西湖论健|中科院自动化研究所所长徐波：医学人

2019年8月29日，由浙江省卫生健康委、浙江省发展改革委、浙江省经信厅联合主办，杭州健培科技有限公司、浙江省健康服务业促进会承办的首届长三角健康产业高质量发展大会暨2019西湖论健·浙江国际健康产业高峰论坛在杭州国际博览中心召开。某站大健康作为独家专访媒体受邀参加。

论坛以“5G开启医疗AI新纪元”为主题，解读了国内政策权威，探讨了医学科技、AI与5G融合、5G与医院智能化，发布5G医疗AI系列成果，进行了医学科技、AI与5G融合、5G与医院智能化、5G智慧医疗技术交流。

全国政协委员、中国科学院自动化研究所所长、中国科学院人工智能学院院长、中国科学院浙江数字内容研究院院长徐波，中国科学院院士、浙江省肿瘤医院院长谭蔚泓，前美国药监局（FDA）审评官、美国国家癌症研究所（NCI）项目主任孙立英等专家学者以及美年健康董事长俞熔、健培科技董事长，西湖论健创始人兼组委会主席程国华、某站公司副总裁、某站大健康总裁高昂等嘉宾共同出席。

会上，中科院自动化研究所所长、中科院浙江数字内容研究院院长徐波发表了题为《医学人工智能发展现状与未来》的演讲，他的主要观点如下：

1、新一代人工智能以大数据为主要特征，而驱动其发展的除了大数据还有深度学习模型；

2、医生知识与临床数据有机结合才能开发出更好的认知智能技术；

3、目前AI辅助诊疗光是感知和识别，没有解决最终判断决策、认知的问题，必须要利用大规模的医学知识图谱来提高辅助诊疗的准确度和自动化程度。

以下为演讲速记（有所删减）：

医疗健康是人类最大的福祉，也是最大的民生，至少从我现在这个年龄来看，体会越来越深。人工智能现在是国家级发展战略，去年总书记在政治局学习的时候，专门提及人工智能是新一轮科技革命与产业变革的驱动力量，具有头雁效应。新一轮科技革命与产业变革的驱动力量是人工智与各行各业的结合、赋能。AI是发动机、驱动力。头雁效应，指的是人工智能和各个行业结合的时候，是促进一个国家、一个地区、一个行业、一个企业的重要抓手。我想这两个巨大的领域碰撞在一起，会产生非常大的火花，造福于社会经济与人类。

报告分为三部分：

一、医学人工智能领域发展概况；

二、医学人工智能技术进展与挑战；

三、医学人工智能发展重点。

医学人工智能领域发展概况

新一代人工智能以大数据为主要特征。人工智能有很多种定义，但是最通俗的是它和人一样，是能听、能说、能看、能学习、能思考、能行动的，这个定义对医疗领域的AI来说同样适用。在大数据时代，人工智能进行深度学习后从不可用走向了可用，但现在所有人都发觉人工智能落地很难，从可以用到很好用还有很长的路要走。

驱动这一轮人工智能发展的，除了刚才说的大数据，还有一个要素，就是深度学习模型。这个模型从2006年开始在学术界露出端倪，经过了差不多13年的发展，它越来越成熟。数据依赖等问题正在逐步得到克服。有人说深度学习已经见顶了，其实不是的。

人工智能和医疗产业的融合领域非常多。比如加速新药的研发；帮助医生做辅助诊断、治疗；进行健康管理、医疗康复以及可穿戴设备等，AI使得医疗服务家庭化。医学里有上万个的病种，每个病种都有自己专业的领域和知识，从医学人工智能的基础——医疗大数据入手人工智能在细分领域里能发挥更大的作用。

医疗健康大数据，包括临床门诊数据、患者行为与情绪、医药研发的数据等等，这些再加上环境数据、社会经济人口数据，如果放到一个深度学习的平台上，通过自然语言、图像语言的处理，把各种数据融合在一起，产生精准医疗的方案，我觉得这样的技术路线和发展重点，事关我国能否充分整合我们人类医疗长期的成果，走出一条中国特色的医疗健康模式，来服务民生。

医学人工智能，从技术分类和应用场景来看，基本上可以分为三大类：感知类、认知类和行为类。感知类，主要是怎么帮助医生推理、规划、决策。行为类则是运动康复、手术机器人等等。认知类，涉及到医生的助手，辅助诊疗、智能导诊、诊疗方案的推荐、虚拟健康助理等。人工智能的技术支撑其实就是语音识别、图像识别、自然语言的理解处理、知识图谱等。   

医学和人工智能的结合，目前才刚刚开始，处于起步阶段主要体现在：

1、医学人工智能产品大多处于试验阶段，距离符合临床业务场景并落地还有一定距离。现在大多数的诊断要么基于文本、要么基于图像，还没有像真正医生一样基于问诊，再加上病理和各种各样诊断的数据，多模态的整合在一起来得出结果。所以大部分项目缺乏验证的标准，也没有第三方的测评数据和评估。另外，要怎么去构建可以供医学人工智能训练、测评用的开放数据库，是另一个非常重要课题。

2、医学人工智能应用场景广阔，目前产品大多数聚焦在局部效率提升，缺乏全局性的重大成果，难以形成带动效应。

3、目前为止国内还少有真正的医学人工智能产品通过CFDA的认证，用于临床。

医学人工智能技术进展与挑战

感知类技术产品，比如说医学影像，以前一个病例要耗费影像医生3-6小时看片子，而且依赖于医生的经验，时间很长。但现在用人工智能技术以后，16毫秒可以识别一张图片，病变的识别率到99.5%，实时出结果。这对改善患者的体验都有很大的提高。

光是感知和识别，没有解决最终判断决策、认知的问题，必须要利用大规模的医学知识图谱来提高辅助诊疗的准确度和自动化程度。所以医学知识图谱实际上是实现智慧医疗的基石，也是支撑更高精准医疗服务的一个基础。这里面包括数据质量评估的图谱、医学推理、医学知识融合、知识抽取、知识表示。

目前的人工智能主推深度学习，这和刚才的知识系统最大的区别在于它不是知识驱动，是数据驱动。它的基本原理就是把海量的信息数据通过复杂的深层网络结构，通过高维度的非线性变化，给出一个临床决策支持的数据。

但是深度学习有它的局限性，它和人的理解和认知还有差距，比如说计算机不擅长表示不确定的东西、需要大量高质量标注数据时容易被对抗样本欺骗、结果缺乏可解释性等。问题越复杂，标注的难度越大，可用的资源越少，计算机也越容易被欺骗。

医学人工智能发展重点

中科院自动化研究所是1956年成立的，当初是做卫星的遥感、遥测和遥控。经过60年发展以后，研究所学科方向上已经从自动化走向了智能化。所以这个研究所在国内应该是唯一的一个整个建制的都是从事人工智能研究的国立科研机构。我们分别代表科学院，以自动化所为主，建立了人工智能的创新研究院；还和上海神经所一起，把人工智能和大脑研究结合起来，成立了中国科学院脑科学智能技术卓越创新中心。

研究所有三个人工智能的国家级平台，分别是：模式识别国家重点实验室、复杂系统管理与空间国家重点实验室、国家专用集成电路设计工程技术研究中心。

研究所在智慧医疗里也有很多的方向，包括：专业医疗设备（包括做分子影像设备、脑活动检测导航设备、淋巴水肿诊疗仪）、医学影像分析、医疗服务机器人、AI辅助诊疗。

在辅助医疗这块，我们有一个基本的理念：

观点1：医疗认知智能核心特点。

不管医学人工智能怎么发展，医生是主体，智能是工具，虽然人工智能最终会在未来的医疗健康发展中起到重要作用，但很长时间内还是工具。第二，以后医生掌握了人工智能，如虎添翼，但是如果医生不掌握人工智能，在其职业生涯当中就会有很多的局限性。第三，群体智能。现在医学至少有上万个病种，通过人工智能不可能在所有的领域里一一完成，所以必须通过平台来赋能医生，而且把不同医生的智慧集中起来，才能推动医学人工智能的发展。所以说通过人工智能平台集智的方式，才能解决医学人工智能的核心问题。

观点2：以智能化引领信息化。

我们的团队重点在做几件事：

1、怎么样用人机交互改善医疗数据的完整性。我们认为人机交互对改善医疗数据完整性有巨大的空间。

2、医生知识与临床数据混合认知智能技术。现在有很多临床的数据，但是用现在深度学习方法做出来的模型没有可解释性。而医生还是有很多的知识，有时候一条知识可能比一千条数据还要管用。但数据可能是医生的知识无法覆盖的，所以我们怎么把医生的知识和临床数据结合起来，解决数据、知识以及模型相互转换问题，这是我们在重点解决的第二个事。

3、医疗人工智能开放平台。人工智能是赋能，我们在探索一个医学人工智能的平台给医生用，把医生的临床、科研和智能化有机结合在一起。面向医疗健康的人工智能平台对数据的共享、数据的关联、数据的安全、数据的标注、基准测试等方面，都提出了更高的要求。

编辑：邱俊儒

本文已标注来源和出处，版权归原作者所有，如有侵权，请联系我们。