欢迎您来到中关村人工智能科技园!

新闻资讯News

胡盛寿——智慧医疗:离我们很近,也很远 ——在中关村门头沟园&中关村人工智能科技园2018双创周 京西创新论坛的演讲

2018/10/11 来源:中关村人工智能科技园
  胡盛寿,男,1957年出生,中国工程院院士,国家“973项目”首席科学家,主任医师,教授,博士生导师。现任国家心血管病中心主任,中国医学科学院阜外医院院长,心血管疾病国家重点实验室主任,国家心血管疾病临床医学研究中心主任,《中国循环杂志》主编,法国医学科学院外籍院士,政协第十三届全国委员会农业和农村委员会副主任。
  胡院士在总结过去十年全球智慧医疗行业发展取得成绩的同时,提出需要客观审视智慧医疗当前发展水平。他指出,目前智慧医疗产业链条的研发、应用和评价监管三个环节,都分别存在一些需要静心解决的问题。
  胡院士首先细致分析了研发环节,围绕算力、算法和数据三方面存在的关键问题。在算力方面,由于主流的深度学习开源计算平台均为国外公司开发,因此存在隐私保护和数据安全方面的隐患;同时广大基层医疗机构的硬件设备和信息化水平与智能产品的标准应用场景相差甚远,“用不起”新型智能产品。在算法方面,当前人工智能的学习原理仍然处于“黑箱”状态,成为其在医疗领域落地的最大障碍。而数据是智慧医疗发展的地基,是其发展的核心。当前,国内临床数据的结构化、电子化的程度非常低,造成其可利用率极低,无法统一的规范,同时数据的准确性、完整性和真实性也十分堪忧。在应用环节,诸如“智能产品与医生之间的关系”、“什么才是正确的应用”、“什么是合理的适应症范围”、“应用的流程和路径是什么”以及“检测与反馈的手段与标准是什么”等问题都有待解决。在评价监管环节,则需要进一步完善和优化相关审批流程。
  胡院士认为,尽管任重道远,但中国仍然非常必要也有优势发展医疗人工智能,医疗人工智能势必成为我们国家推进医疗体制改革,提升医疗服务质量、水平和能力的重要手段。
  胡院士强调,解决人工智能在数据、算法、硬件、人才、机制、评价监管等领域存在的核心问题,除了需要大量的资金投入和企业参与,关键还需要平心静气,扎实做好基础研究工作。他十分期待智能医疗产品最终能够为提高人民健康水平、降低医疗费用和医疗负担做出贡献!






 
  附演讲全文(根据录音整理,未经本人审核):
  各位领导、各位朋友:
  大家上午好!
  首先祝贺门头沟双创周活动的隆重召开。非常感谢大会邀请我来和在座的各位分享一下智慧医疗的话题。我们都知道智慧医疗是个非常热门话题,但是今天在座的各位可能来自不同的专业,那么怎么讲这个话题呢?我希望能够有一些共识,以便我们之间能进行交流,讲得不对的地方,还请批评指正。
  我今天演讲的题目是智慧医疗——离我们很近,也很远。
  为什么说智慧医疗离我们很近呢?
  我们都知道在过去十年当中如果说大家去google一下现在的热门Key words,那会发现这些词汇(人工智能、自动驾驶、5G、互联网+等)在我们生活当中是会经常碰到,也是出现度非常高的几个词,这预示着中国的医疗产业相关领域正在酝酿着深刻变化。
  如果谈到智慧医疗在座的各位可能比较陌生的话,说到AlphGO可能大家都很熟悉。16年AlphGO战胜李世石,17年5月份AlphGO 3:0战胜柯洁,17年12月份,AlphGO Zero仅依靠自我学习能力,100%战胜AlphAGO Master。这个事件产生了非常大的反响,人工智能迅速得到了世界各国政府高度关注。2016年10月份,美国白宫发布了《准备迎接人工智能未来》,我们国家是2017年7月发布了《新一代人工智能发展规划》。各大专院校纷纷成立了人工智能专业,甚至进入了中学生教材,2018年4月份,华东师范大学附中专门设立了一个人工智能的基础课。
  人工智能在医疗领域也取得了非常大进展。医疗领域相对来讲非常复杂,普及面也非常广。医生的成长非常漫长,人们就自然会想到能否借助人工智能来把医疗更加普及化,所以在过去十年,智慧医疗成为了非常热门的话题。科大讯飞智医助理参加2017年国家执业医师资格考试笔试,曾经排在了全国前列(5%)。今年上半年;天坛医院举行了人机大战,AI提前“交卷”,并以高出20%的准确率胜出;还有CNS集中关注人工智能在医学领域的应用。目前美国FDA在近几年已经审批通过12个泛AI类医疗产品,比如像糖尿病视网膜诊断的IDx-DR产品,已经在北美、欧洲市场开始使用。我们国内也有很多企业开始布局智慧医疗,无论是百度大数据医疗,还是阿里健康,在这个领域我们国家很多大数据库纷纷介入。
  在炒得非常热的背后,我们要客观审视,智慧医疗实际上离我们还有一定的距离。智慧医疗界的昔日大哥IBM Doctor Watson如今困难重重。Doctor Watson在医疗领域是非常知名的影像诊断肿瘤工具,它在美国是经常使用的产品。2016年,Watson首次诊断罕见白血病,只用了10分钟,这在当时的医疗界引起一片哗然,形成了非常巨大反响。但是到2018年这个公司的股票持续下跌,一面是概念炒得很热,一面是它的实际经营进展十分缓慢,健康部甚至裁员了70%,这形成非常大的反差。整个医疗人工智能产业可以说雷声大雨点小,落地非常困难。中国的智能医疗市场规模到2018年差不多200亿,每年新成立的医疗人工智能公司大概在30余家,可以说大量的资金涌入,大量的公司在不断地成立,但是国内尚无任何一款经过CFDA批准的智能医疗产品进入到临床。
  我们不禁要问为什么?它包括以下几个方面的问题:
  智慧医疗的产业链条大概来讲包括三个方面:研发、应用和评价监管.这三个环节的关系是,从研发到应用,应用反过来促进研发,评价和监管则贯穿从研发到应用的产品全生命周期。
  首先我们说一下研发。人工智能的三驾马车,算力、算法和大数据。第一说算力,从CPU到GPU,可以说计算机硬件在不断进步,但目前主流的深度学习计算机平台基本上都是国外公司开发,我们需要将数据上传到云端计算,自然就产生了隐私保护和数据安全的问题。同时,广大基层医疗机构的硬件设备和信息化水平,与智慧医疗产品标准应用场景需要的硬件水平依然相差甚远,普通基层医院“用不起”新型智能产品(无论是硬件还是软件)。
  第二讲算法,概念和算法的不断演进是人工智能发展的技术基础。我们现在用到的人工智能,其实只是AI中很小的几个分支。人工智能学习的方法和人类其实完全不同,比如图像的学习,人类只需要几十张图片的训练即可发现规律,深度学习则需要上万张图像训练,与核心问题毫无关系的混杂因素会让人工智能陷入混乱,可以说现在人工智能的学习原理仍然处于“黑箱”状态,这成为其在医疗领域落地的最大障碍。这其中有几个问题,现在都无法回答,首先是深度学习到底学到了什么,是如何学习的?智能医疗产品的诊断依据是什么?出现错误后如何修改?产品上市后,是否会继续学习新的数据,发生自我进化?现在以上四个问题,在目前算力、算法技术水平下,基本还陷于“黑箱”操作阶段。
  第三讲数据。大数据时代的来临让机器学习得到充足训练。目前已经临床的智能产品只是采用了其中很少的数据来训练(约10%的人类临床数据)。从整个数据链条的完整性和系统性讲,现有人工智能产品所谓的“真实”和真实世界仍相距甚远。数据可以说是智慧医疗的核心要素。IBM Watson与MSK肿瘤中心专家团队合作4年,完成60万份临床病例标注,至今仍有固定专家团队,每两周更新数据;我们国家张康教授团队在CELL杂志上发表人工智能用于诊断眼底图像的文章,整个研究团队获取20万张OCT图像,初筛后淘汰一半,经不同级别医师三轮标注后用于机器学习。可见智慧医疗对于数据量和质量的要求之高。而现在各类比赛中人工智能完胜医学专家,除了我前面提到的产品,国内还开发出了一些所谓泛医疗人工智能的产品,但国内至今却没有一个人工智能产品应用于临床。这其中的关键就在于数据,训练和比赛用同一套数据集,相当于提前放出题库,考试时只考原题,训练场景下的数据经过严格清洗、标注,实际应用场景中数据却质量参差不齐。所以说在实际应用当中,数据链条与训练的反差,成为了制约现在智能产品研发和临床应用的非常关键的环节。国内临床医疗数据可利用率极低也成为制约智能产品研发的重要因素,以我们做得全国心血管病高危筛查项目为例,我们对全国3600多家机构全年处方进行分析发现:50%的乡镇社区机构和90%的村卫生室没有EMR(电子病历管理)系统,有EMR系统的机构中39%的医生不会常规使用,240家机构的EMR系统来自80个不同的IT开发商,未见基层临床辅助决策系统或远程医疗系统的应用。所以现在数据的结构化、电子化的程度非常低,无法形成一个统一的规范。还有就是数据完整性、真实性十分堪忧。我最近到深圳去,深圳相对是我们国家数据积累较好的地方,拥有像腾讯、华为这样的企业。深圳做了全市的三大医疗数据库,但是我们去看,它的数据的完整性和真实性仍然十分堪忧。尤其把它作为基础数据开发智能产品的时候,就会发现它基本没法用。首先诊疗行为不规范造成信息采集错误百出;还有医疗机构为保医疗质量数据“漂亮”,并发症、死亡率统计数据严重失真;同时,医疗、社保、公安系统信息不互通;此外,医疗信息的敏感性,信息孤岛现象明显。所以大家可以想见,基于这些不真实的数据、不完整的数据,开发出来的产品安全性可想而知。还有就是地基不稳,有真实价值的大数据产品产出低下。现在我们很多公司号称自己有多少兆的数据,但是数据并不等于可以用的大数据,需要从底层到顶层全数据架构的标准化、规范化设计,才能成为一个可用的数据。
  下面我们再看看智慧医疗产业链条的第二个环节——应用。现在智能产品与医生之间到底是一个什么关系还有很大争议,即使是美国现有已经应用的产品在监管和临床应用的角度来看都还有很大问题。从临床应用的角度来看,很多问题远没有解决,需要“反复的临床实践”来确定,诸如什么才是正确的应用?什么是合理的适应症范围?应用的流程和路径是什么?检测与反馈的手段与标准是什么?这些问题都没有解答。
  最后谈谈评价监管环节。美国FDA对AI产品认证从I类到Ⅱ类到510K豁免再到Ⅲ类,初步形成了一个流程链条。目前FDA批准的12个泛AI类医疗产品,仅有2个按照III类新器械审批,其余均做降类或流程简化处理。在这个过程当中,现有的人工智能产品和已知的传统I类、Ⅱ类、Ⅲ类产品之间是什么关系,怎么找到相应的标准和流程,即使在美国仍然有很大争议。我们以IDx-Dr糖尿病视网膜病变筛查软件为例,它只是诊断不是治疗产品,但其评价监管仍存在很多问题。先看它的临床评价过程,从2012到2014美国5个中心600例随机对照前瞻性临床研究,再到2017年美国多中心非随机横断面观察性研究,以及最后阴性的预测,适用于初级筛查,IDx和FDA在如何评估系统并确保其准确性和安全性方面花了7年的时间。即使这样它的审批过程仍需要完善。目前国内尚无AI医疗产品通过审批。按照传统审批流程,三类医疗器械审批周期约为3-4年。如果按照这个程序审批,这些医疗器械公司都会纷纷下架。我前面讲到的IBM Doctor Watson,它的股票大幅下跌、裁员,就是因为它做不下去。2018年8月1日我国开始实施的《医疗器械分类目录》,已新增泛AI类产品。再说下智慧医疗产品的评价监管要点:首先就是数据,包括数据的采集、处理、标注、构建;其次就是算法,包括算法基本信息、训练方式、安全防护、性能评估;最后还有临床评价,大家看一下按照三类新药来做临床评价周期是非常漫长的。
  基于以上问题的分析,医疗人工智能我们还有很长的路要走,中国目前还处在初级阶段即数据整合阶段。但发展人工智能我们有很大的优势,因为我们有全世界最大的人口数量、最大的数据,我们有全球领先的互联网产业(微信、淘宝)、13.5亿人口庞大的数据资源和市场需求,还有政府层面的大力支持,国务院去年刚发布“健康医疗大数据平台”建设的问题,从以上层面上讲,我们还是有很大的优势。而改变我国医疗资源配置不合理成为一个更大的需求。在座可能都知道我国医疗改革有个很大的问题就是医疗资源配置不合理,大量的病人要涌入到大城市才能享受到高水平的医疗服务。在更广大的地区,包括在一些大城市的远郊区县,尤其在中国的中西部地区,资源配置严重的不合理。传统全科医师培养周期长、效率低、留不住人,因此提高基层医疗服务能力,按照现有模式显然是走不通的,我们需要借助基于健康大数据的智能医生、智能诊断系统等其他手段。像我们现在要在门头沟要做得一件事情,就是开发智能医疗工具产品,这将成为我们国家目前医疗体制改革,提升医疗服务质量、水平和能力的一个很重要的方法。具体到提升基层服务能力的中国方案,这事我们前些年一直在国内做得探索,这是一个互联网+大数据+人工智能的链条系统,首先数字医学中心开发相关的智能产品,然后智能医生+社区医生相结合,来改变我们国家的基层服务能力。由于时间关系,在此我就不展开介绍了。
  解决人工智能的核心问题,除了需要大量的资金融入,大量的智慧医疗公司踏入这个市场,我们还需要平心静气,扎实做好基础研究工作,才会促进我们国家智慧医疗产业的健康发展,尤其是要推动数据、算法、硬件、人才、机制、评价监管等问题的解决。首先数据是地基,打好地基,才能得到准确、完整、结构化、机器可读的数据,可读的数据是发展智能医疗的第一个门槛。算力我们还有很大的空间做提升,也需要更加适宜的算法。第三个问题就是人才,如何跨越领域间的gap非常关键,医疗人工智能的发展需要真正的复合型人才。所以我们需要机制,才能将资本、公司企业、复合型人才、政府部门、高校院所结合起来。评价,我们则需要处理好以下几个问题:按应用场景酌情降级处理,简化审批流程;传统医疗设备加载智能组件的仍按原类别审批;对一大类别智能产品的普遍准入标准可以放款,但是对每个具体产品的应用场景进行严格限制;监管部门负责把控审批流程的严密和数据真实性,保证产品的安全性和基本有效性;医学专家和计算专家负责专业评价,选出真正优秀的产品;缺乏有效、安全的标准测试数据库是现阶段急需解决的问题。
  我们究竟需要什么样的智能医疗产品,专家们都在讨论,这里主要提出两方面即核心算法的智能化、用户体验的智能化。我们发展医学人工智能的目的从不同角度有不同解读,最后终究是提高人民健康水平、降低医疗费用和医疗负担的问题。
  人工智能已经迎来了第三次浪潮。大家都知道,1956-1976是第一次,80年代是黄金期,现在随着计算机深度学习能力的提升,人工智能又重新兴起,前两次浪潮最终都归于平息,而这一次呢?让我们拭目以待!谢谢各位!
北京中关村京西建设发展有限公司 010-61860565 / 15650769336 垂询邮箱:ai@zgc-aipark.com 地址:北京市门头沟区莲石湖西路98号创新大厦四层

Copyright © 2018 All Rights Reserved
京ICP备18021237号