当前位置:100EC>电商人物>阿里许娟:阿里在医疗AI领域的思考

全国疫情数据

{{dataList.mtime}}
  • 确诊

    {{dataList.gntotal}}

  • 疑似

    {{dataList.sustotal}}

  • 死亡

    {{dataList.deathtotal}}

  • 治愈

    {{dataList.curetotal}}

阿里许娟:阿里在医疗AI领域的思考
发布时间:2019年09月10日 10:20:41

(网经社讯)2019年8月29日,由浙江省卫生健康委、浙江省发展改革委、浙江省经信厅联合主办,杭州健培科技有限公司、浙江省健康服务业促进会承办的首届长三角健康产业高质量发展大会暨2019西湖论健·浙江国际健康产业高峰论坛在杭州国际博览中心召开。亿欧大健康作为独家专访媒体受邀参加。

论坛以“5G开启 医疗AI 新纪元”为主题,解读了国内政策权威,探讨了医学科技、AI与5G融合、5G与医院智能化,发布5G医疗AI系列成果,进行了医学科技、AI与5G融合、5G与医院智能化、5G智慧医疗技术交流。

全国政协委员、中国科学院自动化研究所所长、中国科学院 人工智能 学院院长、中国科学院浙江数字内容研究院院长徐波,中国科学院院士、浙江省肿瘤医院院长谭蔚泓,前美国药监局(FDA)审评官、美国国家癌症研究所(NCI)项目主任孙立英等专家学者以及美年健康董事长俞熔、健培科技董事长,西湖论健创始人兼组委会主席程国华、亿欧公司副总裁、亿欧大健康总裁高昂等嘉宾共同出席。

会上,阿里人工智能创新实验室主任许娟发表了题为《阿里在医疗AI领域的思考》的演讲,其主要观点如下:

1、总的来说,人工智能的发展是呈波峰式,每二三十年有一个波峰发展,但是它的发展是跟软件技术和硬件技术迭代发展的过程。

2、目前市场上大的医疗生态圈里有很多的细分领域,我们看到市场上大大小小的AI企业有100余家,目前大部分已经在单点上有了技术的突破,整个产品走到应用落地层面。

3、我们认为现阶段是数据智能的小时代,在未来3-5年,从企业角度,我们认为企业主要探索可持续的业务模式。

以下为演讲速记(有删减):

大家下午好!

我是阿里人工智能创新实验室主任许娟,向大家介绍一下 阿里健康 在医学人工智能领域的整体思考。

我一是介绍一下医学人工智能的概况及发展,二是智能医疗生态圈,三是阿里的经验和能力,四是人工智能黄金生态。

一、医疗人工智能的概况及发展

总的来说,人工智能的发展是呈波峰式,每二三十年有一个波峰发展,但是它的发展是跟软件技术和硬件技术迭代发展的过程。

我们现在看到近二十年人工智能在很多行业有非常成熟的落地应用,包括电商零售、金融、轨道交通、个人助理等方向。 但就医疗行业来说,人工智能还在一个初期起步阶段。 早在上世纪70年代到90年代,人工智能技术渐渐渗透医疗行业,最早的医疗产品是基于非常简单规则的专家辅助系统,是模拟专家的辅助诊疗流程。到90年代之后的20年,随着机器学习技术的发展,人工智能有了飞跃,这时候的技术本身产生了相对成熟的产品,已经可以辅助专家做一些临床辅助诊断和辅助筛查。这时候的产品,大多依托于硬件,所以我们比较熟悉的有影像后处理工作站、手术导航、术内的手术规划和手术辅助分析,大部分是以硬件为场景,依托在硬件上。

近十年随着互联网的整体发展和大数据的推进,包括算法算力的展开,人工智能又到了一个巅峰。 在这个时期,AI技术和产品有一些已经剥离开硬件设备,它在互联网和平台上产生了自己的价值,产生了服务和应用。这时候随着AI算法、深度学习技术的推进和算力的增长,其实整个人工智能的引擎性能也有一个飞跃。所以市场上涌现很多的影像筛查系统,包括基于知识库的临床辅助决策系统以及手术机器人,都是在这个时期出来的典型产品。

目前的政策也非常利好。 2017年7月,国务院正式发布《新一代人工智能发展规划》,把人工智能提升到战略层面。在市场准入政策层面,今年7月份国家药监局也发布了深度学习辅助的AI审评要点。而中检验院建立2个标准数据库,其他标准数据库也在建立中。整个政策推进,加快了人工智能产品的优化和应用的落地。

二、医疗生态圈

目前市场上大的医疗生态圈里有很多的细分领域,我们看到市场上大大小小的AI企业有100余家,目前大部分已经在单点上有了技术的突破,整个产品走到应用落地层面。 从目前市场上接近应用落地的产品线分布,我们能看到大部分的产品还是集中在影像和文本两大方向;其他也涉及到基因,比如药物研发、虚拟助手。在疾病病种覆盖方面,还是肺结节和糖网筛查为主,其他还覆盖多种疾病和慢性疾病。

我们看到市场大的方向可以简单分为三大类:1.由AI技术推进的疾病辅助分析、辅助诊断,2.药品,3.基因。疾病的辅助分析,举几个简单例子,大体来说都主要集中在图像方向和文本方向。 图像上 ,目前支持多种模态图像处理,比如说这边有食道癌的内窥镜图像,包括病理显微图像的辅助分析系统、眼底图分析系统、心血管分析系统,这些都是有相对比较成熟的技术产品。 从文本方向 ,早期的文本是自然语言分析、病历结构化,目前随着数据量的增大和数据量逐渐互联互通,慢慢从文本转到知识库和知识图谱的搭建,从上面又产生了各类AI引擎,比如说智能问诊、临床辅助决策、用药推荐、鉴别诊断、疾病检索,包括虚拟病人等等,这些都是基于虚拟图谱产生的AI引擎。

在药物研发领域 ,人工智能起了强大的推进作用。药品研发周期常规是10-20年,而随着人工智能技术的引进,可以大大缩短药物的研发周期,并且节约成本。在应用场景上的技术推进,在药品研发过程中可以辅助的是靶向、靶点的发展、化合物筛选,包括在临床实验阶段可以设计更优化的临床实验过程,包括患者招募,以及药品的重新定向,都可以借助人工智能的力量。

基因又是另一个大领域。 我们认为未来很多疾病,现在无法解释,其实我们可以回溯一步,都可以从基因找到源头,所以未来基因是一个非常有潜力的方向。而基因的数据量又非常大,所以人工智能的优势非常明显,人工智能+基因会有强大的潜力。目前医疗级别的基因在预测、诊断、治疗几个方向上都有一些产品,我们相信未来随着人工智能的推进,基因检测可以真正达到精准预测、精准诊断和精准治疗。

另一块基因的方向是消费级别基因,目前市场上也有不少产品,比如21魔方、圆基因,这种产品是几百到几千块,给消费级别的用户使用。大部分实际上还是偏娱乐性质,它会预测肿瘤的易感基因、慢性病遗传基因,包括更偏娱乐的运动机能、天赋基因等等,多以消费娱乐为主,所以基本上是一次性的消费模式。

医疗AI面临的挑战 。纵观上面介绍的人工智能细分领域的落地方向,我们再横向看人工智能和医疗人工智能整个发展方向,其实未来还是面临很多的挑战,从两个层面来说: 1.研发层面。 我们认为人工智能技术的推进不能完全依靠工程师推进,实际上它是整个行业发展的过程。简单来说,人工智能的研发、产品的研发过程可以想作知识,知识来自于专家或者文献,或者一些规则、规律,这些知识会通过数据和标注作为载体传递到人工智能模型,而核心就是数据和标注。如何获得高质量、高标准的大量数据?其实是整个人工智能研发的核心。在这个过程中,实际上它不止涉及到AI研发工程师,数据过程涉及到数据标准采集、数据标准的传输,在临床标准、行业标准上可以设计出标准的标注,医生的标准数据清洗包括数据结构化、颗粒度等等一系列的以临床和行业标准为基础的标准。所以整体来说,人工智能的推进和发展不完全依赖于专家,也不完全依赖于工程师,是整个行业的推动,才能打磨到更好的AI应用落地场景; 2.落地应用 。市场上大说AI产品到了探索商业模式的阶段,怎么建立可持续的商业模式?实际上是现在一个核心的挑战点。而这个过程中涉及到多个层面,一是应用层面,比如说数据互联互通、数据多中心验证。到准入层面的市场准入、CFDA政策法规。到了商业模式阶段,是否有收费条目、是否能进医保,这些点都是我们探索商业模式关键点。

阿里看到了人工智能的挑战,也看到了它的机会。我们在整个领域也有自己的思考和布局。这是大的阿里巴巴的生态体系,底层有云架构的基础架构支持,中间有大生态,上层有各类生态资源公司,这里面包含核心的医疗大数据公司,也有外围的公司,比如支付类、金融类,包括药品送药物流类,这都是整个推进医疗发展的生态。

从技术层面来讲 ,我们认为推进医疗AI的发展还是要打造一个技术生态圈。这里包含了数据,包含了算法算力和互联网。数据层面,阿里其实有大数据的支持,这里有数据的清洗、存储、安全、互联互通的技术;在计算层面,我们也有多维度的AI计算能力的积累;在应用层面,有生活健康、医疗服务方向的各类应用。

三、阿里的经验和能力

我后面简单给各位介绍一下阿里在前面几年,在人工智能方面的技术积累。

我们的技术涵盖多个维度,其中包含市场上大的方向:影像、文本,也包括知识库、人脸识别和语音识别等等。

1.脑电图EEG癫痫筛查引擎。 这是一款癫痫筛查引擎,我国癫痫人口接近千万,大家可以把癫痫理解为慢性病,治疗过程是3-5年,每年患者都要做1-4次脑电图筛查,来帮助确诊用药以及调整药物。但实际上全国专业的导电图读图师不足千人,所以供需严重不平衡,所以导致癫痫病人并没有得到有效治疗。所以我们开发的癫痫脑部筛查引擎可以自动用人工智能的技术识别出脑电波各类癫痫异常波。这款技术赋能给脑电图的读图专家,可以大量提升他们的读图效率,目前可以提升30-70%。

2.心电AI引擎。 可以识别房颤等心电图上的异常波,这款技术获得2017年房颤比赛冠军。

3.肺部CT辅助筛查。 我们打造肺结节筛查引擎,后来升级到肺部多种疾病筛查,不止包含结节,还有肺密度增高影、胸腔积液、索条等其他的综合疾病。这款产品是整个可以赋能到影像科医生,提升他们的读图效率,降低漏诊率。

4.糖尿病用药推荐引擎。 这是一款基于知识图谱的人工智能引擎,这里的知识来源,一部分是来源于专家的经验、行业的标准、行业的指南以及文本文献,还有一部分来自真实的病例。从这些知识里,我们提取出关键的知识点,打磨出这套慢病药物推荐引擎。患者可以在网页输入自己的检查指标,包括自己的基本信息年龄、体重,包括既往症状、既往用药史和现在检查,引擎可以自动分析数据,给出糖尿病用药提示。我们这款引擎跟专家比对过,目前如果是一个基层医生,加上这款引擎辅助,可以到三甲医院医生副主任医师的水平。

5.刷脸就医。 这是一项赋能整个医院信息化系统的技术,刷脸就医可以贯穿到整个病人入院的医疗服务全流程,所以常规的需要社保卡刷卡的地方,目前都可以用刷脸就医完成,这里包含入院建档、刷脸挂号以及在问诊时候的刷脸,到检验科室、影像科室去检验的身份认证,以及到诊断结束以后开处方,可以刷脸缴费、刷脸拿药,覆盖全流程。刷脸就医核心技术是我们的人工智能技术,目前我们有大量的应用,不仅应用于医疗领域,还有其他的领域,目前错误率只有1%。我们对比指纹识别,远远低于指纹识别的错误率,同时又安全的保证和高稳定性。

四、人工智能黄金生态

阿里健康对整个医疗人工智能行业也有我们自己的思考。我们看到前期在过去5-10年阶段是技术积累的阶段,目前我们发现很多在医疗单点服务的技术都已趋于成熟。 我们认为现阶段是数据智能的小时代,在未来3-5年,从企业角度,我们认为企业主要探索可持续的业务模式。 我们认为一切没有业务模式的科学,都是伪科学,只有业务的模式,能推进社会和经济的发展,才会有一个可持续的发展状态和模式。

我们相信随着业务模式的不断完善,到未来,技术也会不断完善,推动数据互联互通,将来的数据会是多模态数据融合,包括多维知识的融合。到这个时代,在将来10-20年,我们相信会真正成为人工智能的黄金时代。

所以我们期望未来是建立一个医疗健康的智能生态圈。 在最底层是云架构;中层是数据,数据有数据的互联互通的支持,数据会在网络中流动起来,产生更多的价值;在上层是各个场景的人工智能的应用,这里包含生活的健康,也包含辅助的诊疗、辅助的诊断,包含基因药物方向,也有医院智能化的信息系统,包括互联网医院,整个由人工智能技术和大数据推动的医疗健康的智能生态圈。

阿里健康作为一家科技公司和互联网公司,我们希望用我们的科技力量推动医疗整个生态圈的发展。我们的愿景是让大数据助力医疗,用互联网改变健康,用人工智能改变供给,我们希望为真正的中国十亿人提供非常公平普惠的医疗健康服务。

我今天的介绍分享就到这儿,谢谢大家!(来源:亿欧网)

网经社电商大数据库“电数宝”(DATA.100EC.CN)基于电商行业12年沉淀,包含66+上市公司数据库、53+新三板公司数据库、150+独角兽数据库、200+千里马数据库、4000+投融资数据库以及10万+创业项目数据库,全面覆盖“头部+腰部+长尾”电商。适用于电商从业人员、研究人员、创投人士、政府人士、高校师生、商家卖家等,旨在通过数据可视化形式帮助了解电商行业,挖掘行业市场潜力,助力企业决策,做电商人研究、决策的“好参谋”。

【版权声明】秉承互联网开放、包容的精神,网经社欢迎各方(自)媒体、机构转载、引用我们原创内容,但要严格注明来源网经社;同时,我们倡导尊重与保护知识产权,如发现本站文章存在版权问题,烦请将版权疑问、授权证明、版权证明、联系方式等,发邮件至law@netsun.com,我们将第一时间核实、处理。

Document
免费提交申请
×
行业

请选择行业!

姓名

请输入姓名!

部门/职务

请输入部门/职务!

公司/平台

请输入公司/平台!

地址
邮箱

请输入正确邮箱!

手机

请输入正确手机!

验证码

请输入验证码!

您申请电商人精英俱乐部后,视为您同意网经社通过邮件/短信方式向您推送的相关资讯,我们将严格保护您的权益及个人信息,如您不需要此服务,可以联系我们取消。

【关键词】许娟阿里AI
【原创报告】 更多>
《2021年3月电子商务用户体验与投诉监测报告》
《2021年3月中国电子商务行业投融资数据报告》
《2021年2月电商APP月活数据报告》
《2020年度中国电子商务用户投诉监测报告》
《2020年度汽车电商消费投诉数据报告》
《2020年度潮流电商消费投诉数据报告》
《2020年度母婴电商消费投诉数据报告》
《2020年度运动健康消费投诉数据报告》
【最新原创】 更多>
        平台名称
        平台回复率
        回复时效性
        用户满意度