数智广西，以政策驱动“新技术”，我们聚焦四大医疗人工智能应用场景

Original 高浩剑动脉网 2020-09-02

今年9月将在广西南宁举办“第一届中国—东盟人工智能峰会”，在此期间，广西壮族自治区人民政府主办，广西壮族自治区大数据发展局承办了天池大赛—数智广西·全球数据智能挑战赛（2019）。大赛以“在线推广+定向邀约”双轮驱动的模式吸引全球知名企业和实验室参赛，通过贯通全球资源，挑战世界领域医疗难题，推动医疗数据开放和标准化，普惠广西当地基层医疗建设。

本次大赛吸引了分布在全球12个国家和地区的1635支队伍，来自国内外100余家企业和单位，其中包括慧影医疗、联影、依图、深睿医疗、深圳数字生命研究院、浙大睿医等国内著名医疗AI企业和研究机构。

天池大赛—数智广西·全球数据智能挑战赛（2019），始于“数据竞赛”，专于“产学联动”，精于“医疗落地”，构建“1+1+6”的新形态：1个全球首个肺综合公开数据集发布、1个广西医疗人工智能白皮书发布及以6场研讨调研论证推动产学研融合。

在大赛进行期间，为了推进人工智能在医疗场景的应用，中国卫生信息与健康医疗大数据学会、广西壮族自治区大数据发展局共同主办以“数智广西，共领未来”为主题的研讨会。在研讨会中，阿里巴巴达摩院AI中心医疗健康实验室与动脉网·蛋壳研究院共同发布《人工智能在医疗场景中的应用分享》。

《人工智能在医疗场景中的应用分享》以人工智能在医疗场景中的应用为主体，结合广西的地方特色，通过动脉网·蛋壳研究院及阿里巴巴达摩院AI中心医疗健康实验室的调研及分析，从四个宏观维度洞察广西的医疗发展现状，并提出需要重点关注的四大变化及由此衍生出的六大机遇与挑战。

在宏观层面，对标其它省份，提出发展建议；在微观层面，则重点聚焦人工智能的四大落地场景；产品端，我们重点探索如何从视觉引擎、知识引擎及搜索引擎三大平台切入医疗人工智能领域。

广西医疗产业现状洞察：从“变化”开始，重点关注四大宏观维

从“变化”开始，四大驱动因素引发广西未来医疗产业变革。经济要素——引发的医疗消费能力变化；人口结构要素——引发的医疗受众人群结构变化；疾病谱要素——引发的医疗刚性需求变化；供给要素——引发的医疗服务能力变化。

1、经济要素--引发的医疗消费属性变化：居民医疗消费属性偏向“优质医疗”，政府医疗负担加剧

2015年~2017年的数据显示，广西居民医疗消费能力提升，属性已经偏向于获得：高质量的医疗服务、高质量的就医环境及便捷的就医途径，医疗期望由“基本医疗”向“优质医疗”转变；同时，广西人均医疗保健支出逐年增长，政府医疗负担不断加剧。

现阶段的医疗服务体系未来将不足以满足居民的医疗期望，而政府将面临更大的社会保障压力。

2、人口结构要素--引发的医疗受众人群结构变化：居民城镇化及老龄化，考验医疗供给能力

数据显示，广西居民的人口结构呈现：居民老龄化趋势明显，占比68%中青年人群将快速老化。广西居民城镇化趋势正在不断加速，城市居民每年增长约70万人。

我们认为：广西老龄化人口增多现状不可逆转，老龄人口医疗及养老需求未来将呈现爆发式增长。同时，农村居民向城镇转移，未来，广西城镇医疗机构医疗供给能力将受到严峻考验。

3、疾病谱要素--引发的医疗刚性需求变化：死亡率大幅上升，治疗“强刚性需求”需满足

数据显示，循环系统疾病（高血压、冠心病、急性脑血管病、心力衰竭）、肿瘤及呼吸系统疾病疾病死亡率最高；同时，近年来，城市及农村居民的循环体统疾病及肿瘤疾病的死亡率大幅上升。

我们认为：患者对于这三类疾病有着极大的刚性治疗也大幅上升。

4、供给要素--引发的医疗服务能力变化：整体供给能力上升，但医生缺口及负担加剧

数据显示：广西医疗服务能力（供给端）保持长期稳定增长，2017年医院数/卫生院数及卫生技术人员数分别增长2.4%及5.3%；但每万人拥有卫生技术人员数增长趋0。

我们认为：尽管广西医疗供给能力持续增长，但人口增长速度明显高于医疗供给能力。未来，医生缺口及医生负担将会明显加剧。

鼓励试点，总结经验，制定规则，是政府落地医学人工智能的政策导向

1、机遇与挑战并存，以政策为抓手应对“六大”机遇与挑战

四大“变化”因素引发居民的医疗期望上升、政府支付负担上升、老年人医疗需求增加、城镇医疗机构负担加剧、高致死率疾病刚性需求增加、医生缺口及负担明显加剧等六大现象。面对机遇与挑战，我们认为：以政策驱动“新技术”落地解决广西医疗领域供需矛盾。

2、区域参照：结合贵州发展情况，看广西医学人工智能落地路径

以政策驱动“新技术”的方式，在全国多地已经开始进行。以区域参照的方式，我们研究人工智能技术产业化较早的贵州，整体来说，贵州的人工智能全产业链应用可以分为四个阶段：

第一阶段：建立了健全完善的四大医疗卫生基础数据库；
第二阶段：构建高效共享、互联互通的全省医疗卫生信息交换服务网络；
第三阶段：实施智能医疗健康产业化示范项目；
第四阶段：发展智能药物挖掘，支持医药企业智能化转型；

结合我们对多地人工智能政策的整理，我们认为，在政策的驱动下，广西落地医学人工智能的政策导向应当遵循：1.鼓励试点；2.总结经验；3.制定规则。

聚焦四大人工智能应用场景

以政策驱动“新技术”，结合当前广西的医疗产业现状，我们认为，应当聚焦四大人工智能应用场景：

1.人工智能+医学影像；
2.人工智能+医院管理；
3.人工智能+疾病诊断和预测；
4.人工智能+医学研究；

应用场景一：人工智能+医学影像

1、人工智能+医学影像，重点落地心血管及肿瘤影像

人工智能在医学影像领域目前的应用方向主要有三类，即疾病筛查、病灶勾画、脏器三维成像，涉及脑、眼睛、乳腺、食管、肺、心脏等多个人体部位。

结合目前循环系统疾病的特点，预防意义重于治疗，人工智能心血管影像能够有效提高广西居民的循环系统疾病早筛及预防情况，其中优先落地：心电图的自动分析及诊断及心血管疾病AI影像技术（心电CT\MRI\心电彩超等）。

结合目前癌症诊断和治疗的发展状况，人工智能肿瘤影像能够有效提高广西居民肿瘤类疾病治疗情况，其中落地人工智能肿瘤影像的优先顺序为：肺癌、肝癌、胃癌、结直肠癌及乳腺癌等高发癌种。

我们可以看到大多数人工智能企业选择了在医学影像推出产品，肺结节筛查、糖网筛查两大热门方向遥遥领先，但同时有相当多的企业将目光投向了心血管类疾病方面，同时，针对更多疾病的产品正在不断涌现，人工智能企业产品呈现出分散趋势。所以，医疗机构在人工智能医学影像产品的选择上，有着非常广泛的可选择性。

肺部疾病检测引擎：可以自动、快速、准确的从病人的胸部CT扫描序列中发现疑似病灶位置，降低肺癌早期筛查的成本，提高检测速度和检测的准确率，缓解医疗资源的紧张，挽救更多患者的生命。

阿里巴巴达摩院AI中心医疗健康实验室的肺部疾病检测引擎具有检测准确度高、核心技术原创及经过实际场景验证这三大特点：

心血管疾病诊断引擎：为了进一步降低医生交互的工作量，人工智能心血管疾病诊断可以进行心脏冠脉的提取及重建，自动化的提取冠脉树并命名精细到半径小于1mm的分支，同时利用三维重建技术生成VR、CPR和SPR辅助医生诊断病灶，实现斑块类别识别、易损斑块预警及狭窄程度预测等多项功能。

智能骨科引擎：利用定位、分割和测量核心技术，辅助评估致病因素并确定诊疗方案，覆盖膝关节、脊椎和膝关节，覆盖多病种。经过医院实景场景验证，阿里巴巴达摩院AI中心医疗健康实验室的数据显示，其骨科AI产品的精准度超过70%的骨科医生并且单次耗时低于200ms。

对于肝、肺、心血管及脊椎等多个检测引擎，均可以通过其内嵌的智能标注功能进行自动化标注：

1.自动肺和肝标注：内嵌国际领先的肺，肝分割算法，自动生成器官的预分割，辅助标注更准确高效；

2.自动心血管标注：业界领先的全自动的冠脉提取算法，冠脉树一点即成，血管标注简单易见；

3.自动脊柱标注：自主研发的高精度脊柱分割算法，分段分割同步完成，脊柱标注不再繁琐；

在真正落地的过程中，智能标注需要具备：跨平台云端标注、支持丰富的数据种类、灵活多样的标注类型、智能用户交互及高效三维标注五大特点。

2、影像拍片AI质控：摄片质量及时诊断，避免非必要时间损耗

AI技术实现摄片质量即时自动分析，在患者尚未离开前即可提示技术是否需要重拍，从而避免非必要的时间损耗。AI质控平台可以通过与设备集成，从而实现拍片到审片直接在设备端完成，由平台提示影像是否符合要求。

目前影像拍片AI质控平台已经实现产业化，尤其是对于典型胸部正位图像筛查，其准确率已经达到95%以上。

传统人工质控的方式无法避免的两大问题：效率低而且一致性差及事后质控，患者很难再次拍摄，时间损耗大。影像拍片AI质控基于人工智能图像识别技术，能够实现医学影像成像质量的自动评价与评分及医学影像质控自动化、网络化、常态化和实时化，最终提升医生的阅片水平提高诊断率。

影像拍片AI质控的产品价值可以分为三个层面：

1.医生层面：每一份有质量问题的报告，都能更清楚地明确问题所在；

2.科室管理层面：每份报告都能做出相对客观的评价，每位报告医生的工作质量也都能了如指掌；

3.医院层面：对于医院可以动态分析每天的质控状态；

3、智能影像网关平台：数据自动DICOM标准化，简化操作流程

由于影像归档和通信系统PACS与很多AI产品之间，并未实现基于DICOM，即医学数字成像和通信，标准的影像通讯和其它信息通讯，医生不得不在多个系统之间操作。而智能影像网关平台就像一个介于PACS及AI产品间的转换器，能够：

1.简化医院PACS与AI产品的对接；

2.减轻现有PACS/设备的负担；

3.实现影像数据DICOM标准化；
智能影像网关平台，目前已在国内多家医院临床应用；

应用场景二：人工智能+医院管理

因为医疗事务繁重、临床管理和医院管理的难度大、对新技术接受度高等因素，我们认为：医院在完成第一阶段的人工智能体系建设后，尤其是针对大型三级医院，应当大力发展：人工智能医院管理。人工智能在医院管理应用上主要有两个方向，分别是优化医疗资源配置和弥补医院管理漏洞。

1、优化医疗资源配置

人工智能优化医疗资源配置：利用大数据，从宏观层面协调资源的有效分配。它能根据电子病历、既往病史等信息分析出哪些患者是最需要及时救治的，把医疗资源优先提供给他们，优化医疗服务的先后顺序。

相对于传统方式：人工智能能够大幅降低人力成本，而医护人员将工作重心投入到医疗服务中；医疗资源利用率能够得到大幅度提高，分析出哪些患者急需救治，优化医疗服务的前后顺序；就诊体验得到一定程度提升，优化医院的资源配置能够最大程度满足患者的诉求。

2、人工智能弥补医院管理漏洞

弥补医院管理漏洞：从点评网站、社交平台和新闻媒体等渠道收集客户对医院的评价，通过自然语言处理技术将非结构化的数据处理成能被系统识别的结构化数据，根据已经搭建好的模型，系统能够整理、分析出各种评价背后的真实含义。

调查发现：患者对某医院话题讨论最多的分别是：候诊时间、服务态度、就诊时间、医疗价格及院后随访。

相对于传统方式：人工智能能够大幅的扩宽患者的反馈信息收集渠道；大幅降低从信息收集、分析到总结的时间损耗；并且能够避免人为因素，最大程度保证调查分析的结果客观有效。

利用人工智能对医院进行管理，能有效的对人、财、物、信息、时间等资源，进行计划、组织、协调、控制，充分利用医院的现有资源，实现医疗效用的最大化。

以医院管理标杆型的企业Qventus为例，在XX医院使用了它所提供的人工智能系统后，这家医院在以下八个维度的表现出现改善，同时患者对医院的满意度从29位提高到第3位。

应用场景三：人工智能+疾病诊断和预测

现代医学，是从人们的各种生化、影像的检查结果中，去诊断是否患病。但如果要实现疾病的未来发展预测，往往力不从心。人工智能能够参与疾病的筛查和预测，需要从行为、影像、生化等检查结果中进行判断，除此之外，人们的语言、文字也会成为精神健康和身体健康状况的可测指标。

疾病预测功能主要通过自动分析emr/ehr数据，影像检查报告等文本数据，从中提取出相关信息，利用深度学习预测疾病发生及病程发展进程。

应用场景四：人工智能+医学研究

人工智能的切入主要是利用机器学习和自然语言处理技术自动抓取病历中的临床变量，融汇多源异构的医疗数据，结构化病历、文献，最后生成标准化的数据库。在具体的人工智能+医学研究的相关落地产品管线中，我们重点关注医疗翻译与医疗知识图谱。

医疗机器翻译：医疗行业内存在大量的翻译需求，AI自动翻译有完善的文件解析生成能力，适应用户不同文件格式输入，有效降低客户在大量翻译需求上的开支。

阿里巴巴达摩院AI中心医疗健康实验室落地的医疗行业机器翻译系统能实现：权威语料翻译、术语干预、SAAS标准服务及定制化部署，其医学术语翻译准确率大于80%，日期翻译准确率大于99%。

医疗知识库的构建采用：

1.最新的信息抽取技术，将疾病相关的知识从各种信息源中提取出来，其信息源包括行业最新论文，互联网知识等；