汇医慧影：人工智能+医学影像，打造智慧影像云平台
在医疗领域，目前国内外已经有一些高科技企业将这些认知计算和深度学习等先进技术进行了应用，并出现了“机器人医生”，例如IBM的“沃森医生”。机器人医生通过深度学习，可以不间断的从大量的医学工具书、医学杂志、临床诊断手册、医疗电子记录等方式中完成学习，几乎可以及时存储所有最新的医学知识。
更为重要的是，机器人医生可以学以致用，通过认知分析技术，凭借从各种渠道搜集的海量数据，迅速出具诊疗意见，帮助医生做出诊断和决策。在这一过程中，患者能够通过更快捷的方式获得诊疗服务，医疗机构也可以节省大量成本。
医疗与人工智能的结合关键为“算法+有效数据”
人工智能在医学领域的应用大致分为三类：第一，基于电子病历的数据处理，实现医保控费以及药物研发。第二，基于影像，病理等图像数据的图像识别，实现影像报告的智能诊断。第三，基因数据的数据挖掘，实现对疾病的预测以及个性化治疗。
这三类中基于电子病历的信息处理，适用的基础最广泛，同时普适性最高，但其对人工智能算法的依赖度相对偏低。而基因数据的信息挖掘高度依赖于人工智能技术，但目前的实用性相对有限。医学影象的应用介于以上二者之间。
对于医疗与人工智能结合的关键，柴象飞称，医疗与人工智能结合的关键在于算法+有效数据。有效健康数据是人工智能应用的基础。医疗数据的一个特点是其有限性，由于病人数量有限，单病种病历数是有限的。同时，医疗数据分布在不同的医疗机构，获取成本也较高。
根据一项研究表明，在美国，医学影像数据年增长率为63%，而放射科医生数量年增长率仅为2%。借助人工智能可以有效弥补缺口。同时，基于深度学习的医学影像识别准确率能达到90%及以上，辅助诊断效果显著。
打造智慧影像云平台，实现“三端互联”
汇医慧影在做的事就是利用人工智能打造智慧影像云平台，旨在提高医生诊疗效率与准确度并解决部分地区医患资源不匹配的问题。
慧影医疗科技（北京）有限公司成立于2015年4月，提供从影像云SAAS技术应用层到影像阅片医疗服务的全链条闭环服务，其共有六大产品模块：影像云平台、放疗云平台、电子胶片、常规阅片外包服务、疑难大病专家会诊及医生集团。其中，常规阅片外包服务，帮助影像中心实现影像线上诊断，从而实现分级诊疗。
目前，汇医影像已经形成医生端、患者端、医疗机构端的”三端互联“，其中，在医生端，平台为其提供管理病例、医生在线讨论、专家学习等服务。在患者端，患者可以向专家进行咨询并能够获得实时解答，除此之外，平台也为患者提供影响共享与健康管理的服务。对于医疗机构来说，可以在平台内对接专家资源、存储并备份影像、跟踪用户并提供增值服务。以上功能在电脑端、平板端、手机端均能够实现。
平台的智能影像诊断识别率超85%
与其他平台相比，慧影智慧的优势在于其利用了分布式云平台。在该平台中，对于压缩、TCP优化等技术的采用，使得慧影的云技术实现了同传同看的效果。读写分离、分布式部署等实现了全国各地上传、全国各地阅片。而手机、平板阅片更大的解放了医生的地域限制、提高了医生对于碎片化时间的利用。
目前，汇医慧影已经对胸部X光的气胸、肺结核、肿块的自动诊断准确率已经达到95%。脑核磁肿瘤的自动识别率超过85%。胸部CT中肺结节的识别率超过85%。
在技术层面，汇医慧影将影像云、阅片服务以及智能诊断想结合，通过阅片获取结构化的数据，提供给深度学习引擎进行计算。并且将计算机学习后的结果试用在医生的阅片流程中，当计算机出现误判断时，医生会纠正诊断结果，并将结果反馈入系统，进行二次学习。通过这样一个在线学习的闭环，我们将持续更新有效数据，持续提高算法的精度。
公司具有技术与团队的优势资源，已与多家三甲医院达成合作
汇医慧影的另一优势在于直接对接清华大学医疗资源，公司创始人来自于美国斯坦福大学和清华大学。平台拥有图像深度学习的核心技术，自主研发了智慧影像云平台和精准放疗云平台，并联合美国硅谷MountainView的影像识别公司Topray.Co，共同致力于医疗影像的智能诊断断和大数据分析的研究推广。公司利用亚马逊分布式云存储技术，实现了影像数据的实时在线、高并发访问。
谈到人工智能在医疗领域的应用，柴象飞表示，医学影像是人工智能与医疗领域结合中最可行、且是可能最先走出来的领域。
据悉，慧医影像已与北京大学第三医院、北京大学肿瘤医院、北京301医院等医疗机构达成合作。目前已经对接的医疗机构多达400多家，其医生集团中的专家均来自于北京、上海等地的大型三甲医院顶级专家。
同时，汇医慧影旨在将美国20年成熟完善的医生评价体系引入国内，在面向全国提供医疗影像咨询服务时，建立“同行评议体系”为核心的评级和筛选，并从2016年开始发布年度“全国TOP100影像医生”榜单。慧影医生集团以患者为中心，以高价值医疗服务帮助医生确立真正的市场价值和行业品牌。
最后，柴象飞告诉动脉网（微信号：vcbeat），下一步，汇医慧影会陆续发布乳腺钼靶、颈动脉狭窄、食道癌检测以及脑梗塞等疾病的自动检测功能，以技术创新为引领，为提高影像诊断准确率，降低误诊率做出突破性的贡献。
欢迎个人转发到朋友圈
网站、公众号等转载请联系授权
liu.d@vcbeat.net
动脉网，“未来医疗”服务平台
投稿：tg@vcbeat.net
授权：xi.n@vcbeat.net
动脉网所刊载内容之知识产权为动脉网及/或相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。
关注动脉网官方微信号：vcbeat或长按二维码返回搜狐，查看更多
新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
浅析医疗人工智能技术的发展前景
最早在医疗领域进行人工智能探索的尝试出现在上世纪70年代。1972年，由利兹大学研发的AAPHelp是资料记载当中医疗领域最早出现的人工智能系统。我国人工智能领域的开发研究始于20世纪80年代初，起步虽然较发达国家晚，但是发展速度迅猛。进入21世纪以来，我国的医疗人工智能则在更多领域取得长足发展。
从技术发展的历程看，人工智能分为计算智能、感知智能、认知智能三个阶段。第一阶段机器开始像人类一样会计算，传递信息。第二阶段机器开始看懂和听懂，做出判断，采取一些行动。第三阶段机器能够像人一样思考，主动采取行动。
从数据有效性和商业模式的发展来看，医疗人工智能应用也可以分为三个阶段：第一阶段为数据整合阶段。目前已存在深度学习等先进算法，但由于医疗数据标准化低，共享机制弱，导致人工智能在医疗行业的应用领域和效果受限。在共享机制尚未成熟前，拥有医疗大数据的公司具备竞争优势与议价能力。第二阶段是“数据共享+感知智能”阶段。当医疗数据融合到一定程度后，将会在辅助诊疗、图像识别等各领域出现辅助性的商用产品。在这个阶段，数据和算法优势都成为重要壁垒，有效数据将促进算法的实施得到进一步优化。第三阶段是“认知智能+健康大数据”阶段。在此阶段，人工智能整体上从感知智能向认知智能发展，健康大数据的获取成本也将降低，人类将步入个性化医疗时代。该阶段将出现替代人类医生的人工智能应用。
人工智能的核心是算法，基础条件是数据及计算能力，因此，可以认为医疗与人工智能结合的关键要素是“算法+有效数据+计算能力”。
先进算法是实现医疗人工智能的核心，能够提升数据使用效率。随着先进算法的不断开发，人工智能从计算智能迈向感知智能，未来将会向认知智能迈进。先进算法能够提升从信息到“知识”的转化效率，提升智能化程度。
有效的医疗大数据是人工智能应用的基础。医疗数据的有效性包括三个方面：电子化程度、标准化程度以及共享机制。电子化程度强调数据和病历的供给量；标准化程度强调数据之间的可比性和通用型；共享机制强调数据获取渠道的便利性和合法性。只有满足上述三个方面的条件，医疗大数据才能得到有效搜集和应用，进而为人工智能打下基础。
计算能力是医疗人工智能的另一基础条件。未来随着量子计算以及速度更快的芯片的产生，将进一步推动人工智能应用的发展。由于医疗人工智能的发展必须以有效的医疗大数据为基础，所以在医疗领域，凡是具备获取有效数据的领域，人工智能均有用武之地，比如在基因测序、辅助诊断、药品研发的方面，医疗人工智能均有不错的发展。