作者：範昕茹 來源：IT時報
在所有行業中，醫療行業是產生數據最多的行業之一，其一年產生的數據量大約佔全球數據總量的30%。其中，智慧醫療每年產生約59PB的數據，生物醫學研究每年產生約40PB的數據。
在2023中國國際醫療器械博覽會暨“AI邊緣計算賦能醫療影像，助力基層醫療創新升級”論壇上，英特爾中國區物聯網及渠道數據中心事業部總經理郭威認爲，如何利用好這些數據，是科技賦能醫療的核心所在。“在醫療行業上，英特爾主要做三件事情，即‘一個基礎，兩個核心點’。”郭威解釋說，一個基礎，就是以人工智能爲基礎賦能行業，讓人工智能在英特爾的芯片上跑得更好。兩個核心則是指加速科研創新和賦能智慧醫療。
人工智能等技術的加持，正讓醫療變得更加智慧和便捷。
英特爾中國區物聯網及渠道數據中心事業部總經理郭威
AI某些單病種檢測率可達95%
隨着AI在醫療行業的應用，AI在醫療影像上的應用已經十分廣泛，主要集中在流程改造、疾病診斷和健康管理及治療上。
中華醫學會放射學分會主任委員、中國醫學影像AI產學研創新聯盟理事長劉士遠在會上公布了一組數據，一份面向全國醫學影像人工智能調研結果顯示，大醫院的AI使用率已經達到了73%。截止目前，我國NMPA注冊證已經達到了55張以上。
AI正讓醫療檢查變得更加便利。比如在冠脈的影像診療中，以往不用AI的時候，一個病人從掃描到圖像重建，再到生成報告，往往需要花費30分鐘左右。但現在，因爲AI，重建處理的過程被縮短到了1分鐘左右。也就是說，現在僅需6分鐘，就能完成冠脈檢查到報告生成的全過程，大大增加了檢查的效率。劉士遠說：“檢查速度快了，意味着一天內醫院能完成的冠脈檢查數量要比以前多了，患者也因此能夠獲益。”
而在肺結節、冠狀動脈CTA成像、頭頸部CTA人工智能模型、骨折模型、灌注等醫學界常說的“五大金剛”的檢測上，AI已經有很高的檢出率。在劉士遠看來， AI在一些容易被遮擋的部位更有優勢。因爲AI的分辨率更高，一般在平面片子上看不到的地方，肉眼容易漏診，但AI卻可以“看”得更清楚，提醒醫生可能存在的病變。他給出了一份某三甲醫院的統計數據。數據顯示，在冠脈領域，AI的應用幫助醫院的斑塊狹窄檢出率從原本的60%多，提升到了95%左右。肺結節的檢出率從原來的35%提升到了70%。
匯醫慧影公司提供的產品則可以幫助患者在拍攝CT時，同時完成骨密度的相關檢測。匯醫慧影CEO柴象飛介紹說，在不用體膜的情況下，患者只需要對胸部或腹部進行掃描，AI就可以自動計算出骨密度。如今，這項檢查已經可以廣泛應用在骨質疏松篩查，包括錐體形態分析、骨折預測、肌少症、肥胖症以及術前的規劃等等的方面。
匯醫慧影CEO柴象飛
盡管現階段AI大多被集中應用在單病種的診療過程中，但在劉士遠看來，隨着人工智能影像的進一步發展，未來AI醫療產品將越來越豐富。這些產品將幫助AI診療從單病種向多病種多任務發展，形成基於部位和器官的軟硬一體化，基於互聯網的源共享以及診療的一體化，從而達到全流程覆蓋，形成良好的生態。
“AI的發展，是撲面而來，”劉士遠說，“就像海浪一樣，一波一波地衝擊，一波波看上去一樣，但是內涵都不一樣。”
10年內AI不會取代醫生
當AI越來越多地介入到醫療環節之中，對於傳統的放射科醫生來說，是否意味着他們的工作職能將要被取代？
“2016年，我們开始建醫學影像人工智能聯盟的時候，同事會說，你們在做的事情是給自己做掘墓人。”一位醫療行業專家說，“但從這五六年的經驗來看，至少在十年內，它還無法取代影像醫生。”
這位醫療行業專家認爲，盡管在一些常見病的檢測方面，AI的准確率已經超過人類醫生。但在實際的醫療診斷中，AI仍然存在缺陷。她說：“根據目前有限的，能夠看得到的可靠報道，往美好的地方想，AI能達到高年資主治醫生水平。”
之所以給出這樣的判斷，是因爲在她看來，醫學上的知識和單純去看圖像、照片是截然不同的。在實際的醫療診斷中，醫生需要結合患者的病史、用藥史等多重信息來判斷病人的病情，而非單純依照圖片給出診斷。因而，AI給出的報告僅僅只是參考，醫生還需要依托自己的經驗進行綜合判斷。“不過，”她說，“如果醫生只滿足於簡單的診斷，那一定會被AI所取代。”
但在劉士遠看來，盡管目前AI仍處於輔助治療決策的階段，但隨着ChatGPT的發展，AI替代醫生的可能性似乎越來越高。“但我並不認爲這是一種危機，”他說，“這其實是一種機遇。”
在他的設想中，未來的醫生不會只面對冷冰冰電腦屏幕，而是需要走向更鮮活的人生，和病人溝通，爲病人解決問題。他說：“醫生的價值在於與病人一起解讀AI生成的報告。”當AI報告的准確性足夠高，可以直接用於疾病的診斷，對醫生和病人而言，意味着效率的提高，因而醫生和病人都有更多的時間投入到工作和生活中，“這不是很方便嗎？”
多模態AI是未來
輔助診斷和AI自主進行診斷之間到底還有多遠？一位英特爾專家給出的答案是，還缺一個多模態AI。
在這名專家看來，影像AI通常只能用作輔助的一個原因在於，影像診斷本身並不是單純基於影像數據的判斷。他說：“無論是放射科醫生還是臨牀醫生，在制定診斷方案時都需要結合患者的基本信息、人口學信息、歷史病例信息，甚至包括基因數據，綜合評估才能得出一個診斷結果。”
這意味着，單純依靠影像AI並不能解決診斷問題，必須得結合電子病歷數據、基因數據等多種數據來源進行多模態的分析。“這也是未來臨牀應用的一個趨勢。”他說。
在醫療行業，盡管對於多模態的分析已經進行了很多年，但目前關於多模態AI的研究仍處於研究階段，應用相對較少。這是因爲多模態分析通常涉及到影像和病例等多種數據。在醫學界，數據的獲取和共享仍是一個世界性難題。
相比ChatGPT等大模型，醫療行業的AI產品的數據投喂量往往在1000個病例左右，遠遠小於GPT的數據投喂量。這對醫療多模態AI的產生提出了挑战。而在數據的標注上，醫療行業的標准制定遠比其他行業困難，即便是專家級別的醫生教授之間，對同一個病種，也很難達成一致。凡此種種，都給醫療多模態AI的產生提出了挑战。
在理論層面，多模態AI形成診斷的流程是通過輸入多模態數據，AI將數據進行融合後，通過模型，產生診斷。“因爲結合了不同維度的信息，從理論上來說，它的結果應該更加精准，”該英特爾專家表示，“但問題是，模型更復雜之後，可能會變得超級大。”這不僅會提高模型的研發難度，還會增加使用者的使用難度。因爲多模態模型的可理解性和可解釋性會更差。
本文作者可以追加內容哦 !
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。
標題：AI正幫助醫療變得更智慧和便捷
地址：https://www.breakthing.com/post/60981.html
