Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

赵泓维作者

世界人工智能大会建立医疗AI标准数据集,AI发展仍需处理多个数据问题

7月9日,为期三天的2020世界人工智能大会在上海世博中心开幕。此届世界人工智能大会以“智联世界、共同家园”为主题,聚焦“AI技术趋势”、“AI赋能经济”以及“AI温暖家园”三大议题。

作为全新的产业变革核心驱动力,人工智能重构生产、分配、交换、消费等一系列经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式,尤其是在医疗领域,AI正重构大健康。

相比与过去的两届WAIC,今年的大会更为包罗万象,宁光、孙春兰、张文宏、吴凡,诸多行走在新冠疫情抗疫一线的领袖人物也齐聚于此,大会的话题变得更为多元。

大会之后,动脉网对整个WAIC 2020大会中对医疗的影响进行了全面的梳理,同时采访了部分参与本次大会的企业与机构,希望从众多信息之中找到医疗AI发展的方向。

全国首个数据眼科库发布,人工测评公共服务平台建立

2019年4月,国务院发布的《新一代人工智能的发展规划》提出了大数据时代,群体智能、跨媒体智能、人机混合增强智能、自主智能系统五个新的方向,无疑为中国人工智能技术的发展打下了一个坚实的基础。而随着技术的推进,人工智能正不断拓宽其可应用的范围,医疗领域便是其中之一。

在众多细分领域之中,“AI+医疗影像”因最贴近于医生的日常工作而收获了最多的关注,同时也受到最为严格的监管。但无论如今已经颇具规模的医疗影像、建设之中的智慧医院,还是探索之中的新药研发,所有与AI相关的领域,都逃不开数据的标准问题。

为了解决数据的标准化问题,保障人工智能应用的系统安全性、兼容性、可靠性等能力,国家药监局器审中心、信通院等机构深入参与标注制定、产品审评之中,尝试规范医疗人工智能的发展。

在过去的两年之中,药监局陆续制定了《深度学习辅助决策软件审评要点》、《医疗器械生产质量管理规范附录独立软件》、《医疗器械软件注册技术审查指导原则》、《医疗器械网络安全注册技术审查指导原则》等技术规范制定评测方案,同时成立了人工智能医疗器械创新合作平台。从2020年1月起,已经陆续有多款AI软件通过上述方案获得了器械三类证。

国家信通院也在积极推进人工智能数据标准化、标准数据库建设等项目发展,在本次WAIC上, 中国人工智能产业发展联盟常务副秘书长王爱华依次介绍了创新平台近期的三个成果。

第一个成果为糖尿病视网膜病变AI数据库的建立,该成果来源于协和医院负责的真实世界数据应用工作组。基准数据集及算法评估测试平台的重要意义不可忽视,它将是推动人工智能模型在医疗健康领域应用有效性、可靠性、鲁棒性、安全性的基础保障,也是推进人工智能医疗行业可持续发展的重要依托。

第二个成果是协和医院进行了相关数据规范、第三方数据库规范等形成的糖尿病视网膜病变第三方资质的认证。同时,信通院搭建了医疗人工测评公共服务平台,出台了两项人工智能产品的技能指标及测试方法。

第三个成果则是建立医疗人工测评公共服务平台,为了向大众提供一个权威、安全、可追溯的平台,收集不同医院、不同医疗机构的不同病种数据,进而验证不同的人工智能相应产品。当然,平台的搭建方还需针对不同产品和系统制作相应的测试方法,并生成报告。

传统的医疗器械在上市前必须通过一系列的检测测评,同时还要经历长达6个月的临床试验,这一产品才有可能获批上市。王爱华表示:“对于更新、迭代速度较慢的传统医疗器械而言,这套程序的合理性已经经过多年验证,但对于人工智能这样更新快、迭代快的新兴技术而言,则会存在较大的问题。如果按照传统器械的程序,每次更新都进行相应临床试验的话,没有产品能够在审批上跑通。有了这个平台之后,我们便能帮助企业快速进行临床数据补充,产品迭代时的临床试验能够很快完成。这便是这一平台的最大不同点。”

作为第三方平台,安全性是其正常运行最为重要的前提。王爱华认为,第三方平台的安全性包含两个方面,其一源于第三方的数据的知识产权问题,因此在构建平台时,信通院会建立虚拟专用通道对数据和产品进行加密,严格遵守“只进不出”、“无人工干预”和“测后即焚”三大原则。这样第三方数据以及相关测试产品的安全性才足以得到保障。其二则是测试的可追溯性,以便于对出现问题的测试进行清查与修正。

肺炎AI影像辅诊大考,成绩单首次公布

标准制定之外,在工信部科技司的指导下,中国信通院、中国人工智能产业发展联盟、医学人工智能研究与验证工信部重点实验室联合举行的“肺炎AI影像辅助诊断产品评测”结果公布。通过现场测试和材料审查两种方式对参评产品的各项指标进行综合评价,严格参考国家标准、行业标准和国家药监局相关技术审评原则。同时,专门组建评测专家委员会,建立权威评测标准。

最终,上海依图医疗技术有限公司、上海深睿博联医疗科技有限公司、北京安德医智科技有限公司、杭州健培科技有限公司、平安科技深圳有限公司、上海皓桦科技股份有限公司、上海联影智能医疗科技有限公司7家医疗AI企业的肺炎AI影像辅助诊断产品从参评的17家医疗AI公司中脱颖而出。

这次评测,可谓是打破了之前医疗AI行业自说自话、各自为战的局面,这不仅是首次由官方举办的医疗AI影像辅助诊断产品的同台竞技,更是特殊历史时刻的“人工智能抗疫产品”测评,意义非同小可。

为了保证此次测评的权威性,此次评测分为功能审查、性能评测、专家评审三部分,其中,功能审查主要评测肺炎AI产品的功能完备性、系统安全性、可靠性、易用性和兼容性;性能测评主要采用已标注测试数据进行客观测试,对肺炎AI产品临床诊断性能进行指标评价(准确率、灵敏度、特异度和Kappa系数);专家评审则是邀请国内权威临床专家从产品体验性、实用性、产品创新性,以及合理性对产品进行评价,同时综合考虑创新性的特殊功能评价。

据中国信通院相关人士介绍,测试数据是此次测评的另一大亮点。具体而言,此次测评使用了1000例肺炎(包括新冠肺炎和其它各种肺炎),参评的各家医疗AI企业用各自的模型(产品)测试。首先,数据全部来源于上海市公卫临床中心等7家新冠肺炎定点医疗机构,在采集过程中充分考虑了采集设备和配置、数据多样化和病例分布三个维度指标。

同时,考虑到鲁棒性和抗干扰因素,加入了在实际临床中经常出现的70例非标准影像数据。此外,在数据标注规范方面,由组织方制定数据标注起草流程,各数据提供医院组织标注,汇总后由专委会统一确认,这就有效地避免了因标注不统一而可能产生的不合理性。

“性能测试部分是拉开差距的主要原因”,中国信通院相关负责人介绍,性能测试包含“是否肺炎”、“是否新冠”、“病灶位置”。根据测评结果显示,大部分企业产品都能较好地筛查出“是否肺炎”,但在“新冠肺炎鉴别诊断”方面,仅有3家的准确率、灵敏度、特异性在80%以上,其中部分指标在90%以上。

6月19日,工业和信息化部科技司就公布了在科技支撑抗击新冠肺炎疫情中表现突出的人工智能企业名单。以在名单中的安德医智为例,根据疫情期间《人民日报》公开报道情况,“这套新冠AI定性诊断系统不仅能够实现‘肺炎诊断’,还能实现新冠肺炎与其他肺炎(病毒性肺炎、细菌性肺炎等)的进一步鉴别诊断。”、“在实现肺炎检出敏感性接近100%的基础上,新冠肺炎的鉴别诊断准确率(与核酸检测阳性结果符合率)也能够达到97.8%以上。”

根据中国信通院的总体评价,此次测评中脱颖而出的国内医疗AI企业的肺炎AI产品已达到较高水平,产品功能已相对成熟和完善,小部分产品实现了针对新冠肺炎的识别。但是,需要注意的是,只有个别产品能够识别的超过十种肺炎种类,对于病灶的定位精确度尚待进一步提升,性能功能需要通过更多标注数据进行训练。

百家争鸣,AI落地医疗全场景

作为推动人工智能发展的主力军,各家医疗人工智能企业也参与其中,并进行了令人深思的发言。动脉网选取了其中的4个方向,并提取了其中的核心观点。


一、AI+互联网

东软医疗人工智能与临床创新研究院院长黄峰:人工智能与互联网的结合是为了解决现有医疗领域中的痛点,即包括医疗资源不足,分布不均匀,也包括高水平的人才不足,运营成本高等问题。针对这些问题,政府给出了强基层与分级诊疗作为答案,而解法便是“AI+互联网医疗”。

从技术本身来看,最需要AI帮助的是诊疗能力不足的基层诊疗机构。然而,现阶段优秀的AI软件和工作站,动辄几百万元,这一价格是基层医疗结构不能承受的,因此人工智能直接下沉到基层是存在困难的。而互联网医院提供新型商业模式,可以将人工智能的作用放大,通过医联体的方式降低区域医疗部署费用。

从另一个角度看,互联网连接了上下医疗机构,但互联网没法实现每时每刻的服务,医生仍需要休息。这一现实下,我们便需要AI支持的7x24小时在云端值守的智能化应用软件,帮助医生进行智能辅助诊断与分析。

综上所述,互联网与AI是相互促进,相互补充的两种技术,协同之下,两项技术才能更好服务医疗。


二、AI与5G

安德医智董事长梁伟民:AI+5G对于医疗的改变主要在于三个方面。第一,以医院会诊为方向的优质医疗资源下沉。第二,推进智慧医院建设,通过远程教学等方式推动基层医生教育;第三,公共卫生预防预警系统能够与“AI+5G”进行天然的结合,我们应当推动人工智能预警平台建立,增强早期传染性疾病监测预警能力。

深睿医疗CEO乔昕:当牡丹江边境口岸疫情大爆发时,深睿医疗去到了前线,与黑龙江联通联手在黑龙江口岸城市部署5G医疗专网,实现与当地医院的信息互通,智慧化医院的建设及远程会诊等多项智慧医疗服务。回忆起来,若是黑龙江口岸城市没有5G的基础设施,这次合作也就无从谈起。从这个角度来看,5G与AI可以协同作战,但并不意味着两者可以在当前可以产生颠覆医疗的变量,5G与AI都拥有各自发展的路径。


三、AI与智慧医院

GE医疗中国副总裁、首席创新官戴鹰:突发的疫情引起了短暂的混乱,也推进的技术的发展。在这个过程中,我们发现人工智能在医疗之中的作用还有发展的空间,这些发展主要可分为三个方向。

一是推动智慧医院建设。在接下来,医院里的传统设备将会向智能设备转变。更多AI将植入其中,帮助设备进行采集数据、影像扫描时更加精准、更加高效。

二是医院智能运营。中国优质医院中的患者往往人满为患,合理的运营对于医院管理者而言是一个非常大的挑战。而人工智能能够对医院运营大数据进行分析,推动更有效的设备协同管理,人员流动的管理以及科室的管理。

三是辅助诊疗。从智能医疗的概念来看,整个疾病筛查、诊断、治疗、到后续疗效评估以及随访,人工智能应用均可介入其中,帮助我们实现效率的提升,医疗可及性的改善,以及精准医疗。

这三个方向也是GE医疗奋斗的方向,疫情之后,新一代AI医疗体系的建设刻不容缓。

数坤科技董事长毛新生:AI对于医疗质量的提升效应已经毋庸置疑,甚至能够进行一些颠覆性的革新。在抗疫之中,我们能够隐隐看到AI的潜力。

当疫情发生的时候,武汉市中心医院有将近三千人等待影像扫描、诊断和获取结果,但没有足够的医生资源来完成如此海量的工作,AI便在此之中起到了三个重要作用。

首先,若一个病人呈现发烧、咳嗽症状,那么我们如何判断他是否患有新冠肺炎?若由医生进行影像学判断可能要花好几分钟,但AI十秒就能计算出来,结合流行病学与核酸检测结果能够迅速判断患者病情。

其次,一个确诊的新冠肺炎病人,我们应该采用怎样的治疗方式?如何判断治疗的有效与否?通常而言,医生需要去对比前一次和后一次病灶的变化,这对于医生而言存在一定难度,而AI可以给出定量的信息。

最后,如何判断患者是否可以出院?这同样依赖于AI在随访过程中进行的定量数据分析

通过以上三个作用,数坤科技在疫情之中帮助武汉市中心医院分担了许多压力,但这并非终点,我们希望通过AI让医院更多的场景变得智慧起来,我们离AI的天花板还有很远的距离。

依图医疗副总裁苏晓鸣:从我们目前看到的情况来讲,所有人工智能产品的落地一定要遵循客户价值,一定要遵循场景化的需求,一定要为客户创造增值,它才有生命力。基于此我们看到了三个明确的发展趋势。

第一个趋势是从单点任务到场景闭环。最开始的人工智能只能进行单点任务。比方说肺结节的检出,比方说骨龄的判读,但是这种单点式任务的应用场景不能满足临床闭环应用的需求。所以,我们看到了人工智能从单任务走向了多任务,走向了闭环场景。

第二个趋势是从顶级医院走向基层。最早的时候,人工智能的诞生是与顶级医院的专家结合。但是,人工智能最大的落地应用场景不是在顶级医院,而是在基层,也就是帮助那些缺乏诊断能力、诊断能力不够强的基层医生达到均制化的诊断水平。

第三个趋势是从纯软件化的服务走向软硬一体化的新场景解决方案。最早的时候,人工智能的服务形态就是软件,但是我们发现,在很多的应用场景下,AI需要有硬件的辅助。尤其是基层,它需要轻量化的、高性能硬件来辅助完成诊疗服务。所以,依图开发了智能的芯片系统和智能的终端来辅助基层,实现他们临床诊疗的需求。

同时,我们发现在儿童生长发育的领域,现有的DR辐射量太高,且需要屏蔽机房,在限制了儿童周期性复查的这一应用场景。因此,我们就开发了专用的微辐射剂量骨龄摄片仪,再配合我们人工智能的辅助诊断的系统,它就能够实现低剂量辐射,并且可以入园、入校、入社区。这便是我们看到的第三个趋势。

安德医智大中华区CEO李晶珏:如何理解人工智能的核心?其内涵便隐藏在“智”和“能”两个字里。医学人工智能的“智”,应该来自于权威医院顶级医生多年积累的医疗经验,这部分医疗经验在原来的传统医学中不可复制的,但AI能够把这部分数据经验集合在一起。

在创造“智”后,我们要将其赋“能”基层,提高基层医生诊疗水平,让老百姓在家门口便可以享受到权威医院优秀医生的诊疗服务,这是人工智能未来的发展核心需求,而非简简单单解决效益问题和时间问题。

早期时候,医疗人工智能更多的是解决一些单病种、单一场景、单一任务。然而医学本身拥有复杂的循证逻辑,不以单病种存在,也不被单任务所满足。所以,对于未来的人工智能发展,我们必须解决多病种同步分析的问题,模拟人脑解决复杂的医学问题这才是人工智能未来发展的真正方向。


四、AI与新药研发

阿斯利康全球执行副总裁王磊:在阿斯利康看来,人工智能不仅能在药物发现与药物临床研究过程中发挥作用,它的能力可以覆盖药物生产运营全流程。

举个例子,慢性肾病是多靶点的疾病,拥有非常复杂基因环境,很多受体都与慢性肾病有关系的,因此,运用人工智能技术可以对疾病的实质进行分析,并通过人工智能筛选化合物。

同时,在药物开发方面,随着戴穿戴设备,健康APP的崛起,患者能够在家完成随访,其中的数据也可用于真实世界数据研究,未来对于药物批准也有推进作用。

此外,人工智能还可用于药物研发生产,推进智慧工厂以及智慧物流建设。在这次疫情中,阿斯利康的复工复产使用了大量自动化应用,在避免员工聚集的同时保证的高质量的药物生产。

未来,阿斯利康希望能够在上海建立AI人工智能开放创新实验室,与各位合作伙伴一起进驻,共同商讨如何帮到患者在各个疾病领域,各个环节上把各项技术从后台技术变成应用,在场景当中能够实现对患者的价值,我相信这是阿斯利康跟人工智能合作伙伴最终一起实现的场景,希望这样的实验室最终能够落地帮到整个生态圈。

WAIC的意义

总的来说,AI作为一项新型技术,它的创新之处并不在于创造过去并不存在的医疗场景,相反,它作用于已存在的几乎每一个医疗场景,与互联网、5G、IoT等技术协同赋能新医疗。

因此,正如GE医疗首先创新官戴鹰所言:“未来,没有一家AI企业能够独当一面。同人类命运共同体一样,AI也需要构建完备的生态系统。不管是数据的收集,还是智慧医院的建设,都需要众人的合力,所以,我们需要搭建一个生态圈。”

这也是人工智能大会成立的初衷,“智联世界、共同家园”,无论是医疗场景、安防场景还是商用场景,只有存在大数据,就仍需要众人的合力。但也正因为此,在接下来的十年,人工智能或许不会发展得那么快……

动脉网
动脉网

专注医疗产业服务平台

产业智慧医疗
相关数据
平安赛飞AI平台机构

平安赛飞AI平台是平安自主研发的AI模型从研发到落地的全生命周期工具平台,涵盖数据标注-模型训练-模型压缩-高性能推理的AI全生命周期工具和服务,提供丰富的、经过调试打磨的开源AI算法库,支持大规模并行试验和自动调参,可缩短研发周期并提升研发效率约4.8倍,降低单位GPU使用成本约2.4倍,已成功落地并服务于金融、医疗健康、教育和城市服务等多个行业的20多家专业公司。自2019年成立以来,赛飞累计获得约100项发明专利,夺取11个国际竞赛总冠军和15个单项世界第一,发表20余篇Nature子刊、AAAI和IJCAI等顶级技术论文,获得300+国内外知名媒体报道。荣获2019 CCF 科学技术奖科技进步杰出奖,IDC 亚太区智慧城市大奖。

http://tech.pingan.com/
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

重构技术

代码重构(英语:Code refactoring)指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。 软件重构需要借助工具完成,重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中,重构需要单元测试来支持。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

群体智能技术

集群智能(Swarm Intelligence),是指在某群体中,若存在众多无智能的个体,它们通过相互之间的简单合作所表现出来的智能行为,集群机器人便是集群智能一类。它由Gerardo Beni和Jing Wang于1989年在细胞机器人系统的背景下引入。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

药物发现技术

在医学,生物技术和药理学领域,药物发现是发现新候选药物的过程。

量化技术

深度学习中的量化是指,用低位宽数字的神经网络近似使用了浮点数的神经网络的过程。

东软医疗机构
合合信息机构
推荐文章
暂无评论
暂无评论~