趋势6:疫情按下医疗AI应用快进键

|2021科技应用趋势 作者:腾讯研究院 2021-01-13

 

      医疗AI泛指AI技术在医疗各领域的应用,是AI与垂直行业结合的最先行和最重要的领域之一。医疗拥有海量、复杂、高专业性的异质数据,AI能够有效利用这些数据提升医疗问题的处理效率,创新人机协同的医疗服务模式,更有效地匹配和平衡医疗供需,最终支持提升全社会的健康水平。

       AI在医疗的诸多领域均已展开不同程度的应用探索,包括病人的自查问诊、医生的诊断治疗、医保的控费、医药的研发、医院和政府的管理等。然而受制于医疗相关数据样本有限等问题,医疗AI虽然起步较早但普遍还未实现商用。2020年全球新冠肺炎疫情的突发,为医疗AI创造了巨大的实战空间和机会,大大加速了部分细分领域技术的应用落地,主要有三大类:一是医疗影像AI,基于图像识别等技术提升阅片效率,已经在糖尿病和肺癌、食管癌等主要癌症中验证了能力,并在新冠肺炎的辅助筛查中发挥了积极作用;二是疾病监测预警AI,通过大数据构建监测评估模型,实现对传染病溯源、风险区划分、发展趋势模拟预测等功能,支持防控策略和行动的提前布局。该模型已经在疫情期间被政府防控部门采用;三是辅助医疗决策AI,典型是将AI与CDSS(临床决策支持系统)结合,构建能够自我学习进化的医学知识库,进而开发智能问诊、分诊、诊断和治疗的决策支持系统。如针对新冠肺炎的AI问答小程序,能够帮助公众通过自诊及时就医,同时缓解医院就诊压力。整体而言,随着医疗AI对某些病种的可用性被实践验证,未来有望在更多传染病、慢性病、癌症等影响范围广的疾病领域被率先采用和推广。

      尽管受到疫情的倒逼加速,医疗AI发展仍然面临不少难题。以商业化进展最快的医疗影像AI为例,除了伦理、安全等制度性问题之外,技术上至少存在三方面挑战:数据量少、算法跨中心泛化能力差、准确度要求高。对此,业界已探索出了一些可行的解决方向。一是可以采用小样本学习技术,解决数据量少、缺乏训练样本的问题。比如通过多任务分割网络和迁移学习,实现对大量异质公开数据集的利用;通过基于魔方变换的自监督学习,能够避免额外的人工标注,从而降低训练的时间成本等。二是可以采用域自适应的方法,提高算法的泛化能力。通过VideoGAN视频风格转换、OP-Net单张图片风格转换等技术,实现输入端、特征层或输出端的归一化,使得输入的特征在不同的域都能保持稳定,从而扩大算法的适用范围。三是可以采用基于分割结果的注意力机制,比如通过三维分割和重建算法,将器官、病灶等逐步分割出来,再和原始数据共同输入分类网络,能够有效剔除背景干扰、明显提升分类准确率。最后,除了需要算据、算法和算力的持续迭代优化外,未来医疗AI还需要更有效地加入先验知识。然而先验知识大多不通用,加入算法网络中没有通用方法,导致每种场景都可能需要定制化,这是未来需要重点探索和解决的关键问题之一。

      以医疗影像AI为代表的个别医疗AI目前已经在一些国家商用,我国首张AI“影像辅助诊断”三类证也在2020年正式颁发。可以预见的近未来,随着实际应用效果的显现,更多医疗影像AI产品和服务将加速商业化落地,而这也将促进医疗AI其他技术产品的创新与商业化发展。从更长远的视角看,随着更多的医疗AI的可用性被验证,医疗AI的数据整合、软硬件集成和多病种通用化,将是下一阶段需要关注和把握的趋势。

前沿杂志
互联网前沿42

无人驾驶汽车正从科幻变成现实。作为第二次机器革命(即如今的人工智能变革)的重要产物和标志,无论从未来5年、10年抑或20年来看,无人驾驶汽车都可能产生巨大影响,这些影响牵扯到人类生活的方方面面,需要政策制定者现在就开始绸缪无人驾驶汽车的未来并应对其潜在影响。

2018-07-11

全站精选