人工智能在医疗领域的发展史与五大应用现状分析
文章来源：医言医信，内容摘自上海交通大学人工智能研究院，上海交通大学医学院，上海市卫生和健康发展研究中心与上海感知城市数据科学研究院进行整理摘编
作者：陈文雄
01
国家对人工智能应用医疗的战略观
人类社会文明史上共有四次工业革命。第一次是蒸汽技术革命，自1769年英国人瓦特改良蒸汽机之后，传统手工劳动向动力机器生产发生了重大飞跃，世界开始提速，绝尘而去，抛下了闭关锁国的我们。第二次工业革命是电力技术革命，以电灯的发明为标志，从此社会进入电气时代。第三次工业革命是计算机及信息技术革命,使得世界进入信息化和全球化时代。第四次革命是以人工智能为主的全新技术革命，力图通过新技术大幅度提高资源生产率。
AI这个概念已经出现了六十多年，但近十年才真正得到全社会层面的重视，甚至上升到国家战略层面，世界各国纷纷出台人工智能国家战略，纷纷率先布局人工智能（以下简称：AI）。
世界各国对AI的国家战略布局，兴起于2016年AIphaGO战胜人类传奇棋手李世石这一里程碑事件开始。美国作为第一大经济强国，对AID的反应最为迅速，于2016年10月接连出台了两份人工智能国家战略。
曾经那个闭关锁国昏昏欲睡的雄狮醒了，如今作为仅次于美国的世界第二大经济体，中国于2017年7月份，国务院发布了《新一代人工智能发展规划》，该规划提出了2020、2025、2030年“三步走”目标，指出到2030年，中国AI理论、技术与应用总体上要达到世界领先水平。
在《规划》提出的六大重点任务中，特别提出要在医疗领域发展高效的智能服务，围绕医疗等方面的迫切民生需求，加快AI创新应用，使精准化智能服务更加丰富多样、社会智能化治理水平大幅提升。医疗作为其中一个重要的应用领域受到了极高的重视，在省级层面，截止2018年12月末，全国31个省市中，已有19个省市发布了AI规划，计划2020年核心产业规模总额达到近4000亿元。
02
国内人工智能医疗发展史
AI从诞生的那一刻起，就跟医疗发生了紧密的联系。随着大数据，互联网和信息科技的发展，AI被广泛试点应用于智慧医疗，智慧教育等领域，近几年全球各地纷纷提出“大健康”策略，医疗大数据等概念，将民生健康置于战略性地位，也促进了AI在医疗领域的发展。20世纪80年代初，我国开始进行AI医疗领域的开发研究，虽然起步落后于发达国家，但是发展最为迅猛。
1978年，北京中医医院关幼波教授与计算机科学领域的专家合作开发了“关幼波肝病诊疗程序”，第一次将医学专家系统应用到我国传统中医领域。此后我国加快了AI医疗产品的研发,具有代表性的产品有“中国中医治疗专家系统”“林如高骨伤计算机诊疗系统”以及具有咨询和辅助诊断性质的“中医计算机辅助诊疗系统”等。
进入21世纪以来，我国AI在医疗的更多细分领域都取得了长足的发展，2016年10月,百度发布《百度医疗大脑》，对标谷歌和IBM的同类产品。百度医疗大脑在医疗领域的具体应用，它大量采集与分析医学专业文献和医疗数据，通过模拟问诊流程，基于用户症状，给出诊疗的最终建议。
2017年7月，阿里健康发布医疗AI系统“DoctorYou"，包括临床医学科研诊断平台、医疗辅助检测引擎等。此外阿里健康还与政府、医院、科研院校等外部机构合作，开发了20种常见、多发疾病的智能诊断引擎，包括糖尿并肺癌预测、眼底筛查等。
2017年11月,腾讯自建的首款AI医学影像产品“腾讯觅影”入选国家首批人工智能开放创新平台。通过图像识别和深度学习,“腾讯觅影”对各类医学影像(内窥镜、CT、眼底照相、病理、超声、MRI等)进行训练学习,最终达到对病灶的智能识别,用于辅助医生临床诊断和食管癌、肺癌、糖网病变等疾病的早期筛查。2018年7月，南京美桥科技发布了AI陪诊，通过虚拟真人直接语音对话服务，实现了整个就医全流程智能服务，无论是分诊导诊，还是路径规划，或是用药指导，又或是满意度调查等等，实时与虚拟医生预诊，真人与虚拟真人实时结合，无所不答的平行世界式人工智能服务，可以应用在任何领域。
2018年9月，阿里健康和阿里云联合宣布，阿里医疗AI系统“ET医疗大脑”2.0版本问世。
2018年11月,百度发布AI医疗品牌“百度灵医”,目前已有“智能分导诊”“AI眼底筛查一体机”、“临床辅助决策支持系统”三个产品问世。
2018年11月,腾讯牵头承担的“数字诊疗装备研发专项”启动,该项目作为国家重点研发计划首批启动的6个试点专项之一,基于“AI+CDSS”(人工智能的临床辅助决策支持技术)探索和助力医疗服务升级。
03
人工智能在医疗领域的五大应用现状
AI与医学领域的结合点非常多，通过AI在医疗领域的应用情况进行总结分析，目前主要应用于五大领域，分别为：医学影像，辅助诊断，药物研发，健康管理，疾病预测。
01
在医学影像方面
借助医疗影像大数据及图像识别技术的发展优势，医学影像成为中国人工智能与医疗结合最成熟的一个领域，无论从融资情况（2018年，前三季度融资额高达26亿元），还是2018年预计收入前十强情况，AI医学影像行业均表现亮眼，并且在肺结核，眼底，乳腺癌，宫颈癌领域已经有成熟的产品，但由于该领域至今无一例医疗AI产品获得三类医疗器械证书。因而我国基本成型的AI医学影像产品大多处于医院试用阶段，该领域的公司基本没有实现盈利。
02
在辅助诊断方面
医学影像，电子病历，导诊机器人，虚拟助理是主要的应用场景。并且产品多为软硬件一体化全套解决方案，目前产品仍处于打磨阶段，未来可能倾向服务收费的模式。
03
在药物研发方面
国内新药研发仍以仿制药和改良药为主，因此相比国外A1药物研发行业，国内布局较为落后，但商业模式清晰，主要为AI公司与药企合作开发新药。
04
在健康管理方面
国内该领域尚未成熟，主要聚焦于慢病管理和母婴管理，商业模式以企业和个人支付的健康体检为主，后续付费模式有待成熟。
05
在疾病预测方面
我国主要聚焦于基因检测领域，由于存在技术壁垒，该领域上游基本被国外公司垄断，下游主要为医院投放模式和第三方检测模式。
04
人工智能在国内医疗的挑战与建议
根据以上五大主要应用领域的发展现状，及国内外相关数据研究，目前我国AI在医疗领域所面临的五大挑战：
01
在AI人才方面
美国AI人才数量接近85万，中国只有5万。不仅人数相对较少，而且AI人才成本高昂。建议：着力培育AI医疗复合型人才。加强医务人员对医疗AI产品的培训。支持AI与医疗跨界活动交流。完善AI人才保障制度。
02
在健康医疗数据方面
目前中国面临健康医疗数据归属不明确，数据安全要求高，数据开放受限制，数据标准不统一，数据理论存争议，数据成本代价高等问题，这些都是制约人工智能在医疗行业发展的重要因素。建议：建立统一数据标准，书同文，车同轨。促进数据共享流通。强化数据安全建设。推动院间互联，AI与医疗多联。
03
在AI医疗器械审批方面
由于产品未通过审批就无法上市盈利。因此产品审批难以通过，成为产品发展的重要掣肘，针对此种情况，国家相关监管部门积极应对市场需求，组建AI器械审批小组建立标准数据库，加速审批流程。建议：加强监管部门学习与时进步，鼓励中立第三方建立标准，组合多种技术力量助力政府对AI医疗器械的审批支持。
04
在AI理论方面
现阶段医学AI能诊断系统难以解释诊断过程。因此仍存在“黑盒”风险。建议：鼓励与大力支持AI的研发与创新，建立完善的AI知识产权的利用与保护，由感知向认知扩研。
05
在行业应用方面
人工智能不仅能减少医生的工作量，还能提高医生诊断的准确率，但是对于医疗机构来说，这并不是刚需，加上付费方不清晰，目前没有明确买单方究竟是医院、患者、药企、保险公司还是政府，就是未来需要多方探讨的问题。建议：鼓励医疗AI产品与服务纳入财政收费体系，探索部分收费模式试点。鼓励研、企、医三方多合作，多研联，使产品更快，更好，更安全的切入临床需求。
重庆大学计算机学院人工智能领域研究动态
人工智能（ArtificialIntelligence，简称AI）是一门研究模拟人类智能，实现机器智能的科学。自诞生以来始终是计算机科学的前沿学科，并在计算机领域内得到了愈加广泛的重视，其理论和技术日益成熟，应用领域包括医学、工业、运输、服务等在内的社会各大行业。
重庆大学计算机学院紧紧把握人工智能研究方向，一大批教授及其研究团队致力于人工智能领域的研究，分别在医学影像、智能交通、航天及公共安全、硬件平台及基础算法研究和其他智能应用等领域取得了显著的研究成果。
一、医学影像领域
医学影像是疾病诊断和手术规划的重要判断依据。传统的人工方法完全依靠医生经验进行判断，而且需要耗费较多的时间。我院一批教授运用人工智能的方法，对医学影像实现智能化地自动处理和判别，其研究成果已成功应用于全国多家三甲医院。
房斌教授团队利用深度学习、水平集等人工智能前沿算法，快速、准确地对肝脏及肿瘤等组织器官进行分割，建立三维器官模型。算法分割效果接近临床医生的水平，部分结果超过临床医生；利用FasterR-CNN模型技术，快速准确地检测并识别红细胞、白细胞、结晶体、上皮组织、管型细胞、霉菌等各种类型的细胞。
何中市教授团队研制了增强病变智能检测和辅助诊断软件系统，基于CT图像、核磁共振图像对肺结节、肺栓塞病变进行检测，对核磁共振图像进行超分辨率重建，提高计算机辅助医学诊断的水平。刘然博士团队采用FasterR-CNN实现了IVOCT易损斑块的自动检测，检测质量达到了85.36%，接近医学专家的水平。
在胶囊内镜及内窥镜辅助诊断手段研究方面，汪成亮教授团队采用医疗图像大数据处理技术、结合深度学习中多种模型，研发出基于医疗图像的智能诊断手段，其准确率已超过人类医学专家。周尚波教授团队基于消化道胶囊内镜影像进行智能分析，能够对消化道出血和肿瘤进行自动检测。
肝脏自动分割及三维重建
三维-核磁共振图像的跨层面方向自相似性
基于医疗图像的智能诊断
消化道出血检测（上）及肿瘤检测（下）
二、智能交通领域
面对当今世界全球化、信息化发展趋势，传统的交通技术和手段已不适应经济社会发展的要求，而智能交通已成为当今世界交通运输发展的热点和前沿，更是未来交通系统的发展方向。我院众多教授、团队致力于智能交通系统研究，众多研究成果已广泛应用于社会各行业领域。
房斌教授团队采用显著纹理信息提取、不变透视模式提取等图像处理与人工智能算法，对道路的车道线、消失点等关键信息进行精确检测，对交通标志进行准确地检测、识别及测距，可以帮助智能车辆模拟人类视觉系统，准确获取道路信息，提供控制决策及预警信息。算法结果达到国内先进水平，部分算法应用于“中国智能车未来挑战赛”的比赛车辆中，并取得优异成绩。
郭平教授团队研究的交通信号灯配时算法，通过移位左转又称为连续流交叉口（CFIContinuousFlowIntersection）交通信号控制方法，将左转车道转移设置，重组道路断面，减少信号相位，从而提升整个路口通行效率。
冯永教授团队利用车辆监控图片，开展车辆检测与计数系统研究。文静副教授团队采用基于深度学习的自然场景文字检测和识别的前沿算法，完成对火车车牌号的图像检测、识别和定位。该算法识别准确率可达90%以上，目前已经成功应用到成都铁路公司等多个车站的定点机车号的检测上。
刘凯博士团队基于车联网关键技术，在多智能体系统的移动互联研究方向开展包括基于神经网络及深度神经网络的智能体设计、基于强化学习及迁移学习的智能体交互与协作、以及面向复杂环境的智能处理算法研究等。
机车车牌识别结果展示
道路视觉环境感知
车辆检测与计数系统
三、服务航天及公共安全领域
当前，国家及各地方政府高度重视公共安全问题，对新科技、新技术广泛应用于健全公共安全体系、提升公共安全保障能力给予大力支持。我院多位教授及其团队的研究成果已服务于国家航天及公共安全维护中。
周尚波教授团队通过移动载体视频跟踪的导引头设计进行无人机动态目标跟踪，并取得交通车辆检测与识别专利。此外，在航天遥感图像大数据的物体分割、识别与检测领域，采用人工智能理论、利用Tensorflow、ArcGISAPI、Python等工具及ENVIServicesEngine引擎，构建遥感影像目标识别和地理信息智能平台，包括影像处理模块、资源管理模块、拆迁管理模块和违建管理等功能。
郭平教授团队以定性空间推理为主，研究空间关系表示和空间关系推理，提出了空间组合推理模式与推理算法。该算法将空间对象间的拓扑关系与方位关系有效地连接起来，推导出更合理更准确的空间对象间的关系，并与GIS相结合提供以空间对象几何特征为基础的高效GIS查询服务。
房斌团队在无人机输电线路智能检测领域，利用深度学习，建立输电线路多目标检测框架，快速、有效地在大规模图像集的复杂场景中实现多目标检测，有效减轻人工劳动强度，实现智能化输电线路巡检。
河流分割及用地分割
输电线路目标检测
空间推理及其应用
群体智能与群体协议的自律分散
四、硬件平台和基础算法领域
计算系统硬件平台和算法学习是人工智能的基石，它们为人工智能的各类应用提供了硬件和软件支撑。
刘铎博士团队研究基于CPU/GPU的异构计算系统，开展面向深度学习的系统优化研究，包括面向嵌入式系统的卷积神经网络的压缩与优化和面向异构系统对深度学习算法和应用进行改造和优化，从而进一步提高其运行效能。
郭平教授在知识获取、表示与集成方面取得较好成果，主要研究从神经网络中获取知识并以显示的形式表示，以及知识库中知识的一致性、规范性检测方法。
李佳教授在群体智能方向研究基于强化机器学习的智能集群算法，并关注被称作群体协议的自律分散系统，研究领导选择算法、群分割算法以及系统的通用计算能力该算法，这些理论成果对研究机器人集群控制，大规模灾害状况下的人群避难诱导等有重要理论支撑。
汪成亮教授团队在深度学习基础理论及技术方面，其深度学习模型中强大的神经元级别安全设计的主要内容于2018年被英国知名科技媒体“TheRegister”报道。该研究首次提出了如何在深度学习的神经网络模型中插入强大的神经网络木马来对目前日益被广泛应用的深度学习系统形成重大威胁，从而为越来越智能化的系统敲响了安全防御的警钟。
高性能人工智能计算环境
五、其他智能应用领域
在教育、文化、媒体娱乐等其他人工智能应用领域，我院多位教授也取得了新的研究成果。
何中市教授团队在“计算机辅助文学艺术创作研究-诗词曲联”上，通过构建诗词对联结构韵律分析、风格评价、计算机辅助作品生成软件系统，开设了中国古典诗词计算机辅助写作课程，用计算机帮助青年学生写作古典诗词，让诗词大踏步进入校园；在文化古迹数字化保护研究上，其团队建立了一套结合深度学习与数字图像修复技术的“大足石刻虚拟修复模型与技术”，为世界文化遗产保护提供了一种人工智能新途径。
大足石刻虚拟修复模型与技术
房斌教授团队利用卷积神经网络（CNN）算法，有效的提取出人脸中的颜色、纹理、边缘特征，进而检测、精准定位出复杂背景中大小不一的人脸位置。该算法已广泛应用于驾驶员驾驶行为监督系统、身份认证、媒体娱乐等方面。
基于深度学习的人脸检测