醫(yī)療資源和日益增長(zhǎng)的醫(yī)療需求一直存在著矛盾。在一些貧窮地區(qū)，由于缺少高質(zhì)量的醫(yī)療服務(wù)，重大疾病和癌癥不能及時(shí)確診，往往導(dǎo)致病人因得不到合適的治療而死亡。不過，借助人工智能的深度學(xué)習(xí)算法，這樣的情況在未
醫(yī)療資源和日益增長(zhǎng)的醫(yī)療需求一直存在著矛盾。在一些貧窮地區(qū)，由于缺少高質(zhì)量的醫(yī)療服務(wù)，重大疾病和癌癥不能及時(shí)確診，往往導(dǎo)致病人因得不到合適的治療而死亡。
不過，借助人工智能的深度學(xué)習(xí)算法，這樣的情況在未來會(huì)得到改善。在中國(guó)就有一家名為推想科技的公司，正在使用機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺來幫助醫(yī)生診斷肺癌。
資料圖
“我們合格的醫(yī)生數(shù)量不夠，因此一個(gè)醫(yī)生每天必須服務(wù)許多病人。對(duì)于病人來說，他們接受的護(hù)理質(zhì)量存在個(gè)體差異。”推想科技CEO陳寬說。
這種情況在放射科尤為嚴(yán)重。有公開資料顯示，目前，中國(guó)放射科醫(yī)師大概有八萬多名，每年診斷14.4億影像，閱片量每年約增長(zhǎng)30%，而放射科醫(yī)生只增長(zhǎng)4%。陳寬的姑姑就是受此影響的患者之一。在四川綿陽，她未能及時(shí)確診肺癌，沒能得到適當(dāng)和及時(shí)的治療。
在成立推想科技之前，陳寬是美國(guó)芝加哥大學(xué)經(jīng)濟(jì)學(xué)和政治學(xué)博士。在美國(guó)讀書期間，陳寬和他的朋友們接觸到了人工智能，尤其是深度學(xué)習(xí)。他們?cè)?012年視覺識(shí)別競(jìng)賽（ImageNetILSVRC）中拿到了冠軍。
2014年，陳寬回到中國(guó)，在深入了解醫(yī)療行業(yè)之后，他看到了基層醫(yī)院在優(yōu)質(zhì)醫(yī)療資源上的短缺，也看到了大醫(yī)院在普通病診斷上的資源浪費(fèi)。
“放射科醫(yī)生每天工作量很大，下午3、4點(diǎn)鐘是一天當(dāng)中最疲乏的時(shí)候，出錯(cuò)的可能性會(huì)增加。所以，醫(yī)生希望降低工作壓力、提高工作效率，從醫(yī)院管理層的角度，也希望能夠加強(qiáng)對(duì)醫(yī)療服務(wù)質(zhì)量的監(jiān)控。”陳寬說，這讓他看到了人工智能在醫(yī)療影像領(lǐng)域應(yīng)用的機(jī)會(huì)。
工作場(chǎng)景
另外一方面，自2003年，“非典”爆發(fā)以來，中國(guó)的醫(yī)院都在積極地建立數(shù)字化基礎(chǔ)設(shè)施。這樣的趨勢(shì)，也讓推想科技能夠使用中國(guó)健康數(shù)字化記錄作為深度學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù)。同時(shí)，公司還從全國(guó)各地20家醫(yī)院（包括北京協(xié)和醫(yī)院和上海長(zhǎng)征醫(yī)院）中實(shí)時(shí)收集數(shù)據(jù)。有了數(shù)據(jù)后，利用深度學(xué)習(xí)算法可以提高識(shí)別準(zhǔn)確率，還能診斷出一些人眼無法看出的細(xì)微病變。
“傳統(tǒng)人工智能模型的成本非常高，需要一大批的專家來訓(xùn)練機(jī)器某一種疾病各種類型的特征。這種模型準(zhǔn)確率本身不高，而且能夠做出來的病種也非常有限。”陳寬說，“但深度學(xué)習(xí)的模型不一樣，本質(zhì)上有點(diǎn)類似一個(gè)普通醫(yī)學(xué)學(xué)生的學(xué)習(xí)過程。”
根據(jù)陳寬的介紹，推想科技會(huì)將其軟件內(nèi)置于醫(yī)院醫(yī)療系統(tǒng)，并根據(jù)醫(yī)院的訓(xùn)練數(shù)據(jù)，更新自己的圖像識(shí)別和診斷工具。訓(xùn)練分為兩部分：一是實(shí)際訓(xùn)練系統(tǒng)，該系統(tǒng)能將放射科醫(yī)生收集的數(shù)據(jù)納入訓(xùn)練模型；二是模型會(huì)將更新后的軟件分發(fā)到醫(yī)院網(wǎng)絡(luò)。
前期，我們主要是集中在胸部的肺、心臟等方面的疾病。”陳寬說，“現(xiàn)在隨著產(chǎn)品逐漸成熟，迭代速度不斷加快，我們?cè)谙蝾^部、腹部、股骨頭、病理、超聲等領(lǐng)域擴(kuò)展。”
據(jù)推想科技介紹，該公司還與通用醫(yī)療、思科公司和英偉達(dá)合作開發(fā)、完善技術(shù)。自去年發(fā)布最初版本以來，他們已經(jīng)處理了約10萬張CT和10萬張X光片。
“這項(xiàng)技術(shù)絕對(duì)不會(huì)取代醫(yī)生，我們的目標(biāo)是消除大量高度重復(fù)的工作。”陳寬說。
在2013年，自動(dòng)識(shí)別疾病，提高醫(yī)院診斷的深度學(xué)習(xí)方法就被《MIT科技評(píng)論》評(píng)為當(dāng)年的十大技術(shù)突破之一。據(jù)《MIT科技評(píng)論》報(bào)道，利用深度學(xué)習(xí)算法模型進(jìn)行醫(yī)學(xué)診斷在美國(guó)的醫(yī)療機(jī)構(gòu)越來越流行。目前，深度學(xué)習(xí)算法在治療皮膚癌上已經(jīng)可以比肩專業(yè)醫(yī)生；在通過視網(wǎng)膜圖像診斷常見失明原因上也有所成就。
