华润集团

风向标!两会上科技大佬为什么都瞄准了「AI+医疗新基建」?

发稿时间:2020-06-03来源:火石数智 【 字体:

在刚刚结束的的十三届全国人大三次会议上,《政府工作报告》中特别提及:重点支持既促消费惠民生又调结构增后劲的“两新一重”建设。在科技界和产业界,将“人工智能”融入新型基础设施建设,推动国家人工智能战略落地早已成为共识,两会上这些科技巨擘提出的人工智能布局医疗新基建的相关提案获得瞩目关注。

腾讯董事会主席兼首席执行官马化腾:重点研究推动新基建、包括医疗在内各行各业的数字化转型。

科大讯飞董事长刘庆峰:人工智能推动医疗等新基建势在必行。

联想集团董事长兼首席执行官杨元庆:应加强新一代互联网+医疗健康平台的顶层设计和统筹协调。

红杉资本全球执行合伙人沈南鹏:我国医疗信息化、智能化水平有待加速。医疗AI的审批创新相较市场发展和国际实践仍显不足,数字医疗工具的监管环境仍待优化。

第一,推动国家层面的个人健康档案系统建设,为医学人工智能和医疗大数据应用发展构筑数据基础。

第二,深化医疗器械审评改革,加快推动人工智能医疗器械产品上市,包括探索建立AI专项通道。

第三,探索出台包括医疗人工智能在内的新增适宜医疗技术收费目录。

第四,支持推动社会力量参与医疗信息化升级,引入专业机构助力AI医疗审批,包括吸纳高水平技术公司参与支持PHR数据安全、隐私保护等工作。

网易公司首席执行官丁磊:在国家层面建立统一的“病患大数据分析中心”,借助大数据、人工智能、云计算等数字技术,动态研判生化数据、医学影像等关键信息,确立苗头性问题早发现、早预警、早介入的机制。

2020年是不平凡的一年,开年的疫情影响下,让医疗卫生基础建设成为国家的立国之本。5G时代算力的大提升,信息化加速下,健康数据的大爆发,互联网+算法的积累和突破,在加快医疗基础建设方面,人工智能应用被寄予厚望。两会上,科技大佬们纷纷跨圈提案,新基建主题下,AI+医疗到底有哪些主要的应用场景?

一、图像识别在医疗领域的应用

图像识别技术是人工智能的一个重要领域,卷积神经网络(CNN)是被用来进行图像识别最常用的模型之一。这里要普及一个关于图像的知识:图像由三要素组成:大小、深度、通道数。众所周知,图像通常分为黑白图像和彩色图像,黑白图像(灰度图)的通道数为1,彩色图像通道数为3RGB);深度取决于每个像素对应不同的通道,比如最多颜色(RGB)的像素深度为4+4+2=10位,而灰度图的像素深度只有8位,也正因此使得不同的图像呈现的视觉感官不同,CNN的作用就是通过捕捉每个像素点的区别和联系提取局部微小特征从而对不同的照片进行区分和识别。

糖尿病视网膜病变是糖尿病的并发症之一,也是常见的致盲性眼病。其病因在于糖尿病造成的高糖毒性反应引起眼部神经系统和毛细血管发生变化,在早期阶段确诊该病对保护患者视力至关重要。去年澳大利亚和巴西的科研人员组成的团队利用图像识别技术通过分析眼底相机拍摄的视网膜图像,可以瞬时自动识别出糖尿病视网膜病变的关键特征,即眼球内由于视网膜毛细血管破裂而渗漏出来的液体,准确率达98%。这一重大研究不仅将解放医生的劳动力,更能辅助医生对糖尿病有更精准的判别和诊断。

图像识别技术在医疗领域中的应用除了糖尿病眼底识别,还有肿瘤探测、肿瘤发展追踪、病理解读等,医生的误诊率也随着技术的发展而降低,也标志着人工智能技术应用领域从工程领域逐渐转向医学领域的时代。

二、自然语言处理在医疗领域的应用

作为深度学习领域的主流代表——自然语言处理(NLP)技术是人工智能的一个子领域,它包括自然语言理解和自然语言生成,具有理解并解释人类写作、说法方式的能力。自然语言处理其中一个通用算法Word2Vec早在2013年被谷歌提出,它使用神经网络技术将词表转换成向量表示。确切的说,将词映射成n维空间向量,从而根据余弦相似度来计算文本之间的相似度。形象的来说,就是先给模型训练大量带标签的数据使其形成记忆从而就对相似的词条自动识别并匹配到相应的标签下面。

1.电子病历数据的结构化提高医药科研试验质量

在机器学习算法模型开始识别之前,专业的医学人员需要对大量的病历数据进行标注,比如,术语“糖尿病”被划分为症状名称,在患者的“一述五史”中,我们需要提取一个字段名称叫“是否有吸烟史”,在此我们需要标注的结论是“是”或者“否”。诸如此类,我们需要大量的专家资源支持大量的病历数据才能进行后续的结构化识别。数据准备好了之后,接下来要将它们喂给算法模型进行识别,这块技术已经比较成熟,尤其是CNN+Bi+LSTM+CRF及其各种变种算法,可以解决大部分关于自然语言处理的数据从而对非结构化的文本进行处理从而形成结构化的病历。

病历电子化电子病历的结构化解决了临床研究路径中数据稂莠不齐的问题,打通了数据资源共享通道。通过结构化的电子病历,能将病史、查体、化验检查结果、治疗方法和预后联系在一起,并分析出最科学的临床路径,也为后续临床实验者们在临床决策和诊疗中提供科学依据。

2.社交媒体聆听洞察医患真实诉求

自然语言处理还有一个非常重要的应用分支,那就是医患诉求洞察服务,和病历电子化不同的是,它的来源不是医院,而是来自医患沟通社交网站、论坛、贴吧等,从这些真实的问诊咨询内容中获得医患真实的诉求,以达到准确定位市场的目的。不像一般病历上专业名词用语,沟通网站上大多数包含患者的个人情绪的非正式用语,以及医生为了沟通将医学专业名词换成通俗易懂的话术,这些让自然语言技术变得复杂起来。其中需要用到情感分析,停用词过滤(例如呢、啊、吗…)、词干提取等通用技术。

火石数智打造的「社交媒体聆听解决方案」通过挖掘海量社交媒体数据,了解医生/患者最关心的问题并探究医生/患者未被满足的需求。通过医患诉求的挖掘,为患者教育提供更明确的方向及内容。不仅如此,在情感分析上,火石数智也在不断探索,从文本中分析出人们对于实体及其属性所表达的观点、情感、评价、态度和情绪。通过情绪分析进行客户观点挖掘、观点信息抽取、情感挖掘、主观性分析、倾向性分析、情绪分析以及评论挖掘。

三、结语

从论文数量、AI专利技术上看,中国人工智能的论文发表数量排在全球第一。但实际上,国内的研发水平与西方发达国家比还有较大的差距,AI在具体应用场景的落地还有很长的路要走。今年的两会上将这一话题引向高潮,无疑表明了政策和科研都已蓄势待发,相信人工智能技术在医疗领域的多方面应用将不惧挑战。(火石数智)2020/06/02

相关新闻:

封神彩票注册 内蒙古11选5走势图 炫彩彩票平台 湖北快3走势 湖北11选5走势图 山东群英会出号走势图 满堂彩投注 云南11选5走势图 山东十一运夺金 内蒙古11选5走势图