达摩院悬壶,看医疗 AI 如何济世

简介: 抗疫正当时,不论是与浙江疾控中心合作的基因检测平台,将疑似病例基因分析时间缩至半小时,还是率先在郑州“小汤山”应用的 CT 影像系统,达摩院、扫地僧,都成为阿里 AI 抗疫的代表性标签。

--------点击屏幕右侧或者屏幕底部“+订阅”,关注我,随时分享机器智能最新行业动态及技术干货----------

5.png

阿里达摩院,并不专为抗疫而生。

甚至连马云都可能预料不到,这个机构这么快就展现出及时的作用。

抗疫正当时,不论是与浙江疾控中心合作的基因检测平台,将疑似病例基因分析时间缩至半小时,还是率先在郑州“小汤山”应用的 CT 影像系统,达摩院、扫地僧,都成为阿里 AI 抗疫的代表性标签。

而且影响力还在几何级扩散,据阿里统计,截止到 3 月 31 日,达摩院 CT 影像 AI 已在浙江、河南、湖北、上海、广东、江苏、安徽等 16 个省市近 170 家医院落地,已诊断 34 万临床病例。

随着疫情全球扩散,这个出自阿里达摩院、代表中国 AI 技术前沿的抗疫系统,也在进一步承担起“One world,One Fight”的作用。

但也别神话了达摩院和背后的扫地僧——外界只看见了他们的动能速度,而不知道他们之前为此积累的势能和高度。

这把抗疫宝剑,之前已磨砺整整 4 年。

“扫地僧”带队,达摩院如何 4 年磨一剑?

6.png

阿里巴巴集团副总裁、达摩院高级研究员华先胜

达摩院医疗 AI,源自 2016 年,由时任阿里巴巴 iDST 副院长的华先胜带队打造。

对于华先胜,外界不陌生。

他出自黄冈中学,2001 年北大数学系博士毕业,之前在微软工作 14 年,直到被老领导“阿里云之父”王坚挖角,开启阿里在 AI 视觉研发和落地方面的探索。

但即便已是 2016 年,人工智能如何在医疗领域发挥作用并不太清晰,只是华先胜坚信:人工智能进入医疗健康领域,是一个必然的事情。

他回忆说:“医疗健康领域存在的不平衡问题比较多(医患供需不平衡,医保供需不平衡,医患知识不平衡等),AI 应该能为全民健康的问题发挥重要作用。”

7.png

正是这样的预判,才逐渐演变出了抗疫期间的达摩院医疗 AI。

当时也是医疗 AI 的爆发点,大量创业者与资本玩家涌入。目前发展势头不错的推想、体素等,都在 2016 年创立。

一直深耕视觉领域的依图,也在同年发布肺癌影像智能诊断系统,开辟了医疗业务线。

作为视觉智能领域深耕多年的专家,华先胜团队从肺部 CT 影像开始切入医疗 AI,很快就做出成绩。

2017 年 7 月,达摩院正式成立前夕,他们交出了一份“贺礼”——在国际权威的肺结节检测大赛 LUNA16 上打破世界纪录,凭借 89.7% 的平均召回率(在样本数据中成功发现结节占比的比例)夺冠。

8.png

华先胜说,这项工作“当时只道是寻常”,没想到直接为阿里达摩院新冠肺炎的 CT 自动诊断系统打下了基础。

那次破纪录之后,达摩院医疗 AI 的研究范围进一步扩大,在肝结节、心血管、骨科、病理等方面均取得了进展。

其中代表性的成果有:

2018 年 12 月,达摩院 AI 从近百支队伍中脱颖而出,在全球 LiTS(Liver Tumor Segmentation Challenge,肝脏肿瘤病灶区 CT 图像分割挑战)获得两项第一。

2019 年的 EMNLP BB task 关系抽取世界大赛,达摩院 AI 获得了第一名。同年,按照鹿特丹(Rotterdam)国际比赛标准,达摩院 AI 的全自动心脏冠脉中心线提取超越了现有的业界最好成绩,相关论文被国际顶级医学影像会议 MICCAI 2019 提前接收。

技术持续突破下, 达摩院医疗 AI 团队在 Nature 子刊、CVPR 等顶尖学术期刊与会议上,发表了不少的论文,加上国际、国内专利,超过了百篇,也给达摩院医疗 AI 系统在临床诊断和医学研究上大规模应用,提供了支撑。

如果这样回顾,自然又是一个“大牛带队”、“顺风顺水”的传奇往事。

但华先胜说,各种辛苦,做过才知。医疗 AI,不是一个单兵作战就能搞定的领域。

达摩院医疗 AI 一路走过来,这些技术突破、业务落地背后,坑踩得一个都不少。

医疗 AI,只有技术可不够

大道理其实也简单:想要打造好的 AI 系统,高质量的数据集是关键。

然而对于医疗 AI 来说,这从来不是一个简单的事情。

医疗影像数据质量参差不齐,标准化程度低、人工标注难度大、数据敏感度高等行业性难题,导致 AI 在医学上的学习和应用面临诸多挑战,从而难倒了诸多英雄好汉,甚至还是一些巨头公司的短板。

比如此前名震江湖的 IBM 沃森医疗系统,宣称超过人类医生的存在,在 2018 年被美国健康医疗媒体 STAT 曝光,其 AI 系统训练数据量最高的肺癌只有 635 例,而最低的卵巢癌只有 106 例,引起哗然一片。

而且数据难题之外,还有更现实的挑战:医疗机构不买账。

9.png

据 2018 年 9 月中国信息通信研究院、Gartner 联合发布的《2018 世界人工智能产业蓝皮书》,在中国,医疗健康领域的 AI 企业在所有 AI 企业中占比达到了 22%,在所有垂直行业中占比最高。

但在医疗 AI 行业火热的同时,客户并不怎么感兴趣。

《财经》杂志在 2019 年 3 月份的报道中就指出,资本捧场,使产品同质化严重,送进医院、无人使用的 AI 医疗产品不在少数。AI 逐渐演变为医疗领域的嵌入品,锦上添花的功效有,雪中送炭的本事无。

作为行业中的一份子,达摩院医疗 AI,绕不开,无法回避,唯有迎难而上解决问题。

扫地僧如何破局?

华先胜说,如今回顾,大道至简:“以技术平台为轴心,联合产业伙伴打天下”。

对于阿里来说,这不是一个陌生的模式,不论是淘宝、支付宝,还是现在的阿里云、平头哥,本质上都是以技术建立平台,拥抱行业玩家,来推动产业发展。

医疗AI领域,阿里的优势还更甚,它旗下还有一个在香港上市的公司阿里健康,已经在医药电商及新零售、互联网医疗、消费医疗、智慧医疗等领域深耕多年。

在阿里健康以及众多医疗行业合作伙伴,比如万里云、卫宁健康、古珀科技等的支持下,达摩院医疗 AI 在高质量数据集上不断训练优化,通过阿里云推进技术在医疗行业落地的速度,在行业中都处于前列。

所以才有了当前抗疫中的达摩院医疗 AI。

危急关头,如何一步步见真章?

速度,速度,还是速度。

华先胜说,疫情大面积爆发之初,达摩院医疗 AI 团队就放弃假期行动起来。

连点成线,覆盖疫情咨询、药物研发、病毒基因分析、临床诊断等多个环节。

2020 年 1 月 27 日,达摩院连夜研发的智能疫情机器人。上线后便在全国各地投入使用,很快落地全国 27 个省、直辖市、自治区,免费为 57 座城市拨打 1600 万通防控摸排电话,摸排超过 20 万身体异常人群。

2 天后,阿里云宣布向全球公共科研机构免费开放一切 AI 算力,以加速本次新型肺炎新药和疫苗研发。

钟南山团队、全球健康药物研发中心 GHDDI、北京大学、晶泰科技等机构,都成为受益者。

紧接着 2 月 1 日,达摩院医疗 AI 算法,正式应用于新冠肺炎的病原学检测。

达摩院与浙江省疾控中心合作,利用算法将疑似病例基因分析时间缩至半小时,该技术可以避免核酸检测出现的漏检情况,同时可以及时检测到变异病毒。

华先胜解释:“它每天都在工作,准确率近乎 100%,正进一步推广到更多地方使用。”

而且 ,达摩院也在进一步优化算法,将时间缩短到了 10 分钟,进一步提高效率,并在疫区压力最大的武汉金银潭医院上线。

2 月 15 日,达摩院医疗 AI 团队与合作伙伴一起,基于 5000 CT 影像样本数据,快速研发出了 CT 影像算法,在郑州小汤山上线,可以在 20 秒内对新冠疑似患者 CT 影像做出判读,并量化病症的轻重程度,分析结果准确率达到 96%。

10.png

至今这套 AI 系统已在浙江、河南、湖北、上海、广东、江苏、安徽等 16 个省市的 170 家医院落地,诊断超过 34 万临床病例。

这还不够,为了全方位抗疫。达摩院医疗 AI 团队还提供了医疗专业翻译系统、疫情预测等系统,来为更大范围、更高层次的抗疫,提供信息支撑。

同时,疫情全球化蔓延的情况下,达摩院医疗 AI 随着阿里云一同出海。

很快,日本知名医疗科技机构 JBC 正式上线阿里云新冠肺炎 AI 诊断技术,开始向日本医院提供服务,帮助医生通过 CT 影像快速进行新冠肺炎筛查。

11.png

并且更多的欧洲国家也在跟进。在华先胜的透露中,先后有 30 多个国家和地区,希望达摩院通过阿里云提供医疗 AI 支持。

当然,达摩院并非这次全球科技抗疫中的全部。

疫情之下,全球医疗 AI 的多数玩家,都参与到了抗疫之中。比如国内的依图、推想等公司都推出了相应产品,以自身之长提供解决方案。

国外如谷歌,在美国疫情爆发之时,同样投入了 1700 名程序员,联合专攻“医疗科技”的兄弟公司 Verily,打造新冠病毒检测网站。

“扫地僧”华先胜对此怎么看?

他很开心,认为这次疫情对于整个行业来说,是一次大练兵。

“很多竞争对手都成了并肩作战的伙伴。(抗疫)也让我们与合作伙伴的协同变得更加深入。“

而且更重要的是,经此一疫,医疗 AI 的社会定位、落地推广和作用发挥,也得到意想不到的市场教育和检验。

扫地僧要做一个怎样的医疗 AI?

答案很简单:近期帮助人类医生的 AI,远期帮助大众对健康有更强的把控能力的 AI。

众所周知,抗疫过程中,医生人手缺少的局面一直存在。

2 月 5 日,国家卫健委公布的诊疗方案第五版中,正式将 CT 影像临床诊断结果作为新冠肺炎病例判断的标准之一。

虽然这直接加快了新冠肺炎疑似病例的确诊速度与准确度,但对于前线医生来说,却是不小的负担。

一位新冠肺炎病人的 CT 影像大概在 300 张左右,每诊断一个病例,影像医生需要投入大约为 5-15 分钟时间。一名医生每天连续不间断工作 12 个小时,只能诊断大概 72 个病例。

2 月 4 日晚,全国一共有疑似病例 23260 例,追踪到(新冠肺炎患者)密切接触者 252154 人……提升临床诊断效率,成为抗疫期间核心需求之一。

12.png

而达摩院等医疗 AI 机构,就在这样的险峻形势中出手,联合伙伴打造的新冠病毒 CT 影响诊断系统,从上传数据到得到结果,诊断一个病例平均仅需 20 秒,计算时间最快仅 2 秒。

虽然仍旧需要医生进一步配合才能够得到更准确诊断结果,但对效率的提升, 无疑是巨大的。这也是医疗 AI 能够在抗疫期间得到推广的原因之一。

因此,华先胜认为,这也会成为医疗系统的常态:AI 助攻,人类医生提效。

据新华网 2018 年 12 月份报道,中国医学影像数据的年增长率约为 30%,而放射科医师数量的年增长率约为 4.1%,而且需求缺口不断加大。

对于医疗 AI 行业来说, 这是其进一步发展的机会。

“医疗 AI 的价值在抗疫中得到验证,会对医疗行业和公众产生深远的影响。在接下来几年,将会看到整个医疗行业的数字化和智能化程度大幅度提升。”华先胜说。

达摩院医疗 AI,早已行动起来了。

阿里达摩院透露,他们打造的医疗 AI 系统,已经落地了 170 家医院,在北京、上海、广州、杭州、武汉、郑州等一线城市之外,也部署到了二三线城市——往往都是医疗资源相对匮乏的地方。

华先胜解释,二三线城市未来对医疗健康AI的需求应该会更为迫切,用 AI 提升诊断效率和水准在医疗资源缺乏的区域,是当前和未来医疗健康 AI 落地的一个较大的场景。

13.png

然而,要将医疗 AI 应用到更多的场景,进入寻常生活,还有很长的路要走。

不论是获取更多的医疗数据,还是寻找更加切合的商业模式,以及政策法规的支持等,都是医疗 AI 行业需要解决的问题。

但突发疫情也让其前景变得更明朗。

正所谓“上医治未病,中医治欲病,下医治已病”。现在,医疗 AI 正在疾病治疗中发挥作用。

但华先胜认为,接下来医疗 AI 将会从医生走向大众,从高成本走向普惠,从应用于医疗走向应用于健康。

这是阿里健康体系、达摩院医疗 AI 等将要重点发力的方向。

阿里范式,阿里打法,要再一次在医疗健康领域复刻——成为基础设施,成为医疗健康行业的数字经济基础设施。

它们将长在抗疫号角之下,为不再需要抗疫而生。

在耳熟能详的武侠江湖中,达摩院代表了武学武德的最高成就,扫地僧更是大隐于寺的大神象征,并且总能在危难关头挺身而出。

从这个角度来说,倒与马云和阿里的达摩院创立初心,都有呼应。

而且也给新时代的扫地僧、科研人员,工程师们,提供了更大舞台和机会。

侠之大者,为国为民。

image.png

原文链接:https://yqh.aliyun.com/detail/8253

目录
相关文章
|
9天前
|
数据采集 机器学习/深度学习 人工智能
AI在医疗诊断中的应用与挑战
随着人工智能(AI)技术的飞速发展,其在医疗领域的应用也日益广泛。从辅助医生进行疾病诊断到提供个性化治疗方案,AI技术正在改变着传统医疗模式。然而,AI在医疗诊断中的应用并非一帆风顺,面临着数据质量、模型可解释性、法规政策等一系列挑战。本文将从AI在医疗诊断中的具体应用场景出发,探讨其面临的主要挑战及未来发展趋势。
|
6天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
17 2
|
10天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用##
本文探讨了人工智能(AI)技术在医疗领域的应用,包括其在疾病诊断、治疗计划制定、患者监护和健康管理等方面的潜力。通过分析AI如何帮助医生更准确地诊断疾病,提高治疗效果,以及降低医疗成本,我们可以预见到一个更加智能、高效和人性化的医疗未来。 ##
|
7天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与前景
本文探讨了人工智能(AI)技术在医疗领域的应用,包括疾病诊断、治疗方案制定、药物研发等方面。通过对现有研究成果的梳理,分析了AI技术在提高医疗服务效率、降低医疗成本、改善患者体验等方面的潜力。同时,也指出了AI技术在医疗领域面临的挑战,如数据隐私保护、伦理道德问题等,并展望了未来的发展趋势。
29 2
|
8天前
|
机器学习/深度学习 人工智能 机器人
AI技术在医疗领域的应用及挑战
本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的定义和分类开始,然后详细介绍其在医疗领域的具体应用,如疾病诊断、药物研发等。最后,我们将讨论AI在医疗领域面临的挑战,包括数据隐私、伦理问题等。
|
8天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用##
在现代医疗领域,人工智能(AI)技术正在逐步改变传统的诊疗方式。本文将探讨AI在医疗中的几个关键应用,包括医学影像分析、疾病预测和个性化治疗等。通过这些应用,AI不仅提高了诊断的准确性和效率,还为患者提供了更加精准的治疗方案。 ##
23 2
|
8天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)技术在医疗领域的应用现状、面临的挑战以及未来发展趋势。随着科技的飞速发展,AI技术正逐渐渗透到医疗行业的各个环节,从疾病诊断、治疗方案制定到患者管理等,都展现出巨大的潜力和价值。然而,AI技术的广泛应用也带来了数据安全、伦理道德、法规监管等一系列挑战。本文旨在通过分析AI技术在医疗领域的实际应用案例,揭示其优势与不足,为推动AI技术在医疗领域的健康发展提供参考。
25 1
|
9天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗健康领域中的多维度应用,从疾病诊断、个性化治疗到健康管理,展现了AI如何革新传统医疗模式。通过分析当前实践案例与最新研究成果,文章揭示了AI技术提升医疗服务效率、精准度及患者体验的巨大潜力,并展望了其在未来医疗体系中不可或缺的地位。 ####
|
8天前
|
机器学习/深度学习 人工智能 监控
AI技术在医疗领域的应用##
本文深入探讨了人工智能(AI)技术在医疗领域的多方面应用,包括疾病诊断、治疗方案优化、患者管理和远程医疗服务等。通过分析当前AI技术的发展趋势和挑战,文章旨在揭示AI如何改变传统医疗模式,提高医疗服务的效率和质量。此外,文章还讨论了AI技术在医疗领域面临的伦理和法律问题,以及未来的发展方向。 ##
12 0
|
13天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的深度应用与未来展望####
本文深入探讨了人工智能(AI)技术在医疗领域的多维度应用,从疾病早期诊断、个性化治疗方案制定到复杂手术辅助,展现了AI如何重塑医疗服务的面貌。通过分析真实案例与最新研究成果,本文揭示了AI技术提升医疗效率、精准度及患者体验的潜力,同时审视了当前面临的挑战与伦理考量,为未来医疗技术的发展提供了前瞻性的思考框架。 ####