．AI + 醫療，打造全流程智慧醫療

Machine Learning For Medical Image Analysis - How It Works

智慧安控專區，展覽報名聯絡人：

0935-970-603 施正偉

來源：企业网D1Net

如何將新興技術賦能業務營運？幾乎成為當代 IT 管理者孜孜不倦的話題，「賦能」，似乎已經成為數位化時代中，各大峰會論壇必不可少的關鍵詞彙。

作為新一代科技革命和產業變革的核心驅動力，人工智慧儼然已成為新興技術的典型代表，理所應當的開始為醫療、金融、安防、教育、交通等傳統行業帶來了新的機會。

「醫療人工智慧是一套漫長的路，不是一兩年就能看到成功的，還需要大量的實踐，將模型應用在醫院、患者和醫療機構中，不斷累積經驗，完善模型。」

醫療科學家表示，過去五年中在醫療領域就做過很多人工智慧的投入，包括診前做疾病的預測、疾病的篩查，診中做智慧的輔助診斷和輔助治療，診後做隨訪，試圖利用 AI 技術賦能醫療診前、診中、診後全流程。

圖源：图虫创意

診前疾病預測

疾病預測是一個很重要的問題，中國有超過 3 億的慢性病患者，透過預防等手段控制病人的數量，延長病人患病時間能夠大幅度提高人民的生活品質並降低費用。目前疾病預測有三大技術挑戰：

1. 醫療數據多模態，維度高，如何從成千上萬維度中尋找關鍵的風險因素；

2. 時間序列分析，患者醫療數據不是單次，可能有三到五年甚至更長的數據，如何從疾病演進中，預測各類事件的發生；

3. 可解釋性，醫療的模型要求醫生能夠信任和理解。

「目前在做兩步的疾病預測方案：融合深度學習、整合學習，包括時間序列分析各種方法，建構精準的疾病預測模型，要求教現有的模型精度提升 50% 以上；針對非線性模型做各種因子分析，幫助醫生理解。」

將這類模型用在了兩個領域：人群趨勢預測(例如對對岸中國都會人群做流感和手足預測)、針對心血管、糖尿病、呼吸系統、慢阻肺和腎病四大疾病，做出超過 40 個疾病預測，覆蓋五個省市中的 2 億人群，進行早期乾預和治療。

醫學影像輔助篩查

病患人診斷技術大，醫生相應的負擔和工作量也大。平人工智慧需要從醫學影像切入，提高醫生的效率，提升醫生看片的品質，要求覆蓋人體九大系統，透過 40 多種模型覆蓋多模態影像，無論從頭部、內分泌、心血管都是最全面的醫學影像方案。

針對提高醫生效率，透過智慧病理影像技術，對病原細胞分類，生成報告，讓醫生去修改，以提高醫生的工作效率。在品質方面，透過對人眼底 3D 掃描，利用系統自動篩查，最後呈現給醫生和患者篩查，提示患者就診，提高篩查效率和品質。

疾病的輔助診斷和治療

分級診療能夠平衡基層醫療資源，但如何保證基層醫療機構的診療品質，仍然是個重點。基層醫療機構的醫生，受限於自身能力和經驗，而分級智慧治療技術，能夠協助其在就診時，提供最好的診斷和治療建議。

「分級智慧治療技術的系統核心，需要提供數據庫和知識庫。」，在長時間的的業務累積和經驗沈澱的過程中，依託豐富的數據庫和知識庫，建構強有力的智慧診療系統。

然而智慧診療系統(也就是醫學大腦)的建構並不簡單，需要分為兩步：第一步需要將文獻和知識庫變成圖，並找到內在關係，構成一個龐大的知識圖譜，為整個疾病診療過程，搭建主框架。第二步透過大量的病例、影像檢查查驗結果，讓知識圖譜變成一個持續學習的系統，為基層隱身一步步，提供精確的診療方案和建議，提高醫生診療能力。

按此回今日3S Market新聞首頁

AKD 寰楚專業級全系列監控設備