2017 年 7 月,，國務(wù)院正式印發(fā)了我國在人工智能領(lǐng)域展開系統(tǒng)性部署的第一份文件《新一代人工智能發(fā)展規(guī)劃》，正式將人工智能上升為國家戰(zhàn)略,。規(guī)劃中還重點提到了要加快人工智能在醫(yī)療領(lǐng)域的創(chuàng)新應(yīng)用,，建立智能醫(yī)療體系、探索智慧醫(yī)院建設(shè),，基于人工智能開展醫(yī)學(xué)研究和新藥研發(fā)等,，醫(yī)療人工智能再一次被提到了政策高度。

與此同時,，資本的敏銳目光也聚焦到了醫(yī)療 AI 領(lǐng)域,，創(chuàng)投熱情高漲，據(jù)前瞻研究院數(shù)據(jù)統(tǒng)計,，2013 年到 2017 年,，中國醫(yī)療人工智能行業(yè)共獲得 241 筆融資，其中單是 2018 年上半年,，就有 18 家公司獲投,，總金額超過 31 億元。在政策助力和資本加持下,，醫(yī)療人工智能成為時下最火熱的領(lǐng)域之一,。

近年來，伴隨著機器學(xué)習(xí),、數(shù)據(jù)挖掘,、計算機視覺等技術(shù)的發(fā)展，人工智能與醫(yī)療領(lǐng)域融合的趨勢在不斷加強并碰撞出新的火花,，人工智能技術(shù)的運用為醫(yī)療健康行業(yè)賦予了新的活力,，幫助提升醫(yī)療服務(wù)水平,，降低醫(yī)療成本,，讓醫(yī)療活動更加有效率,。

在技術(shù)層面，由于算法算力的改進和提升,，加之醫(yī)療大數(shù)據(jù)的規(guī)模激增,，各個醫(yī)療場景中的 AI 技術(shù)發(fā)展趨向成熟。目前,，醫(yī)療人工智能有 7 大應(yīng)用場景：醫(yī)學(xué)影像,、輔助診斷、疾病預(yù)測,、藥物研發(fā),、健康管理、醫(yī)院管理,、醫(yī)學(xué)研究七大應(yīng)用場景,。

在上述場景中運用到了五大主流的 AI 技術(shù)：計算機視覺、數(shù)據(jù)挖掘,、智能語音交互,、自然語言處理、機器（深度）學(xué)習(xí),。

計算機視覺

簡單來說,，計算機視覺技術(shù)就是來研究如何讓機器具有“看”的智能，現(xiàn)在這項技術(shù)已經(jīng)廣泛運用到了日常生活中,，如人臉識別,、虹膜識別、自動駕駛等,，它也是目前醫(yī)療場景中運用最多的技術(shù)之一,，尤其廣泛用于醫(yī)療影像中。

計算機視覺技術(shù)能夠?qū)︶t(yī)學(xué)影像進行圖像分類,、圖像檢索,、目標檢測、圖像分割等處理,，人工智能可 24 小時無疲勞不間斷工作,，能夠大批量處理圖像數(shù)據(jù)，減少醫(yī)生的閱片時間,，降低漏診率,。

在醫(yī)學(xué)影像中，人工智能技術(shù)主要解決三種需求：

1,、病灶識別與標注,。人工智能技術(shù)對醫(yī)學(xué)影像進行圖像分割,、特征提取、定量分析,、對比分析等工作,。

2、 靶區(qū)自動勾畫與自適應(yīng)放療,，輔助放療科醫(yī)生對腫瘤放療環(huán)節(jié)的影像進行靶區(qū)自動勾畫,，按照傳統(tǒng)方式，放療科醫(yī)生一次靶區(qū)勾畫通常要處理 200-450 張 CT 圖像,，勾畫速度和耗時長,，一次勾畫要花 3-5 小時，而通過 AI 技術(shù)自動勾畫可以將時間大大縮短為 30 分鐘,，而且還可以在患者 15-20 次上機照射過程中間不斷識別病灶位置變化以達到自適應(yīng)放療,，有效減少射線對病人健康組織的傷害。

3,、針對手術(shù)環(huán)節(jié)的影像三維重建,。

數(shù)據(jù)挖掘

數(shù)據(jù)量大是中國醫(yī)療產(chǎn)業(yè)的“特色”。曾有統(tǒng)計表明,，到 2020 年,，醫(yī)療數(shù)據(jù)將增至 35ZB，占全球的 20%,，但這些龐大的數(shù)據(jù)中卻有 75% 以上是非結(jié)構(gòu)化的,。目前中國的醫(yī)療體系中，不同醫(yī)院,、不同科室信息不互通,，一個個信息孤島將數(shù)據(jù)（信息）壁壘越堆越高。此外,，患者的病歷報告沒有統(tǒng)一標準,、醫(yī)生手寫不規(guī)范等導(dǎo)致醫(yī)療數(shù)據(jù)質(zhì)量不佳，數(shù)據(jù)的價值并沒有真正被挖掘出來,。

借助數(shù)據(jù)挖掘技術(shù),、深度學(xué)習(xí)算法通過數(shù)據(jù)采集、存儲,、分析等環(huán)節(jié)對海量的醫(yī)療數(shù)據(jù)進行大規(guī)模清洗處理和分析,，并將臨床數(shù)據(jù)結(jié)構(gòu)化，從中挖掘有價值的信息諸如病癥的規(guī)律總結(jié)等,，可以有效輔助醫(yī)生做診斷決策和安排治療方案,。

語音 / 語義識別

語音識別是指將語言轉(zhuǎn)換為文字的過程，語音識別系統(tǒng)主要包括 4 個部分：特征提取、聲學(xué)模型,、語言模型和解碼搜索,。近年來，語音識別技術(shù)已經(jīng)逐漸走向成熟,，基于深度學(xué)習(xí)的端到端的語音識別方法簡化了聲學(xué)模型訓(xùn)練的過程,，在實用性方面頗受業(yè)界青睞。

在醫(yī)療場景下,，語音 / 語義識別主要用于輔助診療,，相應(yīng)的產(chǎn)品有導(dǎo)診機器人,、診斷與治療機器人,、虛擬助理、康復(fù)機器人,、語音電子病歷等,。其中，導(dǎo)診機器人運用語音識別,、人臉識別等技術(shù),，為患者提供掛號、就醫(yī)流程指導(dǎo)等服務(wù),。虛擬助理可以幫助醫(yī)生回復(fù)患者的線上問診,，實現(xiàn)智能問診、導(dǎo)診,、智能用藥等,。

自然語言處理

自然語言處理是分析、理解和生成自然語言以方便人與計算機,、人與人交流的技術(shù),，其核心技術(shù)有機器翻譯、信息檢索,、推薦系統(tǒng),、語言生成等。在醫(yī)療產(chǎn)業(yè)中,，自然語言處理多和語音識別等人機交互技術(shù)一起用于智能問診,、結(jié)構(gòu)化電子病歷等虛擬助理產(chǎn)品中。

機器 / 深度學(xué)習(xí)

以機器學(xué)習(xí)為核心的人工智能技術(shù)正在改變著傳統(tǒng)醫(yī)療產(chǎn)業(yè),，它包括遷移學(xué)習(xí),、強化學(xué)習(xí)、對抗學(xué)習(xí)等類別,。最近幾年,，機器學(xué)習(xí)尤其是深度學(xué)習(xí)技術(shù)的發(fā)展推動醫(yī)療 AI 走向新的高潮。按照拓撲結(jié)構(gòu)分類,，深度學(xué)習(xí)可分為卷積神經(jīng)網(wǎng)絡(luò),、循環(huán)神經(jīng)網(wǎng)絡(luò)和全連接神經(jīng)網(wǎng)絡(luò),。

深度學(xué)習(xí)在醫(yī)學(xué)上的應(yīng)用已卓有成效，例如卷積神經(jīng)網(wǎng)絡(luò) CNN 在識別,、處理醫(yī)療圖像上的準確率非常高,。深度學(xué)習(xí)算法可以更有效、更全面地處理醫(yī)學(xué)數(shù)據(jù),，提煉出有價值的信息,，進行快速準確地圖像標注來為醫(yī)生提供輔助診療意見，幫助醫(yī)生提高效率,、節(jié)省時間,。

醫(yī)學(xué)影像，是目前人工智能在醫(yī)療領(lǐng)域最熱門的應(yīng)用方向,。

據(jù)億歐智庫統(tǒng)計,，截至 2019 年 7 月，中國共有醫(yī)療人工智能企業(yè) 126 家,，其中開展醫(yī)學(xué)影像業(yè)務(wù)的企業(yè)數(shù)量最多,，共 57 家，其次是開展疾病風(fēng)險預(yù)測業(yè)務(wù)的公司,，共 41 家,。反映在資本市場上，也是醫(yī)療影像最受青睞,，在 2012 年至 2019 年 5 月獲投的醫(yī)療人工智能企業(yè)中,，智能影像領(lǐng)域占比最高，醫(yī)學(xué)數(shù)據(jù)挖掘領(lǐng)域及健康管理領(lǐng)域分列第二,、第三位,。

醫(yī)學(xué)影像的處理本質(zhì)上就是計算機視覺技術(shù)的運用，計算機視覺技術(shù)能夠?qū)︶t(yī)療影像進行快速閱片和智能分析診斷,，準確標記特定異常結(jié)構(gòu)來輔助醫(yī)生診斷,。在技術(shù)層面，由于計算機視覺技術(shù)發(fā)展相對成熟,，其在醫(yī)學(xué)影像上的運用也更廣泛,，醫(yī)學(xué)影像場景下的公司數(shù)量也最多。因此本文重點探討醫(yī)學(xué)影像領(lǐng)域的技術(shù)運用,。

在產(chǎn)品的技術(shù)成熟度方面,，目前醫(yī)療影像 AI 在肺結(jié)節(jié)、眼底,、乳腺癌,、宮頸癌方面已有較為成熟的產(chǎn)品，其中肺癌、糖網(wǎng)眼底篩查最成熟,，針對其他病種的產(chǎn)品大多處于使用或研發(fā)階段 ,。

在癌癥檢測與早篩方面，醫(yī)療 AI 影像產(chǎn)品騰訊覓影目前已有了體系化的解決方案,。騰訊覓影利用圖像識別,、深度學(xué)習(xí)等 AI 技術(shù)，對各類醫(yī)學(xué)影像進行訓(xùn)練學(xué)習(xí),，智能識別不同病灶,，能夠做肺癌、糖網(wǎng)眼底篩查,、食管癌,、宮頸癌等疾病的早篩，并輔助醫(yī)生作出臨床診斷,。

自騰訊覓影發(fā)布以來,，一共上線了 6 個病種的輔助診斷產(chǎn)品,，其中有三款是由其背后的算法和技術(shù)提供方—騰訊優(yōu)圖實驗室的醫(yī)療 AI 團隊主導(dǎo)開發(fā)的,，分別是肺結(jié)節(jié)、眼科疾?。òㄌ蔷W(wǎng),、青光眼和老年性黃斑等 7 大眼底疾病）和宮頸癌篩查,，此外,，優(yōu)圖實驗室還研發(fā)了乳腺癌早篩、肝癌早篩等產(chǎn)品,。為了解騰訊優(yōu)圖在癌癥早篩方面的最新成果,，AI 前線采訪了騰訊優(yōu)圖實驗室鄭冶楓博士。

在肺癌早篩方面,，騰訊優(yōu)圖采用全卷積神經(jīng)網(wǎng)絡(luò)完成早期肺結(jié)節(jié)檢測和分割,，騰訊覓影的早期肺癌篩查 AI 系統(tǒng)采用了騰訊優(yōu)圖實驗室的“端到端肺癌輔助診斷技術(shù)”，它能夠精準定位微小結(jié)節(jié)位置和輔助醫(yī)生準確判斷患者患肺癌的風(fēng)險,。? ?“騰訊覓影” 能精確定位 3mm 以上的微小肺結(jié)節(jié),，檢出率≥95%。

在宮頸癌早篩上,，騰訊優(yōu)圖于今年 5 月份取得了新的研發(fā)進展——AI 電子陰道鏡輔助診斷系統(tǒng),，并與騰訊覓影聯(lián)合發(fā)布。該系統(tǒng)利用 AI 技術(shù)可以進行陰道鏡下癌前病變的輔助判讀,。鄭冶楓介紹,，優(yōu)圖實驗室是在中國醫(yī)學(xué)科學(xué)院腫瘤院喬友林教授指導(dǎo)下開展這個項目的，在核心算法上，該系統(tǒng)采用了全新設(shè)計的深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu),，在一致性方面,，團隊花了很多精力將算法從單中心向中心拓展，通過自適應(yīng)圖像規(guī)整化的方法,，提高算法的準確率,，通過模擬醫(yī)生讀片過程，幫助判別病灶的位置,，為醫(yī)生提供快速可靠的臨床輔診建議,，目前，該系統(tǒng)已經(jīng)在幾家醫(yī)院做試點,，在病人活檢上面,，可以達到最頂尖醫(yī)生的水平，要超出 5 個百分點,。

在其他應(yīng)用方面,，最近半年來，騰訊優(yōu)圖打破了 3 項記錄：1 月份,，騰訊優(yōu)圖實驗室聯(lián)合廈門大學(xué)組成的 TencentX 團隊刷新全球醫(yī)療影像大賽 LiTS 雙紀錄,，獲得肝分割、肝腫瘤分割兩項技術(shù)世界記錄,。全球胸部多器官分割大賽上,，TencentX 團隊提出的胸部多器官分割系統(tǒng)，在 Dice 指標上取得三項第一和一項第二的成績,，刷新 3 項全球新紀錄,。

胸部多器官分割系統(tǒng)提供了一種全自動化的基于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的健康器官分割方法，能夠精確快速地分割出胸腔內(nèi)位于靶腫瘤附近的健康器官,，該系統(tǒng)先通過縮小三維 CT 影像空間距離采樣,，配合 3D 卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)快速定位，接著利用 2.5D 卷積神經(jīng)網(wǎng)絡(luò)沿矢狀面,、冠狀面和水平面三個方向逐層預(yù)測結(jié)果,，同時與 3D 卷積神經(jīng)網(wǎng)絡(luò)在完整的 VOI 下直接預(yù)測出的結(jié)果相結(jié)合，產(chǎn)生準確,、全面的多器官分割結(jié)果,，實現(xiàn)了精細分割。

鄭冶楓表示,，該系統(tǒng)融合了二維和三維圖像分割的結(jié)果,。二維三維分割各自有優(yōu)缺點：二維分割算法獨立分割每層 CT 圖像，好處是內(nèi)存消耗比較小,，所以可以采用更深,、更大的網(wǎng)絡(luò)來取得較好的層內(nèi)分割結(jié)果,，不過層間一致性較差，會出現(xiàn)不光滑的問題,。三維算法能保證層間上的分割結(jié)果是連續(xù)的,，但最大問題是內(nèi)存消耗大，不能采用較小的網(wǎng)絡(luò),，導(dǎo)致層內(nèi)分割精度受影響,。為解決這個問題，優(yōu)圖團隊將二維,、三維圖像分割結(jié)果做融合,，即保證層內(nèi)分割結(jié)果的高準確率，又保證層間的連續(xù)性,。在鄭冶楓看來,，在工程上如何讓將二維、三維結(jié)合起來,，這是一個關(guān)鍵技術(shù),。

視網(wǎng)膜檢查也是醫(yī)療影像 AI 領(lǐng)域最為重要的項目。常言說,，眼睛是心靈的窗口,，其實，眼睛還是人全身疾病檢測的“窗口”,。視網(wǎng)膜是全身唯一的,、不用開刀就能直接看到血管和神經(jīng)的部位,，幾乎所有血液血管疾病,、全身性疾病都能在視網(wǎng)膜有所反映,，通過做視網(wǎng)膜的異常表現(xiàn)能發(fā)現(xiàn)糖尿病,、心血管疾病,、眼科疾病,、腎病等多種全身性疾病的早期征兆，并及時做診斷和治療,，保障患者最佳的診療時期,。

盡管有如此重要的醫(yī)療價值,，這項視網(wǎng)膜檢查技術(shù)卻并沒有大規(guī)模普及,。國內(nèi)專業(yè)的眼科醫(yī)生數(shù)量少，全國眼科醫(yī)生僅 3 萬人,，且真正會看視網(wǎng)膜照片的醫(yī)生非常稀缺，全國有資格分析視網(wǎng)膜圖像的眼科醫(yī)生僅有約 1100 人,。在醫(yī)院科系設(shè)置上,，視網(wǎng)膜檢查屬于眼科,，除視網(wǎng)膜疾病外,，眼科醫(yī)生在診斷心血管疾病等病變的專業(yè)性上不足，而其他科醫(yī)生也不具備視網(wǎng)膜閱片的能力，此外,，眼底照相設(shè)備價格昂貴,，以上種種限制導(dǎo)致了視網(wǎng)膜檢查技術(shù)普及困難,。

AI 成為解決這一難題的突破口。

AI 通過對大量的視網(wǎng)膜圖像進行學(xué)習(xí)后,，可以幫助醫(yī)生閱片,，輔助判別病變。Airdoc 是在視網(wǎng)膜檢測 AI 這個垂直賽道上的領(lǐng)先企業(yè),，在業(yè)內(nèi)深耕數(shù)年,，Airdoc 積累了一套成熟的技術(shù)解決方案。

據(jù)悉,，Airdoc 研發(fā)的人工智能健康風(fēng)險識別系統(tǒng)可以基于視網(wǎng)膜影像識別 30 種慢性疾病和并發(fā)癥風(fēng)險,，比如動脈硬化、高血壓,、心腦血管疾病、糖尿病,、青光眼,、白內(nèi)障,、視神經(jīng)疾病、高度近視,、年齡相關(guān)性黃斑變性等慢性病導(dǎo)致的視網(wǎng)膜異常征兆,。

操作該系統(tǒng)的方法非常簡單，機器拍攝下用戶的進行視網(wǎng)膜影像后,，算法立即將視網(wǎng)膜影像發(fā)送到云端,，并開始用人工智能算法分析視網(wǎng)膜影像，在云端完成視網(wǎng)膜影像的識別,，于此同時分析結(jié)果實時傳輸?shù)接脩羰謾C上,。在準確率方面,，大多數(shù)臨床試驗顯示,，Airdoc 人工智能健康風(fēng)險評估系統(tǒng)的識別準確率與三甲醫(yī)院主任醫(yī)師的水平相當,。

Airdoc 創(chuàng)始人張大磊向 AI 前線表示,，Airdoc 的人工智能健康風(fēng)險評估系統(tǒng)依托人工智能圖像識別技術(shù),，基于數(shù)百萬張醫(yī)學(xué)影像,，邀請 300 多位醫(yī)學(xué)專家進行交叉標注,，建立起了標注網(wǎng)絡(luò)，設(shè)計構(gòu)建了特定的深度神經(jīng)網(wǎng)絡(luò)模型。目前 Airdoc 用于深度學(xué)習(xí)的訓(xùn)練數(shù)據(jù)已經(jīng)達到了千萬量級,，在數(shù)據(jù)處理上會經(jīng)過篩選、質(zhì)控,、風(fēng)險評估、分級,、運算,、反饋等過程。視網(wǎng)膜檢測系統(tǒng)運用了監(jiān)督學(xué)習(xí),、強化學(xué)習(xí),、遷移學(xué)習(xí)等大量的深度學(xué)習(xí)方法,，像素比更大的醫(yī)學(xué)影像數(shù)據(jù)對計算力要求較高，Airdoc 采用了 Tensorflow、TNCK 等開放式框架進行訓(xùn)練,。

除人工智能健康風(fēng)險識別系統(tǒng)外,，Airdoc 還推出了近視預(yù)測產(chǎn)品,、自動多功能綜合檢眼儀等眼睛檢測產(chǎn)品,。針對兒童青少年的近視問題,，Airdoc 的近視預(yù)測產(chǎn)品基于醫(yī)院逾百萬條持續(xù)追蹤的驗光數(shù)據(jù)，能自動預(yù)測 3-18 歲兒童青少年的近視發(fā)展趨勢,，如何時會近視,，近視度數(shù)增長趨勢等。

自動多功能綜合檢眼儀是 Airdoc 和一家以色列公司合作推出的視功能檢測機器,，該機器可以在 2 分鐘內(nèi)將人的眼睛全方位掃描一遍,，篩查眼部上千數(shù)據(jù)，形成關(guān)于雙眼度數(shù),、明暗視差,、視疲勞、白內(nèi)障,、青光眼等疾病的風(fēng)險報告,，讓人全面了解眼睛的狀態(tài)。

除了基于眼睛檢測,，在醫(yī)療影像 AI 領(lǐng)域,，Airdoc 還延伸出了皮膚病檢測、算法自動識別心電圖,、血糖檢測傳感器等幾大產(chǎn)品線,。

小樣本學(xué)習(xí)是這兩年醫(yī)療 AI 領(lǐng)域的一個熱門卻又棘手的研究課題。

當下醫(yī)療 AI 技術(shù)的發(fā)展還存在一些局限性，比如過度依賴訓(xùn)練樣本,，深度學(xué)習(xí)是一個非常依賴數(shù)據(jù)的技術(shù),，要保障深度學(xué)習(xí)的效果，前提條件是訓(xùn)練樣本足夠多,，要“投喂”給它大量的數(shù)據(jù),。

然而，現(xiàn)實中是沒有足夠的已標注的數(shù)據(jù)的,，獲得大量已標注的數(shù)據(jù)又非常困難,。一方面，數(shù)據(jù)的來源是受限制的,，很多數(shù)據(jù)的采集需要專業(yè)的設(shè)備,，比如 CT 和 MRI 等設(shè)備非常昂貴；出于對自身隱私的保護,，患者也不愿意共享自己的醫(yī)療數(shù)據(jù)信息,。另一方面，在數(shù)據(jù)的標注上也是一個難題,，醫(yī)療影像標注需要頂尖的醫(yī)療專家參與,，但因為相關(guān)人才缺乏，加之臨床,、科研任務(wù)重,，很多醫(yī)療專家沒有時間做數(shù)據(jù)標注。

鄭冶楓認為,，小樣本學(xué)習(xí)的問題是當下醫(yī)療影像 AI 面臨的最大挑戰(zhàn),。“我們經(jīng)常希望拿到幾千萬量級的數(shù)據(jù),，而實際上能夠有幾萬數(shù)據(jù)就已經(jīng)很好了,，很多時候，遇到一些罕見疾病的時候,，只有一兩千甚至幾百的數(shù)據(jù)量,，這讓最后出來的效果難以保障，小樣本學(xué)習(xí)是一個迫切需要解決的問題“,。

現(xiàn)在針對小樣本學(xué)習(xí)問題,，業(yè)界也提出了一些解決方法，目前小樣本學(xué)習(xí)的研究成果主要是把一些已知類別的一些信息遷移到新的類別上,，無監(jiān)督學(xué)習(xí)或半監(jiān)督方法也是未來的發(fā)展方向,。

鄭冶楓表示，目前騰訊優(yōu)圖團隊在致力于解決小樣本學(xué)習(xí)的問題,，他表示,，目前團隊已提出了兩種解決方案：遷移學(xué)習(xí),、計算機合成圖像。針對有監(jiān)督的小樣本學(xué)習(xí)問題,，優(yōu)圖會專門在醫(yī)學(xué)圖像上預(yù)訓(xùn)練一個模型,，然后做遷移。最近團隊在騰訊 GitHub 的官方賬號下開源了 MedicalNet 預(yù)訓(xùn)模型和相關(guān)代碼,，供業(yè)界免費使用,。這是全球首個專門針對 3D 醫(yī)學(xué)影像的預(yù)訓(xùn)練模型，也是騰訊在醫(yī)療 AI 方面的首個開源項目,。此外,，計算機合成圖像可以對訓(xùn)練樣本形成有效補充，尤其是可以利用生成對抗網(wǎng)絡(luò)（GAN）產(chǎn)生逼真圖像,。

“我們最近開始嘗試把樣本數(shù)據(jù)再往下減，從幾千張,、幾百張再進行壓縮,，壓縮到幾十張甚至更少到兩三張，我認為這是一個非常關(guān)鍵的技術(shù),，在這樣的情況下,，如何去訓(xùn)練出一個好的結(jié)果?！?/p>

張大磊認為小樣本學(xué)習(xí)盡管熱度高,，但效果一般化，在這方面,，Airdoc 在嘗試利用對抗生成網(wǎng)絡(luò)技術(shù)攻克難題,。他認為，在醫(yī)療領(lǐng)域,，一張影像不能解決所有的問題,，要廣泛結(jié)合病史、病例,、發(fā)展進程去綜合考量,。多模態(tài)的一個局限性是，算法“造”出來了一個樣本,，看上去理論上似乎是存在的,，但現(xiàn)實生活中是否真正存在這樣一個人，如果不存在,，最后又該如何驗證結(jié)果,？有些罕見的疾病一年全中國可能就發(fā)生 1-2 例，類似這樣的情況在積攢足量的數(shù)據(jù)上難度很大,。

在數(shù)據(jù)標注方面,，Airdoc 建立起了一個標注網(wǎng)絡(luò),，以視網(wǎng)膜為例，每個標注專家會通過自動推薦的算法領(lǐng)到自己喜歡或者擅長的標注任務(wù),，接下來,，多個專家獨立執(zhí)行標注任務(wù)，如果所有專家達成共識的部分,，將其作為標注,，反之，則舍棄掉,，通過獨立標注,、交叉質(zhì)控的方法大大提高了標注質(zhì)量。

張大磊坦言,，數(shù)據(jù)標注這件“苦”活兒沒有什么好的辦法,，只有依靠持續(xù)的積累，“我不覺得它難,，我覺得它需要堅持去做”,。在標注專家這方面，Airdoc 已經(jīng)形成了一個 300 多人的全球標注醫(yī)生團隊,，他認為做大標注網(wǎng)絡(luò)是針對數(shù)據(jù)標注難題的一個有效解決方案,。

未來 3-5 年，哪些醫(yī)療 AI 技術(shù)比較有發(fā)展前景,？

“小樣本學(xué)習(xí)是未來幾年需要重點攻克的問題”,，鄭冶楓表示，騰訊優(yōu)圖目前還在基于醫(yī)療影像的個性化治療方案上做探索,。

張大磊認為,，人工智能技術(shù)在疾病的預(yù)測和預(yù)防上仍有很多的實現(xiàn)場景和應(yīng)用潛力，Airdoc 目前在探索的一個方向是,，通過皮下植入傳感器持續(xù)監(jiān)測生命體征,，進而研究生命體征與遺產(chǎn)基因代謝、生活方式間的關(guān)系,。

人工智能技術(shù)的運用為傳統(tǒng)的傳統(tǒng)醫(yī)療體系帶來了一些充滿驚喜的顛覆和改變,，當然也不乏挑戰(zhàn)和隱憂，有人擔心,，AI 是否會搶了醫(yī)生的飯碗,？事實上，這種擔憂未免太早,?！爸委煻说幕顑哼€是要交給醫(yī)生“，張大磊的觀點簡潔明了,。鄭冶楓認為,，在流程方面,，騰訊優(yōu)圖希望把 AI 算法無縫嵌入到診斷流程里，并不希望改變醫(yī)生的流程,，而是基于醫(yī)生現(xiàn)有的流程之上做一些輔助診斷,。

談到技術(shù)是否是一家醫(yī)療 AI 公司的“護城河”這一問題時，兩位專家都認為,，技術(shù)只是其中的壁壘之一,，但不是唯一，尤其是在如今行業(yè),、技術(shù)發(fā)展革新速度迅猛的大環(huán)境下,，固守技術(shù)便意味著某種程度上的落后，“對技術(shù)的追求和技術(shù)能否保持持續(xù)演進,、對客戶需求和落地場景的理解,、三者缺一不可，為技術(shù)找到一個好的應(yīng)用場景,、構(gòu)建好的生態(tài)系統(tǒng)非常重要“,，張大磊表示。鄭冶楓亦表示,，騰訊優(yōu)圖要利用在算法上的優(yōu)勢，將 AI 技術(shù)落地到更多基層的場景去,，幫助基層醫(yī)生提高診斷準確率,。