雷锋网按：2018 全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，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，得到了深圳市宝安区政府的大力指导，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盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。
6月30日，2018 全球人工智能与机器人峰会（CCF-GAIR）继续进行。在下午的计算机视觉专场中，飞利浦中国副总裁兼CTO王熙发展了主题为《AI在健康医疗中的价值》的主题演讲。
王熙在演讲中表示，技术进步、社会发展、医疗资源紧缺推动了AI健康医疗在中国的发展。在这样的背景下，飞利浦不是简单地利用相关技术处理医疗的图像，而是要深刻地理解临床的应用场景，怎么跟临床的路径（治疗、诊断）进行深刻的结合。他认为，没有交叉学科知识的互动，很难有真正深刻的理解。
飞利浦在AI方面的投入相当大，据王熙介绍，飞利浦一年大概有250多个项目是和大数据、人工智能在医疗影像方面的研究相关。同时他也表示，科研型项目的的核心也是为了开发出技术，最终做出产品。
王熙认为，做产品跟做技术还是不完全一样的，产品要具备一定的普适性，因为不同的医院具体的临床流程各方面都不太一样。“比如说我们很多县级医院的CT，我们要求它一天扫上百个病人，但在欧美国家基本上没有这样的需求量。”
在打磨自身技术和产品的同时，飞利浦也在和企业合作，例如与神舟医疗合作推出的“神飞云”，意在通过云化的方式，结合飞利浦的星云影像后处理系统，让优质的医疗资源下沉到基层医院。
以下为王熙的现场演讲内容，雷锋网作了不改变原意的整理和编辑：
王熙：我们都在谈医疗影像，从这个角度来看，有没有办法从源头开始就在影像链上把影像的质量做高，前期的困难可能就会减少很多。有很多是技术上的难点，也有很多是临床上的障碍。比如说成像，我们都不希望输入太多的成像剂，怎么在成像剂量很少的情况下又保证有很好的质量，这是很多公司都在研究的事情。
大数据、人工智能的突飞猛进，为医学影像带来了很多新的机会，我觉得医疗影像和计算机视觉结合能给大家创造得更多的机会。我们相信未来能有更多新的技术在更少的剂量注入的情况下，解决我们面临的问题。
接下来简单介绍一下飞利浦在这一块的看法。数据量不断地增加、计算机能力不断提高、存储的成本越来越小。这些都给我们的大数据分析、人工智能带来了很多的机会。从另外一个角度来看，有慢性病的问题，还有老年的相关疾病，无论是对医疗资源的占用，还是相关的新技术的难点，我相信大家都是有目共睹。
有一个数据是，到2026年，AI应用将为美国医疗经济每年节省1500亿美元。美国在医疗相关的费用占GDP的比重是相当高的，大概17%左右，用于老年疾病慢病管理的占70%左右，这些都是相当惊人的数据。
为什么我们说中国有更多的机会？现在中国的这些数字创新带来了很多跟人体健康相关的机遇，一方面它产生了更多的数据，而且这些数据往往不像以前那样在医院里面产生，可穿戴的健康设备带来了更多的数据，这些数据本身可能是非结构化的，但是这些数据可能会给人的长期健康监测带来很多的价值。
中国逐渐进入老龄化社会，医患的比例跟世界其它国家相比都更严峻，所以在这方面AI会有更多的应用，我们也有很多初创企业在这方面做了很多突出的贡献，但是也都集中在一些大家都知道的领域，比如说肺结节的检测等等方面，飞利浦在4-30毫米大小结节的检测中的误差率小于1%，敏感度基本上是能达到85.3%，特异性能达到接近93.9%，这个与创业公司的产品效果也是不相上下的。
实际上，飞利浦在这方面的应用也是遇到了很多难点，我们不是简单地利用相关技术处理医疗的图像，而是真正深刻地理解临床的应用场景，怎么跟临床的路径（治疗、诊断）进行深刻的结合。没有交叉学科知识的互动，很难有真正深刻的理解。除此之外，CT、核磁，还有一些可穿戴设备产生各种多模态的数据，怎么利用这些额外增加的数据，通过多模态的方式带来更精准的治疗或者诊断，这是相当复杂的一件事。
还有一些非结构化的数据，我们现在对于肿瘤患者的治疗，一方面它的信息分散在不同的科室，有核磁、CT、病理分析等，如何把这些数据有效地整合到一起，并且展示给医生最核心、最相关的数据，甚至还有一个时间轴的概念。因为在不同的时间轴上，这些病变本身都是不一样的，这一系列非结构化的数据经过了收集、处理，其中包括了一些大数据的分析，也包括了一些其它应用技术的拓展，怎么能够把它真正地结合临床，这是相当有难度的。
有效的的标注不仅昂贵，而且即使是放射科的医生看片子，他们的共识度都只有60%、70%。因此即使有了标注，这个标注是不是有足够的代表性，是只收集了每个地区的两三家医院，还是在世界范围内有足够覆盖面和代表性的数据。
在医疗体系内部，中国也面临各个部门之间信息不够畅通的问题，以前可能放射科的信息没有办法拿到别的科室，你在做一些高阶应用的时候也非常难。在这个过程中如何进一步壮大计算机视觉、AI在这个领域的应用，我相信跟监管、标准化的制定是分不开的，否则这里面会有恶性竞争，会出现各种各样的医患矛盾。
飞利浦特别强调的一点是，我们是一个健康科技的公司，从这个角度来讲，我们也恰恰是从健康的生活方式到预防、诊断、治疗、家庭护理，形成一个完整的链条，其中体现了一个核心的精神是什么？从以过去的以“疾病”为中心转移到了以“健康”为中心。
我相信大家都是患病才会去到医院，尤其对一些重症来说，还要多找几家医院进一步确认。现在跟个人相关的健康数据，它的来源更多，包括可穿戴设备等等。你做了一个PCI手术之后，你还需要有家庭护理，你在做家庭护理的时候，你是不是真的安心了？
事实上现在也有这样的手段，我们也提供这样的解决方案，比如说做了心脏支架手术的病人，回到家他照样能够跟医院形成足够的连接，病人的信息也能够及时反馈到这个医院。医院有相应的监控设备，通过大数据和AI的手段，使得我们能够很精准地知道是不是要及时通知他回到医院复查，进一步得到相应的治疗。
数据化转型首先是通过数据的驱动，让这些数据更有价值。另外也是一定程度上通过深度的学习，消除医生的盲点，筛选与分析同步进行，提高医学影像分析与诊断的效率和准确率，让他们进一步专注在需要关注的点上。飞利浦在全球的核心研究院都会在这些领域做一些深入的探讨，比如说自然语言的处理、深度学习和大数据分析。
我们也有一些新的概念，比如说数字双胞胎，这个含义其实很简单，大家都收集到了很多的数据，这个数据拥有一定的共性，某一种病灶可能是有一些共同的特点，但是光有这些共同特点可能不见得是你个人比较个性化的诊断和治疗的基础。我们怎么能够找到这个患者的、甚至沿着时间轴的演变的个性的东西，你只有把这两者结合起来，才能真正起到它应该起到的效果。
在乳腺超声筛查当中，我们也有相关的技术手段，但是在中国还有需要探讨的地方。大家知道钼靶治疗对中国女性不如对西方女性那么有效果，MRI是一个相对的金标准，但是要将MRI作为一个筛查的手段，以目前的情况来说是非常难的，因为每一个病人需要的时间相当长。有没有相应的技术手段，包括利用一些AI的技术，能够使得有一天MRI成为真正的乳腺癌筛查手段？这都给我们在座的各位提供了非常好的临床应用场景。
我们也提到了四维模型，就像刚才沈教授所说的，现在光讲3D在很多应用场景里面还是不够的，我们后面也有一个平台，针对CT、MRI、内窥镜、IGT等多模态的图像，都有相应的三维甚至四维的处理。临床数据当然能带来很多好处，提升效率，适应实际的环境等等，这都需要扎根于真正临床的环境当中。
我们也有一些相关的基础，用云平台全球战略与本土战略提供的存储和计算功能，进行靶区的分割、匹配诊断，还有医学影像的自动分析等等。
做产品跟做技术还是不完全一样的，它要具备一定的普适性，因为不同的医院具体的临床流程各方面都不太一样。比如说我们很多县级医院的CT，我们要求它一天扫上百个病人，但在欧美国家基本上没有这样的需求量。所以，对于CT产品来说，它的制造也都带来了相当大的挑战，首先球管要有足够大的容量，要不然球管过热，整个CT就得停机。
我想介绍一下我们的星云医学影像人工智能平台，这个平台既可以是单机版的，也可以是云端的，它的核心目的是提高医院临床对于患者的诊断效率，里面集成了很多人工智能的技术。人工智能最近几年很火，但对于很多医疗设备、医疗器械供应商来说，这一块的发展都已经有几十年了。
在本土化战略上，我们也做出了一些成绩。比如说我们跟神州数码在今年CMEF（中国医疗器械展）上推出了“神飞云”的智慧医疗云平台。这个平台发布的核心意义就是带来了一种新的选择，也就是说一些私人医院或者是相对偏小的医院，他们不见得非要有很优秀的放射科医生，但是他可以买一些医疗设备，做完了病人的扫描，把相应的医疗影像传输到云端，让能够做诊断的医生可以在远端提供相应的诊断，写诊断报告，这些方面也是在响应国家的分级诊疗号召、助力医联体建设。
星云医学影像人工智能平台是直接植入在医院诊断的流程当中，不太适合也很难拿它进行研究性的工作。因此，我们也为医院医生研究了一个科研的环境，提供多种图像分割、多模态配准以及影像组学、DTI等一些计算工具。
实际上，飞利浦有很多工具，但是这些工具必须要有应用的场景，并且发挥这些工具带来的特殊效率和意义。就比如，飞利浦的数字信号处理能力，这是指对噪声中的信号进行分析和修改，使其转化为有意义的数据和信息的过程，这是飞利浦最强大、应用最广泛的核心技术能力。
我们在AI方面的投入也相当多，一年大概有250多个项目是和大数据、人工智能在医疗影像方面相关，当然科研型项目的的核心也是为了开发出技术，最终做出产品。我们也希望营造一个共同的生态圈，我们也呼吁大家一起来合作，有更多的机会把AI、计算机视觉的技术放入到更进一步造福大健康的战略，进一步造福包括患者在内的所有人。
正在生成分享图...
吴彤