個患者的診斷工作，大幅度提升醫(yī)生的工作效率。人工智能如何檢測 CT 肺結(jié)節(jié)根據(jù) CT 肺部掃描片的特征，以及肺結(jié)節(jié)的特征，利用人工智能深度學(xué)習(xí)的理論建立算法模

11、型。 搜集足夠的、經(jīng)過醫(yī)生精準(zhǔn)標(biāo)注的病例，讓算法模型進(jìn)行訓(xùn)練，學(xué)習(xí)，然后算法模型就學(xué)會了識別肺 結(jié)節(jié)的特征。通過反復(fù)訓(xùn)練和模型參數(shù)調(diào)試，最終達(dá)到一個肺結(jié)節(jié)高檢出率，低假陽性率的效果。這 樣人工智能可以先進(jìn)行肺結(jié)節(jié)的檢測工作了，檢測完畢之后，再把所有的肺結(jié)節(jié)以列表形式進(jìn)行呈現(xiàn)。醫(yī)生只需對檢測結(jié)果進(jìn)行二次復(fù)審，確定無誤后，系統(tǒng)自動生成結(jié)構(gòu)化報告。如何判斷人工智能 CT 肺結(jié)節(jié)檢測系統(tǒng)的優(yōu)劣性首先人工智能系統(tǒng)要能融入到醫(yī)生的報告流程中。醫(yī)生從調(diào)閱圖像的同時，人工智能要自動推送 檢測結(jié)果。等醫(yī)生復(fù)核完畢之后，系統(tǒng)需要自動生成報告，報告可以自動推送到醫(yī)生的 HIS 報告系統(tǒng) 之中，直接可以編寫。整個過程

12、需要無縫對接，不破壞醫(yī)生診斷的流程， 符合醫(yī)生診斷習(xí)慣。其次， 要能夠有 95%以上的檢出率，盡量不漏檢。假陽性要控制在每位患者 4 個以內(nèi)。當(dāng)檢出率提高的 時候，不可避免假陽性就會增多。神經(jīng)網(wǎng)絡(luò)模型要能夠有很強的兼容性、 適用性、魯棒性，要能夠有 效控制假陽性。這樣也可減少醫(yī)生的復(fù)核的工作量?；跈C(jī)器學(xué)習(xí)的心血管疾病的診療系統(tǒng)對病人的門診病例、醫(yī)學(xué)影像、 生理化驗等數(shù)據(jù)的收集整合，并 進(jìn)行預(yù)處理。病癥采集針對不同類型的數(shù)據(jù)采用不同 的診斷分類模型，并采用集成 學(xué)習(xí)的方法對得到的多個診斷 分類模型進(jìn)行加權(quán)集成。病癥診斷診斷出相同疾病的病人數(shù)據(jù)進(jìn)行聚類分析,將相同病疾病類型的 病人劃歸到同一個簇

13、中，并且選 擇高置信度的診療方案推薦給患 者和醫(yī)生。診療方案推薦根據(jù)病人的后期隨訪記錄， 對病人的康復(fù)情況進(jìn)行合理 的評估。預(yù)后評估實施步驟2341診斷表檢查信息表表關(guān)聯(lián)篩選心血管 疾病樣例選取類標(biāo)數(shù)據(jù)規(guī)約醫(yī)療影像數(shù)據(jù)電子病歷數(shù)據(jù)預(yù)處理數(shù)據(jù)集成劃分圖像數(shù)據(jù)格式圖像切割劃分訓(xùn)練集/測試集圖像數(shù)據(jù)預(yù)處理訓(xùn)練集/測試集數(shù)據(jù)去重數(shù) 據(jù) 預(yù) 處 理 模 塊數(shù)據(jù)清洗數(shù)據(jù)集成數(shù)據(jù)規(guī)約數(shù)據(jù)變換ConV 11ConV 33ConV 55卷積層Pooling33BNConV 11ConV 33ConV55Pooling 33池化層卷積層池化層批量歸一化Flatten 層Softmax分類器輸入醫(yī)療影像數(shù)據(jù)的特點解

14、決辦法數(shù)據(jù)復(fù)雜醫(yī)療影像數(shù)據(jù)維度大醫(yī)療影像間差距極小不同的卷積核設(shè)計能提取到圖像不同的特征， 保證了特征的多樣性比起單一粒度的卷積核，多粒度卷積核保證 了算法的健壯性，使得算法在處理噪聲數(shù)據(jù) 時也能表現(xiàn)出良好的魯棒性。數(shù)據(jù)具有噪聲醫(yī)療影像中包含多中非圖像信 息醫(yī)療設(shè)備所造成的影像模糊，成像位置等偏差數(shù)據(jù)預(yù)處理歷史病例數(shù)據(jù)聚類特征提取及壓縮（含：心率、血氧、 呼吸率異常的均值及心律失常報警率）K-Means聚類粒子群優(yōu)化算法CUU歷史病歷 生理波形數(shù)據(jù)數(shù)據(jù)預(yù)處理病情分級KNN病情分級簇模型歷史診療及 康復(fù)記錄CUU病人生理 波形數(shù)據(jù)病人ID病程監(jiān)控及預(yù)警愈后康復(fù)幾率的預(yù)判利用心血管病人相關(guān)歷史病程

15、波形數(shù) 據(jù)，結(jié)合非監(jiān)督學(xué)習(xí)中聚類算法對相關(guān)病例 進(jìn)行聚類，并關(guān)聯(lián)歷史診斷病歷信息，建立病情嚴(yán)重程度分級模型。得到病情分級類簇 中心之后，運用K近鄰算法將采集到病人的生 理波形數(shù)據(jù)的“壓縮特征”與其進(jìn)行匹配，不僅可對當(dāng)前病人病情進(jìn)行合理的分級及病 程的大粒度監(jiān)控，通過類簇中關(guān)聯(lián)的歷史診 療及康復(fù)記錄，還將為醫(yī)護(hù)人員對病人愈后康復(fù)幾率的預(yù)判提供重要參考。我們團(tuán)隊發(fā)表的論文基于機(jī)器學(xué)習(xí)的疾病相關(guān)性分析 及其他研究疾病相關(guān)性分析診療 規(guī)則藥學(xué) 規(guī)則疾病譜業(yè)務(wù)規(guī)則不同的神經(jīng)活動會產(chǎn)生不同 的腦波模式，從而表現(xiàn)為不 同的大腦狀態(tài)，并發(fā)出不同 振幅和頻率的腦電波。我們使用ErgoLAB EEG 無線干電極腦

16、電測量系 統(tǒng)采集腦電信號，進(jìn)行 認(rèn)知狀態(tài)分析。作為一種神經(jīng)系統(tǒng)疾病，阿爾茲海默（AD） 癥的表現(xiàn)之一為認(rèn)知能力障礙。腦電信號 能夠反映認(rèn)知狀態(tài)。我們使用EEG傳感器 采集腦電信號。通過大數(shù)據(jù)和機(jī)器學(xué)習(xí)的 方法，我們可以發(fā)現(xiàn)腦電信號、認(rèn)知狀態(tài) 和AD癥之間的關(guān)系，進(jìn)而結(jié)合其它生理指 標(biāo)與行為記錄（比如步態(tài)分析）進(jìn)行AD癥 的預(yù)測。呼吸系統(tǒng)：人在呼吸時，流動的氣體會對周圍組織產(chǎn)生瞬間壓力。放置在胸部或 腹部的壓力傳感器，根據(jù)胸腔的擴(kuò)大或縮小的節(jié)律性交替改變所引起的胸部、背 部以及腹部的起伏變化，產(chǎn)生電壓信號。對信號進(jìn)一步處理及轉(zhuǎn)換，即可獲得呼 吸信號。又有對呼吸睡眠綜合征的患者，通過佩戴呼吸機(jī)，收

17、集呼吸機(jī)數(shù)據(jù)。google谷歌有一個 名 為 TensorFlow 的開源庫，可用來 在Android 中實現(xiàn) 機(jī)器學(xué)習(xí)。(物體的標(biāo)簽文件)(預(yù)訓(xùn)練模型文件)迭代，拿來，站在巨人肩膀上Part4可穿戴智能健康技術(shù)基于移動物聯(lián)網(wǎng)的智慧醫(yī)療：通過連接大量移動可穿戴設(shè)備，對海量個人健康數(shù)據(jù), 進(jìn)行智能采集、融合、分析、管理 和挖掘，并提供相應(yīng)的個性化醫(yī)療健康服務(wù)。核心功能：提供方便快捷地個性化健康醫(yī)療數(shù)據(jù)管 理和分析服務(wù)提供精準(zhǔn)性的疾病自我量化管理服務(wù)關(guān)鍵技術(shù)：非察覺式健康數(shù)據(jù)智能感知技術(shù)多源異質(zhì)健康數(shù)據(jù)的融合技術(shù)個性化疾病管理系統(tǒng)和方法可穿戴手環(huán)，手表，健康稱，活動識別器等手機(jī)應(yīng)用程序 及服務(wù)開發(fā)

18、API,健康數(shù)據(jù)讀 取和使用硬件移動端服務(wù)器利用RFID定位系統(tǒng)采集人體位置，活動和交互性信息支持連接20余種可穿戴醫(yī)療設(shè)備異質(zhì)自我量化健康數(shù)據(jù)的交互式可視化分析工具個人信息和病史健康預(yù)測運動數(shù)據(jù)可視化 分析移動終端三維病例可視化服務(wù)器控制面板眼部疾病案例管 理動脈健康智能 監(jiān)測稱手環(huán)式心房顫動 檢測手表糖尿病案例管 理基于非察覺式光感信號檢測技 術(shù)測量血液脈動流提供模式識別算法分析血液脈 動流監(jiān)測心房顫動，準(zhǔn)確度達(dá) 到95%基于非察覺式IPG和ECG信號 檢測技術(shù)測量手腳脈沖時間差提供模式識別算法分析監(jiān)測動 脈僵硬特征，準(zhǔn)確度達(dá)到91%通用適配器模式設(shè)計感知接口 以提取，傳輸，存儲數(shù)據(jù)支持藍(lán)牙傳輸2.0以上可穿戴 設(shè)備支持30種以上手環(huán)、計步器 等、50種智慧手機(jī)智能感知技術(shù)和設(shè)備怎么判斷你內(nèi)心的選擇符不符合道德呢？社會不可能把大量規(guī)則逐 條列出來，一個漢字也沒法表達(dá)那么多的內(nèi)容?！暗隆弊稚厦媸且?個十字，十字下面一個四，其實不是四，而是眼睛，十個眼睛看著 你。就是由群眾來評判的。他們?nèi)绻X得你做的事情能夠接受就是 道德，如果不接受那就是不道德。所以，你在做選擇