立即注册找回密码

QQ登录

只需一步,快速开始

微信登录

微信扫一扫,快速登录

小桔灯网

小桔灯网 门户 资讯中心 人工智能 查看内容

提升“核心算法”驱动力 突破医疗AI发展困局

2019-11-28| 编辑: 面气灵| 查看: 1771| 评论: 0|来源: 中国医药报

摘要: 《新一代人工智能发展规划》及《关于促进和规范健康医疗大数据应用发展的指导意见》等文件的发布,在一定程度上推动了医疗人工智能技术的发展。但对于企业如何获取并使用医院数据方面的规定,相关法律法规并不完善。 ...
《新一代人工智能发展规划》及《关于促进和规范健康医疗大数据应用发展的指导意见》等文件的发布,在一定程度上推动了医疗人工智能技术的发展。但对于企业如何获取并使用医院数据方面的规定,相关法律法规并不完善。
    其实,法规问题仅是医疗人工智能面临的问题之一,在浙江大学应用数学研究所所长孔德兴教授看来,扼住人工智能(以下简称AI)发展“咽喉”的关键在于“核心算法”,而当前,AI算法的发展情况尚不能满足医疗环境对此项技术的需求。
    孔德兴认为,目前,AI领域缺乏能对小样本进行分析,并能将真实世界数据加以数字化的新一代AI。若不具备这一条件,AI技术可能在实验室中表现优异,而一旦进入医院,其准确率便将大打折扣。
    此外,医院需尝试搭建一个支持AI医疗产品的信息化系统,用以打通不同医疗机构间的数据隔阂,消除不同产品间的影像格式差异。
    以上问题既是挑战,也是机遇。孔德兴将其分成四个方面的具体问题,并尝试从“数理”角度给出解决方案。
 
    问题一:精准性瓶颈
    精准性瓶颈问题来自影像设备及医生认知的局限性。“现在的图像不是照出来的,是数学算出来的。”影像学的未来应走向彻底的数字化。
    从临床角度来看,自基因发生异常到组织出现病变需要一年的时间;而从组织出现病变到肿瘤形成需要5~20年的时间。周期虽长,但若仅由医生通过医学设备进行观察,很多病灶将不可避免地被忽视。这不是医生的水平问题,而是由人类视觉极限所致。
    因此,一方面,医生需借助更精准的设备,生成更详细的图像信息;另一方面,研究人员需应用数理方法,挖掘影像数据中包含的深层信息。对人工智能而言,这两方面的研究均有待深入。
 
    问题二:分析方法缺陷
    目前,通过计算机视觉来处理医学图像很难达到精准的效果,最常见的问题有“同病异像”“异病同像”“模糊边界”等。
    针对这一问题,许多AI企业开出“药方”,如将电子病历等信息融入AI技术和产品中,为AI“构造”一个关联“上下文”的场景。而在实际应用中,缺乏从源头可控和图像分析一体化的角度处理,以及常用刚体的图像处理方法处理柔性对象等问题,这些均影响着AI识别图像的精准度。
 
    问题三:数据孤岛
    AI是一项以大数据、大模型等为基础的技术,但由于隐私保护、知识产权等因素的存在,不同医疗机构间的数据难以打通,这阻碍了医疗AI的高质量应用。
    对于这一问题的解决,联邦学习(一种机器学习框架,能帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下进行数据使用和机器学习建模)或许能成为一个途径。通过运用这种分布式的计算模式,研究人员可在不改变数据属性、安全性的前提下将各医院的数据连接起来,用于人工智能的训练。
 
    问题四:深度学习缺陷
    大数据依赖、黑箱建模、真实数据迁移困难这三大问题是AI在医疗领域发展所遇到的特有问题,也是制约医疗AI发展的关键因素。目前对此尚无有效解决方案,而发展新一代深度学习算法或将成为一种方法。
    AI在当下受到广泛关注,但因“经验+案例”模式仍是AI产品研发的主流方式,且理论、技术、方法尚未取得重大突破,因此,实现医疗AI的临床应用仍需要一定的时间。
    另需注意的是,对AI医疗器械产品来说,严格的审批流程确有必要,这有利于医疗AI产业的长远发展。
    对于医疗AI领域的市场价值,我们应理性评估。尽管获得审批并不意味着医疗AI产品一定能实现优异的商业化落地,但其必能为AI初创企业营造一种更为优良的发展环境,企业潜力或将由此而迸发。
声明:
1、凡本网注明“来源:小桔灯网”的所有作品,均为本网合法拥有版权或有权使用的作品,转载需联系授权。
2、凡本网注明“来源:XXX(非小桔灯网)”的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。其版权归原作者所有,如有侵权请联系删除。
3、所有再转载者需自行获得原作者授权并注明来源。

鲜花

握手

雷人

路过

鸡蛋

最新评论

关闭

官方推荐 上一条 /3 下一条

客服中心 搜索 官方QQ群 洽谈合作
返回顶部