近日,创世伙伴资本CCV合伙人梁宇出席了在清华大学举办的“中国AI创新者论坛”,并在“AI与医疗革新”圆桌论坛担任主持,与清华大学统计学研究中心副教授俞声、清华大学生物医学影像研究中心研究员赵锡海进行了一场关于AI+医疗的讨论。
俞声副教授任职清华大学统计学研究中心,研究电子病例分析,医学术语识别、医学图谱知识建设。赵锡海任清华大学医学院生物医学影像研究中心的研究员,专攻医学影像的开发、临床应用、产业转化,从事心脑血管技术研发和临床运用研究,同时任长庚医院影像科医生,从临床医生的角度与大家分享了对AI技术的看法。接下来便是两位嘉宾与主持人的精彩分享:
主持人(梁宇):行业里说有了电子病例,可以把医疗处方下沉到下层医院,这一认知正确吗?现在进展到哪个程度呢?
俞声:这个认知和方向我相信一定是对的。电子病例是数据,但又不是我们在人工智能中所谈论的数据。电子病例分两类,一类是编码型的,相对好用一些,包括疾病诊断、手术编码等等。还有一些属于诊疗细节,真正涉及到医生整个的诊疗经验和知识,这方面是以自由文本的形式记录在病例里的。这只是用来作为存储用的数据,和机器学习中要使用的数据形式差别很大。这个过程是漫长的,首先需要从自由文本中识别有什么医学概念,以什么形式提到,提到疾病时患者是确诊还是来排查,或者有家庭病史等,怎样有效把原始数据、自由文本转化成机器可以学习的数据,才能谈电子病例,形成人工智能辅助系统,去把上级医院医生的经验集成后下沉。
关于现在所处的阶段,是处于医学信息学基础设施建设阶段,这一点中文和英语世界差距还是比较大的。例如心电,一般认为是波形,其实要做这个任务,仍然涉及到病例里面对心电各种症状诊断描述的不统一性。这些在英语圈里面比较好用一些,我常用的大数据,术语发展有30年了,现在有几百万个医学相关的概念,几千万条医学术语。在美国做医学语言处理是相对容易的。我回国以后发现,中文的积累是非常少的,我们做电子病例分析,需要先补完中文的医学术语库的建设,打好了基础才能在上面更好的发展。
主持人(梁宇):俞老师,您的研究方向是什么?从电子病例往前突破的话,有哪些近5年能够看得见的应用?
俞声:我首先意识到了医学信息学基础设施的缺失,是对医疗人工智能发展的重大障碍。我目前在做医学术语的提取工作,自动识别和补全,建立能够应用于医疗人工智能和电子数据分析的术语库。另外,我在做医学知识图谱的建设,我们不太喜欢把所有变量都仍到一个大模型里直接预测结果,而是希望要预测某一个疾病时,依照它的知识关系去提取相应的变量,再去建模。我们在去年年底测试了第一批用于电子病例的中文医学术语,效果喜人,希望今年年底可以实现。
赵锡海:人工智能真正应用到临床,第一个要面临的问题,就是有人工智能的产品放在旁边,医生为什么不用?根源在于没有嵌入现在医疗活动常用的系统,医生看图像时还放一个工作站,人工智能帮助我节省时间,现在是浪费我的时间。人工智能产品只有嵌入现有的医疗设备和系统中,才能让医生得到更好的体验。
主持人(梁宇):谢谢赵老师。确实,如果真的让医生不是面对十个系统,而是能用一个系统解决所有问题,才是真正有意义的技术突破。恰恰这些技术只是涌现了出来,还没关注到如何降低医生重复性劳动的投入,这也是阻碍AI走向医院的一个巨大障碍。
前段时间到三四线城市去了解医疗现状,社区诊所像便利店一样多到无法想象,走5分钟就能看到一个小诊所,100-200平米的房间里挤着五六个人挂盐水,守着一个大夫。而这样的诊所全国大约有100万家,有大量人口是在这种医疗环境看基础医疗,连最基本的验血都做不到,因为验血设备对于这样的诊所来说太贵了。单凭大夫看一下舌苔,判断这个病人发烧,建议吊盐水;病人口述脑袋疼,医生建议吊盐水——这样的粗糙诊断每分每秒都在发生。
我们也投了两家技术+医疗的项目——数坤科技和云呼科技。首先,AI影像今年会进入大规模商业化,而数坤科技解决了最根本的问题——好医生供给不足的时候,AI来发挥作用。他们选择了心脏科+AI影像为切入点,并逐步延伸至颅脑和神经系统,打造未来的“数字医生”。这样的创业项目毫无疑问会受到投资者的青睐,创世伙伴资本CCV领投了数坤2亿元的B轮投资。
云呼则是以基层医检为突破点,利用技术整合下沉医疗资源。通过云呼科技的平台进行医检,相比于传统渠道至少缩短一半检验周期,同时降低20%的医检成本。目前云呼已经对接北京、浙江、福建、河南、湖南、江西、江苏等地上千家医疗机构,累计服务达数十万人次。
我们寄希望于AI等技术应用释放重复劳动,平衡优质的资源。如果仅做商业判断,AI在高线城市和医院中完成落地,作出好的商业应用示范,逐渐下到三四五线城市,解决资源不平衡的问题,这样的创业方向大有可为。
领取专属 10元无门槛券
私享最新 技术干货