“数治”时代,医疗AI有多少想象力?直播实录(下)

关注
合伙人
上海社区社交
一个专注于服务创业者的垂直社交应用
最近融资:天使轮|数百万人民币|2013-12-31
我要联系

早期,AI技术经常在“被神化”和“被轻视”这两个极端间游走。

直到AI技术连接上医疗场景,资本一拥而上,大批顶着医疗AI之名的公司在万众瞩目中冲入医疗行业,一路高喊“颠覆”,却一路“被教育”,资本也从火热转向冷清。

但随着时间推移,医疗AI行业走过当初懵懂的“婴儿期”,在热度下降的成长期,却开始显露出可贵的“赤金”本色和创新力。

从玩家扎堆的肺结节到被市场逐渐认可的眼底、脑卒中……连接AI技术后,医疗场景开始有了迭代的更多可能,既有越来越垂直的纵向应用,突破大众认知的医疗AI技术,还有横向跨界在计算机、石油、地质等领域的应用。

当然,无论是这个行业的乐观派还是悲观派,有一点是被所有人认可的,这条赛道大家才跑了不到十分之一的距离。

大胆想想,如果能把所有医疗AI公司的数据汇集起来,就像让所有的潮水流向大海,那医疗AI行业也许能掀起一场“地震级”的新风暴。此前医疗领域所有不能做,做不到的事情,都可以用新技术重新做一遍。

医学影像AI是否还会有颠覆性创新出现?被热议的“数字孪生”崛起,影像AI又能发挥什么作用?

5月12日晚,《财经》·财健道联合易凯资本,邀请到行业头部企业鹰瞳科技、深睿医疗、安德医智,在直播沙龙《“数治”时代,医疗AI有多少想象力?》中,分别就医疗影像AI的“面包和现实”、“诗和远方”展开深入对话。

以下为下半场沙龙干货实录:

01 医学影像AI是否还会有颠覆性创新出现?

《财经》杂志主笔、财健道主编杨中旭:

鹰瞳陈羽中教授曾对财健道说,通过人眼底的病灶,不仅可以预测眼部疾病,还可以分析出全身的慢性疾病风险,甚至能看出人的性别和性取向。技术如此神奇,您能否为我们进一步介绍其背后的原理和实现路径?

鹰瞳科技(Airdoc)首席医学官陈羽中:

这个话题很有意思,突破了我们常规的认知。视网膜是全身唯一可以直接无创观察血管和神经的组织,全身性的1000多种疾病、200多种常见病都可以通过眼底检测发现。2017年、2018年的时候,我们做视网膜影像、筛查糖网时还好,一旦进入高血压和其他疾病领域,大家就问能看吗?

这要问问医学——视网膜是否具备这些用以检测的生物学信息?我们让医学部做了一个论文汇编,囊括全世界各专家的智慧结晶,论文记录了他们用视网膜影像诊断贫血、肾衰、帕金森等等各种各样的疾病,眼科疾病就更不用说了。

其实我们不仅能看到糖网,还可以看糖尿病的发生概率,看准确率怎么样。总的来说是通过深度学习人工智能的技术,再加上视网膜固有的医学信息,使得除了人类眼科医生本来就能做的一些病变、疾病的识别,我们还能做到对慢性疾病本身的识别,比如阿尔茨海默病、帕金森。我们未来还会发表更多的论文,推出更多的成熟产品,服务于更广大的群众

杨中旭:医学影像AI是否还会有颠覆性创新出现,各位嘉宾的洞察是什么?

安德医智(BioMind)首席技术官吴振洲:

如果实现超智能影像的路程有一百米,其实我们现在还没到十米,为什么这么说呢?以肺结节为例,每个厂家都在做,但它的假阳性还是非常高,假阴性也比不过很多初级医生。

这里面有一个非常关键的问题,那就是现在很多AI模型都属于“弱智能模型”。什么叫“弱智能模型”呢?它有时候会犯一些非常简单的逻辑错误、一般人类不可能犯的错误。

科学现在也在尝试解决这个问题,自然语言届有个模型叫GPT,第一代的时候,它神经元参数是15亿个,非常巨大,这个模型的语音翻译、理解能力已经接近小孩的水平了。但是人的神经元有850亿,15亿离850亿还有很大区别。而次年问世的GPT3有1750亿神经元参数,已经是人类神经元的两倍了。这么大的模型在结合海量的数据训练成后,发生一个有趣的超智能现象,就是它可以通过演示就能理解数据规律,而不需要对模型进行再训练。比如你告诉他1+1 的3倍是6,问他2+3的3倍等于多少,它会说等于15,在没有数据训练的情况下,没有人告诉它问题逻辑是什么,它就能自己“理解”问题,有了“自觉”。

之前AI的神经元数量都只有人脑神经元数量的千分之一、百分之一,现在两者达到同样数量级级的时候,这个模型就似乎有点人的“意识”在里面。医疗影像也是一样。

接下来的关键是如何让AI模型的神经元扩展得更大,如何把更多的数据放在一起学习。医疗AI行业目前基本上都是各自为政,每家各有一两万的数据训练一个模型。有没有可能未来大家把数据集合在一起做出一个大模型呢?这个大模型绝对有可能解决现在遇到的弱智能问题,做到接近类人的境界。我觉得达到这样的境界,才能给予基层医院更多的赋能,让基层医院相信AI给出的结果和诊断。

深睿医疗联合创始人&首席技术官李一鸣:

咱们可以从窄一点的医学影像角度来讲这个问题。其实CT这些设备的成像原理,都是射线穿透组织,产生衰减,形成电子信号,基于电子信号再转成数字信号,再把数字信号转成图像信号。

为了照顾人眼,这一系列工作有很多折中和损耗。人眼能分辨256色,为了供人眼更好的观测,信号转化过来最后变成只有256个色阶。从AI角度来讲,本质上它是以计算设备作为载体,计算设备比人体相对更有优势——计算快、存储量大,遗憾的是,它没有智能,所以它只能干一些指令明确的事情。

但是今天有了人工智能以及深度学习的技术和手段之后,AI在计算设备上又叠加了智能的属性,这一点是非常大的突破。我们从人的角度不适合做或者做不到的事情,今天我们都有必要把它翻出来,看看新的技术能不能去解决。

比如说未来的影像设备是不是可以把原始的数据呈现、输出,供AI做更好的应用?再比如说现在有更多的探测的智能终端,是不是可以产生更大量的实时的数据?因为有了AI能够处理还能够快速反应。

2017年底,我去美国参加NIPS会议(Conference and Workshop on Neural Information Processing Systems,即神经信息处理系统大会,是一个关于机器学习和计算神经科学的国际会议),当时谷歌大脑的科学家讲的话我印象非常深刻,他说他们在用AI算法做可控的核聚变,这是很了不起的突破。这就促使我想医疗有很多这样的场景,受限于人体现在不能产生大量的数据,不能实时产生数据,这些都是未来我们可能有机会做一些颠覆性的事情。

02 数字孪生医疗应用崛起的时代,影像AI大有可为?

杨中旭:《易凯资本2022中国健康产业白皮书》中提到“数字孪生”概念,这个概念和近期比较火爆“元宇宙”有共通之处,医疗领域“数字孪生”是什么?在这一方面,影像AI是否大有可为?

易凯资本合伙人、健康产业联席负责人李钢:

各位可能还记得《钢铁侠》中有一个场景,主角新到了一个装置,他觉得看不清楚就用手一散,整个装置的每一个零件就出现在他的视线里。如果有喜欢汽车的朋友,你想研究发动机,你可以用手一挥,发动机的每一个零件都分开,你可以站在每一个零件面前拿下来看,有没有改进的空间,这个东西是不是方的可以改成圆的,这是科幻电影里的事情。但是我可以告诉大家,这个事情在今天是完完全全可以做到的。

我们可以换一个想法,如果不是发动机,而是心脏,是大脑,是一个头颅,我们也可以用这种方式。比如说陈羽中教授当年作为医生,和另外一个医生或者和患者沟通脑部肿瘤,可能患者也听不懂你在说什么,或者和你沟通的医生,一个在北京,一个在纽约,你们都可以戴上VR的眼镜,在同样的虚拟的room里面,把脑肿瘤完全打开,看到肿瘤组织在大脑的什么位置上,模拟怎么做这个手术,做完之后大脑会变成什么样,大家想一想这个场景会不会非常exciting。

我一个好朋友公司是DataMesh,做数字孪生服务,在全球可以排前三。他给我看了一个台湾医院的应用,就是我刚才讲的场景。

第二个想一想,2012年的时候美国NASA就给出了数字孪生的概念,用各种模型、传感器,传感器拿到的数据,包括历史数据,最后通过多维度的仿真形成一个产品的镜像,这是最简单的讲法。如果我有足够多的传感器和数据,包括依靠于AI的算法可以把物理上存在的人变成一个数字人,你的血流,你的脉搏,你所有的生命体征完全可以变成虚拟患者,在这个时候我们的医疗器械,我们的新药很多临床试验其实都是可以以虚拟人为基础去做的,而数字孪生的真正的愿景我觉得有一句话非常好,就是在计算机模型上犯错误而不是在人身上,所以这一点我相信不管是从成本还是从效率,都会带来很多有意思的话题。

李一鸣:我首先认为这是一个非常好的愿景,我们通过各种各样的手段,仿真算法结合技术,把人从物理实体变成数字的虚拟化的人体,这样的话我们可以在上面去做很多的实验,我认为这绝对是未来发展的一个大的趋势,只不过我们现在可能是正走在这个路上。

影像也是,影像可能更直接一些,通过影像的设备把人体直接进行扫描形成数字化的解剖结构的显示,这样的话相当于我们可以更好地观测人体的变化,从而帮助诊断和治疗。我感觉这个事情是在拼图的过程中,大家都从各自的角度向终极去努力,在这个过程中我们也能够同样践行这个概念,更早地产生一些落地的结果,因为很多特定的场景可能仿真,包括利用传感器给建设成数字孪生的实体来讲,其实难度很低。但是在临床的价值上可能未必低。

比如说我们现在做肝癌的手术治疗规划的产品,我们通过数字影像的检查,把组织、器官,包括相应的血管重建完之后找到病灶,我再对于现有的医疗器械的模拟找到最佳的手术方案,这样的话就是在数字上能够做的对于数字孪生概念的验证,AI医疗领域的人可能都有这样的梦想。梦想很远,但是并不意味着我们在中途中什么都做不了,我们在中途可以找一些很特定的场景,找一些特定的临床应用,我们可以把这个概念完全地转化成产品,进一步去验证我们这个大的愿景是正确的也是光明的。

陈羽中:第一,医科大学很早就在做数字人相关的技术探索,一个人像CT切片一样,整体组成一个数字人,当年还是一个很宏大的构想,其实就是现在的孪生医疗的状态。

第二个,现在讲是十年前,脊柱外科风险最高的手术是做颈椎(四肢骨折是相对比较简单的手术)。跟病人讲清楚这个手术其实很困难,因为脖子本来就很小,看不清楚。当时有3D打印,打印出一套骨骼模型,相关医生拿着模型跟病人讲,我要给你做这样的手术,不过当时这种方式算院外收费不算院内收费,所以遭到了医政管理部门的强力阻止。

事实上我觉得这两件事都有价值,目前还处于比较初级的阶段,不仅仅是医科学生学解剖的时候,不用动尸体就可以去学习等等这样一个作用,当我们参数更多、维度更多的时候就可以进入更加高级的阶段,比如器械选择、药物临床试验等。另外跟病人沟通这件事情本身在医疗上非常有价值,能够给病人以信心。当然,从医政和各方面的制度如何看待这个问题,可能还是有蛮长的一段路要走。

吴振洲:我就补充一点,很多很厉害的专家,一生积累的巨大知识财富,在生命最后一天都化为灰烬了。能不能把这些专家这么多年的知识、信息数字化,变成一个数字孪生,让他在平行宇宙里面继续活下去,这个场景未来有可能实现。美剧《上载新生》讲的就是这个。

杨中旭:三十几年前腹腔镜技术刚开始其实受到了非常大的阻力,哪怕是在医学界内部很多医生也是反对的,但后来这一技术进步给患者减少了非常多的痛苦,这让我们有一个感受,就是在产业发展的初期应该给予一定的泡沫,当然我们不能给它太大的泡沫,但是也不能政策收得太紧,让行业“缺水”死掉。

现在是AI的时代,我们应该给这个行业以一个适度宽松的环境来鼓励它继续前行,这是一个外行人简短的总结。

(本文由财健道团队根据视频号直播内容整理,经嘉宾授权发布)

- END -

如果想获取《易凯资本2022中国健康产业白皮书》全部内容,可在财健道公众号后台回复“白皮书”三个字。

如果您对本次直播话题意犹未尽,欢迎在财健道公众号后台回复“医疗AI”,加入行业的读者群继续深入探讨。

独学而无友,则孤陋而寡闻。欢迎更多读者向《财健道》分享对于医药行业的困惑、见解或期待,添加财健道小助手微信:13581763450,通过实名认证后加入读者群。


反馈
联系我们
推荐订阅