智能基础医学 1

智能医学概论第1章智能医学概述导学内容与要求了解智能医学的发展现状、智能医学产品研究、智能医学的发展趋势。掌握智能医学的基本概念。掌握智能医学的应用领域。1.1

|智能医学的基本概念1.1.1智能医学概念

智能医学(Intelligentmedicine)是一个全新的理论体系，是一门集工科和医科之大成的交叉融合学科，而非一种简单的技术。其特征是信息技术+医学，“+“是指融合和应用，两者非互相取代的关系。智能医学包括人工智能、虚拟现实、增强现实、大数据、移动互联网等技术加医学，而非人工智能（AI）+医学。

智能医学与IBM提出的“智慧医学（Smartmedicine）、数字医疗和移动医疗等概念存在相似性，但是智能医学在系统集成、信息共享和智能处理等方面存在明显的优势，是智慧医疗在医学健康领域具体应用的更高阶段。1.1

|智能医学的基本概念1.1.2国内外智能医学发展状况及分析1.市场规模及发展趋势

据统计，到2025年人工智能应用市场总值将达到1270亿美元，其中医疗行业将占市场规模的五分之一。2.国内外科技巨头均重视人工智能技术在医疗领域的布局与应用。IBM的Watson谷歌的DeepMind微软的Hanover阿里健康腾讯的人工智能实验室AIlab1.1

|智能医学的基本概念1.1.3智能医学人才培养途径智能医学专业人才需求量大，就业前景好，加强培养智能医学专业人才已是大势所趋。中国亟需培养一批具备学科交叉融合特质、创新与实践能力突出的复合型医学领军人才，来引领未来医学发展。现代医学正逐步由基础的“生物医学”向更高层次的“智能医学”发展，新医科的发展对医学教育提出了更高要求。医科专业建设需要医科、工科交叉融合的新模式，在医学院校里办工科，是实现“医工融合”教育新方向的重要路径。1.2

|

智能医学的应用领域1.2.1虚拟助理虚拟助理是指通过语音识别、自然语言处理等技术，将患者的病症描述与标准的医学指南作对比，为用户提供医疗咨询、自诊、导诊等服务的信息系统。科大讯飞人工智能医学机器人—“智医助理”1.2

|

智能医学的应用领域1.2.2病历与文献分析电子病历是在传统病历基础上，记录医生与病人的交互过程以及病情发展情况的电子化病情档案，包含病案首页、检验结果、住院记录、手术记录、医嘱等信息。其中既有结构化数据，也包括大量自由文本输入的非结构化数据。人工智能利用机器学习和自然语言处理技术可以自动抓取来源于异构系统的病历与文献数据，并形成结构化的医疗数据库。知识图谱可以为医生的诊断提供辅助，包括病情评估、诊疗建议、药物禁忌等。乳腺癌相关的知识图谱1.2

|

智能医学的应用领域1.2.3医疗影像辅助诊断人工智能在医学影像中应用主要分为两部分：一是感知数据，即通过图像识别技术对医学影像进行分析，获取有效信息;二是数据学习、训练环节，通过深度学习海量的影像数据和临床诊断数据，不断对模型进行训练，促使其掌握诊断能力。目前，人工智能技术与医疗影像诊断的结合场景包括肺癌检查、糖网眼底检查、食管癌检查以及部分疾病的核医学检查和病理检查等。糖尿病视网膜病变智能诊断系统甲状腺智能超声影像1.2

|

智能医学的应用领域1.2.4智能药物研发人工智能正在重构新药研发的流程，大幅提升药物制成的效率。

传统药物研发需要投入大量的时间与金钱，制药公司平均成功研发一款新药需要

10

亿美元及

10

年左右的时间。药物研发需要经历靶点筛选、药物挖掘、临床试验、药物优化等阶段。目前我国制药企业纷纷布局

AI

领域，主要应用在新药发现和临床试验阶段。利用人工智能算法预测大环肽化合物分子的形态1.2

|

智能医学的应用领域1.2.5智能基因测序基因测序是一种新型基因检测技术，它通过分析测定基因序列，可用于临床的遗传病诊断、产前筛查、罹患肿瘤预测与治疗等领域。单个人类基因组拥有30亿个碱基对，编码约23000个含有功能性的基因，基因检测就是通过解码从海量数据中挖掘有效信息。

人工智能技术的介入可改善目前的瓶颈。通过建立初始数学模型，将健康人的全基因组序列和RNA序列导入模型进行训练，让模型学习到健康人的RNA剪切模式。之后通过其他分子生物学方法对训练后的模型进行修正，最后对照病例数据检验模型的准确性。新生儿遗传代谢病基因检测项目1.2

|

智能医学的应用领域1.2.6智能医学语音智能语音技术在医疗领域发挥了费用重要的作用。目前医疗智能语音领域的应用主要体现在以下几个方面。1.智能语音电子病历2.智能问诊3.导诊机器人4.家庭人工智能医生1.3

|

智能医学产品研究

智能医学产品是服务于医生或患者的终端或者设备。根据这些产品的功能对其进行大致的分类：1.智能医学设备：以辅助治疗为主，如智能手术设备、自动注射仪、睡眠仪、呼吸治疗仪等；2.智能护理产品：主要用以康复护理，如行动辅助设备、康复护理设备等；3.智能检测设备：主要用以检测患者生理健康状况，如智能心脑电检测仪、智能血糖仪、智能血压计等；4.穿戴类智能医学产品：以可穿戴设备为主，功能涉及治疗、护理和检测等等，如智能监护服、智能眼镜、智能眼罩、智能头盔、智能手环、智能脑环等等；5.智能服务终端:主要是医院内用于服务患者的智能终端，如自助挂号终端、自助药房终端、自助化验报告终端等等。1.3

|

智能医学产品研究

【案例一】自助药房2014年初，在广州某药房门前出现了新开设的“自助药房”。左右两边各有一个药品展示柜，里面约有70种药品，价格与店售价格一样。每一种药品下面有个3位数的编码以及各自的价格，购药程序则同街头的自助饮料售卖机差不多。记者发现，自助药房旁张贴了24小时咨询电话，接受市民的购药咨询。店员表示，“自助药房”开设大约1个多月，销量还不错，很多市民觉得很方便。药店营业时间到晚上11点，半夜若市民需要买药，就可以直接通过“自助药房”购买，不用再跑去其他24小时营业的药房了。自助药房1.3

|

智能医学产品研究

【案例二】自加热护膝这款护膝运用了电磁感应的原理，内部放置了线圈和磁铁，形成一个小型的点发生器。护膝的电能来源于锂电池，蓝灯亮起表示储能，红灯则表示正在释放热量。自加热护膝1.3

|

智能医学产品研究

【案例三】智能止痛

2014年飞利浦公司新推出了两款智能设备：PulseRelief和BlueTouch。两款设备可以与iOS产品（iPhone或iPad）无线连接并通过专用APPTreatment对其进行止痛过程的控制。这两个设备的原理是通过刺激患者进行运动来帮助缓解肌肉疼痛。PulseRelief止痛设备1.3

|

智能医学产品研究

【案例三】智能止痛

2014年飞利浦公司新推出了两款智能设备：PulseRelief和BlueTouch。两款设备可以与iOS产品（iPhone或iPad）无线连接并通过专用APPTreatment对其进行止痛过程的控制。这两个设备的原理是通过刺激患者进行运动来帮助缓解肌肉疼痛。PulseRelief止痛设备BlueTouch止痛设备1.4

|

智能医学面临的问题与挑战

数据是人工智能技术最重要的因素之一。对于机器学习而言，模型越复杂、越具有强表达能力越容易降低对未来数据的解释能力，而专注于解释训练数据。这种现象会导致训练数据效果很好，但遇到未知的测试数据预测效果会大幅降低，即发生过拟合现象，从而也就需要更多的数据来避免该问题的发生，以保证训练的模型对新的数据也能有良好的预测表现。对于医疗人工智能而言，数据的重要性更为明显。以医疗影像辅助诊断公司为例，企业训练模型的数据来源通常是公开数据集，或者企业与个别医院合作获取的影像数据。数据问题的解决是保证医疗影像辅助诊断产品是否能够广泛应用的关键，广泛开展合作，加深数据的积累以及技术上的创新或是下一步行业发展的重点。1.4.1数据是行业发展的瓶颈，积累与创新是解决问题的关键1.4

|

智能医学面临的问题与挑战

目前，业内针对肺结节、糖网病检查等场景的医疗人工智能产品诊断准确率普遍很高，但是真实情况并非如此乐观。企业在训练自己模型时通常都有自己的数据库，各自的算法都是按照自己的数据进行训练，然后以自己的数据来验证准确性。在没有得到临床验证前，基于标准或特定数据集的实验室测试结果并不具备较大的意义，因为实际临床应用的场景是非常复杂的。具体体现在以下几个方面：1.数据采样

以糖网病筛查为例，瞳孔较小、晶状体浑浊等人群的免散瞳眼底彩照，图像质量往往达不到筛查的要求。此外，受限于成本因素，很多基层医疗机构使用的是手持眼底相机，成像质量堪忧。2.数据格式

在病理方面，数据缺少通用的国际标准，各医院使用的病理切片扫描仪厂家也并不一致，各扫描仪厂商的扫描文件数据格式多数为私有格式，数据的标准化需要各厂家与医院积极配合，开放自己的数据存储格式。3.诊断标准

目前图像识别技术在医疗影像辅助诊断上的应用已经取得了比较好的应用，技术上也取得了较大的突破，但是医疗影像辅助诊断产品下一步应当完善自己的算法，避免“就图论图”。以甲状腺结节诊断为例，医生诊断的依据并非只是彩超的拍片结果，还要结合甲状腺功能化验，查看抗体的相关表现。因此，将临床表征信息、患者基本信息、LIS指标、随访记录等都作为预测模型的因子，实现多模态的诊断体系将是医疗影像辅助诊断产品下一步重点突破的方向。1.4.2

医疗

AI产品需要实现从试验向临床应用的突破1.4

|

智能医学面临的问题与挑战

现在的医疗人工智能企业多数是依靠单点医疗机构开展工作，合作方式较为单一，数据作为医院资产也难以供企业放置于院外使用。此外，医疗人工智能产品想以销售软件的形式让医院付费，不论从计费方式、软件资质等方面都较为困难。因此，建立可持续的商业模式是医疗人工智能行业长久发展的关键。与政府、医院开展合作，向医疗机构提供服务或是解决方案之一。1.4.3加深合作，可持续的商业模式亟待建立1.4

|

智能医学面临的问题与挑战

人工智能帮助进行辅助诊断在医疗责任认定方面也存在问题和挑战。例如，用户在使用医疗虚拟助手表达主诉时，可能会漏掉甚至错误地进行描述，导致虚拟助手提供的建议是不符合用户原本的疾病情况的。因此，目前监管部门禁止虚拟助手软件提供任何疾病的诊断建议，只允许提供用户健康轻问诊咨询服务。1.4.4明确医疗责任主体，划清权责范围1.4

|

智能医学面临的问题与挑战

目前，我国从事人工智能行业的从业人员数不足5万人，每年通过高校培养出来的技术人员也不足2000人，人工智能人才缺口较大。相比于数据资源较为充足，我国的人工智能人才储备较发达国家差距较大。据统计，在人工智能行业从业者当中，美国拥有10年以上工作经验的人才占比接近50%，而我国只有不到25%。此外，我国同时掌握医疗与人工智能知识的复合型人才更是匮乏。因此，只有解决人才问题，我国才能突破医疗人工智能行业发展的瓶颈。基于此背景，我国高度重视人工智能培养，并制定《新一代人工智能发展规划》国家战略，指出要把高端人才队伍建设作为人工智能发展的重中之重。1.4.5制定人才培养计划，抢占战略制高点1.5|

智能医学的发展趋势

随着移动互联网的发展，未来医疗向个性化、移动化方向发展，未来几年将有更多的手机用户使用移动医疗应用，如智能胶囊、智能护腕、智能健康检测产品将会广泛应用，借助智能手持终端和传感器，有效地测量和传输健康数据。智能医学产品的发展可以总结为以下几个层次：1.产品设计更加注重人机关系的体现。2.产品向信息化方向发展。3.关注产品使用时的用户体验，以人的需求为根本出发点，使家用智能医学产品的共性功能中形成针对不同年龄层次、不同病症表现的患者提供差异化服务。4.更加注重交互设计的