【e医疗原创】路健：认知计算已来，只是尚未流行

”

专家

路健

云南省肿瘤医院信息中心主任

　　2016年3月，AlphaGo挑战世界围棋冠军李世石的围棋人机大战五番棋在韩国首尔举行，比赛采用中国围棋规则，最终AlphaGo以4比1的总比分取得了胜利。这一事件标志着人类进入了认知计算时代，由此，2016年也被定义为认知计算元年。

　　认知计算，是一种全新的计算模式，通过信息分析，自然语言处理和机器学习领域的大量技术创新，能够“理解”非结构化数据，如语言、图像、视频等，让计算机系统能够像人的大脑一样学习、思考，进行数据分析并做出正确的决策。由于人脑与电脑各有所长，认知计算系统可以成为一个很好的辅助性工具，配合人类进行工作，解决人脑所不擅长解决的一些问题。通俗地来说，就是说本来计算机是不会思考，只能是靠人工输进去结构化的数据、规律化的代码后，才能进行相应功能的操作，但现在有了认知计算，计算机有自我学习系统，可以像人类大脑一样学习，不仅可以处理结构化的数据，而且可以通过学习，实现识别人类自然语言、图像、视频等之前都需要人类亲自操作的功能，建立一种能够摆脱人类干预的并自行解决复杂问题的计算系统。

　　认知计算的一个目标是让计算机系统能够像人的大脑一样学习、思考，并做出正确的决策。人脑与电脑各有所长，认知计算系统可以成为一个很好的辅助性工具，配合人类进行工作，解决人脑所不擅长解决的一些问题。

　　据IDC预测，到2018年，超过一半的消费者将获取到基于认知计算开发的服务。到2020年，50%的商业分析软件将包含基于认知计算功能的分析工具，同时认知服务将嵌入新的应用之中。嵌入式的数据分析将为美国企业提供超过600亿美元的减省。

　　认知计算系统依赖于各种人工智能元素，比如机器学习、推理、自然语言处理、语音和视觉、人机交互、对话和故事生成等等，机器学习算法可从所注入的大量数据学习和获取知识。

　　人工智能的基础是大数据分析。医疗行业经过多年的大数据探索，医疗大数据的需求主要包括以下四个方面：

• 一是为医务人员服务，包括临床辅助决策、单病种大宗病例统计分析、治疗方法与疗效比较、最小有效治疗研究、精准诊疗与个性化治疗、不良反应与差错分析提醒等；

• 二是为患者服务，包括全生命周期的健康档案、自我健康管理、健康预测与预警等；

• 三是为管理者服务，包括精细化管理决策支持、数据服务与数据经济、感染爆发监控、疾病与疫情监测等；

• 四是为研究人员服务，包括科研服务、用药分析与药物研发等。

　　在这些需求驱动下，大数据的分析和应用都将发挥巨大的作用，提高医疗效率和医疗效果。

　　根据以上四方面需求，建设医疗大数据的数据湖，为AI构建打下基础。数据湖”就像人造水库。首先建造大坝将末端堵住（构建群集），然后让它充满水（数据）。一旦水库建成，就开始将里面的水（数据）用于各种用途，例如发电、饮用和娱乐（预测性分析、MachineLearning、网络安全等）。

　　认知计算在医疗行业也在不断探索。根据国际糖尿病协会，全世界约有4.15亿成年人患有1型或2型糖尿病，通过分析来自糖尿病监测设备（胰岛素泵和葡萄糖监测仪）的数据，IBMWatson可以在实际上达到三小时之前预测低血糖问题，这能让患者和医生有足够的时间采取预防措施。

　　认知计算在医疗行业的又一探索是肿瘤治疗。三年前，纪念斯隆-凯特琳癌症中心进行肿瘤解决方案（WatsonforOncology）。这是一个基于认知计算系统的方案，可以分析大量的数据，包括医学文献、患者健康记录和临床试验等，从而为癌症患者提供私人定制的、以症状为依据的治疗建议。

在此期间，该系统的登入时间共计1.5万小时，一支由医生和研究人员组成的团队一起上传了数千份患者的病例，近500份医学期刊和教科书，1200万页的医学文献、以及由纪念斯隆-凯特琳癌症中心开展的研究项目。

　　他们凭借这些方法，把该系统训练成了一位“学识渊博的同事”。目前，该系统能够为肺癌、乳腺癌和结直肠癌提供医疗建议，目前还在向胃肠癌领域延伸。三年后得出一个惊人的结论，在全美的癌症患者中，约有20%的人都遭遇了误诊。

　　我国每年新增350万癌症患者，每年癌症死亡人数达250万人，全国恶性肿瘤发病率为250.28/10万（男性277.77/10万，女性221.37/10万），中标率为186.34/10万。相当于每分钟就有6.4个人患癌症，其中结直肠癌16.14%，乳腺癌25.89%，肺癌35.23%。在部分城市，癌症超过了心血管疾病，成了致人于死地的“第一杀手”，癌症正越来越多地侵入人们的生活。值得注意的是，中国的癌症患者被确诊时，绝大多数已处于中晚期。癌症高发，增加的不仅仅是患者的伤痛，还给家庭和社会带来沉重的经济负担。

　　作为全球肿瘤患者最多的区域，对于医生来说，实现精准的癌症诊断不仅需要了解先进的最佳治疗方案实践，不断地对庞大且复杂的肿瘤研究资料进行深度的研究和分析，他们最大的挑战还包括每天以秒递增的海量数据，这其中包括80%的非结构化数据（例如：声音、行为等等），通过对现有大量的新知识进行分析、研究处理，辅助肿瘤医生对肿瘤患者产生个性化、精准的、规范的治疗方案。

　　正如凯文·凯利所说的未来已经到来，只是尚未流行，希望在流行的时候我们医疗的数据能为我们的医生和患者提供更多的服务。

-end-

近　期　会　议　攻　略

1

武汉的樱花开了吧

2017年3月24日

2

每年春节CMEF上，这场盛总能吸引最多的目光

2017年5月16日

©以上文章来源

e医疗原创文章，转载请注明来源。