AI医疗三年之期：技术、产品、商业的阶段性“方法论”丨CCF-GAIR 2019

编者按：7月12日-7月14日，2019第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。

大会收官的7月14日，「AI医疗」专场依旧座无虚席。五位医疗领域的产、学、医等多方顶尖专家，分享了独特而深刻的前沿技术与商业方法论。

Demetri Terzopoulos：

人工智能在视觉计算与医学领域的作用

Demetri Terzopoulos是加州大学洛杉矶分校（UCLA）杰出教授，计算机视觉与图形学实验室主任。英国皇家科学院、加拿大科学院院士，体素科技首席科学家，ACM、IEEE Fellow。

作为本专场的开场嘉宾，Demetri Terzopoulos教授回顾了计算机视觉的历史：从最初模式识别的方法，到后来基于模型的方法，现在则是过渡到了深度学习阶段。

从1978年开始，Demetri Terzopoulos教授就尝试使用对医学图像进行分析。上世纪80年代开始，Demetri Terzopoulos开始了基于可形变模型的医学影像研究。

1987年，Demetri Terzopoulos与Kass等合作提出了著名的Snake模型，合作发表的论文也在IJCV 第一期Marr奖特刊中获奖，是计算机科学中被引用次数最多的论文之一。模型提出后，各种基于主动轮廓线的图像分割、理解和识别方法蓬勃发展。

在演讲中，教授列举了多个使用主动轮廓模型进行图像分割与重建的案例。

而到了人工智能时代，以数据驱动的机器学习对成像技术作出了突出贡献。Demetri Terzopoulos教授也尝试使用深度卷积神经网络，进行肺结节的探测。他以最近一篇获奖的论文表示，“我相信这是一个大趋势。未来，自动分割会有更多产出，使得医学成像的效率更高。而深度学习和可变形模型的组合，将通过数据驱动来赋能医学影像分析。”

Demetri Terzopoulos教授认为，计算机科学、人工智能和信息技术有巨大的潜力，可以赋能医学事业，这对未来的创新是最大的源泉。但是，他也提醒，“我们有前沿的数据驱动的机器学习技术和强大的模型为基础的方法，但是不能盲目的认为，深度学习的单兵作战就可以解决所有问题。”

“所以我们需要和其他技术结合起来，也就是和传统的医学界共同协作，才能充分用好我们的深度学习、人工智能来促进医学事业的发展。我们需要做大量研究，才能更好地解决医学事业实实在在的问题，并且为更多的病患造福。”

2016年，医疗AI公司体素科技（VoxelCloud）在上海成立，Demetri Terzopoulos教授担任联合创始人兼首席科学家，更好地将学术研究、技术开发与商业落地进行融合。

姚智清：

AI赋能医疗的价值与未来

姚智清是飞利浦大中华区CTO、中国研究院和中国创新中心负责人，是飞利浦大中华区管理团队成员之一，负责推动健康科技和数字解决方案的创新。他从理念基础，技术实现等角度阐释了飞利浦在医疗上的思考与布局。

过去几年，软件开发和AI是飞利浦战略发展的重点，飞利浦每年投入超过18亿欧元进行研发，其中60%用于软件和AI的开发。

姚智清表示，“单点突破难以产生协同，健康产业越来越强调从院内到家庭护理的全流程解决方案。”

为此，飞利浦形成了健康生活、精准诊疗、影像介入治疗、互联关护四大事业群。

数据大不代表大数据，如何让数据真正有价值？姚智清认为有三方面的因素：自然语言处理、深度学习、大数据挖掘和分析等技术。

飞利浦与全球范围内4000多家顶级医院、科研机构、创新平台等紧密合作，从数据的来源、建模、训练到结果测试、评判都严格遵循临床指南和医学路径，并基于科学评估标准和体系，反复严格验证，确保为临床提供安全可靠的解决方案。

平台化是飞利浦的重要战略方向，医学界、工业界、创新平台，必须打破界限、发挥所长，共同构建AI 健康医疗生态系统。“我们是一家好公司，但我们并不是唯一的一家好公司，在医疗领域发挥特长，需要跟各位专家持续合作。”

姚建华：

人工智能在病理诊断中的前沿研究和应用

姚建华是医学影像AI领域国际级专家，在腾讯 AI Lab负责AI+医疗领域的前沿研究及产品落地。

腾讯AI Lab是公司级的实验室，据姚建华介绍，现在AI Lab有超过70名研究员和超过300名工程师，研究方向包括计算机视觉、机器学习、语音识别、自然语言处理，医疗是实验室的主要应用场景。

腾讯AI Lab为腾讯首款将人工智能技术运用在医学领域的AI产品——腾讯觅影提供算法技术支持。2017年11月，科技部公布首批国家新一代人工智能开放创新平台名单，并明确依托腾讯公司建设医疗影像国家新一代人工智能开放创新平台。

作为一个技术派人员，姚建华博士从技术层面分享了腾讯AI Lab在病理和人工智能方面做的前沿研究和落地。

姚建华认为，病理诊断是一个非常复杂的过程，主观性很强，一致率比较低。因此利用人工智能技术，可以帮助医生提高诊断的可重复性，提高准确率和效率，从一定程度上缓解病理医生不足的状况。

但是对于病理分析而言，病理的图像尺寸非常大，对计算机的处理性能提出挑战，此外，医生经常要识别病理图像中非常细微组织的变化。在自然图像中比较成功的算法往往在病理图像中不能达到相应的效果，因此，工程人员就需要开发特殊的算法。

目前，病理AI的主要研究领域有三部分：

第一，开发基于AI技术的病理诊断模型，以提高医生的诊断效率，提高微小病变和疑难病例的识别能力。

第二，病理组学，从病理中提取对诊疗有用的特征，进行定量化分析，发现病理特征和诊疗之间的关联性。

第三则是更高级的功能，利用病理数据来开发基于AI技术的病理预后预测模型，预测治疗的效果以及五年的总生存率。

姚建华博士说到，这三个方向可以覆盖从基层医院到三甲医院的不同应用场景。

围绕染色归一化、结直肠癌病理诊断、结直肠息肉分类、淋巴结转移检测、免疫组化(IHC)、疗效预测等方面，姚博士所在的团队都提出了一些有针对性的解决方法，例如在疗效预测方面，将传统的特征提取与分类方法进行结合，可以得到更好的预测效果。

尹国圣：

Statistics and AI in Medicine

尹国圣教授是香港大学统计与精算系主任，潘燊昌基金教授， Fellow of the American of Statistical Association。他的研究方向是临床试验设计、生存分析、贝叶斯统计方法和机器学习，发表论文150余篇，同时还担任Journal of American Statistical Association, Statistical Analysis and Data Mining，Contemporary Clinical Trials等杂志的副主编。