《影响研究与医学应用》【研究生资讯】

大与小

中科院田捷教授：基于 AI 和医疗大数据的影像组学研究及其临床应用丨CCF-GAIR 2018

2018 全球人工智能与机器人峰会（CCF-GAIR）于6月29日在深圳召开。本次大会共吸引超过2500余位 AI 业界人士参会，其中包含来自全球的 140 位在人工智能领域享有盛誉的演讲与圆桌嘉宾。在大会第二天的【计算机视觉专场】中，上午计算机视觉前沿与智能视频环节的演讲嘉宾有：ICCV 2011和CVPR 2022大会主席权龙教授、旷视科技首席科学家孙剑等人。下午环节为计算机视觉与医学影像分析，出席的嘉宾分别是包揽7大模式识别与医学影像Fellow的田捷教授，国际顶级医学影像分析大会MICCAI 2019 联合主席沈定刚教授，微软亚洲研究院副院长张益肇博士，飞利浦中国首席技术官王熙博士等。作为计算机视觉与医学影像分析环节的重量级嘉宾，本次大会，田捷教授向与会观众分享了题为“基于人工智能和医疗大数据的影像组学研究及其临床应用”的精彩专题报告。田捷教授现任中国科学院自动化所研究员、分子影像重点实验室主任。自2010年起，田捷教授连续获得计算机视觉与医学影像分析领域的7大Fellow：IEEE Fellow、IAMBE Fellow、SPIE Fellow、AIMBE Fellow、IAPR Fellow、OSA Fellow、ISMRM Fellow。同时也是两项国家重点基础研究发展计划（973计划）首席科学家。田捷教授认为，人工智能等技术给医学领域带来的改变是毋庸置疑的，并列举了几个医学常见案例进行辅证。在他看来，医疗大数据里最常见的是影像数据，而且影像数据格式标准，容易获取、容易使用。但是医疗大数据不仅限于影像，还包括病理、临床治疗信息等，只有这些信息融合在一起，我们才能建模，才能解决人工智能真正在医学上的应用。田捷教授在研究学术的同时，也在积极探索AI技术的应用前景。他认为，AI技术只有跟临床挂钩才有价值，经过企业家的转化才能变成生产力。现在我们需要更多人工智能和大数据在医疗问题上的典型应用，来拉动产业，拉动人工智能进一步深度应用。这是相辅相成的，空喊方法，不形成规模化、典型应用，是解决不了问题的。只有得到外科、内科大夫承认的技术和临床应用，才能更加有意义。与此同时，他还表示，人工智能在医学上应用一定要“医工交叉”，工科的人要穿上医学的马甲，了解医学的问题，参加医学的会，了解医生的需求；作为医生也要对工科的方法知其然，这样才能源于临床，高于临床，又回归临床。以下为田捷教授的现场演讲内容，雷锋网作了不改变原意的编辑及整理：我下面汇报的是人工智能和医疗大数据在医学上的应用，这是大家比较关注的热门话题，我想从“临床”和“商业”两个方面来做一下简要的归纳。人工智能在医学上的应用和传统中医非常相像。我国中医几千年以来，通过“望闻问切”的方式积累了几百万人甚至几千万人的医疗大数据，后期主要通过人脑来“加工”这些数据；现代社会与此前不同的是，我们使用电脑加人脑，利用此前积累的经验以及大数据与人工智能技术，实现了现在所说的智能医疗。人工智能目前是国家战略，健康中国2030也是国家战略。从这两个角度来说，通过人工智能技术和医疗大数据，提高人们的健康水平是国家下一步的重点发展战略；与此同时，国家也有计划要将我们的医疗和健康占GDP的比重从3%提升到30%。从商业角度出发，人工智能在医学上的应用机会很多，包括通过计算能力驱动肺癌、糖网、乳腺癌等疾病的筛查。今天，我想重点与大家分享的是人工智能对于临床医疗的重要性，它能提高我们的临床医疗水平，实现精准医疗，具体涉及到术前、术中、术后三个方面。从目前医学发展背景来看，人工智能、大数据等技术在医学上的应用是众势所趋。去年北美放射医学大会上给出描述：未来的影像中心就像飞机驾驶舱一样，是各种各样信息的综合体；而未来的医生则相当于飞行员，要处理各种各样的信息。这里还需重点阐述一个观点：如今很多声音表示，AI未来将要替代医生。在我看来，AI不会替代医生，只会更有效地辅助医生。而医生也不应惧怕新兴技术，而是积极地去利用它，使用它。当今，我们处于信息变革的时代，医学大数据也在不断的增长和积累，平均每73天，医学数据就会增长一倍。因此，基于医疗大数据的人工智能医疗必将辅助甚至改变传统的临床诊疗流程。国际影像战略策略研讨会副主席Donoso说了一句很经典的话，人工智能是否会完全替代影像科医生无法下定论，但我们肯定的是，那些使用人工智能技术的影像科医生，势必会代替那些不使用人工智能技术的医生。不跟随时代的发展，面临的就是残酷的淘汰，无论是北美放射年会，还是欧洲放射年会，都不断的在突出人工智能在影像学中的异军突起的作用。所以，未来的影像科医生，不仅仅要会看片子，还要从影像大数据中挖掘大量的潜在知识，学会利用人工智能技术，站在科技潮流的前端，不是惧怕新兴的人工智能技术，而是利用它，使用它，成为新时代下的影像信息学专家。上个月刚刚结束的美国临床肿瘤年会ASCO2018，该年会的参与者大多为内科大夫、肿瘤大夫，他们也提出，要将人工智能技术作为辅助新一代无创诊疗技术发展的重要工具。Dana-Farber癌症研究所首席研究员Geoffrey指出，无创的液体活检技术可以更加便捷的实现肺癌的早期检测和筛查，血液中游离DNA可以成功检测出早期肺癌。而随着这种无创检测手段的进步，医学数据不断积累，机器学习方法将有效提高检测精度、提高测试性能。此外，南加州大学生物科学学院院长在大会指出，在肿瘤疗效评估中，结合基于液体活检技术的基因蛋白组学和基于深度学习方法的智能影像评估可有效预测患者的预后生存。由此可见，无论是在癌症诊断还是治疗中，人工智能技术都是辅助新一代无创诊疗技术发展的重要工具。一、影像组学的本质那么，人工智能在医学领域到底如何应用，接下来我会举一些例子说明。举例之前，我们首先必须了解影像组学概念，其2012年就被提出，是由英文“组学+放射”组合出来的新词：“radiomics”，我们当年认为把它翻译成“放射组学”比较准确。当年为什么用了放射这样一个词汇？它是基于CT进行扫描的数据，然后在PET和超声上得到应用，所以我们认为将“radiomics”翻译成影像组学可能更为精准，它不仅仅融合了医学影像、基因、临床大数据，它也把组学的概念和组学的方法融合在一起。它的工作流程与医生日常读片完全是一模一样的方法，针对影像数据，提取特征，人工智能建模，然后再进行临床应用、辅助决策。这个流程也是一个标准的计算机视觉流程，也是标准的模式识别流程。但它相比医生的高能之处在于计算机看到了高维信息，可能看到了蛋白基因在宏观影像上的变化，这样的宝贵数据可以辅助医生提升临床诊断的正确性和准确性。需要注意的是，人工智能技术在医学上的研究、应用，不是写文章、不是谈概念、也不是纸上谈兵、更不仅仅是做筛查，而是要将技术与临床紧密结合，解决实际临床问题。二、典型临床应用下面我就从临床和技术两个方面谈一下人工智能在医学上的具体应用。首先我想谈谈人工智能在临床上的应用，在座各位很多都是技术人员，对于技术方法比较了解。其实我们在了解技术本身的同时，更需要了解技术到底能够解决什么问题，或者说目前医学需要解决什么问题。所以我先从问题为导向，观察临床上有何需求。在这里，我想举一个细分例子，围绕着临床应用的术前、术中、术后，来说明人工智能如何使得医学治疗更加精准。第一个例子是结直肠癌。外科大夫在为病患做手术之前都会为患者做一个辅助化疗，以控制癌症的发展，之后再为他进行手术。在这个过程中，一部分病患非常不幸，经过辅助化疗之后，他们病理上完全缓解，体内也没有癌细胞存在，但外科大夫无法凭借他的经验来肯定判断他们体内是否还有癌细胞潜藏，所以不得不还为这些病人开刀（实际上病患身上已经没有癌细胞存在）。从这来看，我们能否通过其他方式来准确判别病人的实际数据，让他们在外科大夫的经验无法准确判定、常规的影像磁共振无法精确判别时，能够非常肯定地判定病人的数据。通过人工智能分析，目前我们有90%的把握能把这些PCR缓解的病人挑选出来。换句话说，系统能够将经过辅助化疗以后，体内没有癌细胞的病人找出来。后期，这部分病人就可以免受开刀，只需密切观察随访即可。所以，它的临床意义非常大，人工智能未来不仅仅能够做筛查，更重要是，它能针对临床问题来开展工作。这是我们配合北京大学肿瘤医院放射科专家做的工作，这个结果已经发表在临床肿瘤研究的顶级杂志上。第二个例子还是结直肠癌。如果病患经过化疗之后并没有PCR缓解（占比70%左右），那么他们是需要进行手术的。开刀之后，医生需要对他们做淋巴清扫，以防止癌细胞转移。问题是：清扫完之后显示，70%的淋巴是假阳性。这里需要说明的是，假阳性结果与中国医生的开刀技术没有直接关系，美国大夫开刀假阳性也有70%左右。而这个问题也可以用人工智能技术解决。我们用人工智能技术处理500例临床病理、影像数据完整的结直肠癌患者数据，经过病理、影像，提取特征以后，在实测中，能把70%的淋巴假阳性降到30%，这是医学上非常巨大的进步。目前这项研究也发表在临床肿瘤的顶级杂志JCO上。需要指出的是，其第一作者只是一个硕士二年级的小女孩，所以我们在医学领域的研究并不需要多少临床经验，关键是先要找到临床问题，以问题为导向来解决它，并不是一味的低头专耕技术。第三个例子依旧是结直肠癌。刚才我已经讲了术前及术中，术前有没有病理学的缓解，术中要不要进行淋巴清扫。我们再来看术后，结直肠癌患者做了手术之后，外科大夫还可以给他做一个放化疗控制远端转移。这里又出现了一个问题，经过手术后的结直肠癌患者远端转移的概率只有20%，换句话说，有80%的患者花了钱，忍受了放化疗的痛苦，而去做在他身上也许不可能发生或者概率非常小的远端转移。就此，我们能否用人工智能技术把这些概率大的人挑选出来，再去做放化疗，控制他远端转移；而概率不大的人也就没必要做远端转移，后期观察即可。目前我们正在做相关的人工智能技术落地实验，希望这个概率可以提升更高，预测得更为精准。综上，我举了一个非常完整的例子，从术前、术中、术后来说明人工智能、影像组学、医疗大数据到底怎么改变我们的医学，改变我们的精准诊疗。刚才我所提到的都是手术方面的内容。那么，人工智能能否解决不用开刀也能解决的问题呢？也就是说，其能否既可以辅助外科大夫，也可以辅助内科大夫。我们知道，即使是美国著名医院的外科大夫得了肺癌，他也不知道该用什么样的靶向药，怎么预测他的生存期。而这个工作可以用人工智能、大数据来解决，我们针对500余例晚期EGFR突变靶向治疗患者多中心CT数据，利用LASSO-COX构建反映靶向治疗无进展生存期预测模型，实现对EGFR突变的晚期肺癌患者靶向治疗无进展生存期进行个性化的精准预测。如果后期发现他无进展，这时候我们就提醒他不要再用这个靶向药，价格昂贵不说，效果也不大。目前这项研究发表在CCR上，也是国内学者解决的重点医学工作。举例来说，系统可以对病患的鼻烟癌给出判断及生存期预测。针对临床指标对晚期鼻咽癌的放疗后预测精度低的现状，我们对118例晚期鼻咽癌T1和DCE MR图像做了超过3年时间的随访，并结合970个影像组学特征，和临床病理信息进行分析，在此有效预测该类患者的预后，准确度超临床指标的10%。再举一个例子，我国是肝癌大国，肝纤维化、肝硬化、肝癌是肝癌患者的病变三步曲。所以，对于肝癌患者的治疗，准确判断他们的肝纤维化非常重要。过去医生一般用超声诊断，但是超声的判断准确率只有百分之六七十左右。想要准确判断还需要做一个痛苦的工作：肝穿。用一根穿刺针穿到病患肝里面用病理学组织来确定到底有没有纤维化，从而决定用不用抗病毒的治疗方法。问题来了：能不能用人工智能技术来处理这些数据，不做肝穿也能达到跟它一样的病理学效果。针对这个问题，我们走访了12家医院，采取了600多份数据样本，用深度学习来提取它的特征，实测表明，在使用过程中，人工智能的预测结果与肝穿方法非常一致。换句话说，它能够代替以往的肝穿治疗方式，让病患不需忍受痛苦，用几张图片就能达到绝佳效果。三、影像组学新模态应用在后来的研究过程中，有相关医生提出，炎症会不会对结果产生影响。可以肯定地说，人工智能在对轻度炎症困扰上没有差别；对于重度炎症有一些差别，但是影响不大，准确率还是会远远高于人工判断。后来又有人提出，能否将该技术转化为一个软件，做商业化应用。后期验证过程中，我们发现无论是轻度肝硬化还是重度肝硬化，效果都比较鲁棒，适合医院临床应用。在这里我必须强调一点，人工智能在医学上的应用最好是以问题导向，有了问题再找方法，再去解决。我们可以源于临床，高于临床，这时候我们再商业化应用，医生们就不会抵触，他会主动来使用，因为可以很好地帮助他们辅助诊断。以上是从临床角度讲了人工智能在医学上的应用。接下来我再从技术角度来讲人工智能、模式识别、大数据在医学上应用的进展。四、影像组学的关键技术以肿瘤治疗为例来说。首先是肿瘤分割，一般可能需要医生先进行勾画，然后可以用机器学习的方法进行半自动或者全自动的分工，这些分割都可以提取相关的影像组学的特征，使得我们用人工智能的方法来建模分析。这一块的技术方法有很多，但是坦率说，哪种方法好，还得针对你遇到的问题。第二方面是特征描述，影像组学、人工智能并不是比人更加聪明，只不过医生读片时，人眼提取的信息永远是以形状为主的，以结构为主的。而从影像组学提取的特征，是强度、纹理、小波，最大值、标准方差、灰度矩阵这些特征，人眼是没法看的，同时人脑也难以加工。对于计算机来说，恰恰是它最为擅长的。所以在特征选择上，计算机选择的特征和人眼识别的特征形成了互补关系。如果我们能用计算机提取高维特征，包括毛刺、分叶等信息，再融合年龄、性别、家族史等信息，肯定是1+N>N，我们就能实现人机交互、计算机和人协同工作，从而使得我们的医学更为精准。选择特征的时候切记要多多益善，特别是把这些高维特征提取得越多越好。还有一个非常重要的点，为什么现在影像组学、人工智能热，就是这些高维特征含有基因蛋白这些微观信息，在这些宏观的影像上的体现，只不过过去人眼提取不了，但现在计算机提取了，把这些信息来进行系统加工，使得我们的预测更加精准提取特征之后，还有一项非常重要的工作是降维。共有四类主要特征降维方法：稀疏选择、空间映射、神经网络、递归排除。针对具体临床问题，业界还采用建立计算机定量影像特征与所研究临床研究问题标签之间的分类模型。主要运用了两类模型：SVM模型：从影像大数据原始像素出发，提取高维手工设计特征并进行特征选择，构建影像特征与临床问题的分类模型。CNN模型：在影像大数据的原始像素的基础上，该模型可自主挖掘与临床问题相关的影像组学特征，构建影像特征与临床问题的分类模型。至于建模部分，前面很多讲者也讲了很多模型，人工智能、深度学习有一系列的模型，无所谓哪种模型好，关键是针对你的问题，你是要做生存期预测，还是要做疗效评估，针对我们在医学上不同的使用的对象和问题，我们应该选择不同的方法。有了方法之后，我们构建的模型可以提高分类精度，甚至能达到主治医生的水平，大家已经看到了很多例子，我就不展开细说。但是这里面还有一个非常重要的环节，是我们做计算机、做工科最容易忽视的：我们往往把模型建出来，就直接把这些结果拿给医生去看，希望医生可以去使用。这时候，你一定会吃闭门羹，因为医生肯定会说这不是我需要的东西，你这些模型我看不懂，我根本没法用。所以后期非常重要的步骤就是：要让他们看图识字，要把这些数据可视化。你给医生们一大堆模型，他会觉得很难懂，换成图片之后，他就觉得非常好用，我们要从医生的角度看问题，把模型可视化。另外，计算机处理离不开数据，这些数据质量到底怎么样，我们也要从医生的观点来看待它。去年临床肿瘤学杂志上发表了一篇文章，是以荷兰大夫为主发表的，他在谈数据质量标准的评价，给出了16个评价标准，36分是满分，进行数据质量打分，而且他也会编程序，编一些简单的程序，把它放到网上，你直接填表打分，最后告诉你数据质量是怎么样的，我觉得目前也是对医学用人工智能判断，用影像组学第一个比较公开的数据标准，值得大家借鉴、参考。五、人工智能+医学影像的未来展望刚才我从技术方面谈了人工智能怎么针对医疗问题，用什么样的方法解决。涉及分割、特征提取、模型构建、模型可视化、质量控制5个环节。最后我想提一下人工智能在医学影像应用未来的发展方向，主要涉及到人工智能的方法、数据、软件、共享平台。我们现在不缺方法，也有很多数据，也有各种各样的软件，但是我缺乏交流共享的平台，我们这个会议也是一个交流共享的平台，我也建议我们相关企业在会后把相关的资源共享出来，这样可以更好地促进人工智能在医学领域的应用。我先从模型讲起，这几年人工智能的模型有很多，有卷积神经网络、迁移学习、博弈进化模型，数据也在不断地增多，智能程度也在不断地提高，所以我做了一个二维的方阵来说明这个问题。迁移学习经过大数据训练，我们可以在医学的小数据上提取到复杂的影像特征，而且这些特征还有很好的解释性。与此同时，我们所提取的高维特征又会带来一个挑战，临床医生表示看不懂且不知道有何意义。此时，我们无法对于医生的困惑做出解释，因为这是计算机分析出的结果，我们不能说它跟肝的哪个血管对应，跟肾的哪个细胞对应。但是我们也可以把这些特征，用强特征分布的热点图表达出来，它有一定的可视化，对这样的强特征的热点图，你去做穿刺或者靶向治疗的时候，穿刺效果就会非常好。与此同时，我们还可以用迁移学习的深度学习方法来提高肺癌基因突变预测的精度。迁移学习模型是经过128万张图片训练出来的，我们做肺癌的时候可能没有这么多图像，但是如果我们想要提高它的预测精度，我们用前面图像训练过的模型可能也会得到比较好的效果。另外，大家知道现在博弈进化模型比较热，它可以让机器学习提高智能程度，这在医学上的应用也非常重要。需要指出的是，我们用人工智能做组学分析，我们需要多病种、多模态、多中心、多参数的数据融合，在这一块，还有非常重要的点是数据标准，虽然我们国家这一块现在已经非常重视，做了一系列的筹备，但是目前为止还没有出来一个影像大数据的数据标准，或者数据规范化的行业标准，所以依然是一个挑战。目前，我们医院有大量的数据，大量的数据不代表就是大数据，我们需要经过数据清洗，影像的数据相对来说还比较规范一些，但是病理的信息、治疗的信息、预后的信息我们都需要有，才能使得人工智能做更准确的预测。所以在这里我也想说，前面我举的那些例子，淋巴清扫的工作，原来我们是想做生存期预测的，但生存期预测我们需要两年以上的病人随访，因此很多信息的提取还需要医疗从业人员去科普，需要让患者知道，我们做临床研究需要大量的信息才能做综合。幸运的是，我们国家人口多，病人多，所以数据也是我们的天然优势，这几年我们配合不同的医院采取的数据，包括儿童水果细胞瘤这样一种眼底的肿瘤，我们都能收集相关数据；肺癌、乳腺癌的数据量更大。这些数据不太牵涉到隐私，我们提取的都是高维信息，我们也不需要存原始图象，所以从某种意义上说这些数据的隐私性是比较好解决的。有了数据，我们还需要软件，我们可以开发各种各样的软件，特别是医学图象处理的软件，我们实验室有三个软件，第一个是MITK，是医学软件的集成平台，包含重建、分割可视化；还有一个是3D软件；另外我们还有一个影像组学的软件，全部是开源的，在我们的网站上可以下载。人工智能在医学上的应用一定要医工交叉，我们工科的人要穿上医学的马甲，了解医学的问题，参加医学的会，了解医生的需求，作为医生也要对工科的方法知其然，你也许不知其所以然，但是你要知其然，这样我们才能源于临床，高于临床，又回归临床，不只是看一个病，不只是一个软件。我就汇报到这里，敬请各位批评指正，谢谢大家。（完）观众提问：刚才您说了要从影像里面提取高维信息，并且说了要源于临床，最后还要回归临床，这些高维信息是由谁来提？是医生来提，还是我们工科的人来提？我还听说您那里面有的有400个高维信息，我看到有的文章好像更多，这些信息是怎么提出来的？田捷教授：这个问题提得非常好，也非常关键。如果用计算机去做，还是停留在结构特征上，我们能弥补一些医生的错误，但是不能辅助诊断。刚才举例子讲的这些高维信息，它到底有没有用，医生也不知道，我们也不知道，但是用计算机、深度学习把它提取之后，我们只能尝试，有些问题可能能很好地解决，有些问题现在还解决不了，我们只是提取这几百个甚至上千个特征，跟那些特征、病理信息融合在一起，我们再去筛选，把关键的信息提取出来，这是降维，最后再建模，然后取得一个好的结果。跟医生在交互的过程中，这些特征是人眼看不了的，医生也搞不清楚，我们拿这些特征去投稿的时候，大部分医生是看不懂的，我们投到医疗杂志上，他会问你这到底有什么效果，我们说不清楚，所以我们把那些东西变来变去，终于变成热力图的模式，最后说明这可能是肿瘤的中心地带，它能反映这样的问题，他能看懂了，知道这是有问题的，然后就接受了我们的论文。我们这些特征不仅仅说明它有用，还要想办法跟医生沟通，把这些特征变成可视化的，让医生能接受，说明它的临床意义。这也是一个痛苦的交互过程。观众提问：刚才我看到您的迁移学习的工作，把上百万张自然图像迁移到肝脏的医学图像上，但是我看到有文章说迁移学习必须要有医学的意义，如果您这样做的话，让自然图象迁移到医学图像上，它的临床意义在哪儿？医生会接受这样做吗？田捷教授：医生能不能接受，关键看临床效果，关键看你能不能针对临床解决问题。我没有去计算机视觉的会议，我现在反而是跑到美国临床肿瘤学会、美国肿瘤学会的会议上，你要到临床医生那里，让他们“折磨”你，找出他们能接受的临床效果和临床意义，这时候你的模型才真正起作用，我们老在计算机视觉会议上谈我的方法和参数好，我觉得意义不大，当然能写文章，只是把纸变成钱。所以我说我们技术人员要穿上医生的马甲，到医学的会议上交流。我是工科生，但近些年我没有发表一篇计算机方面的文章，都是医学的文章。这一点我非常自豪，我能在医学的杂志上发文章，就非常具有临床意义，因为审稿人都是医生，说明我已经穿上医生的马甲了。我认为，这是所有想在医学领域深耕的工科生都需要做出的转变，必须站在医生的角度去思考问题，让他们来当裁判，让他们来鉴别。雷锋网雷锋网

展开

百分比

王辰院士：推动医学科技发展要有国家战略

21世纪是生命科学的世纪，医学是生命科学的核心，关乎人民健康福祉、关乎经济发展、关乎国防安全与社会稳定。对此，席卷全球的新冠肺炎疫情已经给出了深刻的证明。在全国政协十三届三次会议首场“委员通道”上，中国工程院副院长、中国医学科学院院长王辰院士道出如上观点，受到各界广泛关注。近日，王辰院士接受《健康报》专访，详细阐释了对推动我国医学科技发展“施工图”的相关理解。■健康报：新冠肺炎疫情的广泛影响，引发了各国都对推动医学发展的深刻思考，我们该如何认识医学在国家、社会发展中的地位和作用？王辰院士：新冠肺炎的大流行令全球始料未及，世界正在面临的“百年未有之大变局”中，疫情成了一个突然出现的重要扰动因素，这个因素还将在一定时期内持续下去。疫情不仅使我们意识到健康和生命的重要，也促使我们更加深刻地思考维护生命健康的医学科学的重要性。作为生命科学的核心领域，医学关乎人类社会最基本的三大问题。首先，生命和健康是人的终极利益，医学是保障人类健康得享天年的重要条件。其次，在全球经济体系中，健康产业及其支撑产业所占比重越来越大，已经成为拉动经济增长的重要发力点，而医学对于推动健康产业的发展有着举足轻重的作用。其三，医学的发展可以从多个方面影响国家安全和社会安定，应对传染病流行是其中之一，此次新冠肺炎疫情对各国社会稳定和正常运行的影响就是一个有力的例证。充分理解医学的重要性，还可以从医学、卫生、健康，这3个各不相同却又紧密相连的概念进行剖析。“医学”的学术和技术属性更多，“卫生”更多注重社会和政策属性，“健康”则是一种结果和民生状态，三者相依，具有密不可分的相互关系，“医学”在其中居根本性、基础性地位。医学是一门“多学”，涉及自然科学、社会科学、人文科学的诸多内容，把医学研究地更加透彻，就掌握了制定良好卫生政策的重要依据，而良好卫生政策的制定和执行就是维护人民健康的重要手段。■健康报：不久前，《柳叶刀》总编霍顿对中国的科学发展给出了很高的评价，并指出这是我国在疫情应对中取得成功的重要因素。您如何评价我国医学科研领域的发展和现状？王辰院士：医学的发展必须依靠科学研究的引领和推动。近年来，基于对医学重要性的认知，包括我国在内的世界主要国家都对医学科研给予了高度重视，分别从不同角度、不同层级，制定了推动医学科技发展的国家计划。新冠肺炎疫情的流行，让世界各国对医学科技的发展有了更深刻地认识。习近平总书记指出：人类同疾病较量最有力的武器就是科学技术，人类战胜大灾大疫离不开科学发展和技术创新。在新冠肺炎疫情防控工作中，我国医学科研领域取得了一定的成绩，为全球共同抗疫做出了重要贡献。但我们也要清醒地认识到，我国医学科研的整体水平还远未站在国际的前沿，国际社会给予的一些高度评价，也只是通过我们发表的研究文章，看到了我们在部分医学研究领域的成果，代表了我们对于某些工作、某些项目的研究走在了前面。医学是发展社会经济、提高民生福祉的重要基础，疫情必然会进一步促使世界各国更加重视医学研究，医学领域的国际竞争也会愈来愈烈，其结果可能将直接影响世界格局。未来，我们应重新认识和思考医学在整个国家科技框架中的地位，以更加宽广的视野格局、更加长远的战略规划，将目光紧紧盯在国际前沿，作为一种国家意志来推动医学研究的发展。■健康报：从长远来看，对标国际前沿，推动我国医学研究领域的整体发展，需要国家从哪些方面做出改革和努力？王辰院士：推动医学科技的发展需要国家拿出切实可行的战略行动，以下几个方面至关重要。首先，要吸引高素质的、具有创新思维的人才进入医学界，学医、从医、传医。吸引和培养高素质的医学人才，要灿烂其职业前景、严格其培养过程。灿烂其职业前景，就是要使医生受到应有的社会尊重，拥有良好的执业环境和社会待遇。严格其培养过程，就要建立先进的医学教育体系，用严格的现代医学教育方式培养人才，通过院校教育、毕业后教育、继续教育贯穿医生职业生涯的始终。其次，要建立强大的医学科技创新体系和核心基地。国家级公益性科研机构在国家医学科技创新体系中发挥着不可替代的战略支撑作用，美国国立卫生研究院、英国医学研究理事会、法国国家健康与医学研究院等，均在各自国家的医学科技创新体系中发挥着不可替代的核心作用，通过统筹医学科技创新资源和布局，与各科研院所、高等院校、医疗卫生机构、医药企业等创新单元有效联动，打造辐射全国的医教研协同创新网络，有力推动了所在国的医学科技发展。2016年10月，习近平总书记在给中国医学科学院建院60周年的贺信中要求，“努力把中国医学科学院建设成为我国医学科技创新体系的核心基地”，明确了中国医学科学院在国家科技创新体系中的历史使命和战略定位。但目前的中国医学科学院，还缺乏布局完善的组织架构和引领、统筹国家医学研究资源的体系和能力。为此，中国医学科学院明确了建设医学研究与医学教育核心基地“三步走”的阶段性目标：到2021年，医学研究和医学教育核心基地的架构初步形成；到2035年，建成我国医学研究和医学教育的核心基地，到2049年，成为世界医学研究和医学教育的核心基地之一。第三，打造良好的医学科技研究生态，建立一个强有力的专项医学科研基金十分必要。近20年来，我国持续加大科学研究方面的投入有目共睹，但从医学科研投入占国家研究投入的比例来看，还远远没有达到应有的水平，同比国际，占比低微。在如此有限的投入水平下，很难形成足够完善的研究体系，培养足够优秀的研究队伍，产出足够出色的研究成果。借鉴国际经验，我国急需建立一个投入充分的、专项支持医学研究的国家基金。■健康报：我国各项财政科技计划对于医学研究的支持力度如何？建立医学科技研究国家基金的必要性体现在哪些方面？王辰院士：目前，中央各部门管理的财政科技计划（专项、基金等）已整合为五类，包括国家自然科学基金、国家科技重大专项、国家重点研发计划、技术创新引导专项（基金）、基地和人才专项。其中，国家自然科学基金支持医学研究所占比重较高，但仍没有达到应有的支持力度，而且其基金性质为基础或应用基础研究用项；在其他中央财政科技计划中，医学研究项目的申请难度很大，仅少数“大专家”才有可能拿到。而且，在我国目前的基金管理机制下，经常通过临时组建的专家组或专家委员会评议，决定基金支持的研究方向、获准项目和分配额度。这种基金管理机制，很难保证对国家医学科技发展大格局、大布局的考量和分析，很难保证立足长远的科研目标的实现，很难避免创新战略贻误，很难避免利益冲突，很难保证对科研资源的合理分配。在建立国家医学科技研究基金的同时，我们还应建立科学的基金管理制度。在国家相关部门的监督下，将基金交由体现国家意志的国家权威学术机构来管理，通过资金的科学分配，引领和统筹全国医学研究资源，加快形成现代化的国家医学科技创新体系。国际上，很多国家都专设国家医学健康科学基金，事实证明，此举对于推动医学发展起到了至为重要的、基础性的作用。如果缺失专门医学健康科学基金的持续、有力支持，确实很难有连续性的、丰富的、高水平的，足以支撑人民健康、经济发展、国家和社会安全的医学科研成果产出，而这些产出对于国家民族乃至世界和人类是如此地重要。来源：《健康报》

展开

钢琴海

深睿研究院8篇论文入选CVPR2019，图像识别与医学影像分析等技术实现了创新性突破

2019年6月16日-6月20日，全球计算机视觉与模式识别顶级会议(IEEE CVPR 2019)将在美国长滩拉开帷幕，本次会议论文收录工作已经结束。CVPR( Conference on Computer Vision and Pattern Recognition)作为行业最顶级的研究型会议，每年被收录的论文均来自计算机视觉领域顶级团队，代表着国际最前沿的科研技术，并指引着计算机视觉领域未来的研究方向。本届CVPR总共录取来自全球顶级学术论文1299篇，中国团队表现不俗。深睿 AI LAB 8篇论文入选CVPR 2019根据CVPR 2019官网显示，共提交了7144篇论文，其中5165篇为有效投递论文，比去年CVPR2018增加了56%，最终录取了1299篇。这些录取的最新科研成果，涵盖了计算机视觉领域各项前沿工作。2019年深睿医疗有8篇论文被本届CVPR大会接收，跻身中国论文发布数量排名前列的科技公司之一。深睿研究院CVPR2019录取论文在以下领域实现了创新性突破：医学影像微小病灶检测、细粒度图像分类、基于弱监督的显著性检测、图像与自然语言的综合理解，统计理论与深度学习相结合，采用“异常检测”新思路准确检测医学图像中富于变化的弱信号等前沿技术。这些全球领先的计算机视觉算法显示了深睿研究院在计算机视觉领域强大的核心人才储备、科研文化底蕴和技术创新能力。深睿研究院独创的算法已被应用于深睿医疗现有医疗AI产品中，同时对未来产品研发提供有力的技术支撑。对于自研算法在智慧医疗领域的应用，研究院本次被录取了一篇文章题目为《基于级联生成式与判别式学习的乳腺钼靶微钙化检测(Cascaded Generative and Discriminative Learning for Microcalcification Detection in Breast Mammograms)》的论文。论文针对乳腺钼钯中的微钙化(直径<=1cm)检出问题提出了结合生成式和判别式模型的新思路。钙化检测对于乳腺癌的早期诊断十分关键，根据美国放射学院第五版BI-RADS标准，可疑恶性钙化点通常直径在1cm以内。因此，研究微钙化的检出算法具有重要的临床意义。(论文中配图)钼靶影像的微钙化点通常不到10个像素，且形态多变，再加上正常组织背景变化较复杂且样本量极大，仅使用判别式分类器很难提取到有效的特征。本篇论文设计了一个生成式模型“异常分离网络”，与判别式模型相结合，在公开和私有数据集上均超越了当前钙化检出的先进水平。深睿医疗2018年发布的一款基于乳腺钼靶的人工智能辅助诊断系统的产品，主要应用于乳腺癌的早期筛查和诊断，这篇论文中的算法已经在深睿这款产品上得到应用。另外一篇入选论文《为自底向上细粒度图像分类服务的弱监督互补部件模型(Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up)》提出了一种新颖且有效的框架—弱监督互补部件模型，来完成细粒度图像分类任务。(论文中配图)作者首先通过基于弱监督学习的物体检测和实例分割提取粗糙的物体实例，然后在尽可能保持多样性的原则下，对每个物体实例的最佳组成部件进行估计和搜索。实验表明本文提出的框架在一些常用的为细粒度图像分类服务的公开标准测试集上大幅度地超越了当前最先进的算法。俞益洲教授领衔的深睿研究院，在2018年的科研攻坚战取得了阶段性的成果。俞教授本人在2018年度入选2019 IEEE Fellow以及2018ACM杰出科学，获得两项殊荣，并带领团队完成了7款医疗AI 领域的人工智能产品的研发。俞教授坦言成立深睿研究院的初衷就是为了可以集中企业最核心的技术力量，探索前瞻性的技术，为医疗AI提供领先的技术，为医疗机构提供优质的临床痛点的解决方案，同时培养优秀的医疗AI科技人才。目前深睿医疗已经和10多家国内外顶级学术机构建立长期学术科研合作，20多家顶级三甲医院建立长期临床科研合作。医疗AI任重道远，需要更多的科研人员投身其中，要有克服困难的决心，也要有进行长期技术积累的耐心。深睿研究院CVPR2019收录论文列表如下：[1] “Cascaded Generative and Discriminative Learning for Microcalcification Detection in Breast Mammograms”Fandong Zhang, Ling Luo, Xinwei Sun, Zhen Zhou, Xiuli Li, Yizhou Wang, Yizhou Yu, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.[2] “Towards Accurate Task Accomplishment with Low-Cost Robotic Arms”Yiming Zuo, Weichao Qiu, Lingxi Xie, Fangwei Zhong, Yizhou Wang, Alan Yuille, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.[3] “Convolutional Spatial Fusion for Multi-Agent Trajectory Prediction”Tianyang Zhao, Yifei Xu, Mathew Monfort, Wongun Choi, Chris Baker, Yibiao Zhao, Yizhou Wang, Yingnian Wu, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.[4] “Completeness Modeling and Context Separation for Weakly Supervised Temporal Action Localization”Daochang Liu, Tingting Jiang, Yizhou Wang, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.[5] “Cross-Modal Relationship Inference for Grounding Referring Expressions ”Sibei Yang, Guanbin Li, Yizhou Yu, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.[6] “Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up ”Weifeng Ge, Xiangru Lin, Yizhou Yu, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.[7] “Multi-Source Weak Supervision for Saliency Detection”Yu Zeng, Huchuan Lu, Lihe Zhang, Yun Zhuge, Mingyang Qian, Yizhou Yu, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.[8] “Towards Rich Feature Discovery with Class Activation Maps Augmentation for Person Re-Identification”Wenjie Yang,Houjing Huang,Zhang Zhang,Xiaotang Chen,Kaiqi Huang,Shu Zhang. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.来源：中国网

展开

费直

欧科云链研究院：区块链在医疗行业的应用

一、区块链赋能医疗行业背景1、区块链特性能够解决传统行业的痛点近年来，区块链作为颠覆性的前沿技术，在市场的热捧下，与许多传统行业碰撞，创造出区块链赋能的应用案例。区块链技术具有分布式存储、不可篡改、数据透明可溯源的特性，天然能够解决信息不对称、信任问题、信息孤岛等多个行业的痛点，于是被广泛应用于金融、供应链、知识产权、保险、医疗等领域。2、医疗行业亟需资源合理配置和有效利用医疗行业可谓社会刚需，并且随着人口老龄化、人们健康意识的提高，对医疗的需求不断扩大。与此同时，看病难的问题又困扰了许多人，于是医疗资源的合理配置和有效利用成为首要问题。具体而言，从需求层面看，人口数量和人口结构是影响需求的直接因素。据国家统计局，2019年末我国总人口已达到了14亿。与此同时，65岁以上人口占比12.57%，为1.8亿人，并且这个数字还将逐年增长，近3年65岁以上人口的年平均复合增长率达5.45%。就医能力和就医意愿也是影响需求的因素，近年来，人们生活水平提升，健康意识不断增强，我国城镇化率稳步提升，已达到60.60%，并且近3年平均每年增长1.04%。供给层面，医疗行业绝对值规模在逐年增加但人均资源仍不足。截至2020年6月，我国三级医院、二级医院和一级医院的数量分别为2831家、9901家和11400家，2020上半年累计诊疗次数为13.6次，人均诊疗次数不到1次。除此之外，医疗资源配置、利用率等方面有待提升，医药营销、产品流通等细分领域较为传统，亟需区块链、大数据、人工智能等新技术进行改造。3、官方文件：积极探索区块链在医疗场景的应用近期，国家卫生健康委等多个官方机构认识到区块链的重要性，倡导区块链与医疗健康行业的融合应用，四川省组建了区块链医疗健康应用规范编制工作组，已成功召开第一次工作会议。4、区块链赋能医疗行业的关键点区块链技术能够帮助解决医疗行业的痛点问题。下文梳理出了医疗行业主要痛点和区块链技术赋能医疗行业的关键点：l 医疗信息泄露：个人医疗数据是十分私密且重要的，根据腾讯智慧安全，美国互联网黑市上医疗信息是信用卡信息的10倍。然而医疗行业的宝贵数据却内忧外患：内部有不良人员觊觎，外部有黑客虎视眈眈。根据中国医院协会信息管理专业委员会（CHIMA）发布的《2017-2018年度中国医院信息化状况调查报告》，受访的484家独立医院都面临着不同程度的信息泄露风险。全国各地有多起医疗信息泄露事件发生，2017年9月，法制日报报道某医院服务信息系统遭黑客入侵，致使7亿公民信息泄露，2018年9月，经济日报报道全国三甲医院中，247家医院检测出勒索病毒。区块链中的加密算法能够有效保护患者隐私，即使泄露，不良人员或黑客获得到的是加密后的匿名信息，不会对患者造成隐私上的威胁；资料来源：中国医院协会信息管理专业委员会（CHIMA）《2017-2018年度中国医院信息化状况调查报告》，腾讯智慧安全，欧科云链研究院l 数据孤岛：医疗体系复杂且不同系统或机构间的信息共享程度低。此外，医疗行业和下游保险行业的信息共享程度也不够。而区块链能够将相关数据电子化并上链存储，实现分布式数据共享，打破不同系统或机构间的壁垒；l 假药劣药：假冒或劣质医药、器材对患者的伤害极大，也会重挫人们对医疗机构的信心。最著名的案例当属2018年长生生物疫苗造假，而区块链技术能够支持防伪溯源，药品或者器材从研发到生产、流通的数据全透明，即使发现人为因素造假也方便追责，一定程度上遏制造假行为。二、医药行业的痛点及区块链解决方案1、区块链医疗应用的潜在场景按照医疗服务的环节将医疗领域分为产品方面的研发、定价、销售环节，和用户方面的就诊、保险环节，分别阐述了各环节存在的问题和区块链的解决方案。(1) 在研发方面，区块链有利于数据共享，防止临床试验数据造假，同时宝贵科研数据的共享可以促进行业的共同进步；(2) 部分药品尤其是创新药十分昂贵，价格水分高，通过将各环节的成本数据上链，有利于公开透明价格明细，抑制张口要价的行为；(3) 医疗行业体系复杂，行业集中度低，零散小企业众多，导致数据透明度低，同时滋生了不少假冒伪劣产品，区块链的数据透明性和防伪溯源功能可对症下药；(4) 传统医疗体系中医院和医院之间的信息共享程度低，患者在跨院治疗时常常面临检查项重复的窘境，利用区块链共享数据能够实现跨医院就诊时信息的无缝对接。此外，患者的反馈信息常常得不到有效使用，现有医疗系统没有全面收集患者就诊后的康复情况，药物研发也仅关注了临床数据和早期使用情况，大量患者的使用信息未被收集或利用。而区块链和大数据结合能够实现对患者信息的高触达和有效反馈，更加注重以患者为中心；在反腐方面，主要存在套医保费、回扣、贿赂等不良行为，通过禁止线下钱财交易和就诊信息完整上链，可以在技术上抑制以上不良行为；(5) 医疗行业的下游是保险等领域，存在流程复杂和缺乏信任的问题。医疗保险申报时，需要的单据较多，且存在骗保行为，通过区块链将医疗和相关保险的信息上链，辅以智能合约实现自动理赔，能够有效解决信任危机，避免复杂的流程。2、区块链医疗应用落地可能的阻碍及建议区块链医疗的一大应用是数据共享，但是利益相关者的利益权衡和博弈可能阻碍应用落地进程。如研发阶段的实验数据可能泄露研发进度，可能被其他人利用实验数据先一步做出成果，捷足先登。因此，建议研发数据延迟上链，如在研发成功后再将数据上链，既实现了临床试验数据公开透明，又保护了知识产权。而在跨医院、医院和下游医疗保险间的数据共享涉及到多家机构，可能需求自上而下或者多方合作的区块链项目。可以发现，实际应用离不开区块链和智能合约、大数据等多项技术的有机结合，并非仅靠区块链一种技术可以完成。同时，区块链技术也不是全能的，如反腐、打假等除了区块链技术上的改革，还需要线下人为的努力，流程电子化，保障信息完整上链，杜绝线下私自交接的行为。三、区块链医疗应用现状1、区块链医疗项目下表整理了近期医疗行业的区块链应用项目，大部分项目仍在研发或试点中。苏州移动和昆山市卫健委联合打造的药事管理服务平台已成功落地，是自上而下的项目代表。区块链技术将患者诊疗信息加密，保护患者隐私，同时，数据安全可信使得医院和医院之间无缝分享信息而无需担心数据安全。MediLedger是典型的多家机构合作研发的项目，参与主体包括辉瑞、Chronicled、McKesson Corp等，项目仍在研发中，主要解决数据共享的问题，并且使用了智能合约可以自动执行对账、退款等流程。2、区块链医疗应用项目特点从现在的区块链医疗项目可以发现，项目多集中于数据共享和防伪溯源，而数据共享正是官方文件里提到最多的应用方面。更多地采用自上而下或者多机构合作的方式，正如前文提到，跨机构的数据共享涉及到多方利益博弈，自上而下的方式有利于项目的快速平稳推进，大机构的多方战略合作方便达成共识。四、总结展望随着人口老龄化、城镇化率、人们的就诊能力和意愿提升，对医疗的需求越来越大，但是医疗的人均供给资源有限，在这个背景下，医疗资源的有效配置和充分利用就显得尤为关键。区块链能解决研发、定价、销售，以及患者就诊、保险等环节的问题，帮助实现数据共享、透明可信、防伪溯源等功能。不论是官方文件还是应用现状，打破机构间壁垒实现数据共享都是重大议题，主要采用的方式是自上而下和多方合作式。区块链还应和智能合约、大数据等结合发挥作用，同时也注意到区块链并非全能的，除了技术层面，一些痛点的解决还需依托其他方面的努力，如人为保障数据完整地上链，保证没有线下私自对接等。

展开

客大人也

国家卫健委：研究制订医学人工智能应用研究指南，推进其在医用机器人等领域应用试点

国家卫健委官网10月12日发布《关于加强全民健康信息标准化体系建设的意见》，意见指出，推动医疗健康人工智能应用标准化建设。研究制订医学人工智能应用研究指南，推进医学人工智能在智能临床辅助诊疗、医用机器人、人工智能药物研发、智能公共卫生服务、智能医院管理、智能医疗设备管理、智能医学教育等领域应用试点和示范。加快研究制订人工智能技术的相关应用标准和安全标准，构建人工智能技术应用及安全测评标准，提升人工智能技术应用质量，强化人工智能技术应用安全管理。

展开

泉涸

谈谈大数据在医学中的应用

一直以来，大数据与商业就密不可分。以前，觉得所有数据零散在每个角落，无法统计，让多少市场因此无法描述用户画像，导致市场分析出现偏差、错误，影响整个决策力的制定和执行。现在，那些无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据，都被抓取和利用，具有5V特点【由IBM提出：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）】的大数据，正在明目张胆改变着各行各业。医学，当然也不例外。医学大数据的应用医学大数据的应用目前主要有两方面，第一个是发现新知识、认识新规律，第二个是促进精准适度医疗，提升医疗价值。以往受数据采集与分析能力的限制，医学主要依靠抽样研究来发现新知识、认识新规律，但不同样本间的差距经常导致结论不一致甚至截然相反。随着大数据技术的发展，医学研究由抽样的小样本研究进入到超大样本、甚至全样本研究时代，从严格筛选患者入组进行研究到全面观察各种影响因素的真实世界研究时代。美国 2015 年启动了“观察阿司匹林效果与剂量”的大规模观察性医学研究，多达 30 万人参加基于大数据的观察性研究得出的结论更具现实指导意义，甚至推翻了之前一些建立在小样本数据基础上的“科学”结论。斯坦伯格 (Steinberg) 等人在 3 万余人两年的保险记录、化验记录、用药记录、就医记录中挖掘出新的代谢综合征预测模型，用 80% 的人作为训练集，20% 的人作为测试集，在贝叶斯框架下依据最大熵原理，对数据中未知的参数进行分布边缘化来计算模型的结构概率，综合考虑模型的复杂性和与数据的匹配性建立起新的预测模型，从 4000 余个参数中筛选出腰围、用药依从性等与代谢综合征密切相关的因素。随着医学的进步，源于个体的数据越来越丰富，包括组学数据、健康监护数据、影像数据等。计算机科学与医学结合能够挖掘出新的知识，开创新的诊疗模式。例如心理问题一般是通过临床观察或自我就医的方式被发现并诊断的，现实中缺乏客观有效的诊断方法，而基于说话模式的数据挖掘，能够发现患者条理表达能力的下降，进而成功预警心理问题，在小样本人群实验中达到了 100% 的准确度。通过机器学习对一些复杂信息进行处理，也能对心脏病、哮喘、癌症等疾病作诊断和预测，能够达到或超越专家的诊断水平。适度医疗、精准医疗与大数据精准医疗、适度医疗和过度医疗，三者既有联系，又有区别。做到精准医疗，不一定就做到了适度医疗，适度医疗更多的是对医疗价值层面的考量，关注获益是否大于风险，以及获益和成本的关系。由于多种原因引起的超过疾病实际需要的诊断和治疗的行为或过程就是过度医疗。正如德国医生尤格·布来克在《无效的医疗》一书中所说“很多不该吃的药，吃了；很多不需要的治疗，做了；很多手术会使病人更加痛苦，却也在做。”在美国，40% 的医疗被认为是无效的。在我国，过度诊疗的现象也不同程度地存在。当过度医疗如此猖獗，就需要大数据的参与和帮助，来实现适度医疗或精准医疗。为什么过度诊疗会成为世界性的问题，其中一个重要的原因是个体的差异性，同一种药物对不同人有不同的效果。而每个个体都是特殊的，每个人的健康却是同等重要的，医学大数据对数据的精准性有更高的要求和标准。如吉非罗齐 (emfibrozil)，它的上市应用主要基于赫尔辛基心脏研究，经过 5 年的双盲实验（一批人服用吉非罗齐，一批人服用安慰剂），实验结果显示用药组比安慰剂组患心肌梗死的相对危险度下降了 34%，但实际上分析表明，用药组的心梗绝对危险度仅下降了 1.4%，即 71 个患者治疗 5 年时间，该药只对 1 个人起到了预防心肌梗死的作用。如何能从这 71 个人中找到有效的那 1个人，即实现精准医疗，还需要通过大数据研究。一方面要收集个人基因组、蛋白质组的数据，另一方面要收集个人行为、用药、心理以及环境的数据，通过分析药物组和服用安慰剂人群中出现心梗和未出现心梗的人的特征，从而区分出哪些人属于不吃药也不会心梗的（低风险），哪些人属于吃了药有效果的（预防了心梗），哪些人吃了药也没能预防心梗的，对于后者还要继续分析原因，是药物的剂量不足，还是有其他因素导致的心梗，这样我们的治疗和预防手段就会越来越有针对性，达到个体化的精准医疗。趋利避害，医疗大数据还要走的更远当然，大数据如很多新潮工具一样，也是一把双刃剑，如果说做到量体裁衣、辨证施治是医学大数据应用的重大课题，那么它的前提基础是拥有长期、全面、准确的人群健康数据。对于不精准的那些“垃圾”数据，数据量越大，谬误与危害越大。当前，大部分行业在数据基础系统架构和数据分析方面都面临着诸多挑战，医学领域也是如此。根据产业信息网调查，目前国内大部分企业的系统架构在应对大量数据时均有扩展性差、资源利用率低、应用部署复杂、运营成本高和高能耗等缺陷。同时大数据的管理一直是一个难以控制的问题，由于大数据已经成为了一种商业资本，各地数据的流失、泄露和私下买卖越来越多，这也让医疗届的信息如同没有关门的家园一般，毫无隐私，任人索取。医疗机密和个人患病信息的流失，令数据安全形势变得复杂。如此情况下，趋利避害，做好长期、全面、准确的人群健康数据研究与管理，才是医疗大数据的长远之计。小迈的技术和研发团队，一直没日没夜的奋战在一线，搜集海量数据进行筛选和录入，力保展现给会员们的是最精准有效的高质量资料，未来，我们会更多的进行数据的深入统计、分析、研究，真正做到，跨国界医疗研发服务，让天下没有难做的医疗研发。-END-

展开

无住

北京世纪坛医院核医学科文哲课题组在《Clinical Nuclear Medicine》发表封面文章

近日，国际顶级学术期刊《Clinical Nuclear Medicine》(影响因子： 6.622 )接收了北京世纪坛医院核医学科文哲研究团队关于KT综合征诊疗策略的最新研究论著“Potential Utilization of Lymphoscintigraphy in Patients With Klippel-Trenaunay Syndrome”，该成果被遴选为该杂志2021年第一期的封面文章。Klippel-Trenaunay综合征(K-T综合征)是一种少见的先天性疾病，三大临床特征包括：鲜红斑痣(葡萄酒斑)，静脉和/或淋巴管畸形，受累肢体肥大。该病长期以来被认为是先天性血管发育异常，临床缺少有效的诊疗手段。该研究系统性回顾K-T综合征的核素淋巴显像特征，指出静脉角区胸导管回流异常与K-T综合征密切相关，针对性解除胸导管回流障碍可有效地改善患者的症状，为临床提供新的诊断策略。在医院领导的关心及科主任的指导下，本课题组在北京医管局科研培育计划、首都临床诊疗技术研究及示范应用项目等课题的资助下，与淋巴外科、相关影像科室密切配合，开展了多模态淋巴回流障碍性疾病的影像学评估，在科研方面取得了显著成绩，2018年至今以第一/通讯作者共发表SCI论文5篇，总影响因子30余分。【来源：北京世纪坛医院】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。邮箱地址：newmedia@xxcb.cn

展开

道德不一

《公共卫生与预防医学》入选第二十七届北京图书博览会“2020中国精品期刊展”

2020年9月26日由中共中央宣传部、北京市人民政府主办，中国图书进出口（集团）总公司承办的第二十七届北京国际图书博览会（BIBF）精品出版物展在线上线下同时举行。《公共卫生与预防医学》期刊入选“2020中国精品期刊展”的“防疫抗疫”主题精品期刊。本届BIBF为“云书展”以云端形式举办，下载“BIBF云书展”APP，即可线上观展。我刊力推了“防疫抗疫”主题论文：1. 基于公共网络数据的湖北毗邻六省市新型冠状病毒肺炎疫情分析（中南大学湘雅医院蒋英，张红）2. 新型冠状病毒肺炎（COVID-19）传染病预测模型分析（中国医科大学附属盛京医院临床流行病学教研室刘雅姝）3. 基于指数平滑模型的湖北省新冠肺炎疫情预测分析（武汉大学健康学院王旭艳，宇传华）4. SARS-CoV-2核酸检测技术及临床应用进展（湖北中医药大学检验学院刘念，姚群峰）5. 新型冠状病毒感染致肾脏损伤机制进展（武汉科技大学医学院公共卫生学院环境卫生与职业医学系吕灵璐，张玲）6. 新型冠状病毒肺炎疫情下的传染病信息报告管理工作及反思（湖北省疾病预防控制中心黄淑琼，李明炎）7. 气候环境条件对新冠肺炎传播影响分析（武汉区域气候中心、湖北省疾控中心联合，刘可群，元艺）8. 湖北省新型冠状病毒肺炎流行病学特征分析（湖北省疾病预防控制中心陈琦，官旭华）9. COVID-19疫情期间武汉地区大学生心理行为分析（首都医科大学宣武医院呼吸科肖汉）10. 新型冠状病毒灭活样品混合进行核酸检测效果及分析（湖北省疾病预防控制中心余波，霍细香）11. 扬州市札如病毒感染所致急性胃肠炎聚集性疫情调查（江苏省扬州市疾病预防控制中心董玉颖，张军）12. 后抗疫时期健康管理建设的新路径（武汉大学健康学院谭晓东）13. 生物安全实验室新型冠状病毒污染现状调查（湖北省疾病预防控制中心李艳伟，曾其莉）14. 含氯消毒剂对新型冠状病毒核酸破坏效果研究（湖北省荆州市疾病预防控制中心陈茂义）15. 新型冠状病毒肺炎流行期间公众心理健康及其影响因素（中国人民解放军联勤保障部队第九八三医院疾病预防控制科宋斐翡，王鑫）16. 新冠肺炎疫情期间不同年龄段人群营养与健康行为变化（解放军总医院第六医学中心干部保健科胡婷婷）17. 湖北省潜江市新型冠状病毒肺炎病例流行特征分析（湖北省疾病预防控制中心、潜江市疾病预防控制中心联合，易佳，刘军）18. 襄阳市新型冠状病毒肺炎疫情期间发热门诊症状监测系统数据分析（湖北省襄阳市疾病预防控制中心汪雪洋）【来源：湖北省疾控中心】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。邮箱地址：newmedia@xxcb.cn

展开

天时

人工智能研究新成果：能“读懂”病历，或将能像医生一样“思考”

新华社广州2月12日电（记者肖思思）人工智能不仅能够“看图”识别影像，还能“识字”即读懂病历中的文本信息。北京时间12日零时14分，这项有关自然语言处理（NLP）技术基于文本型电子病历（EMR）做临床智能诊断的研究成果，在线刊登于知名医学科研期刊《自然医学》上，文章题为《使用人工智能评估和准确诊断儿科疾病》。由广州市妇女儿童医疗中心夏慧敏教授、加州大学圣地亚哥分校张康教授等专家领衔的医疗数据智能化应用团队联合人工智能研究和转化机构研发的“辅诊熊”人工智能诊断平台，通过自动学习来自56.7万名儿童患者的136万份高质量电子文本病历中的诊断逻辑，应用于诊断多种儿科常见疾病，准确度与经验丰富的儿科医师相当。根据文章，这个人工智能辅助诊断系统将可以通过多种方式应用到临床中。首先，它可以用作分诊程序。例如，当患者来到急诊科，可由护士获取其生命体征、基本病史和体格检查数据输入到模型中，允许算法生成预测诊断，帮助医师筛选优先诊治哪些患者；另一个潜在应用是帮助医师诊断复杂或罕见疾病。通过这种方式，医师可以使用AI生成的诊断来帮助拓宽鉴别诊断并思考可能不会立即显现的诊断可能性。业内专家认为，近年来人工智能技术迅猛发展，但还局限于相对标准化的静态图像数据。在这项最新科研成果中，人工智能在识别影像的基础上，能更进一步读懂、分析复杂的病历文本数据（医生的知识和语言），意味着人工智能或将能像医生一样“思考”。“这篇文章的启示意义在于，通过系统学习文本病历，人工智能或将可以诊断更多疾病。但须要清醒认识到，我们仍有很多基础性工作要做扎实，比如高质量数据的集成便是一个长期的过程，因为大数据的收集和分析需要算法工程师、临床医生、流行病学专家等在内的多专家通力合作。此外，人工智能学习了海量数据后，其诊断结果的准确性仍然需要更大范围的数据对其进行验证和比对。”夏慧敏说。责任编辑：钱中兵

展开

心理学专业硕士甘肃艺术考研北师大考研招生网考研科目科目工商行政管理硕士研究生 2021考研时间安排时间湖北工业大学研究生招生怎么申请澳门研究生陕西考研封闭培训广西翻译硕士考研大龄考研女李正元考研数学视频南大年研究生招生机械工程专业考研内容自动化专业考研可以选择什麽专业大连理工大学考研分数线和录取分数线

首页

考研

考博

院校选择

专业选择

研究生动态

研究生题库

《影响研究与医学应用》

中科院田捷教授：基于 AI 和医疗大数据的影像组学研究及其临床应用丨CCF-GAIR 2018