近来，多位医院信息科专业人员在HIT专家网撰文，分享他们的人工智能（AI）对肺部小结节筛查的期望和实际体验。人工智能究竟在多大程度可以替代医生，争议声一直不绝于耳。即便如此，AI在医疗领域的探索，和其他诸多传统行业一样，方兴未艾。
对于医疗领域的AI探索，蓝色巨人IBM早已是以，IBM推出认知系统（Cognitive Systems），包括BlueMind深度学习云平台、PowerAI深度学习框架，以及使用NVLink 技术的IBM Power System S822LC（Minsky 服务器），是一软硬件整合的解决方案。IBM认知系统可以提供丰富的工具和数据准备功能，简化开发体验，还可以将 AI 系统训练所需的时间从数周缩短至数小时之内。IBM认为，对于医疗行业来说，这些特性将具有吸引力。
IBM 大中华区系统部副总裁、认知系统及服务器解决方案总经理 施东峰
“IBM在认知计算和人工智能上一直是领先的，这点毋庸置疑。从另外一个角度看，除了机器本身外，我们能为客户提供更好的认知系统架构，包含产业应用和研发需求，当客户想自己开发时，我们能提供完整的解决方案，这也是IBM认知计算在医疗领域想做的事。”IBM 大中华区系统部副总裁、认知系统及服务器解决方案总经理施东峰说。
在北京大学肿瘤医院信息中心主任衡反修看来，信息技术工具可以是多样的，关键是解决临床的痛点问题。他指出，医疗数据的积累十分有价值，但获取价值的周期也很长。“现在看，几乎有二十年的时间，从最早的收费数据、检查数据到最后的临床数据、影像数据全都有了，但数据利用是一个问题。”
衡反修介绍，医疗机构最早的数据利用，就是在院内做BI，当时北大肿瘤医院也和IBM有合作。后来市场出现开源的大数据技术，包括Hadoop等，但也到最近两年才真正落地。“我们医院目前已经采用基于电子病历的智能化学习和分词技术做结构化，这是原来信息技术无法实现的，也是新技术带来的医疗的数据技术的变革。”
衡反修认为，在医疗领域，医学影像数据是认知计算技术和大数据应用重要的体现方面，但是基于临床角度还有一定距离，这也正是各方都在深度探索实践中。“从方案角度讲，我们需要一个好的应用工具在医院深耕挖掘数据，其实医院关注的是‘用’，看重的是能否给医院解决问题。但是至于怎么实现，可能技术部门关注更多。”
事实上，对AI的训练，不仅需要足够大的样本量，更需要针对算法的优化。尤其是在医学影像方面，不同于标准化数据（如CT、核磁等），超声影像能够在动态过程中捕捉病灶。从信息处理的方式来说，静态处理方式只能看水平面上的相关性和信息，忽视了同样有特点、特征的上下层信息。
自2016年以来，浙江大学应用数学研究所所长孔德兴教授团队结合“数理医学”的理论实践方法，通过改进和优化人工智能算法，利用大样本对计算机进行训练，最终研制出了针对甲状腺结节的超声影像识别和诊断的机器人DE，其诊断准确率达到了85%，超过了经验丰富的医生。
孔德兴教授认为，不同的医生在超声检测中的移动速度和压力均不相同，如何处理非标准化数据是一个关键。由于目前大部分都是针对静态数据的算法，于是孔德兴教授团队优化了针对动态影像的核心算法，利用医院静态数据和病理数据开发了一套系统，在试点医疗机构效果反馈良好。“静态有4张图，动态可能就有20张，信息更丰富，也更准确。”孔德兴说。
综上归结，医疗行业目前对认知计算和AI等技术大致有两类明显的需求：一是能否提供一个具备数据挖掘能力和应用能力的平台来解决医疗业务实操中所面临的难题；另一类是如何构建和不断优化针对某一具体病种的算法能力，如在医学影像AI领域。
IBM官方对 PowerAI的评价是：“世界上最快的商用深度学习软件”、“可以帮助训练电脑更快的达到可以像人类思考和学习的境界”。换言之，PowerAI是一个能帮助用户去训练AI应用的软件平台或工具。
IBM全球副总裁、IBM中国系统开发中心总经理 谢东
“我们推出认知系统PowerAI平台的目标就是帮助大家能够建立起自己的AI能力，能够自主进行AI应用的开发。”IBM全球副总裁、IBM中国系统开发中心总经理谢东介绍，在如何满足医疗行业的对AI需求方面，IBM PowerAI具有五个实用特点：
第一，PowerAI平台可帮助用户完成AI应用开发的整个生命周期。该平台涉及整个周期，先是前端数据的收集整理和清洗处理，随后是模型训练，再到模型运用及实施后的云端服务。“就好比可以使一个自动驾驶的应用变成一个嵌入式系统，帮助用户在这个过程中不单单是训练一个模型，而是完成全生命周期的管理，从而能真正把人工智能运用到实际应用中，这是一个端到端的解决方案。”谢东说。
第二，能够帮助用户在训练中更好地选择模型以及调优、调参数。PowerAI平台能帮助用户选择模型和选择调优后，使其更快地选择出合适自身应用的训练模型，同时在调优的过程中又可以给建议帮助调优，甚至一部分是自动化调优。“这样一个功能我们在很多应用的实例中已经发现比一些有经验的工程师调出来的模型、调出来的参数效果要好得多。”谢东说。
第三，能帮助医疗机构用户更加合理地进行AI模型训练。训练人工智能系统时，不能无限制实施大规模的系统训练，在该平台上除了能实现系统功能强、训练快的目标外，在经济成本上也将更加节省。同时，在进行AI模型训练时，该平台也能解决并行化和资源管理等问题，使得所训练的系统能真正运用起来。
第四， PowerAI是一个开放性平台。随着越来越多的各种模型、训练框架不断产生，预计未来还会不断有新的框架出现。PowerAI平台能以一种开放的设计，在今后更多新算法出现之时，能够让用户快速集成到平台加以应用。
第五，能快速解决入手的问题。在 PowerAI上已经预先设计了很多具有行业特色的模板，在医疗方面，目前更多直接面向的是图象处理。“我们设计了很多模板，让医疗机构用户可以通过这些模板更快的设计出自己的AI系统。”谢东说。
“对于企业CIO或CTO来说，以前更多考虑地是数据的架构和云的架构如何设计，而现在还要更多考虑认知系统和人工智能的架构应该怎样设计，怎样使之和业务结合起来更好支持应用的开发。”谢东表示，在此过程中，IBM能为用户提供咨询服务、技术支持，帮助用户能设计出自己的AI基础架构和建立人工智能的团队，以更好地开发出新型的人工智能应用。
当然，如果没有在现实医疗场景中应用实例，认知计算或人工智能技术就没有任何现实意义。据IBM大中华区硬件系统部Linux系统技术总监徐宁介绍，此前，IBM认知系统已经在几个具体的医疗业务场景中取得了一些实践成果。
IBM大中华区硬件系统部Linux系统技术总监 徐宁
首先是基于医疗影像的辅助诊疗技术。一方面体现在提高医生的工作效率上，比如，在医疗领域做胶囊胃镜时，整个检查流程要拍下2万多张图片，阅片量大导致医生手工阅片困难。IBM与一家从事胶囊胃镜的企业合作，通过人工智能技术训练出一个模型，利用该模型可以肯定地排除99%以上无用的图片，医生最多只需阅片一、两百张即可，这种方式可以大大提高医生的效率。
另一方面是提高医生诊断的准确度。目前，医疗领域包括超声、X光、CT、核磁等二维影像数据已十分成熟，三甲医院技术力量强，其诊断准确度较高，但大量基层医疗机构中的医生并不具备很强的能力，这时就需要一些辅助手段帮助医生做辅助判断的工作。“很多都在做辅助诊疗判断来帮助基层医生。比如，现在很多人在研究3D打印，CT虽然是平层，但可以做成三维建模的方式，而这些都是可以通过人工智能或深度神经网络的方式来完成。”徐宁说。
再次是帮助医生做出病情诊断的“同病分析”。比如，医生拿到一些检查结果后，可以拿以前的病例里有与其类似的病例帮助医生做判断。“无论是人工智能技术，还是深度学习技术，我们现在都尝试应用在医疗实际场景。”徐宁说。
虽然人工智能、认知计算等技术为医疗行业带来了很多自动化甚至智能化的应用和服务，但是这些技术并不是万能的。谢东就对此表示，在利用认知计算等技术训练人工智能的过程中，医学专家的参与必不可少。
谢东认为，认知计算要强调人与智能系统之间的交互，机器为人们提供了新的智能能力，同时要把专家与机器的回馈形成一个交互的过程。“我相信在人工智能的应用过程中，不是简单地把数据扔给机器就拿出结果，这其中还有非常重要的一环，就是人在里面的参与。”谢东说。
尽管认知计算在医疗领域还存在技术、法律和安全等方面的现实问题，实现最终目标依然道阻且长，但从全球的角度来看，认知计算正处于爆发的前夜。正如IBM总裁兼首席执行官Ginni Rometty在今年早些时候举行的HIMSS17上主题演讲所言：“我们正处在这样一个阶段，人类可以通过自己的力量来转变医疗保健模式。面对一个充满变革的黄金时代，认知计算恰逢其时。它可以为个性化医疗和精确医学带来黄金时代。”
实际上，医疗行业信息化建设，正在经历从原始数据收集、加工处理为信息到知识、再到智能的变革过程，PowerAI恰恰就是要赋能医疗用户构建AI应用的自主开发能力。
积跬步才能至千里。南京医科大学第二附属医院信息科柳明工程师最近也通过切身体会，对AI在医疗领域的发展持谨慎乐观态度。他认为，深度学习、认知计算等能力确实是未来发展的趋势，不容小觑。在日常生活中，每天都有患者及家属需要面对是或否的决定，身心俱疲、备受煎熬。如果人工智能能够帮助大家在最迷茫、最纠结的时刻做出快速准确的决定，那它必定前途无量。
转载自:HIT专家网