Hans Uszkoreit：大数据＋AI如何推动医疗技术革新

5月28日，第五届中国（北京）国际服务贸易交易会开幕，在健康医疗服务板块“一带一路”慢病管理与国际健康峰会上，欧洲科学院院士、深知无限人工智能研究院首席科学家汉斯‧乌思克尔特院士（Prof. Dr. Hans Uszkoreit）结合“慢病管理国内外新模式的探索”主题背景带来“大数据+AI”推动医疗技术革新的精彩演讲。

以下内容为汉斯‧乌思克尔特院士演讲摘要：

我们有一个项目是与慢病管理主题息息相关的，其实慢病管理这个问题所针对的患者相比于制造业或其他行业，通常有更迫切的需求。

首先提到大数据，大家知道，大数据时代已经到来，在全球范围内，众多体检中心产生了大量的数据，这些数据可以对我们的机器学习和人工智能带来很大的意义。

为什么呢？我们从这幅图中可以看到，逻辑非常简单。

数据其实有不同的来源，或者来自于医生，或者来自于患者，或者来自于诊断过程，或者来自于制药企业，或者来自于药房，甚至还可以来自于这些医疗设施、医疗装备及治疗过程当中。所以，这些海量数据被汇聚到了一起。

为什么人工智能现在非常值得我们注意呢？是因为我们真正了解某种疾病发展过程中，知道了究竟是什么因素促进了他的疾病发展。而在此之前我们往往面临种种困难才能找到这个因素究竟是什么。但是机器学习和人工智能可以帮助我们通过相关性、因果性的研究，找到这种因素，不然我们没有办法找到这种因素。

另外，我们看到数据之间差异化很强，有些数据是数字，这些数字都源自机器中，同时机器处理数字也更容易，比如像血压，生理数值等等。但是还有数据是图像、语言数据、二维或三维的图片。在计算机学中，通常有两种数据，一种是结构性数据，一种是非机构性数据，语言就是一种。这就是人和机器的语言，这些都是需要不断的诠释的。人工智能在疾病诊断过程当中，它能够发挥什么样的作用呢？

因为医生会观察或听一些症状表现，同时看一些医疗报告，所以自然语言会非常重要的体现。在医学领域当中，可能比其他领域要更好的一点是：很多的工作都是为了形成一种结构化的，或者是基于医学知识的报告。比如说，美国医学语言系统，在这个系统当中已经做了大量结构化的工作，同时包括医生经常使用的结构化语言，这种语言可以直接使用人工智能这样的结构。当然，我们还有一些庞大的过程。比如说黑色素瘤、癌症以及肾病，这些不同疾病在系统当中的知识累积和语言累积是非常成功的，我们希望将这种知识和数据变得非常的有用。

我们通过这种慢病管理，将AI嵌入到医学领域，也许可以形成一个突破点，或者成为一个非常领先的领域。一般技术的速度比人快，它可能要花一段时间，直到所有的基础设施，平台，一些基础的设施完善。比如使用无线网络的技术，先有技术再有这样的平台，但是人就比较慢一点，所以技术的延伸和拓展是需要很多时间的。尽管它的利润很大，但是我们还会面临一些现实的成本压力。

第二件事情，AI嵌入到医学领域中，需要包括医生、诊断医生等之间进行合作。比如说，我们彼此之间互相合作，有时候协调起来很难，在医学领域的方方面面，很多人不愿意将自己的数据和别人分享的，因为他要负责任，有很多的敏感信息，这是从我们自己的角度来讲。如果说你有政府、医疗、医保、患者，如果你能够长期跟他们共同协调（我是指慢病患者），他继续跟你在一起，你就有这样的机会可以跟他们沟通。

我觉得AI可以帮助医生做决策和诊断以及流程优化，这些都是在所有领域当中非常常见的。当然，我们还有一些非常具体的，比如说一些所有语言的测试。或者我们各种各样的患者测试，这是非常有意思的，包括人机交互，还包括一些大脑受损的患者。

还有就是语言模式抽取。因为对于症状来说，医生间的语言和患者间的语言不一定完全相同，在医学术语中有众多复杂性，可能你掌握医生的说法要花很长时间。比如在中国和其他一些国家，可能也会有一个提取概念和关系的做法，你要有这样的一组人，有正确的属性，相同的标准，包括它的纳入和排除的标准，这是一个非常复杂的进行语义信息提取的工作。同时还要用人工智能辅助它的语言分析和它的决策，这就是通过语言的抽取和信息的提取，在患者和医生之间也会有一定的特点，这些特点是无法通过数字简单来展示的。

接下来是文本数据的地位，我想了解不同类型的文本数据，基本上有两个，命名实体的抽取和关系的抽取，这是非常重要的，事实的抽取，事件的抽取，以及很多症状的抽取，这些都是结构化的。接下来，这些信息之间的关系到底是什么，这是最重要的逻辑，大部分的命名还是比较简单的，但是背后的逻辑是非常难的。从数据和数据之间的关系，有一些是结论，有一些是事件，已经发生的患者身上的事件，这两点都值得我们关注。

▎END▎