肖治：從六十年代開始，人工智能經(jīng)歷了三起三落 。目前，人工智能正經(jīng)歷新一輪的爆發(fā)，各行業(yè)都在積極探索和發(fā)展人工智能。請各位介紹一下各自領(lǐng)域里人工智能最新的進(jìn)展、在技術(shù)端、產(chǎn)品端看到的趨勢。
康世功：我想講兩個放射治療人工智能的應(yīng)用場景。
一是我們的AI技術(shù)使北上廣深三甲醫(yī)院的放療資源能夠下沉到基層。大多數(shù)基層患者的經(jīng)濟(jì)條件不足以支撐他去大城市尋找專家醫(yī)治腫瘤，縣級城市也沒有那么多資金和時間培訓(xùn)基層醫(yī)生，我們現(xiàn)在將一把磨得很鋒利的“手術(shù)刀”交到了基層。
二是為了讓這把鋒利的“手術(shù)刀”準(zhǔn)確地救治病人，我們十分重視AI的質(zhì)量控制，通過大數(shù)據(jù)把所有導(dǎo)致質(zhì)量控制不佳的條件，逐一地判斷和積累起來，做成模型和算法，用來自動監(jiān)控和指導(dǎo)基層放療的運(yùn)行，這是我們AI應(yīng)用兩個最典型的場景。
賴力鵬：就像高分辨率顯微鏡，AI也是一個工具，在藥物研發(fā)領(lǐng)域能處理人類本身看不到的微觀問題。比如小分子和蛋白怎么結(jié)合，其實一般人是很難去想象的，但AI可以根據(jù)大量的數(shù)據(jù)去學(xué)習(xí)和發(fā)現(xiàn)其中的規(guī)律 。
我覺得AI在藥物研發(fā)的應(yīng)用可以用一個詞“繼往開來”來粗略地看待。一個是“繼往”，我們過去累積的大量數(shù)據(jù)中包含失敗的數(shù)據(jù)，但所謂的失敗其實是臨床上的失敗，不代表數(shù)據(jù)沒有價值。通過統(tǒng)計或者說機(jī)器學(xué)習(xí)的方法，能從中提取以往沒有注意到的信息。在“開來”的部分，基于深度學(xué)習(xí)的生成模型可以幫助我們探索更大的化學(xué)空間，做很多開創(chuàng)性的工作。
去年的Nature有一篇文章說可成藥的化學(xué)空間可能是10的60次方那么大，但是我們現(xiàn)在的實體分子庫可能在10的13次方，這里面大概有40多個數(shù)量級的差距。我們真正的在實驗室研究過的藥物分子，在整個的藥物空間當(dāng)中，其實就是一些很小的點(diǎn)，AI其實可以有定向性地幫我們在這個巨大的空間里面去尋找我們需要的藥物分子。
第三個，我覺得AI它可以重塑工作流程，因為很多現(xiàn)有的計算方法，是不可能去覆蓋到生物體這么一個復(fù)雜的體系的。比如臨床一期的毒性問題，在動物和人體上可能會效果迥異。AI的方法強(qiáng)調(diào)端到端預(yù)測，現(xiàn)在非常有希望根據(jù)分子結(jié)構(gòu)等直接預(yù)測候選藥物在人體上的一些毒性表現(xiàn)，這樣可以大大降低我們在臨床上失敗的可能性。
更重要的一個，我們的業(yè)務(wù)主要是在藥物發(fā)現(xiàn)和晶型預(yù)測的方法開發(fā)上，其實在這兩個方面，都涉及到剛才講的可能10的N次方的分子或者結(jié)構(gòu)的篩選和搜索。在我們自己的業(yè)務(wù)當(dāng)中，其實我們是把物理模型和AI模型拼起來，在實際的業(yè)務(wù)中，我們通過有效地把物理模型和AI模型拼起來，不斷提高我們的計算效率。
張少典： 我分享一下我們今年上半年和一家三甲醫(yī)院合作落地的一個輔助診療的案例。
靜脈血栓栓塞癥（VTE）常見于住院較久，手術(shù)后長期住院或者產(chǎn)后長期臥床的病人。VTE有一定的概率會發(fā)展成為肺栓塞，而肺栓塞死亡率非常高。為了預(yù)防病人風(fēng)險，醫(yī)院會派護(hù)士每天進(jìn)行人工監(jiān)護(hù)，給這些病人做病情追蹤、反饋，但依靠人工方法要消耗大量時間和精力，還可能出現(xiàn)誤差，而AI技術(shù)能改善這種狀況。
我們開發(fā)的醫(yī)療AI產(chǎn)品起到兩個作用：一是評估，根據(jù)病人的病情、病史，包括住院、手術(shù)的情況，以及檢驗、檢查的情況自動對病人進(jìn)行風(fēng)險打分。二是預(yù)警，根據(jù)病人的數(shù)據(jù)去預(yù)測是不是有可能是一個高危病人。如果是高危病人，會提前發(fā)送預(yù)警消息，推送到醫(yī)生工作站。
Artur Kadurin：在實驗室進(jìn)行生物測定、臨床試驗等是獲取數(shù)據(jù)的簡單方法，但成本十分高，同時需要處理相關(guān)方與合作方的關(guān)系。我們通過早期的努力，取得一定的進(jìn)展，在此基礎(chǔ)上進(jìn)一步獲取更多的數(shù)據(jù)。
肖治：所以您才來到中國尋求更多的數(shù)據(jù)資源嗎？
Artur Kadurin：在中國確實可以獲取大量數(shù)據(jù)，這在海外是辦不到的。但我們到中國不僅僅是為了數(shù)據(jù)，我們希望在中國，甚至是整個亞洲都有更長足的進(jìn)展。中國是一個非常巨大的市場，我們希望能夠與當(dāng)?shù)氐暮献骰锇楹献鳌?/p>
隨著我們跟客戶建立深度合作之后，我們一部分?jǐn)?shù)據(jù)也會來自于合作伙伴。好處就是這些數(shù)據(jù)最靠近一線的研發(fā)和特定的問題，當(dāng)然困難可能也會有，因為部分?jǐn)?shù)據(jù)在收集的時候并不是為AI建模準(zhǔn)備的，所以有時候可能很關(guān)鍵的信息并沒有很好的記錄下來。
康世功：我們現(xiàn)在計劃設(shè)計系統(tǒng)mdaccAutoPlan已經(jīng)在應(yīng)用端完全鋪開了。mdaccAutoPlan中的數(shù)據(jù)，是由美國MD Anderson Cancer Center這些年來積累下來的腫瘤數(shù)據(jù)，然后進(jìn)行訓(xùn)練，它是我們的核心基礎(chǔ)。
肖治：張總，您這兒有國外的數(shù)據(jù)庫給你做借鑒嗎？
張少典：沒有。不管是診療還是醫(yī)院管理，都需要注重中國特點(diǎn)，需要基于國內(nèi)的情況、國內(nèi)的數(shù)據(jù)。對此我談兩點(diǎn)看法：
第一，關(guān)于數(shù)據(jù)所有權(quán)和使用權(quán)的問題，我們認(rèn)為科技類企業(yè)不應(yīng)該妄想自己擁有數(shù)據(jù)所有權(quán)。糾結(jié)于此不是太有意義的事情?？萍碱惼髽I(yè)能做的事情就是立足于自己的核心技術(shù)和能力，要做的事情就是如何讓你的技術(shù)能力形成產(chǎn)品，為醫(yī)院提供更好的解決方案，然后在醫(yī)院內(nèi)通過產(chǎn)品來使用一定的數(shù)據(jù)。
另外一個最主要的挑戰(zhàn)是數(shù)據(jù)治理的問題。為什么影像人工智能遍地開花，因為影像數(shù)據(jù)相對標(biāo)準(zhǔn)。而病歷類、診療類的數(shù)據(jù)就需要大量的數(shù)據(jù)治理。比如說我剛剛給大家講的我們在三甲醫(yī)院做的VTE預(yù)警監(jiān)控系統(tǒng)，僅這一套系統(tǒng)，我們在這家醫(yī)院里面就對接了20多個系統(tǒng)，這背后的數(shù)據(jù)的結(jié)構(gòu)化、標(biāo)準(zhǔn)化、數(shù)據(jù)治理，是一個浩大的工程。
肖治： 何總作為投資人怎么看數(shù)據(jù)對人工智能公司的意義，或者說你們看項目的時候，這一點(diǎn)是不是你們核心關(guān)注的一個話題。
何幸：我覺得毫無疑問，數(shù)據(jù)對于AI是最基礎(chǔ)的東西，在今天，我們要說未來要實現(xiàn)醫(yī)療的AI，首先就是說中國有沒有高質(zhì)量的、AI所需要的，經(jīng)過處理、結(jié)構(gòu)化的，不僅能夠提取字段、理解字段，進(jìn)行更多的智能的拼圖、識別這樣一些底層的東西。
那事實上如果沒有這些底層的東西，沒有積累這些結(jié)構(gòu)化的數(shù)據(jù)呢，很難得到一個有力的AI的診斷結(jié)果。所以從這個角度來講呢，一方面我們非常關(guān)注企業(yè)的數(shù)據(jù)來源，是不是合法合規(guī)。當(dāng)然我們也完全認(rèn)同作為科技企業(yè)，你不太可能擁有整個數(shù)據(jù)的所有權(quán)。使用的時候，我們關(guān)注有沒有足夠脫敏的處理、醫(yī)院的權(quán)利和病患的隱私是否得到很好的保護(hù)。
另外，可能在社會上或者其他行業(yè)里面會有一個誤解，就是AI會替代人類。在中國的醫(yī)療體系里面，說AI會替代醫(yī)生、護(hù)士，往往醫(yī)療接受度會很差。事實上我感覺各位做的事情，都是在幫醫(yī)院節(jié)省不必要的資源和精力。比如說節(jié)省重復(fù)的勞動，縮短它的時間，提高它的產(chǎn)出，減少它的誤診率，避免一些醫(yī)院資源的消耗。對于藥物研發(fā)，事實上是提高篩選的準(zhǔn)確性，減少材料的耗損。
智慧醫(yī)療網(wǎng) ? 2022 版權(quán)所有 ICP備案號：滬ICP備17004559號-5
