深度学习主要体现在互动、发现和决策三个方面 IBM沃森在医疗行业体现出互动、发现、决策三个能力

 导读：深度学习主要体现在互动、发现和决策三个方面  IBM 沃森在医疗行业体现出互动、发现、决策三个能力。IBM 沃森认知系统能够与人类进行对话，可根据病史来了解病患并将具体情境和基于证据的推理带到互动中。病患可借助认知系统进行对话，医生可轻松从系统获得病患信息，以便开展相应治疗。所有这些互动均可以自然语言进行，从而可简化流程。这部分的应用典型代表是虚拟护士。

参考《2016-2022年中国精准医疗市场专项调研及十三五产业投资评估报告》

       1、 互动能力

       IBM 沃森认知系统能够与人类进行对话，可根据病史来了解病患并将具体情境和基于证据的推理带到互动中。病患可借助认知系统进行对话，医生可轻松从系统获得病患信息，以便开展相应治疗。所有这些互动均可以自然语言进行，从而可简化流程。这部分的应用典型代表是虚拟护士。

       Ssense.ly：虚拟护士

       Sense.ly 是一家提供医疗保健服务的初创企业，其为用户提供了一位私人助理，她的名字叫做 Molly。这是一位专职的虚拟私人护士，可以充当医疗服务提供商与病人的接触点。用户可以通过她向背后的医疗服务机构提供信息，然后获得相关建议。Sense.ly 的平台集成了医疗传感、远程医疗、语音识别、增强现实等技术。患者用户可以在 PC、平板或智能手机上通过问答会话与 Molly 进行沟通来获得服务。用户所提供的信息会被 Molly 转交给 IBM 的Watson 人工智能系统。如果 Watson 认为病人提供的信息不足以进行诊断，Sense.ly 就会为病人安排与医生的远程视频会议。此外，平台还可以连接用于四肢的传感器，以便医生了解用户的运动等指标情况。据公司透露，在一项试点计划中，该平台把病人的来电率降低了 28%，而医生的生产率则提升了 20%。目前 Sense.ly 已经与若干医院签约使用其服务，其大型付费客户数已达 10 家。

       虚拟护士的工作流程

       2、 发现能力

       医疗研究领域存在大量信息，IBM 沃森通过加工大量医疗和病患信息可以允许医师将更多时间花在病患身上。认知解决方案能够通过快速分析所有相关临床研究的历史病患数据来更有效和及时地将病患与临床研究相匹配，这部分的行业应用包括医疗影像识别、药物研发等。

       医疗影像识别是目前深度学习在医疗领域应用最广泛的领域。据统计，临床诊断的 70%依靠医学影像。医学影像产业整体市场有着相当客观的需求规模。而在整个医疗检查费用中，影像检查的费用超过一半。一个影像医师大概每日需要检查的病人约 100 个，而每个病人的扫描影像大概有 100-200 张。医生需要从每个人的众多影像滚动中找出最需要的，并对其中的病理因素进行观察诊断，按一个医生平均每日工作 8 小时来计算，每个病人的扫描影像处理时间仅为 4.8 分钟。在这样的速度下，要保持持续的极为细致的观察较为困难。而另一面，即使在高精度的医学影像中，早期的病理结构往往十分细微，很难以被发现。

       高速的阅览、图像的巨量和细微的结构造成即使是医学影像专家，在诊断早期病理结构时，精确程度也往往不能令人满意。计算机辅助诊断 CAD（computer assisted diagnosis）在 20 世纪 90 年代就已经开始出现，随着医疗设备的精度的不断提高，医学影像的精细程度也不断提升。单张医学影像承载的信息量也越来越大，细节呈现越来越精确，为计算机图形识别打下了物理基础。然而直到近几年，CAD 依旧主要表现为事先输入的预先假设和病例特征结构之间的判断程序，身体各个部分的各种疾病的病理结构程序代码必须实现设计并录入，这样的流程十分缺乏灵活性和扩展性。模型往往过度简化，导致程序的诊断表现不能让人满意。

       有的甚至需要医师手动选取感兴趣区域 ROI（region of interest），计算机识别不够精确，敏感度和特异性不够，漏诊（假阴性）和误诊（假阳性）的可能性还是比较大，因此对于一个放射科医师还是临床专业医师都无法起到很好的辅助作用，反而可能在使用的时候拖慢效率。

       极大地阻碍了 CAD 在临床医疗实践中的推广和发展。CAD 至今依旧没有真正广泛应用到临床实践当中去。

       传统 CAD 基本步骤（以肺部为例）

       深度学习具有强大的自组织性和容错性，适用于医用计算机辅助诊断，理论上来说，只要用于深度学习的病例样本足够多，对病理特征的识别和判断就越趋于正确。目前国内和国际市场上已经涌现出许多积极开发人工智能+医疗影像融合模式的公司，为医学影像领域的革命性进步带来希望。

       DeepMind：AlphaGo 开发者全力进军医疗诊断

       AlphaGo 开发者，谷歌旗下著名人工智能公司 DeepMind 公司已经进军医疗。2016 年 7 月DeepMind 与英国国家医疗服务体系（NHS）进行合作，将和 Moorfields 眼科医院一同开发识别视觉疾病的机器学习系统。而 DeepMind 的训练样本，源于 Moorfields 提供的 100 多万张病人的匿名扫描图。

       此前于 2016 年 5 月 DeepMind 已获得许可访问英国国家医疗服务系统（NHS）的约 160 万病人数据。根据数据共享协议，DeepMind 将获得伦敦 3 家医院，即 Barnet、Chase Farm 和 RoyalFree 的病人信息。DeepMind 将医疗大数据、病人多维度的相关病理信息和先进的人工智能科技结合，必能将诊断准确度得到划时代性的提高。

       雅森科技：目前市场上唯一可以电请 CFDA-3 的医疗软件企业雅森科技的技术原理不是做图谱对比，是把图像还原成数据矩阵，进行数据对比。这是雅森的核心价值。雅森科技运用 SPM（Statistical Parametric Mapping）定位精准分析，对医疗数据进行解读，在组织结构变化前，依据器官代谢物质、性状等因素做出检查结果，目前主要应用于脑影像的定量分析，未来应用范围扩展到肺部、电状腺等。

       以目前的数据库支持，雅森科技分析的准确率能够达到 95%以上，随着更大量的正常人数据库的导入，数据库的维度，包括年龄段，病史，种族将进一步丰富，这种丰富不但可以带来分析准确率的提升，更可以实现个性化的诊断能力，为个性化的治疗提供更好、更智能的佐证。在脑部产品推出后，雅森科技已经接到了 20 多家医疗机构的订购意向。目前，雅森科技正在寻求新一轮融资。截止到目前，雅森科技的产品是市场上唯一可以电请 CFDA-3 的医疗软件企业。

       CFDA 各级分类及相关系统

       Deepcare：利用 SaaS 模式收费

       DeepCare 专注于研发医疗影像检测、识别、筛查和分析技术，通过融合机器视觉、深度学习，和大数据挖掘技术。目前主要着力于硬件的人工智能化，帮助合作的医疗器械厂商低成本实现自动识别功能，将这些设备普及到乡镇一级的基层社区诊所。

       Deepcare 通过将识别诊断模块销售给硬件生产商，以类似 Saas 模式每年客户按照使用的模块进行付费。付费方式也可以是数据抵付。目前 DeepCare 已经和上海一家子宫颈癌抹片检测公司、苏州一家眼科仪器公司、重庆一家尿液检查机构和北京一家医疗影像云软件公司合作，为他们提供模块化的算法服务。目前光是肺结节这一种疾病已经积累百万张级别的有效数据。肺癌，乳腺癌，前列腺癌和结肠癌是重点的数据收集方向。
       推想科技：专注于心肺相关医疗影像识别

       推想科技利用影像识别算法模型，为医生提供辅助诊断方案。其原理为一部分影像数据作为测试数据，而模型学习剩余部分数据（训练数据），诊断测试数据，生成初级诊断报告，最后与医生正确的诊断报告做对比，得出诊断的准确率。

       推想科技深度学习识别模式

       2015 年 9 月，在肺部 X 光的诊断环境中，最后生成诊断报告与医生的诊断报告匹配率在 90%以上，在胸肺疾病的诊断当中接近住院医生水平，可有效辅助医生的日常诊疗工作，减轻医生的负担。

       目前，推想科技已有的诊断模型数据源涵盖与心肺相关的近 10 种 X 光影像，如心影增大、肺部积液、肺炎等。由于临床诊断的病症 80%以上为常规病，推想科技先从肺炎、肺积液等X 光诊断常见病切入。模型中部分使用的是开源的图像数据库“ImageNet”，其模型是基于低分辨率数据源优化的，识别的准确率能达到 97%。目前推想科技正在寻求和较大型的医院合作，利用医院的影像数据验证技术的可行性。

       Enlitic：教计算机如何根据医疗影像来进行诊断

       从非常大的图像上判断一个很小的阴影状物体是不是恶性肿瘤，是非常难的任务。Enlitic 采用卷积神经网络算法，通过向计算机展示数百张 X 光片、MRI 核磁共振图像、CT 电脑断层扫描照和其它的胶片来训练机器识别不同的损伤、疾病和失调症。Enlitic 软件可以插入到医疗机构已经在使用的系统当中，从而分享或查看医疗图像。Enlitic 可以与医疗技术公司进行授权合作，甚至共同进行产品开发。斯坦福大学的研究人员称，经过训练过的计算机在分析乳腺癌的显微图像上比人类要准确。

       Atomwise：利用深度学习做药物研发

       大多数药物研究需要耗时几个月甚至数年之久，投入的资金达到数百万美元。Atomwise 充分利用深度学习技术，让药物研究的成本降至数千美元，而且能在几天内完成。例如公司在评估 820 万种化合物后几天之内找到多发性硬化症可能的治疗方法，公司在一个星期就找到了对抗埃博拉病毒的现有药物，成本不超过 1000 美元。

       Atomwise 利用人工智能来模拟药品研发的过程,以此降低研发成本

       3、 决策能力

       IBM 沃森可提供询证医疗，进而帮助决策并减少人为偏差。当前其认知系统在很大程度上充当辅助顾问的角色，这有助于医疗专业人员作出更加明智、及时的决策。例如 IBM Watson forOncology 是一种可快速分析病患数据、快速增长的医疗文献、世界级专家的准则和专家经验的认知计算解决方案，可为临床医生识别将要予以考虑的个性化治疗方案。迄今为止，Watson已收录了肿瘤学研究领域的 42 种医学期刊、临床试验的 60 多万条医疗证据和 200 万页文本资料。

       沃森医生的诊断过程

资料来源：公开资料，中国报告网整理，转载请注明出处（ww）。