2017年4月21日，由中国人工智能学会和亿欧主办的以“大数据、AI成为传统产业的新动力”为主题的“新科技·划时代”峰会在深圳市举行。本次峰会旨在集合学会、企业、政府之力，将AI和产业融合，提升企业效率和带动产业升级。

　　出席此次峰会的嘉宾包括将门CEO高欣欣、丰元创投李强、奇点汽车战略合作总监高华、亿欧网副总裁由天宇、智童时刻创始人郭长琛等。

　　浙江大学睿医人工智能研究中心主任吴健就“医疗大数据呼之欲出”发表了演讲，以下是吴健的主要观点提炼：

　　1、医学人工智能的现状与展望;

　　2、医学人工智能的目标;

　　3、人工智能与大数据;

　　以下为吴健就“医疗大数据呼之欲出”的演讲内容整理：

　　感谢大家，刚才看了亿欧制作的人工智能30人，心潮澎湃。

　　国家对医疗大数据的人工智能有非常多的政策，去年国务院常务会议通过了《健康医疗大数据应用发展的指导意见》，国务院常务会部署了医联体，并推出了人工智能辅助诊断的技术管理规范，以及人工智能辅助诊断的临床应用指标，再有是把四个科室独立出来了，对我们来说非常好。

　　医疗大数据呼之欲出。

　　大数据的中心，去年6月份已经批准了福建省、江苏省及福州、厦门、南京、常州六个省市作为试点。

　　3月分发布的健康医疗数据公司，四个国企，如中国电子，国开投，联通等四个国企来建设大数据公司，成为医疗大数据的产业国家队。

　　国家卫计委成立多个健康医疗大数据研究院，目前正在筹建当中。

　　已经开始进行数据共享的试点，京津冀三地一百多家医院。

　　医疗领域的痛点非常多。医疗需求的入口也非常的旺盛，从院前、中、后的服务，健康诊断的，健康维护的等等非常多的需求出现，当然这个当中也已经有大量的公司在满足大家的需求。

　　健康医疗入口非常多，从健康管理自诊，导诊，候诊等等都已经有大量的企业在里面。

　　互联网医疗在去年、前年两年的发展中迭代非常快，下面到智慧医疗还有一点点的距离。

　　人工智能的工具日新月异，昨天有一个爆炸性的新闻，百度把自己的无人驾驶车的整套工具，以及数据全部都公开出来，无异于出了一个原子弹，数百亿美元的研究投入就砸了没有了。

　　人工智能工具箱Caffe2今年刚刚发布，已经不再是在大的应用上做深度学习了，而是一些小的上面也可以做轻度学习。Tensorflow，也是今年发布了。还有MXnet，也是计算非常迅速的，还有微软的工具。前面的四个都是深度学习的框架。后面的CNTK是简单的机器学习上的应用。

　　这样的免费工具的大量出现，使得人工智能的门槛降低得非常非常多，大家自己随便都可以来玩一下。

　　在这样的市场下，我给大家讲三点：医学人工智能的领先，可能的展望，以及我们自己做的工作。

　　去年的12月份，google发了一篇文章，几乎可以做得比医生更高的水平，拿了12.8万的数据，每个图片都有多个医生来标注，最后测试的几千张图片里面也有医生的标注，最后发现可以比真实的医生做得更好一些。

　　今年2月份Nature杂志上刊登了一个文章，讲斯坦福大学的***癌的诊断，拿了12.9万的***病的数据，其中有正常的，也有一些有***的数据，做了以后，人工智能的蓝线击败了大部分的职业医生。

　　《科学》报道人工智能在心脏病预测上的应用，讲的是在Plos one上有一篇文章，机器可以预测有没有可能在近一段时间有心脏病的产生。

　　另外是新建并***建议及监控，做得非常好的一个工作，用了千亿级的，只有400多张的影象，但是前面用大量的其他的正常的影像或者是其他***影像来做曲线，也是做得非常好。

　　脑瘤的术中快速诊断，用了新的技术可以适时的成像，用计算机快速的诊断，看看是不是有肿瘤，肿瘤的位置、大小等等。

　　神经假体的精确控制，4月份的一个报道，如果有肢体不健全的，他可能是装上义肢，之前很难分辨神经上的电流有什么样的动作，现在搞了50个传感器去搜集数据，然后进行分类，看最后到底这个电池是做一个什么样的运动。

　　Google使用人工智能程序检测组织切片乳腺癌，以及大小是什么。

　　中央台报道了人工智能三剑客，讲了浙江省人民亿元对肺结核的诊断。

　　看过学术节的工作之后再看看工业界在玩什么？

　　阿里健康今年在深圳这边做云栖大会上讲阿里在做B超的诊断。百度有一个医疗大脑，今年整个部门移到了人工智能的部门里面去，在对话方面是做得比较好的。腾讯投了五个赛道各自的第一名，先面的还有好大夫，丁香园等等，把每个赛道最牛B的企业带起来了。

　　IBM做机器人问答，在诊断方面也做了相当大的工作，虽然最近从解约出来，但是目前在医学人工智能方面还是做得最好的企业之一，技术非常先进，是我们努力赶超的对象。

　　Google做了非常多的东西，健康，眼镜等等，通过眼镜可以实时监控去糖的含量。

　　苹果也做了大量的产品，包括手机里面有一个APP是跟北京宣武医院的合作。

　　梅西，是一个比较大的医联体，大量的数据来分享。

　　梅奥，从诊所做到研究院，非常的神奇，做一些适时的研究支持，提供更有价值的实验室服务。

　　凯撒医疗，是一个HMO，也做得非常好，控制成本为出发点，让病人不生病，跟病人自己的目标也是非常相近的，可以做到非常健康，形成较为连续的健康档案，有利于治疗和慢性病管理。

　　约翰.霍普金斯，把不同的整合到一家系统里面去。

　　克利夫兰诊所，做各种各样的工具。

　　加州大学洛杉矶分校医学中心也非常好，做了一些心率衰竭方面的指数的算法。

　　CVS和Walk—in，两家最大的医疗机构，可以拿到大量的用户的***和***，通过IBM模型做分析，让客户正好的掌握自己的健康状况。

　　Berg，把新药研发缩短非常多的时间。

　　Nuance，国内有很多，做语音识别的，麦克风也卖得非常非常好，类似这样的还可以收集大量的医生的数据，医生做手术的过程，大量的数据记录进去，都可以通过一款产品，感受特别好，对于治疗领域来说，有很多东西只要讲一下，就马上已经给你补全了。

　　Inovalon，这家公司也是收集了大量的医疗数据，做医疗整个环节中的优化。

　　UpToDate也是把大量的医疗文献进行理解，可以告诉医生有什么样的***，有什么样的临床路径会比较好。

　　Practo，医疗的管理软件，主要是帮助病人预料医生，做精准的医患品牌以匹配。

　　Zocdoc，也是做精准的医患匹配，也是目前美国最大的医患匹配的平台。

　　Patientslikeme，也是做病患的相似分析，看看哪些比较相近，拿治疗方案为自己服务。

　　保险公司，他可以预测哪些病人在未来三个月之内会出院，对那些潜在的入院的人群进行提醒，像心脏病衰竭的祝愿率下降到40%到50%。

　　SkinVision，他是比较聚焦于黑色素瘤，需要连续拍摄多张影像来判断。在国内百度也是做过类似这样的工作。

　　Neurotrack，看一张新、旧图片之间的视体验改变的状况。

　　AliveCor，中风和心率衰竭的情况。

　　23andme，做基因检测的公司，基于个体和家庭的基因情况进行精准的健康管理***。

　　Cloudera，是一家做大数据的公司，做云计算的公司，他在这里也是做了一些医疗的，配合大型的医院，集团，预测病人入院的时间，调整资源分配。

　　刚才已经看到了医学人工智能大概的现状。下面是一些展望。

　　医学人工智能的目标是让患者更了解自己，让医生更清楚患者，让医疗过程更加准确，医疗管理更加科学，第三方服务更加丰富。

　　用可视化的方式做一些简单的工具，让病人可以更加了解自己，让医生更加了解病人，通过多元的数据，相似的案例，个性化治疗方案的推进，让医生更了解患者，让医疗做得更精准，医学知识图谱，进行预测等等。人工智能做辅助的诊断，让医疗管理更加的科学，进行***的分析，***预测的趋势的分析，之前Google说它可以预测感冒流行，过两年之后又说不能预测感冒流行。

　　第三方服务更加丰富，有一个网站开放出来以后，当年的12月份出现了两百多家服务系统，比如说保险，所以我们认为第三方服务也会层出不穷。

　　对于我们来说做计算机的人怎么看？基本上是以检测量化，诊断评估，干预治疗作为换讯，我们基本上都在这里面。

　　可以做的是医学人工智能的辅助***，比如说糖尿病的监测，类似于这样的辅助医生做一些工作。

　　人工智能和大数据，都会有人问是不是能够替代医生，是不是以后医生要下岗，我想医生还是会持续的提供服务，我们做的人工智能的工具，大数据的工具做出来以后，给一些医生提供帮助。

　　还有医学上的研究，比如说医生推荐，医生到底擅长什么样的，可以看医学文献知道谁可能在这个方面更牛一些，还可以做医院的，***的，相关用药的知识图谱。还有是做非结构化的，文本的数据，或者是影像的数据做结构化。健康的预测，比如说拿到了大量病人的体检数据，从的实体状态来预测明年大概会变成什么样，明年的保费要增加到多少。

　　再做大数据监管，看看有没有异常行为，看看有没有谁是去医保骗保的，或者是做运营的，对用户进行画像，把合适的产品、合适的服务推给合适的用户，再做一些量身定制，做一些报告，辅助政策制定，比如说什么样的药应该进医保，什么样的药不能进医保。

　　最后是我们自己做的工作。

　　眼低图慢病检测云服务，从机器视觉的角度做了一下工作，并且取得了一系列的专利，最后是找到跟主动相关的系统病变，看看有没有，最后告诉你是不是可能在近三年类发生。这个服务已经放到了阿里云上。

　　深度学习的工具上也做了一些类似的，比如说糖尿病视网膜病变分析，跟google去年干的事情是一样的，他因为拥有更好的数据，所以他是业界做得最好的。我们也是拿到了公开数据上来做的，目前是70%左右的敏感度。

　　做医生擅长的，一部分是区分他的论文在哪些方面有贡献，另外是这个方向上进行排序，经过多轮迭代以后，最后可以对医生比较精确，排序也比较好，做到传统次数上的排行差不多。

　　甲状腺结节良恶性的预测，通过一些数据看这个结节到底是不是恶性的，恶性的程度有多大，是不是马上需要进行手术。

　　下面还拿到了挂号预约平台上大概三个月左右的数据，建立一个流转的过程，也可能那些病人到了C医生手里，要么被治好，要么被挂掉，这个医生是不是更牛逼。看就诊流程的预测，红色的是气温，绿色的是PM2.5，看看相关性，是不是***和气温相关，还是跟空气质量更有关系。

　　最后做***知识突破，对于TOP100的***来看，哪个***生了之后还有其他***的伴随，过了三年之后会不会有这样那样的***，这个也是让病人自己玩的。

　　浙大睿医研究中心是希望打造一个开放的平台，开放工具与数据，给大家使用。希望有更多的人一起加入到平台中来。

　　医学人工智能是非常好玩的领域，希望我们共襄盛举，谢谢大家。