0
| 本文作者： 刘海涛 | 2020-08-15 22:48 | 专题：CCF-GAIR 2020 全球人工智能与机器人峰会 |
2020年8月7日，全球人工智能和机器人峰会（CCF-GAIR 2020）正式开幕。CCF-GAIR 2020 峰会由中国计算机学会（CCF）主办，香港中文大学（深圳）、雷锋网联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。从2016年的学产结合，2017年的产业落地，2018年的垂直细分，2019年的人工智能40周年，峰会一直致力于打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资平台。
在8月9日的医疗科技专场上，西门子医疗中国数字医疗负责人陈黎峰，以《人工智能赋能数字化医疗：机遇与挑战》为题，介绍了西门子医疗如何利用AI满足临床场景中的核心需求。
陈黎峰表示：医疗流程中最重要的环节是决策，一名医疗工作者平均每小时就要做出22个重要的决策。这些决策直接影响着病人从检验、诊断、治疗和愈后管理的质量。
从统计数据来看，医疗决策过程中，常常有超过50%以上的病人，会缺失病史等关键决策点信息。
如何优化这些诊疗路径中的决策问题？陈黎峰表示，最好工具就是AI。
从1990年起，西门子医疗就已经将人工智能应用在设备成像中。西门子医疗在AI领域拥有长期经验，拥有600多个与机器学习相关的系列专利，其中200多个涉及深度学习的系列专利。
例如，为了解决病史缺失的问题，西门子医疗提供了解决方案eHealth，可以在病人授权后将所有病史提供给医生进行判断。
在预约检验、检查环节，西门子医疗还开发了Medicalis系统，可以将所有医疗资源集中在平台，再根据病人的不同情况，把病人分诊到对应医院、对应科室进行诊断，这种分诊方案会结合病人本身所处的地域、保险情况，给出最优路径。
此外，陈黎峰还介绍了人工智能阅片平台AI-Rad Companion，可以在一张CT影像中，同时识别肺结节、肺气肿、主动脉、心脏、脊柱重建等6个病种，直接以量化形式展现胸腔内所有疾病。
陈黎峰：首先，我介绍一下西门子医疗。西门子医疗有130余年的历史， 现有三大核心业务部门：影像诊断、实验室诊断和临床治疗。
1999年，阿里成立的那一年，西门子医疗已经推出了IT全平台。2014年，西门子医疗又发布了一个基于云的数据中台和自带用量、剂量的数据云平台teamplay。截止到现在，西门子已经有40多款人工智能应用。
这张图是西门子医疗2019年财年的数据。
接下来分享一下行业趋势变化，我们认为，未来整个市场动态和趋势变化会对医疗行业发展产生巨大影响。现在市场上一些趋势和变化，都是我们以往从来没有遇到的，例如人口老龄化和慢性疾病增加。
从大的医疗市场角度来看，这种趋势是市场的持续增大，在2015-2020年短短五年间，全球主要经济体在医疗卫生上的支出从平均2.4%增长到7.5%，这些支出大约有一半、约4万亿花费在三大疾病上——癌症、心血管和呼吸系统疾病。
但是，我们也能看到一些潜在趋势。
首先，医疗会更加精准，但精准医疗跟医院以往操作模式非常不一样的是，需要各部门协同作战，甚至需要我们重新思考诊疗转化模式。
其次，改善患者体验。现在，自己或家人生病后，首先一定会去网上搜索得了什么疾病、需要怎么治疗，这也导致医生的工作变得困难，因为你会带着信息和研究，和医生去探讨疾病。
但从另一个角度来看，这也代表患者更关注和更多地参与自己的医疗健康管理当中，实现了医疗的消费者化，患者更像是消费者。在这个过程中，患者对疾病的认知、知识也大幅增加，会有更多的选择。
最后我们认为，数字化、信息化、人工智能一定会驱动健康和医疗行业的发展。
今天，我打算从决策的视角来看待其中AI的机遇和挑战。
什么是决策？我们每个人每时每刻都在做决策，而医护人员每天也会把绝大部分时间花在决策上，这些决策跟每个人的生命健康息息相关。
除了在临床环节，医疗工作者的决策还会涉及运营层面。例如，一个中风病人进入医院，如果这个病人在本院治疗不了，就需要转诊。转到哪里？怎么转？里面的判断就是典型的运营决策场景。
对于医疗工作者来说，平均每小时就要做22个重要的决策判断，这些决策直接影响病人诊疗过程，从检验检测、诊断、到治疗、愈后管理等各个节点。但这些决策，经常会因为病人病史的缺失和信息的不对称，出现大量错误和偏差。
例如，病人到医院时，会对自己的疾病史有一定的了解，但不了解目前的进展；而医生通过检验、检测能够知道病人现在的症状，但是不一定知道所有的病史和服药史，最后的决策就会非常困难。
例如，上海某三甲医院急诊科主任曾介绍一个案例。他们医院的员工家属某天突然晕倒，但在急诊科做了一系列的检验、检查都没有发现问题。
留院观察期间，主任和病人谈话偶然间得知病人有轻微的地贫，马上联想到地贫可能引起肺栓塞，而后者则会引起肺动脉高压而导致晕厥，最后发现果然如此。
但之前的问诊，病人根本不会把两者联想在一起，而大夫也不可能知道地贫这件事。
统计来看，医疗决策过程中，常常有超过50%以上的病人，会缺失病史等关键决策点信息。
除了诊断，在处置、检验检查过程往往也需要医生做出很多决策。例如，我一个朋友的母亲在今年擦窗过程中，忽然背部扭了一下，当时虽然没注意，但后来却疼到睡不了觉，于是去了全国前五的三甲医院。
到医院之后，他们最头疼的就是导诊，因此背疼不知道挂哪个科；于是就先去了心内，在心内做了很多CT平扫、重建检查，都没有发现问题；又去了骨科，骨科大夫也觉得没有问题，推断是神经出了问题；但后来又错挂了神经内科。
回溯来看，这些检查和流程里面，大概15%的影像诊断是错误或者非必需的，甚至是重复的。医生在诊断决策过程中，如果没有掌握充分的信息，就会导致做出错误的诊疗决策或诊疗流程。
研究表明，大约40%的病人会不同程度上曾有“过度医疗”的经历。
但医生在开处方过程中，可能也不知道你的既往病史、服药史等。这样的信息不对等会导致随访过程变得困难。中国每年有80亿次的诊疗量，每个人都去随访基本不太可能。
那么，我们应该如何解决这些诊疗路径、诊疗流程的问题，帮助患者、医生进行全流程正确决策。我认为解决这些问题最好的工具就是AI。
目前，AI已经完全贯穿西门子的全景解决方案之中，有超过40多项AI应用，甚至每小时就已经有24万患者直接或间接体会到AI的帮助。
刚才已经讲到，医生的治疗、诊断等流程的决策都需要医生掌握病人的完整病史做判断，那又该怎样得到病人的完整病史？
目前，西门子医疗在病史方面有一套解决方案——eHealth，这个产品目前已经在奥地利全国落地。为了避免病人隐私泄露，产品会在病人通过eHealth远程或者当面进行授权后，把所有病史提供给医生做判断。
西门子医疗在预约检验、检查环节也有一套系统Medicalis，这个系统目前已经在美国上线。系统可以把所有医疗资源集中在平台，再根据病人的不同情况，把病人分诊到对应医院、对应科室进行诊断。
当然，这种分诊方案会结合病人本身所处的地域、保险情况，给出最优路径。
在诊断方面，西门子医疗也有自己的一套人工智能阅片平台——AI-Rad Companion，这个平台的目标就是减少医生日常冗余重复性工作，提高诊断准确度。我们希望这个产品可以和多厂商兼容，提供多器官综合诊断，乃至最后自动生成展示服务。
在医学影像AI层面，作为老牌的器械厂商，西门子医疗存在一定的先天性优势。
例如，这次新冠肺炎期间，我们发现西门子CT设备扫描出来的影像，使用AI-Rad Companion进行新冠肺炎阳性和阴性的判断后，会比其他厂商的产品更加精准。
这个现象背后是因为其他厂商的产品，由于本身卷积核（reconstruction kernel）问题，对于肺炎早期的判断会出现一些假阴性和假阳性。而西门子医疗的AI-Rad Companion，早已经在普林斯顿的一个超级计算中心研发了很多年，在国内也已经到临床阶段，和很多医院进行合作研发。
AI-Rad Companion不仅仅可以看结节，而且可以识别肺结节、肺气肿、主动脉、心脏、脊柱重建等6个病种，直接把胸腔里面所有疾病以量化的形式展现出来。
对于诊疗决策和治疗环节，现在所有的方法也都在持续革新。这就像导航，过去所有人出行都需要买一本全国地图册，GPS出来后也出现一些道路升级而软件没升级，从而误入歧途的情况。但现在手机就可以完成导航的所有问题。
病人的诊疗路径也是一样，过去很多诊室边上都会放一个人体全身骨架，但现在已经都不需要了。现在的诊疗决策变成只需要两件事，首先需要知道各项检验指标，其次病人的全面病史、所处的状态。
因此，现在很多厂家都提出了数字孪生/数字双胞胎的概念，把这个人所有医疗指标数字化，包括实验室、用药、影像数据、基因等，再把这些数据和文献、指南以及其他知识库整合，为病人选择出最好的诊疗方案。
利用这些信息和病人交流，也可以帮助病人更加直接、积极的参与到自己的疾病治疗和健康管理当中。
AI-Rad Companion也有一个随访模块，可以利用一个小家用设备，对病人的各项指标变化进行管理。这样就可以解决前面提到的80亿人次的随访问题，在人工智能的帮助下，设备可以自动提出预警和其他干预方案。利用这种方式，一个护士甚至可以随访上千人。
前面已经介绍了西门子病人诊疗路径和数字化的解决方案，回头再了解一下人工智能的驱动力，我认为主要包括三个方面：
一、政府和医院的成本效率需要提升，运营方面需要决策支持；
二、医技人员的缺乏，例如国内超声医生大概就有15万的缺口；
三、协同医疗概念，用数字化驱动患者和医生的互动。
所以围绕这三个方面，AI也发挥了几点作用：首先，提升效率和生产力；其次，提供临床辅助决策支持；最后，为医院提供病人管理。
既然已经看到了需求和前景，那中间又是否存在壁垒？
单纯从技术的角度来看，AI应用最大的问题，就是各个科室之间、各个机构之间的数据孤岛问题，这也导致可能出现潜在的决策和判断错误。
那么西门子医疗怎么解决这个问题？
西门子医疗目前有一个teamplay数字中台，正逐步在国内落地。这个平台的目的就是为了打破数据孤岛，让医疗AI产品快速落地，产品可以实现多模态部署，在医院端、边端或云上都可以。
这个平台的数据来源也不止于DICOM格式，对HL7、FHIR等标准也同样兼容。目前，西门子医疗已经将AI-Rad Companion部署在这个平台之上，未来也希望更多的厂商加入。
我认为，虽然一个人可以走得比较快，但一群人则可以使这个行业走得更远。雷锋网雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
