雷鋒網按：2020年8月7日，全球人工智能和機器人峰會（CCF-GAIR 2020）正式開幕。CCF-GAIR 2020 峰會由中國計算機學會（CCF）主辦，香港中文大學（深圳）、雷鋒網聯合承辦，鵬城實驗室、深圳市人工智能與機器人研究院協辦。

8月9日，作為本次大會的收官之戰，“醫療科技”專場正式拉開帷幕，圍繞「后疫情時代的醫療新基建機遇」這一主題展開。

其中聯影智能聯席CEO沈定剛、華西醫院副院長龔啟勇、騰訊天衍實驗室主任鄭冶楓、平安醫療科技首席科學家謝國彤、商湯科技副總裁張少霆、西門子醫療中國數字醫療負責人陳黎峰，詳談了后疫情時代醫療科技的新常態，以及技術落地和產品方法論。

以下是本次大會的精彩回顧：

聯影智能沈定剛：如何將AI應用到新冠肺炎診斷全流程？

聯影智能聯席CEO、MICCAI 2019大會主席、IEEE Fellow沈定剛教授發表了開場報告，介紹了醫療AI在新冠肺炎診斷全流程中的應用。

沈定剛教授表示，目前新冠肺炎仍然在全球蔓延，全球有1800多萬人確診，CT已經成為新冠肺炎診斷、評估和隨訪的重要手段。然而，這個過程中存在最重要的兩個痛點，首先，如何幫助醫生盡量避免感染；其次，有了CT設備后，如何用人工智能的方法進行肺炎的量化分析，用CT圖像輔助診斷和隨訪。

為此，聯影智能提出了三個解決方案：無接觸掃描、肺炎量化分析、隨訪評估與診斷。

沈定剛教授表示，為了避免病毒傳播，有的操作技師在新冠肺炎早期甚至通過竹竿這樣的工具遠距離操作CT掃描，原始且危險。為此，聯影集團研發了AI智能采集系統，把邊緣計算和攝像機結合，自動采集人體三維形態和部位信息，自動操作CT掃描，滿足醫生在操作間就可完成掃描任務。

在肺炎分割與量化方面，主要是為了實現三個目標，新冠肺炎判別、危重程度檢測以及判斷進展變化，沈教授介紹了聯影智能的uAI分割引擎，可以對肺炎、5個肺葉、18個肺段進行精確的分割。

在隨訪評估與診斷層面，有些新冠肺炎病例與普通肺炎病例有相似的感染程度，因此，聯影智能提出了基于感染信息的注意力網絡 (Attention-guided Network)，用分割出的感染區域引導分類器聚焦于感染區域；在評估新冠肺炎嚴重程度上，提出了一種多任務、多示例學習模型 (Multi-task multi-instance framework)；在危重預測與演變時間估計上，為了解決樣本不平衡以及特征復雜且高維的挑戰，提出了聯合分類與回歸的稀疏模型 (Joint sparse classification and regression)：讓兩個任務共享相同特征，用于改進各自的性能、解決數據不平衡問題以及針對所選特征，作出臨床解釋。

華西醫院龔啟勇：“成像+AI”，直面精神影像學的原生性難題

第二位演講嘉賓是華西醫院副院長、ISMRM Fellow龔啟勇教授，他主要分享了腦疾病影像AI的新機遇。

作為臨床放射學精神影像領域的國際知名學者，龔啟勇教授在國內率先建立了精神放射影像體系，被國際同行稱為“leader in the field of Psychoradiology”。

他表示，精神影像學擁有重要的發展前景，但是，依靠傳統技術將面臨多重瓶頸。相比其它腦部疾病，在常規CT、X射線等臨床影像手段上，往往很難發現精神類疾病的腦部病變。而這類疾病的判斷也沒有明確的客觀指標，臨床治療和診斷只能依靠經驗和主觀因素。

近年來的成像技術和AI技術的發展，則給這一難題帶來新的希望。一方面核磁成像技術提供了更清晰的腦狀態、腦結構等一系列參數，成為腦疾病診斷的首要依據。另一方面，深度學習的出現，則可以依靠大量數據信息，總結出不易發現的影像學特征變化規律。

龔啟勇教授認為，這兩種工具的結合未來也許可能解決許多精神影像學的原生性難題。

首先，通過AI分析方法，可以總結分析出影像特征變化和精神疾病的密切相關性，例如利用神經環路和鏈接腦結構改變，可以從影像學征像判斷這類疾病的嚴重性和特定臨床類別。

其次，可以籍助AI進行藥物治療靶標確定。龔啟勇表示不同精神藥物在不同大腦區域，往往會有不同的反映，特定腦區改變可能是藥物靶點定位的一個重要依據，AI可以通過腦區特征的改變，判別精神藥物的有效性和幫助治療方案的選擇，還有望為臨床干預和介入治療提供精準治療靶標。

騰訊鄭冶楓：小樣本學習與域自適應

第三位出場的演講嘉賓是騰訊天衍實驗室主任鄭冶楓。天衍實驗室是騰訊內部專注于醫療AI的實驗室, 覆蓋醫療大數據、醫療自然語言理解、醫療影像等等。

在演講中，鄭冶楓博士主要分享了深度學習在影像診斷上的兩個固有痛點：缺乏訓練樣本以及跨中心泛化能力差以及相應的對策。

對于訓練樣本量的問題，鄭冶楓博士認為，遷移學習是一個很好的方式，可以將某個任務（源域）上訓練好的模型遷移到另一個任務（目標域）。而為了獲取更多的醫學數據、積少成多，鄭冶楓博士團隊提出了Med3D：共享編碼器的多任務分割網絡，在大量異質的公開數據集上預訓練，然后遷移到其它任務，并且進行了開源輸出。

當然，除了Med3D，鄭冶楓博士團隊還提出了基于魔方變換的自監督學習，在預訓練階段不需要人工標定，從而減少大量的時間成本。

另外一方面，為了解決域偏移的問題，他們還提出了新型無監督域自適應(UDA)的方法，來緩和域偏移所導致的性能下降。該方法僅僅需要源域的數據、標注以及目標域的部分圖像，無需目標域的標注，即可實現兩個領域的自適應。在演講中，他以VideoGAN: 視頻風格轉換以及OP-Net: 基于單張圖像的風格轉換的兩個案例進行了說明。

平安謝國彤：2大基礎平臺及4大醫療AI模型

第四位出場的演講嘉賓是謝國彤博士，他是平安集團首席醫療科學家。他表示，過去五年時間里，平安積累了大量醫療的業務，而平安醫療科技，則是從每個業務中沉淀數據，把數據變成AI模型，再反哺賦能給各個業務。

謝國彤博士認為，所有AI都無非四個要素：數據、算力、算法和應用。在這四個要素下面，平安共研發了2個基礎平臺和4個醫療AI模型，以支持醫療的各種分析和推理，目前有1.6萬家醫療機構，43萬醫生在使用。

兩個基礎平臺主要是賽飛AI平臺（算力）和醫療的五大庫和知識圖譜（數據）。

謝國彤表示，醫療五大庫及知識圖譜，首先是從數據端出發，分四步去解決數據處理難題：第一，去掉噪音，補全數據，提升數據輸入質量；第二，結構化，通過數據和文本抽取，實現數據可用；第三，標準化，把不同來源的醫療數據名稱統一；第四，利用算法挖掘疾病的風險因子或者治療方法。

而賽飛AI平臺則主要是通過發動平臺化戰略，解決AI產品算力和落地的基礎性問題。

謝國彤說到，平臺的目的就是讓醫療數據科學家專注在自己領域內，由平臺去完成AI通用算法、智能標注、分布式訓練加速、高性能壓縮模型部署等通用問題。

在這兩大基礎平臺之上衍生的4個醫療AI模型（算法），主要側重在疾病預測、智能影像、AskBob輔助診療、疾病全周期管理等四個場景。

在最后的總結中，謝國彤說到，醫療人工智能是利國利民的事情，人命關天，需要AI界和醫學界的緊密合作，用AI的算法解決真實的需求，保證模型的安全性、可用性，才能對“健康中國”產生真正的價值。

商湯張少霆：基于CV，搭建賦能全院臨床的AI平臺

第五位出場的演講嘉賓是商湯科技研究院副院長、集團副總裁張少霆。他說到，過去國內探索的方向都是“基建出海”，現在商湯則在探索實現“科技+基建”的共同出海。

張少霆表示，商湯科技的戰略核心是圍繞計算機視覺技術，而智慧醫療的具體產物則是SenseCare^®智慧診療平臺。

作為商湯臨床一體化的產品， SenseCare® 智慧診療平臺可以落地在醫院放射科或者區域IDC數據中心，在數據不出科室或數據中心的情況下，讓不同臨床方向的醫生只需要一個筆記本電腦、甚至手機，僅通過訪問網絡瀏覽器的情況下，使用所有醫療AI功能，以及醫學影像三維后處理功能，并且讓不同臨床醫生讀取不同數據，就可以啟動不同的工作流，實現賦能全院臨床。

然而，這種場景的實現存在兩個問題：首先，如何利用AI對多模態多病種進行精準的檢測、分類、分割；其次，如何在不傳遞原始數據的情況下，支持全院醫生高并發的二維、三維分析需求。

在自研AI算法引擎的基礎上，商湯SenseCare^®智慧診療平臺相繼孵化了胸部CT智能分析及手術規劃方案、胸部X線智能分析、心臟冠脈智能分析、骨腫瘤智能手術規劃、消化道病理和TCT宮頸癌精準分析等臨床輔助工具。

張少霆表示，針對區域級、城市級的智慧新基建建設，部署更偏向于SAAS平臺的形式，底層可以支持安全可靠的數據存儲、備份機制，向上則加載數據和人工智能管理功能，同時賦能區域內多家醫院，實現區域內醫療智慧化升級。

西門子陳黎峰：器械商如何順應醫療服務新格局？

醫療科技場的最后一位嘉賓是來自西門子醫療數字醫療部門負責人陳黎峰博士。

陳黎峰在演講中表示，市場動態和趨勢對于醫療行業有著巨大影響，醫療服務將在轉型中提升價值。這種轉型主要體現在三個方面：

首先，未來醫療將更加精準，治療方法也將更因人而異。在正確的時間為適用的患者提供合適的治療；

其次，精準醫療的實現需要醫院各部門協同作戰，需要多個專業團隊在整個診療路徑密切合作。這和以往醫生單病種治療的操作模式非常不同，需要思考診療模式的轉化；

最后，醫療和健康管理越來越趨于消費化。患者對疾病認知、知識量和期望值都在增加，治療和健康管理的選擇越來越多，患者也越來越多地參與到自己的醫療和健康管理之中。

陳黎峰表示，醫療將向數字化發展。數字化、信息化、人工智能將革新我們對疾病的理解和治療。特別是人工智能，可以優化運營流程、提高資源利用效率、通過自動化和標準化支持病人全生命周期的診療決策，并幫助病人主動參與治療流程中去。

目前，AI技術已經貫穿于西門子全景解決方案中。Teamplay數字醫療平臺可賦能數字轉型，西門子AI-Rad Companion能最大限度減少臨床工作中的重復性任務、提高診斷精準度，助力醫生在患者診療全流程，包括病歷、處置、診斷、治療、預后管理等多個節點做出準確判斷。

結語

今年，醫療科技行業風云變幻，機遇叢生。

細數一下上半年，已經有三款醫療AI產品獲NMPA的批準，產品真正商品化的最后一道枷鎖即將被打破。國家也陸續出臺了相關政策鼓勵AI產業發展，推動AI技術與產業的深度融合和落地應用。

而醫療科技企業也不斷加速自己的業務變化以圖破局，實現技術與商業的雙端平衡：研究更前沿的算法，使得AI具備更強大的識別精度和認知能力；同時，讓AI產品在保證高精度的前提下，大幅降低前期研發與后期運算成本，更好地滿足市場和用戶需求。

醫療科技，未來可期。雷鋒網