1、数据驱动下的人工智能在医疗行业的应用实践 CHIMA 2019CHIMA 2019CHIMA 2019 1 2 3 3 4 目录Contents CHIMA 2019CHIMA 2019CHIMA 2019（1）计算机视觉（模式识别，图像处理）（2）自然语言理解与交流（语音识别、合成、对话）（3）认知与推理（各种物理和社会常识）（4）机器人学（机械、控制、设计、运动规划、任务规划等）（5）博弈与伦理（多代理人agents的交互、对抗与合作，机器人与社会融合等议题）。（6）机器学习（各种统计的建模、分析工具和计算的方法）人工智能的应用领域 CHIMA 2019CHIMA 2019CHIMA 20

2、19其一、它是一个完全自主的智能。感知、认知、推理、学习、和执行，其一、它是一个完全自主的智能。感知、认知、推理、学习、和执行，它都有。它都有。其二、它自己把这个事通过少量数据想清楚，没人教它。其二、它自己把这个事通过少量数据想清楚，没人教它。其三、乌鸦头有多大？不到人脑的其三、乌鸦头有多大？不到人脑的1%大小。大小。人脑功耗大约是人脑功耗大约是10-20瓦瓦，它就只有，它就只有0.1-0.2瓦，就实现功能，根本不需要核动力发电。瓦，就实现功能，根本不需要核动力发电。这给硬件芯片设计者也提出了这给硬件芯片设计者也提出了挑战和思路。视觉芯片挑战和思路。视觉芯片VPU，应该比后来的，应该比后来的G

3、PU更超前。更超前。一只乌鸦给我们的启示 CHIMA 2019CHIMA 2019CHIMA 2019其一、同样是在概率统计的框架下，当前的很多深度学其一、同样是在概率统计的框架下，当前的很多深度学习方法，属于一个被称作“大数据、小任务范式（习方法，属于一个被称作“大数据、小任务范式（big data for small task）”（走一步走一步）其二、人工智能的发展，需要进入一个“小数据、大任其二、人工智能的发展，需要进入一个“小数据、大任务范式（务范式（small data for big tasks）”吗）”吗？（看一步看一步）其三、假设前提是智能系统已经有了前面讲的基本的设其三、假设

4、前提是智能系统已经有了前面讲的基本的设置，这个系统设置置，这个系统设置是千万年进化是千万年进化得来得来的么，的么，是不是通过是不是通过大量数据了打磨（淘汰）出来的大量数据了打磨（淘汰）出来的?（想一步想一步）任务塑造智能任务塑造智能 CHIMA 2019CHIMA 2019CHIMA 2019 Part1 数据驱动的医疗人工智能数据驱动的医疗人工智能 CHIMA 2019CHIMA 2019CHIMA 2019医疗大数据迎来爆发式增长医疗大数据迎来爆发式增长 医疗行业在智能产业中占比显著，达30%医疗数据量每年以48%的速度增长，是增速最快的行业之一，从2009年到2020年医疗数据增长将达4

5、4倍 医疗行业在智能产业中占比高医疗行业在智能产业中占比高 医疗行业 其他行业 70%70%医疗大数据市场发展迅猛医疗大数据市场发展迅猛 2014-2018年我国的医疗大数据市场规模呈飞跃增长趋势 预计到2020年，中国医疗大数据应用市场规模将达到79.05亿元 6.06 9.4 13.1 19 32.1 49.6 79.05 0 0.2 0.4 0.6 0.8 0 20 40 60 80 100 2014 2015 2016 2017 2018 2019 2020 亿元RMB 2014年年-2018年医疗大数据市场规模、增长率及年医疗大数据市场规模、增长率及未来预测未来预测 市场规模 增长率

6、 资料来源：资料来源：IDC、贵阳大数据交易所、贵阳大数据交易所、NCG 30%30%CHIMA 2019CHIMA 2019CHIMA 2019Velocity 增长与处理速度快增长与处理速度快 医疗大数据每年以45%的速度增长;诊疗过程中，检查检验结果需第一时间呈现 Variety 数据结构多样数据结构多样 非结构化数据 结构化数据 医疗影像数据 Volume 数据体量巨大数据体量巨大 2018年全国诊疗人次达到84.2亿人次，产生诊疗数据30000TB 每个CT图像含有150M数据，每个标准病理图片接近5GB 人体基因组测序数据量超过100GB，转录组测序数量超过30GB Value 价

7、值密度低价值密度低 应用价值高应用价值高 医学影像信息，几百兆的数据量中有用信息可能仅有几个片段 大量的传染病监测数据中敏感信息少，需要连续动态监测才能捕获异常信号或发现流行规律;数据来源国家统计局公告 CHIMA 2019CHIMA 2019CHIMA 2019我们知道：我们知道：建立智慧建立智慧医疗医疗的目的之一是打通医患、的目的之一是打通医患、医疗医疗机构、机构、医疗医疗设备之间的设备之间的关联，关联，建立全民健康信息建立全民健康信息平台，利用平台，利用人工智能技术人工智能技术，达到，达到信息共享和充分利用的目的。信息共享和充分利用的目的。在国务院印发的新一代人工智能发展规划新一代人工智

8、能发展规划中重点提出应加快人工智能创新应用，特别在医疗领域为公众提供个性化、多元化、高品质服务。积极响应并发展云南省八大重点产业云南省八大重点产业中“生物生物医药和大健康产业医药和大健康产业”国家、政府层面的要求 需要有效解决我国医改问题医改问题中，城乡医疗资源城乡医疗资源及卫生费用不平衡及卫生费用不平衡、东西部地区健康结构不平东西部地区健康结构不平衡衡，以及医疗服务体系中重三级轻基层重三级轻基层、重公重公立医疗机构轻民营医疗机构立医疗机构轻民营医疗机构等问题。解决问题目标解决问题目标 通过智慧诊疗系统，患者无论是在农村还是在城市，均可就近就医就近就医，享受到基本相同的医疗质量，保证对疾病的精

9、确、及时精确、及时就诊。就诊。缩短患者的就诊时间缩短患者的就诊时间，针对患者 的病症进行个性化治疗方案个性化治疗方案的推荐，引导病人对病症进行更合理的治疗。提供治疗规范和提供治疗规范和技术服务技术服务，提高诊断的，提高诊断的精精准度准度，降低医疗成本，提高，降低医疗成本，提高工作效率。工作效率。解决患者实际问题 CHIMA 2019CHIMA 2019CHIMA 2019Part2 我们的“智慧医疗”我们的“智慧医疗”建设思路建设思路 CHIMA 2019CHIMA 2019CHIMA 20192018中国互联网+数字经济峰会上，云投医疗、昆医附属第二医院、红会医院（省第二人民医院）、普洱市人

10、民医院与腾讯签约 ，在区域医疗大数据，人工智能辅助诊疗技术运用，智慧医院建设等方面展开合作。昆医附属第二医院与腾讯的合作着力于人工智能辅助诊断系统、诊断风险监控系统，病历结构化系统等方面。其中，最为亮眼的是引入“AI+医疗”国家级标杆产品“腾讯觅影”，提升医生的诊断效率和准确性。20162016年年9 9月月2727日举行日举行“云南省第一人民医院智慧医院启动暨云南省第一人民医院联想智“云南省第一人民医院智慧医院启动暨云南省第一人民医院联想智慧医疗研究院揭牌仪式”。慧医疗研究院揭牌仪式”。CHIMA 2019CHIMA 2019CHIMA 2019智慧医院 智慧管理 智慧服务 目标目标：以大数

11、据为驱动力，建设以“智慧医院”：以大数据为驱动力，建设以“智慧医院”为主，“智慧服务”为主，“智慧服务”、“智慧管理”、“智慧管理”为辅的为辅的医疗平台，实现云南省可服务于边疆地区的一体化“智慧医疗”体系建设，医疗平台，实现云南省可服务于边疆地区的一体化“智慧医疗”体系建设，使医疗资源使医疗资源最大化最大化 实现医疗服务任务可控、可量实现医疗服务任务可控、可量化，为医疗产业生产、科研、化，为医疗产业生产、科研、基建品控、人才培养等医疗服基建品控、人才培养等医疗服务工作提供支持。务工作提供支持。为所有管理者和员工提供为所有管理者和员工提供智能、便捷、个性化的工智能、便捷、个性化的工作处理平台作处

12、理平台 建设智能、便捷、低能耗建设智能、便捷、低能耗的智慧医院，为患者和医的智慧医院，为患者和医生提供高质量精细服务生提供高质量精细服务 CHIMA 2019CHIMA 2019CHIMA 2019Litjens G,Kooi T,Bejnordi BE,et al.A survey on deep learning in medical image analysis.Med Image Anal 2017;42:60-88.AI在医学领域的应用情况 AI在医学领域的应用的示例 CHIMA 2019CHIMA 2019CHIMA 2019Part3 开展的工作案例介绍开展的工作案例介绍 CHI

13、MA 2019CHIMA 2019CHIMA 2019肺癌筛查+人工智能处理 CHIMA 2019CHIMA 2019CHIMA 20192006 年，神经网络领域专家 教授在 杂志上发表论 文首次提出“深度信念网络”的概念，也就是我们所说的“深度学习“。随后的几年，很多著名企业和新兴的创业公司也开始用深度学习来进行医疗的应用。比如皮肤 病学、病理学、肿瘤学、医学影像学等。1 1 相对于医学影像数据的增加，放射科医生相对于医学影像数据的增加，放射科医生匮缺，特别在边远山区，基层卫生院。匮缺，特别在边远山区，基层卫生院。2 2 人工智能的理论和技术发展在自然图像识别上已经颇为成熟人工智能的理论和

14、技术发展在自然图像识别上已经颇为成熟 以深度学习为主的人工智能技术，已在自然图像领域，包括人脸识别，物体检测等问题上展开 3 3 医疗影像的数据特点非常适合人工智能来处理医疗影像的数据特点非常适合人工智能来处理 医学影像诊医学影像诊断断对对人工智人工智能能的需求的需求 CHIMA 2019CHIMA 2019CHIMA 20191 CT 肺结节检测为啥需要用AI来进行辅助检测 支气管肺癌（肺癌）是世界上发病率及病死率最高的恶性肿瘤，每年死亡人数达140W，占所有恶性肿瘤死亡人数的18。但是，由于我国约75的肺癌患者在诊断时已属晚期，5年生存率仅约156。（中国专家肺结节诊治共识中国专家肺结节诊

15、治共识）全国一级以上的医院人工阅片总体准确度平均为 约为 70%-85%，每一个病例医生平均要花 8-10 钟在 300-500 张 CT 片中寻找几毫米的结节并给出诊断报告。同时，目前肺结节发生率高、复查率高、对比复查要求高、阅片耗时、人工易疲劳等特点，各大医院在高负荷工作情况下，个体的诊断准确度参差不齐、漏诊率高。应用AI辅助检测可以帮助医生在数百张 CT 片中寻找肺结节，并进行标注、测量最大最小径、体积，判断结节的形态和性质，最后自动生成结构化报告。这样，就可以在 2 分钟之内完成一个患者的诊断工作，大幅度提升医生的工作效率。2 人工智能如何检测 CT 肺结节 根据 CT 肺部扫描片的特

16、征，以及肺结节的特征，利用人工智能深度学习的理论建立算法模型。搜集足够的、经过医生精准标注的病例，让算法模型进行训练，学习，然后算法模型就学会了识别肺结节的特征。通过反复训练和模型参数调试，最终达到一个肺结节高检出率，低假阳性率的效果。这样人工智能可以先进行肺结节的检测工作了，检测完毕之后，再把所有的肺结节以列表形式进行呈现。医生只需对检测结果进行二次复审，确定无误后，系统自动生成结构化报告。3 如何判断人工智能 CT 肺结节检测系统的优劣性 首先人工智能系统要能融入到医生的报告流程中。医生从调阅图像的同时，人工智能要自动推送检测结果。等医生复核完毕之后，系统需要自动生成报告，报告可以自动推送

17、到医生的 HIS 报告系统之中，直接可以编写。整个过程需要无缝对接，不破坏医生诊断的流程，符合医生诊断习惯。其次，要能够有 95%以上的检出率，尽量不漏检。假阳性要控制在每位患者 4 个以内。当检出率提高的时候，不可避免假阳性就会增多。神经网络模型要能够有很强的兼容性、适用性、鲁棒性，要能够有效控制假阳性。这样也可减少医生的复核的工作量。CHIMA 2019CHIMA 2019CHIMA 2019基于机器学习的心血管疾病的诊疗系统 CHIMA 2019CHIMA 2019CHIMA 2019对病人的门诊病例、医学影像、生理化验等数据的收集整合，并进行预处理。病症采集病症采集 针对不同类型的数据

18、采用不同的诊断分类模型，并采用集成学习的方法对得到的多个诊断分类模型进行加权集成。病症诊断病症诊断 诊断出相同疾病的病人数据进行聚类分析,将相同病疾病类型的病人划归到同一个簇中，并且选择高置信度的诊疗方案推荐给患者和医生。诊疗方案推荐诊疗方案推荐 根据病人的后期随访记录，对病人的康复情况进行合理的评估。预后评估预后评估 实施步骤 2 3 4 1 CHIMA 2019CHIMA 2019CHIMA 2019诊断表检查信息表表关联筛选心血管疾病样例选取类标数据规约医疗影像数据电子病历数据预处理数据集成划分图像数据格式图像切割划分训练集/测试集图像数据预处理训练集/测试集数据去重数数据据预预处处理理

19、模模块块 数据清洗数据清洗 数据集成数据集成 数据规约数据规约 数据变换数据变换 CHIMA 2019CHIMA 2019CHIMA 2019ConV1 1ConV3 3ConV5 5卷积层Pooling3 3BNConV1 1ConV3 3ConV5 5Pooling3 3池化层卷积层池化层批量归一化Flatten 层Softmax分类器输入医疗影像数据的特点医疗影像数据的特点 解决办法解决办法 数据复杂 医疗影像数据维度大 医疗影像间差距极小 不同的卷积核设计能提取到图像不同的特征，保证了特征的多样性 比起单一粒度的卷积核，多粒度卷积核保证了算法的健壮性，使得算法在处理噪声数据时也能表现出

20、良好的鲁棒性。数据具有噪声 医疗影像中包含多中非图像信息 医疗设备所造成的影像模糊，成像位置等偏差 CHIMA 2019CHIMA 2019CHIMA 2019数据预处理历史病例数据聚类特征提取及压缩（含：心率、血氧、呼吸率异常的均值及心律失常报警率）K-Means聚类粒子群优化算法CUU历史病历生理波形数据数据预处理病情分级KNN病情分级簇模型历史诊疗及康复记录CUU病人生理波形数据病人ID病程监控及预警愈后康复几率的预判 利用心血管病人相关历史病程波形数据，结合非监督学习中聚类算法对相关病例进行聚类，并关联历史诊断病历信息，建立病情严重程度分级模型。得到病情分级类簇中心之后，运用K近邻算法

21、将采集到病人的生理波形数据的“压缩特征”与其进行匹配，不仅可对当前病人病情进行合理的分级及病程的大粒度监控，通过类簇中关联的历史诊疗及康复记录，还将为医护人员对病人愈后康复几率的预判提供重要参考。CHIMA 2019CHIMA 2019CHIMA 2019我们团队发表的论文 CHIMA 2019CHIMA 2019CHIMA 2019基于机器学习的疾病相关性分析 及其他研究 CHIMA 2019CHIMA 2019CHIMA 2019疾病相关性分析 疾病谱业务规则 药学规则 诊疗 规则 CHIMA 2019CHIMA 2019CHIMA 2019不同的神经活动会产生不同的脑波模式，从而表现为不

22、同的大脑状态，并发出不同振幅和频率的脑电波。我们使用ErgoLAB EEG 无线干电极脑电测量系统采集脑电信号，进行认知状态分析。CHIMA 2019CHIMA 2019CHIMA 2019作为一种神经系统疾病作为一种神经系统疾病，阿尔兹海默阿尔兹海默（AD）症的表现之一为认知能力障碍症的表现之一为认知能力障碍。脑电信号脑电信号能够反映认知状态能够反映认知状态。我们使用我们使用EEG传感器传感器采集脑电信号采集脑电信号。通过大数据和机器学习的通过大数据和机器学习的方法方法，我们可以发现脑电信号我们可以发现脑电信号、认知状态认知状态和和AD症之间的关系症之间的关系，进而结合其它生理指进而结合其它

23、生理指标与行为标与行为记录记录（比如步态分析比如步态分析）进行进行AD症症的预测的预测。CHIMA 2019CHIMA 2019CHIMA 2019呼吸系统：人在呼吸时，流动的气体会对周围组织产生瞬间压力。放置在胸部或腹部的压力传感器，根据胸腔的扩大或缩小的节律性交替改变所引起的胸部、背部以及腹部的起伏变化，产生电压信号。对信号进一步处理及转换，即可获得呼吸信号。又有对呼吸睡眠综合征的患者，通过佩戴呼吸机，收集呼吸机数据。CHIMA 2019CHIMA 2019CHIMA 2019google谷歌有一个名 为 TensorFlow的开源库，可用来在Android中实现机器学习。*(物体的标签文

24、件)*(预训练模型文件)迭代，拿来，站在巨人肩膀上 CHIMA 2019CHIMA 2019CHIMA 2019Part4 可穿戴智能健康技术可穿戴智能健康技术 CHIMA 2019CHIMA 2019CHIMA 2019 基于移动物联网的智慧医疗：通过连接大量移动可穿戴设备，对海量个人健康数据,进行智能采集、融合、分析、管理和挖掘，并提供相应的个性化医疗健康服务。核心功能：提供方便快捷地个性化健康医疗数据管理和分析服务 提供精准性的疾病自我量化管理服务 关键技术：非察觉式健康数据智能感知技术 多源异质健康数据的融合技术 个性化疾病管理系统和方法 可穿戴手环，手表，健康称，活动识别器等 手机应

25、用程序及服务 开发API,健康数据读取和使用 硬件 移动端 服务器 利用利用RFID定位系统采集人体位置，活动和交互性信息定位系统采集人体位置，活动和交互性信息 支持连接支持连接20余种余种可穿戴医疗设备可穿戴医疗设备 异质自我量化健康数据的交互式可视化分析工具异质自我量化健康数据的交互式可视化分析工具 CHIMA 2019CHIMA 2019CHIMA 2019个人信息和病史 健康预测 运动数据可视化分析 移动终端 三维病例可视化 服务器控制面板 眼部疾病案例管理 动脉健康智能监测称 手环式心房颤动检测手表 糖尿病案例管理 CHIMA 2019CHIMA 2019CHIMA 2019基于非察

26、觉式光感信号检测技术测量血液脉动流 提供模式识别算法分析血液脉动流监测心房颤动，准确度达到95%基于非察觉式IPG和ECG信号检测技术测量手脚脉冲时间差 提供模式识别算法分析监测动脉僵硬特征，准确度达到91%通用适配器模式设计感知接口以提取，传输，存储数据 支持蓝牙传输2.0以上可穿戴设备 支持30种以上手环、计步器等、50种智慧手机 智能感知技术和设备 CHIMA 2019CHIMA 2019CHIMA 2019怎么判断你内心的选择符不符合道德呢？社会不可能把大量规则逐条列出来，一个汉字也没法表达那么多的内容。“德”字上面是一个十字，十字下面一个四，其实不是四，而是眼睛，十个眼睛看着你。就是

27、由群众来评判的。他们如果觉得你做的事情能够接受就是道德，如果不接受那就是不道德。所以，你在做选择的时候，必须考虑周围人的看法，人家里会怎么想，才决定这个东西做不做。总结一下，思考两个问题:伦理道德、何去何从？CHIMA 2019CHIMA 2019CHIMA 2019 有人说“人类1秒就能做的事，人工智能也没问题”，因为1秒以内基本属于条件反射系统的工作区域。引用谭铁牛院士的话，现有的人工智能系统，可以说有智能没智慧，有智商没有情商，会计算不会算计。人工智能的发展依然处于非常初级的阶段，现状基本就是 “没有人工，就没有智能”我们把人工智能看成一棵大树，有人说我们把人工智能看成一棵大树，有人说爬到大树上看月亮和站在地上看月亮，爬到大树上看月亮和站在地上看月亮，哪个更近？似乎没有区别。哪个更近？似乎没有区别。然而这并不妨碍我们给这棵大树浇水施然而这并不妨碍我们给这棵大树浇水施肥，让我们怀着一个共同的梦想肥，让我们怀着一个共同的梦想这棵这棵树终有一天可以长到月亮上去！树终有一天可以长到月亮上去！CHIMA 2019CHIMA 2019CHIMA 2019请大家批评斧正请大家批评斧正 CHIMA 2019CHIMA 2019CHIMA 2019