作者:范昕茹 来源:it时报
在所有行业中,医疗行业是产生数据最多的行业之一,其一年产生的数据量大约占全球数据总量的30%。其中,智慧医疗每年产生约59pb的数据,生物医学研究每年产生约40pb的数据。
在2023中国国际医疗器械博览会暨“ai边缘计算赋能医疗影像,助力基层医疗创新升级”论坛上,英特尔中国区物联网及渠道数据中心事业部总经理郭威认为,如何利用好这些数据,是科技赋能医疗的核心所在。“在医疗行业上,英特尔主要做三件事情,即‘一个基础,两个核心点’。”郭威解释说,一个基础,就是以人工智能为基础赋能行业,让人工智能在英特尔的芯片上跑得更好。两个核心则是指加速科研创新和赋能智慧医疗。
人工智能等技术的加持,正让医疗变得更加智慧和便捷。
英特尔中国区物联网及渠道数据中心事业部总经理郭威
ai某些单病种检测率可达95%
随着ai在医疗行业的应用,ai在医疗影像上的应用已经十分广泛,主要集中在流程改造、疾病诊断和健康管理及治疗上。
中华医学会放射学分会主任委员、中国医学影像ai产学研创新联盟理事长刘士远在会上公布了一组数据,一份面向全国医学影像人工智能调研结果显示,大医院的ai使用率已经达到了73%。截止目前,我国nmpa注册证已经达到了55张以上。
ai正让医疗检查变得更加便利。比如在冠脉的影像诊疗中,以往不用ai的时候,一个病人从扫描到图像重建,再到生成报告,往往需要花费30分钟左右。但现在,因为ai,重建处理的过程被缩短到了1分钟左右。也就是说,现在仅需6分钟,就能完成冠脉检查到报告生成的全过程,大大增加了检查的效率。刘士远说:“检查速度快了,意味着一天内医院能完成的冠脉检查数量要比以前多了,患者也因此能够获益。”
而在肺结节、冠状动脉cta成像、头颈部cta人工智能模型、骨折模型、灌注等医学界常说的“五大金刚”的检测上,ai已经有很高的检出率。在刘士远看来, ai在一些容易被遮挡的部位更有优势。因为ai的分辨率更高,一般在平面片子上看不到的地方,肉眼容易漏诊,但ai却可以“看”得更清楚,提醒医生可能存在的病变。他给出了一份某三甲医院的统计数据。数据显示,在冠脉领域,ai的应用帮助医院的斑块狭窄检出率从原本的60%多,提升到了95%左右。肺结节的检出率从原来的35%提升到了70%。
汇医慧影公司提供的产品则可以帮助患者在拍摄ct时,同时完成骨密度的相关检测。汇医慧影ceo柴象飞介绍说,在不用体膜的情况下,患者只需要对胸部或腹部进行扫描,ai就可以自动计算出骨密度。如今,这项检查已经可以广泛应用在骨质疏松筛查,包括锥体形态分析、骨折预测、肌少症、肥胖症以及术前的规划等等的方面。
汇医慧影ceo柴象飞
尽管现阶段ai大多被集中应用在单病种的诊疗过程中,但在刘士远看来,随着人工智能影像的进一步发展,未来ai医疗产品将越来越丰富。这些产品将帮助ai诊疗从单病种向多病种多任务发展,形成基于部位和器官的软硬一体化,基于互联网的源共享以及诊疗的一体化,从而达到全流程覆盖,形成良好的生态。
“ai的发展,是扑面而来,”刘士远说,“就像海浪一样,一波一波地冲击,一波波看上去一样,但是内涵都不一样。”
10年内ai不会取代医生
当ai越来越多地介入到医疗环节之中,对于传统的放射科医生来说,是否意味着他们的工作职能将要被取代?
“2016年,我们开始建医学影像人工智能联盟的时候,同事会说,你们在做的事情是给自己做掘墓人。”一位医疗行业专家说,“但从这五六年的经验来看,至少在十年内,它还无法取代影像医生。”
这位医疗行业专家认为,尽管在一些常见病的检测方面,ai的准确率已经超过人类医生。但在实际的医疗诊断中,ai仍然存在缺陷。她说:“根据目前有限的,能够看得到的可靠报道,往美好的地方想,ai能达到高年资主治医生水平。”
之所以给出这样的判断,是因为在她看来,医学上的知识和单纯去看图像、照片是截然不同的。在实际的医疗诊断中,医生需要结合患者的病史、用药史等多重信息来判断病人的病情,而非单纯依照图片给出诊断。因而,ai给出的报告仅仅只是参考,医生还需要依托自己的经验进行综合判断。“不过,”她说,“如果医生只满足于简单的诊断,那一定会被ai所取代。”
但在刘士远看来,尽管目前ai仍处于辅助治疗决策的阶段,但随着chatgpt的发展,ai替代医生的可能性似乎越来越高。“但我并不认为这是一种危机,”他说,“这其实是一种机遇。”
在他的设想中,未来的医生不会只面对冷冰冰电脑屏幕,而是需要走向更鲜活的人生,和病人沟通,为病人解决问题。他说:“医生的价值在于与病人一起解读ai生成的报告。”当ai报告的准确性足够高,可以直接用于疾病的诊断,对医生和病人而言,意味着效率的提高,因而医生和病人都有更多的时间投入到工作和生活中,“这不是很方便吗?”
多模态ai是未来
辅助诊断和ai自主进行诊断之间到底还有多远?一位英特尔专家给出的答案是,还缺一个多模态ai。
在这名专家看来,影像ai通常只能用作辅助的一个原因在于,影像诊断本身并不是单纯基于影像数据的判断。他说:“无论是放射科医生还是临床医生,在制定诊断方案时都需要结合患者的基本信息、人口学信息、历史病例信息,甚至包括基因数据,综合评估才能得出一个诊断结果。”
这意味着,单纯依靠影像ai并不能解决诊断问题,必须得结合电子病历数据、基因数据等多种数据来源进行多模态的分析。“这也是未来临床应用的一个趋势。”他说。
在医疗行业,尽管对于多模态的分析已经进行了很多年,但目前关于多模态ai的研究仍处于研究阶段,应用相对较少。这是因为多模态分析通常涉及到影像和病例等多种数据。在医学界,数据的获取和共享仍是一个世界性难题。
相比chatgpt等大模型,医疗行业的ai产品的数据投喂量往往在1000个病例左右,远远小于gpt的数据投喂量。这对医疗多模态ai的产生提出了挑战。而在数据的标注上,医疗行业的标准制定远比其他行业困难,即便是专家级别的医生教授之间,对同一个病种,也很难达成一致。凡此种种,都给医疗多模态ai的产生提出了挑战。
在理论层面,多模态ai形成诊断的流程是通过输入多模态数据,ai将数据进行融合后,通过模型,产生诊断。“因为结合了不同维度的信息,从理论上来说,它的结果应该更加精准,”该英特尔专家表示,“但问题是,模型更复杂之后,可能会变得超级大。”这不仅会提高模型的研发难度,还会增加使用者的使用难度。因为多模态模型的可理解性和可解释性会更差。
以上就是ai正帮助医疗变得更智慧和便捷的详细内容。