云栖科技评论第72期:医疗AI,医疗健康产业的“核按钮”-阿里云开发者社区

开发者社区> 人工智能> 正文

云栖科技评论第72期:医疗AI,医疗健康产业的“核按钮”

简介: 未来不仅是临床诊疗和病患服务,流行病控制预警、疑难杂症研究以及健康人寿保险都将受益于医疗AI,实现整个社会的疾病应对能力和健康生活水平的持续提高。因此,将医疗AI称作医疗健康产业的“核按钮”并不为过,当然,这个核按钮所带来的是健康和快乐。

【卷首语】

  忽然之间,美国食品药物管理局(以下简称FDA)成了AI医疗亲密无间的好朋友和坚定的支持者。

  2018年上半年,FDA相继批准癫痫监测与警报AI手表Embrace、AI临床监测平台Wave、脑卒中护理软件Viz.ai、自闭症筛查AI软件Cognoa以及血糖预测AI系统Guardian Connect等多款监测预警类医疗AI产品,及诊断辅助类和临床治疗类医疗AI产品,包括诊断糖尿病视网膜病变的全球首款AI医疗设备IDx-DR、腕部骨折检测诊断软件OsteoDetect、以及利用AI实现胰岛素剂量精确控制的临床治疗工具DreaMed Advisor Pro。

  5个月的时间,FDA不仅批准了多达8款人工智能医疗产品,而且迅速从辅助监测预警类产品,拓展到针对诊断辅助类和临床治疗类产品的审批,如此速度,在FDA尚属首次,这不仅让美国新闻媒体大呼意外,更直接推高美国投资界对医疗AI的投资热度,数十亿美元在今年上半年流向硅谷的医疗AI公司,形成一股医疗AI投资热潮。

  为什么FDA在医疗AI的审批上“开闸放水”?一向以“慎重审批、严格管控、周期冗长”著称的FDA为何态度大变?

  医疗AI在监测预警、诊断辅助,甚至临床治疗上展现出的高水平是FDA加速审批的原因之一:

  谷歌DeepMind团队与多家医疗机构合作的眼科疾病AI诊疗软件,在多次与人类医生的对比测试中,展现出了对超过50种眼科疾病高达94%的诊疗准确率,这一数字远高于传统的数字医疗诊断方式,甚至超过了大多数基层医疗机构在眼科疾病领域的诊断水平;

  前面提到的腕部骨折检测软件OsteoDetect在1000张X射线图像研究诊断中,几乎达到100%的准确率,而且在部分检测中找到了被人类医生忽略的细微差异,更是在200个疑难病例上,与24位专业研究者平分秋色。

  另一个原因则要归功于2017年7月FDA制定的数字健康创新行动计划(Digital Health Innovation Action Plan,DHIAP),这一计划详细阐述了在数字时代,如何确保高质量、安全和有效的数字医疗手段能够被应用于医疗行业,旨在帮助亟待大规模涌入市场的数字医疗产品,尤其是能够诊断疾病、在临床上发挥重要作用的数字医疗技术,在安全可靠以及有效的前提下,缩短FDA审批时间,尽快进入市场服务于医生和病患。

  针对数字医疗的标准化审批体系和规范化流程,有效加速了医疗AI的审批速度。

  但更重要的是,正如斯坦福大学数据科学、基因科技教授Dr. Carlos Bustamante所说,FDA很可能意识到当医疗AI技术高速涌入市场,对数字医疗产业、医疗行业和医疗系统,将会产生前所未有的推动作用,医疗AI将会是解决医疗系统存在的医疗水平不均、诊疗体系效率低下、医疗系统信任度不高等问题的突破点。

  在医疗AI生态不断壮大的过程中,作为一种建立在云平台上、借助数据来获得能力的技术,不同医疗AI之间的数据互通、系统互联问题将被暴露出来,解决医疗诊断数据、医疗系统平台乃至底层云平台、大数据平台的连通性和互操作性问题成为关键性议题,传统医疗企业、数字医疗企业以及科技企业之间将开展前所未有的合作,通过制定统一的、自发性的医疗行业数字化标准,来解决医疗数据和医疗系统的互联互通问题,从而确保医疗AI以及数字化医疗健康有序发展。

  在这一过程中,长期困扰医疗行业的数据共享与系统互通问题将得到有效解决:在过去,数据的持有者无法预见实现数据共享和数据联通后所能得到的回报,那些所谓的“附加价值”“收入增长”“长期利益”都更像是镜花水月,但医疗AI却可以让他们看到真实回报,清晰地展现出医疗数据和医疗系统互联互通之后的极大想象空间。

  未来不仅是临床诊疗和病患服务,流行病控制预警、疑难杂症研究以及健康人寿保险都将受益于医疗AI,实现整个社会的疾病应对能力和健康生活水平的持续提高。因此,将医疗AI称作医疗健康产业的“核按钮”并不为过,当然,这个核按钮所带来的是健康和快乐。

1、Fast.ai学生团队开发AI算法 性能超过谷歌

image

  【新闻摘要】 Fast.ai的学生团队日前开发了一款新图像识别算法,根据DAWNBench基准测试结果显示,该学生团队开发的算法在大致相同硬件上比谷歌同类型算法要快大约40%,且识别效果几乎相同。与谷歌不同,由Jeremy Howard创办的Fast.ai是一家在线免费人工智能培训机构,建立这一机构的目的是为了让更多对人工智能、机器学习感兴趣的学生能够得到学习培训和动手实验的机会,因此主要成员以热衷于在业余时间接触机器学习的学生组成,租用AWS云服务器进行学习和实验。除了在图像识别领域,Fast.ai的成员在自然语言理解等方面也有所建树。

  【小云评论】Fast.ai学生团队所取得的成绩证明,在人工智能领域,最先进的研究成果不是大公司专属,除了那些拥有大量资源、高等学历并在大公司中工作的“精英程序员”,Fast.ai这样来自民间的、小规模的组织也可以在人工智能领域取得耀眼的成绩,在团队合作、理念创新与专业精神的共同作用下,Fast.ai以及与之类似的大量AI初创公司,可以打破业界所担心的AI领域排他性壁垒。事实上,在中国类似的局面已经出现:一大批具有极大发展潜力的公司涌现,比如思必驰、依图、商汤、地平线等,他们所取得的成功,正在激励着国内人工智能创业持续爆发式发展,但值得注意的是,这也带来了AI创业企业用云量的飙升,充分体现出云计算作为AI产业发展基础的重要作用。

2、IDC预测今年亚太智慧城市投入将达300亿美元

image

  【新闻摘要】 咨询公司IDC最新发布的《全球智能城市支出指南》预计,2018年亚太地区(不包括日本)智能城市项目技术支出将达300亿美元。报告指出,随着政府支持和技术投资的加大,到2022年,亚太地区(不包括日本)智能城市项目的技术支出将达到544亿美元。报告显示,固定视频监控、先进公共交通、智能交通管理和智能户外照明项目被认为是智慧城市项目支出增长最快的项目,2017年这些项目的技术支出为25.86亿美元,2018年将占亚太地区(不包括日本)智能城市项目总技术支出的35%以上。然而,官方可穿戴设备(Fitbit/智能眼镜)和车联网(V2X)连接性将是支出增长最快的项目,其五年内(2017—2022年)的年复合增长率分别为36.9%和44.4%。

  【小云评论】城市的历史由来已久,城市治理同样历史悠久:在古罗马百万人口的城市中,诞生了人类最早的道路概念、引水工程和排水系统,甚至还包括娱乐区、公共浴室区、住宅区等功能区概念,可以说,在百万人口城市诞生至今的近2000年的人类历史上,城市治理都是一件重要且影响力广泛的工作,并在当今时代确保城市宜居、可持续发展和生态系统健康。在这一背景下,智慧城市概念受到城市管理者的热捧,并持续不断地获得资金的支持。但需要指出的是,传统的以硬件基础设施投入为主的智慧城市虽已发展近20年,却没有根治“城市病”,存在着“数据多效果少”、“单点强而全局弱”、“科技新落地少”等突出问题,城市的管理者需要一个数据驱动的高效能城市治理实践模式,构建起可以实现数据共享、数据共创、数据自动控制的“数字孪生城市”。

3、AI可检测超50种眼疾,诊断准确率达94%

image

  【新闻摘要】 谷歌的子公司 DeepMind、伦敦大学学院和 Moorfields 眼科医院的研究人员使用深度学习技术设计了一款软件,该软件通过学习约7500名患者近15000次光学相干断层扫描(OCT)结果的3D图像,“学会了”识别眼睛的不同解剖学元素以及眼科疾病的3D图像特征,通过将这些学习成果与此前医学记录中的医学诊断与治疗方案进行交叉学习,这款软件具备了通过OCT 3D图像进行眼科疾病诊断的能力。在与八位眼科专业医生的“诊断竞赛”中,该软件在94%的情况下都做了与人类医生相同的判断。

  【小云评论】学习器官的解剖学元素、病例的医疗影像图片以及过往病例中的诊断结果与治疗意见,除了没有学习过基础医疗课程,AI医疗软件的病例学习方式与人类医生几乎相同,加上94%的准确率,人工智能的进步正在迅速推动医疗领域走向一个转折点:AI软件不再只是医生的诊断工具,而是能够代替人类做出准确、及时判断的“AI医生”,这对医疗行业的未来将产生巨大影响。在较长的时间内,即使AI软件仍然不能代替人类医生做出最终诊断,但是仅仅是帮助医生对病人进行初步筛查、病情优先级排序和辅助诊疗建议,就已经能够极大地改善当前全球医疗资源不足和分布不均的窘境。

4、ICO暴跌超过9成 币圈呈现断崖式下跌局面

image

  【新闻摘要】 据行业分析机构Coindesk最新统计,2018年7月全球ICO融资总额与前一月相比暴跌近9成,由6月的54.99亿美元迅速萎缩至6.79亿美元,呈现出断崖式下跌局面。另一家ICO数据追踪网站的数据也显示出了同样的趋势:在ICOdata.io的追踪数据源中,7月ICO融资总额约为1.07亿美元,与2018年1月ICO融资最为火爆时的数据相比减少92.97%,更是2018年以来该机构追踪到的ICO单月融资最低水平。不仅如此,曾经被寄予厚望的ICO项目EOS的融资速度明显减缓,历时一年才达到42亿美元的水平,这远低于此前的市场预期。

  【小云评论】2016-2017年,疯狂涌入的散户投资者与价格不断高涨的数字货币,将ICO融资市场拉高到前所未有的高点,呈现出一片疯狂景象,但仅仅一年之后,全球ICO融资呈现断崖式下跌,除了Telegram、EOS等数个明星项目仍然可以持续大规模ICO融资之外,绝大多数的项目如今已经无钱可融。导致ICO融资出现快速滑坡的原因复杂,但远超合理水平的高估值和野蛮生长毫无规范的市场运作,是业内普遍认同的两大重要原因。究其根本,即使是具备分布式融资等特性,ICO融资仍然只是金融市场、投融资行业的一种新形态,仍然应当遵循金融投融资市场的一般规律,否则泡沫破裂只是时间问题。

5、微软推出人工智能心脏病风险评分API

image

  【新闻摘要】 8月17日,微软推出了基于人工智能技术的心脏病风险评分API,以供印度大型医院网络Apollo Hospitals使用,以此来评估印度人罹患多种心脏病的风险。这一医疗API使用了人工智能技术,学习了Apollo Hospitals共享的超过40万印度人医疗数据,参考数据中印度人的饮食、睡眠、吸烟等生活方式指标,以及反映心理压力和焦虑的呼吸频率、收缩压和舒张压变化等健康诊断指标,最终给出被诊断人心脏病患病风险处于高、中、低哪个水平上,以及可以做出哪些改变以降低最大风险因素所造成的不良影响等判定和建议。目前,微软正在与Apollo Hospitals协商可以在该机构中哪些医院开展临床测试。

  【小云评论】在印度,每年有近300万心脏病发病人数,患有冠心病的印度人据悉超过3000万人,这不仅使印度的医疗系统产生极大的负担,更让很多家庭因为心脏病病发产生极为沉重的负担,但全球普遍通用的心脏病风险评分模型在印度并不适用,因为该风险评分模型是以过去几十年西方人口数据为基础的,很显然,在人种、就医环境、生活习惯等方面,印度人与西方人有着显著差异,如果强行套用,很可能产生难以接受的后果。微软与Apollo Hospitals的这一合作对国内正在如火如荼开展的人工智能普及应用提了个醒:人工智能的基础是数据,数据中存在着社会、经济、人口的巨大差异与独有特征,人工智能落地应用既要因地制宜,也要因人而异。

6、谷歌或开设首家旗舰零售店

image

  【新闻摘要】 据8月17日《芝加哥论坛报》报道,谷歌计划在芝加哥富尔顿市场区开设首家零售旗舰店,该公司与伦道夫大街845号至853号业主涉及两层空间1300平米的租约即将很快敲定,这一地点与谷歌位于芝加哥的办公室非常接近,是芝加哥较为繁华的商业街区之一。该报认为,谷歌零售旗舰店与此前在纽约开设的快闪店不同,其竞争对手是苹果公司遍及全球的标志性符号——苹果专卖店,但有媒体同时也指出,不必对谷歌零售旗舰店抱有太大期望,毕竟这家互联网巨头已经至少两次取消了开店计划。

  【小云评论】苹果专卖店已经成为零售行业的象征,它不仅仅是苹果公司出售其商品的店铺,或是每个城市中耀眼的苹果公司“广告牌”,它更是苹果公司作为一家零售商拉近与消费者的关系,获知消费者需求,深入了解消费者行为、喜好的“桥头堡”,为苹果提供了远超行业同类企业的消费者感知能力,形成对消费者的立体感知。在消费者端,苹果专卖店显著的地理位置、明显的广告形象和整齐划一的高水平装修,满足了消费者与品牌亲密接触的需求,给予消费者极大的消费满足感,以及对品牌可靠形象的认知,正因如此,微软、三星、雷蛇等消费品零售商在近年来都在全球各地开设消费体验店或旗舰零售店,随着谷歌从智能手机领域进入智能家居、智能娱乐等消费类设备市场,线上线下一体化的营销、销售和消费者感知体系,对谷歌而言越来越重要。

7、中科院在铁基超导体中发现天使粒子

image

  【新闻摘要】 8月17日上午,中国科学院召开新闻发布会,宣布中国科学院物理研究所/中国科学院大学高鸿钧和丁洪领导的联合研究团队利用极低温-强磁场-扫描探针显微系统首次在铁基超导体中观察到了马约拉纳零能模,即为马约拉纳任意子,相关论文当天凌晨在线发表在世界顶级学术期刊《科学》(Science)上。主导此项研究的北京凝聚态国家实验室首席科学家丁洪表示,这是国际上首次利用单一材料,在比其他复合材料都要高的工作温度中观测到了更纯的马约拉纳费米子模。目前,丁洪团队正在尝试利用这种准粒子编织拓扑量子比特。

  【小云评论】量子计算被认为是下一代计算的关键,包括微软、谷歌、IBM在内的各大科技巨头都在量子计算领域投入了“军备竞赛”级别的研发和资金力量,自2017年下半年以来不断取得突破性进展,持续加速量子计算的技术发展速度。与谷歌、IBM的思路不同,高鸿钧和丁洪领导的联合研究团队在量子计算领域的思路与微软更为接近,即通过材料学研究,找到拓扑量子比特,从而获得高质量的、稳定的量子比特,构建拓扑量子计算机。该团队选择这一研究方向固然与团队成员的研究领域有关,但在量子计算研究正处于“战国”时代的当下,寻找新道路,努力“换道超车”,实现科学研究的多路径与多元化,对中国量子计算研究极为重要。

8、谷歌云强调已有针对英特尔芯片L1TF漏洞的应对政策

image

  【新闻摘要】 8月15日,谷歌云(Google Cloud)在官方博客中宣布,通过在计算引擎中采取主机隔离功能,能够确保不同虚拟机不会共享同一个处理器核心,从而避开刚刚发现的英特尔处理器L1终端故障(L1 Terminal Fault,L1TF)漏洞。此外,谷歌云部署了监控服务来侦测特定类型攻击的发生。不过,谷歌云同时也提醒,那些自行运行多租户服务的用户,当务之急是抓紧时间更新系统镜像文件。在谷歌云宣布封堵L1TF漏洞后的16日凌晨,英特尔官方宣布了L1TF漏洞的存在及基本情况,这个漏洞可能让攻击者窃取存储在计算机或第三方云上的信息。

  【小云评论】2018年初以来,英特尔处理器接连曝出安全漏洞问题,此次的L1TF漏洞是继“熔断”和“幽灵”漏洞之后今年被曝光的第三个可能形成重要安全威胁的处理器漏洞。这一漏洞与当前企业级应用市场的重要基础“虚拟化软件”以及普遍的应用方式“多租户应用”紧密相连,将非法攻击者的目标直接锁定在企业数据中心和云服务商等高价值对象,正因如此,英特尔才会在关于该漏洞的防御措施及修复建议中提到“建议客户或合作伙伴采取额外措施来保护其系统”。谷歌云的及时响应以及安全防御机制的快速建立,代表了当前全球的主流云服务商在面对安全漏洞时的普遍水平,也再一次向那些仍然在运营自有数据中心的企业发出召唤:随着硬件芯片软件化的趋势越来越明显,硬件漏洞必然如雨后春笋般出现,从自有数据中心向云服务转移是应对这一挑战的主要方式之一。

9、全球多家云计算大厂联手加速推动医疗云计算数据的互通性

image

  【新闻摘要】 在华盛顿举办的Blue Button会议上,美国信息技术行业协会(Information Technology Industry Council,ITI)宣布,将与Amazon、Google、IBM、微软、Oracle以及Salesforce等科技巨头合作,致力于在医疗领域移除技术间互通的障碍,加强医疗数据在云计算环境中的互通性。科技巨头们在会议上承诺,未来将在医疗领域开展有关系统与数据互联互通方面的深入合作,致力于完善开放电子医疗标准HL7、FHIR,并在电子病历交换标准开放推广计划“Argonaut Project”上通力合作。IBM、微软等公司的高管在会议上表示,随着医疗行业逐渐“上云”,实现医疗数据安全、无障碍的互通具有很大可能。

  【小云评论】以“互联网+医疗”为代表的技术与模式的同步创新,正逐渐成为推动医疗行业发展的重要动力之一,云计算服务则在这一过程中,成为医疗行业数字化转型的基础底座,但缺乏医疗行业数字化标准、医疗数据难以互联互通、数字化医疗应用缺少互操作机制,导致病患仍然难以借助数字化医疗服务提升就医体验、降低就医成本,医疗行业亟待建立开放标准,推进数据互联互通工作。事实上,这不仅可以提高医护品质、就医满意度,促进医疗过程透明化,更能够降低整体医疗体系的成本,加速医疗行业数字化转型的进展,并对社会医疗服务水平有极大的促进作用,是政府监管部门、医疗机构、云服务商、医护人员和病患的“五方共赢”。

10、微软云计算数据集成服务开始支持GitHub

image

  【新闻摘要】 微软近日宣布,微软Azure的云计算数据集成服务(Azure Data Factory,ADF)开始支持GitHub,随着ADF服务与GitHub的集成,开发者可以利用微软Azure所提供的ADF云服务中的可视化工具,与现存于GitHub中的开发流程进行对接,之后可以将现存于GitHub中的开发数据、开发流程、开发文档等进行融合,也包括开发协作、程序代码来源管控等功能的融合。除了选择集成GitHub企业版,企业用户也可以选择GitHub公开版,将ADF上的Pipeline、数据集等开发数据以及开发流程汇入到GitHub中。在此之前,微软已经宣布了Azure公共云服务上的Visual Studio Team Service、Team Foundation Server等服务与GitHub的对接融合。

  【小云评论】75亿美元并购GitHub之后,Azure公共云服务与GitHub的关系越来越紧密,微软的GitHub战略也越来越清晰:打通Azure公共云服务的企业应用(及企业开发)生态与GitHub上的应用开发生态,既为Azure上的企业提供一个开放、友好的企业开发管理生态,也支持企业更简单地为其应用构建开放、开源生态。更重要的是,微软为GitHub上难以计数的开发者与开放项目,提供了与企业用户对接的便捷渠道,这不仅是开发者快速变现的一种方式,更将形成企业与开发者双方共赢的开放生态。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
人工智能
使用钉钉扫一扫加入圈子
+ 订阅

了解行业+人工智能最先进的技术和实践,参与行业+人工智能实践项目

其他文章