人工智能和计算机视觉在医学方面可以有哪些比较靠谱的应用?比如用图像识别帮医生看片子?

无论是帮医生诊断,还是患者自助诊断都可以。
关注者
187
被浏览
6,473

7 个回答

收录于知乎圆桌 ·

程序员的一天

今天你和往常一样,早上7点起床,洗漱完毕准备上班,正准备出门,手表嘀嘀嘀吵闹地响起,你嘟囔了一句:“有病么”,手表中温柔的声音传来:“你有药需要服用”。哎,也怪之前大冬天急着搬家没有注意身体,好在前段时间通过个人基因测序,根据自身基因的数据,医院快速推荐了针对性的治疗方案,应该很快可以康复。

今天的工作一切顺利,但是晚饭之后突然手疼得厉害,看了一样屏幕上还在刷刷刷的bug们,你叹了口气,赶紧通过手机挂了医院急诊。很快,挂号应用自动呼叫的cici专车来到了你的楼下。10分钟之后车到了医院门口,你在车上已经自助完成了血压、体温等常规测量,并且还针对手部做了一个影像检查。刚进医院的候诊大厅,就看到了熟悉的护士。护士依旧用不那么纯熟但是温柔的声音对你说:先生,通过自动图片分析和医生诊断,您患的是由于bug过多导致的急性手指关节错位,需要马上进行手术,手术风险1级,康复率99%。签完一堆文件之后,你无奈地跟着护士走进病房,护士一边跟你聊着天,一边打了在你的左手臂上打了一针。20分钟后,护士告诉你,手术已经由微型机器人完成。你放心地站起身来,感叹着现代科技的便利,同时手机传来滴的一声,告诉你收费已经完成,相应保险单也已经提交保险公司处理。看着医疗账单,你的心里不禁一惊,这时手表又传来滴滴滴滴的急促声,一个温柔的声音再次响起:你的心跳异常,是否要预约检查… (故事纯属虚构,请勿做任何参考,如有重名,实属巧合)

但是即使是虚构的故事,可能大多数人读下来也觉得离自己没有那么遥远,甚至可能已经有人觉得某些想法会是一个好的创业方向。AI在医疗领域的应用已经远远超出了仅仅是图像识别的范围。根据埃森哲的分析[1],医疗AI的市场在未来将从2014年6亿美元的规模,增长到2024年66亿美元的规模。在这个背后,将包括10大应用方向:(按照规模排序)前三分别是机器人协助手术,虚拟护理助手和管理流程助手。自动图像诊断排在第九位,在早期诊断之后,和数据安全之前。

巨大的未满足的市场需求促进了行业的飞速发展。我们可以尝试从自己去就诊的一个流程去梳理AI应用的多个场景:


图一:AI可能的应用场景以及其所属的领域。

图一是我自己结合多个信息来源做的一个小结,因为个人能力有限,难免有所疏漏,也欢迎大家补充。但是我们可以看到,医疗本身包括了检查、诊断、治疗、后期管理等多个阶段,涉及生物学、影像学、化学、心理学、管理、保险、政策等多个不同领域。AI在其中每一个方面的应用都可以做一番细致的调研和阐释。这里只抛出一个粗略的砖。

图二:国内部分相关人工智能应用领域汇总(图片来源:动脉网[2])


检查与诊断:这里包括临床的检查诊断和各种实时的监控。图像识别在临床辅助诊断方面可以有效提高诊断准确率水平,同时提高基层医院的诊断水平。同时,各种智能硬件的出现,结合通讯与算法技术的发展,在各种慢性疾病管理,心血管疾病的监控以及癌症等相关疾病的早期发现方面都有很好的应用前景。包括DeepMind在内的很多知名团队都在进行这方面的尝试,也许很快会有一个AlphaDoctor出现吧。

治疗:在治疗方面,AI可能的应用包括基于目前红红火火,人畜皆有的基因检测技术而发展出来的精准医疗方案。也包括智能的医疗器械及辅助手术机器人等。当然大家接触的更多的,可能还是各种形式,或口服,或注射的药物。目前国内外各种规模的药企以及部分创业企业(包括我们自己XtalPi)也将注意力投向以AI为主要手段之一的药物发现和设计过程。这部分我在研究里面再提。同时,像AiCure这样的企业也将AI应用于长期的服药管理。毕竟,吃药不是一个大家喜闻乐见的活动,如何提高病人的依从性也是与治病效果以及经济成本息息相关的指标。

管理:看病不止是诊断、吃药的问题,还包括挂号,结账,部门协同等各种管理问题。病例电子化是一个大的发展方向。同时,无论中美,医保始终是一个和医疗非常相关的热点话题,如何基于大数据和人工智能让医保更好的惠及有需要的患者,也是一个非常重要的应用场景。

研究:除了实际的工业应用,医疗本身也涉及非常专精的科学研究。好的医院和药企通常都有非常好的研究部门。就药物而言,如何在更短时间内以更低成本和更高成功率发现药物是和药企以及患者都非常相关的话题。包括深度学习在内的多种算法在药物研究和发现领域正处于一个“战国时代”,参与者既包括传统的创新药企,也包括新兴的科技型企业。解决的问题包括:基于基因数据的药物作用靶点和机理发现,药物候选者的发现,药物结构设计,药物工艺优化,临床试验设计和数据分析等等。涉及到的技术包括:机器学习及深度学习算法(利用CNN或者RNN处理蛋白质、分子等结构)、大规模计算下的资源调度,小数据集上的模型优化等等。在这个“战国时代”,各家均有所长,但是到探索出一条能系统解决制药难题的方案,或者说以新AI技术为核心去重构现有研发流程,还有很长的路要走。这个话题可以找时间详细单说。

(此处利益相关,打个广告:希望国内外对于AI制药感兴趣的人才,无论是技术方面还是商务方面,欢迎私信我联系)

当然我们不应该让知识的匮乏和现实的局限限制了我们想象力。按照TM Capital的总结[3],AI在医疗领域的应用驱动力主要来自于以下需求:

- 研发驱动
- 不断增加的未来应用的可能性
- 减少人力工作压力并提高治疗质量
- 不断增长的精准医疗的需求
- 不断增长的跨领域结合
- 医疗工作者的短缺
- 降低医疗成本的需求

从我自己的一些实践看,AI在医疗领域的突破点之一将是在跨领域融合上。必须处理好算法人才和医药研发专业人才的协作,才能尽快让AI技术产生它们应有的工业价值。未来可能存在的坑也会很多,包括资金投入大,部署困难,不同AI解决方案之间的相容性差,高质量数据缺失或者不易获取,政府及相关部门监管政策,数字化之后的数据安全问题等。例子包括病人对数据的所有权和隐私问题,AI是否能够独立进行诊断的问题以及出现问题后的责任追究问题,基因数据的使用、解释问题等。但是不管怎样,我们会期待AI的快速发展将在平衡医疗资源,解决疑难杂症,降低治疗成本等方面发挥更大的作用

p.s. 开脑洞的彩蛋:其实如果我们不限制在数字化的AI技术,很多时候,尤其是在药物研发中,有很多有意思的“AI”技术:比如在药物设计里面通过特别设计高选择性的小分子药物(高选择性就是说这种小分子只和特定的蛋白质结合,而避免和其他蛋白质结合),那么这个是不是也可以算作是一种智能呢?从这个角度讲,也许我们可以从生物角度考虑,设计出更多别具一格的人工智能来。


参考资料:

[1]. Accenture, Artificial Intelligence: Healthcare’s New Nervous System

[2]. 动脉网, 中国医疗人工智能产业数据图谱:55家医疗人工智能企业完全扫描

[3]. TM Capital, The Next Generation of Medicine: Artificial Intelligence and Machine Learning

计算机辅助医疗,首先需要解决的问题:

1、数据哪里来?患者的病例信息大多数都是保密的,除非和医院有合作,不然很难拿到数据。

2、看片首先需要图像标注,这是个很尴尬的活,有经验的医生没时间做,搞CV的人看不懂、做不来(复杂的疾病,人眼不好观测的)

3、有些病症在图像中根本不表达,通过图像看不出来,需要和其他模型一起解决。