醫療人工智能落地成現實(shí) 如何保證數據精準是關(guān)鍵

　　回歸數據價(jià)值是關(guān)鍵

　　對于A(yíng)I醫療公司來(lái)說(shuō)，單一的算法開(kāi)發(fā)如今似乎很難支撐起一家公司數據的價(jià)值重新回歸。

　　“實(shí)際上，人工智能是一種知識的表達?！睏罴劦?，人工智能其實(shí)是一個(gè)交叉學(xué)科，既是計算機科學(xué)的分支，又涉及心理學(xué)、哲學(xué)和語(yǔ)言學(xué)等。如果研究機構或公司只是單純研究算法，那么很難實(shí)際應用。不同來(lái)源的數據與算法結合，才是人工智能的根基。

　　自然語(yǔ)言學(xué)習、深度學(xué)習、虛擬助理等，都是AI的具體研究領(lǐng)域。在醫療方面，圖像分析的應用也比較廣泛。

　　楊吉江認為，從發(fā)展階段上看，人工智能從早期推理到后面的數據驅動(dòng)，數據是最主要的。例如，有AI+醫療影像的公司與業(yè)內專(zhuān)家探討，開(kāi)始回歸數據，在數據采集、數據管理上花費很大的力氣，而不是“虛幻的”去做診斷。

　　對AI醫療來(lái)說(shuō)，數據的重要性不言而喻。AI在小樣本集上做的診斷或推定，被認為是不可持久的模式，因為一旦再擴大一點(diǎn)范圍，換一個(gè)病種、換一個(gè)地方，結果可能就出現偏差，正確率下降。

　　“為什么人工智能突然爆發(fā)?實(shí)際上這跟大數據的發(fā)展也有一定關(guān)系。我們現在手上都有很多數據，但如果不去有效地利用，就不具有價(jià)值?！睏罴f(shuō)。

　　楊吉江有過(guò)400萬(wàn)個(gè)數據清洗完后，剩下20多萬(wàn)個(gè)的經(jīng)歷;從某醫院拿到的200萬(wàn)個(gè)眼科數據，清洗過(guò)后也差不多只剩下20萬(wàn)個(gè)。作為AI醫療的基本素材，數據的準確性和質(zhì)量非常重要。但“干凈”的數據并不容易獲得，需要很大的工作量。

　　即便數據量足夠大，在面對每個(gè)個(gè)體的差異時(shí)，AI醫療依然沒(méi)法保證100%的準確率，一旦出現問(wèn)題就是誤診、漏診。因此，多位與會(huì )人員亦表達了類(lèi)似的觀(guān)點(diǎn)，即人工智能在醫療領(lǐng)域的角色目前仍是輔助。

　　針對臨床決策的輔助系統，融合大量醫學(xué)指南與醫生的經(jīng)驗智慧，針對治療目標及治療的實(shí)時(shí)效果進(jìn)行決策建議，大大提升科室的綜合決策診斷水平。

　　邁瑞發(fā)現，作為光信號的血氧參數以及電信號的心電參數間，其實(shí)有著(zhù)緊密的聯(lián)系。把兩個(gè)數據“擰在一起”，在多參數聯(lián)合分析作用下，對心率、脈搏監測準確性大大提升，并極大地增強了報警的準確性。這樣“智能報警”的結果，則是讓致命性心律失常誤報次數大幅下降65%，其他心律失常誤報次數下降50%。同時(shí)，對于心率準確性提升30%，脈率準確性提升30%。

　　點(diǎn)評：但截至目前，沒(méi)有人能保證人工智能能達到100%的準確率，但是有哪個(gè)醫生能保證自己能達到100%的準確率嗎?如果人不能達到，就要求AI一定達到，是不是對人工智能太過(guò)苛求?現階段讓人工智能在醫療的過(guò)程中提高數據的分析利用效率，給醫生的分析判斷提供參考就是最大的貢獻。其它的可以在實(shí)踐中慢慢進(jìn)步