引领数字化医疗的当下与未来

近日落幕的2020世界人工智能大会引发了业内关于“医疗+人工智能”未来的又一波畅想。7月11日，西门子医疗数字医疗事业部执行副总裁WidoMenhardt博士远程参与“2020世界人工智能大会”，并作题为《人工智能驱动决策：沿患者路径的数字健康解决方案》的主题演讲。

从诊断、治疗，到预后、随访，在完整的诊疗路径上，AI都可以辅助医护人员做出决策，从而有效提升效率和治疗效果。据麦肯锡大数据医疗报告调研：在美国区域，医疗大数据可为美国的2.6万亿美元医疗支出节省12-17%的医疗成本，贡献接近4,500亿美元的价值。然而截至目前，全球的医疗机构仍无法充分而全面地利用大数据，数据价值被大大贬值。如何有效使用大数据提升诊疗质量，同时显着降低成本，仍然是个巨大的挑战。

WidoMenhardt博士表示，AI可以从以下三个方面为明智的医疗决策提供支持：

●AI可有效提升效率和生产力，利用数据驱动的决策来提高临床效率和运营效率；

●通过自动化和标准化，AI可为临床决策提供支持，并改善整个护理过程中患者的健康状况；

●AI可以辅助患者管理，推动患者参与并改善治疗流程，最终促进合作医疗和远程医疗的实现。

在整个患者诊疗过程中，西门子医疗的多种新应用程序和解决方案都能提供有力支持。无论是在患者既往病历、诊断、治疗决策阶段，还是在治疗期间或术后护理、随访中，整个临床途径中都有各种接触点，可以简化并加速患者数据的生成和汇总。借助数字技术存储和分析这些数据，可以支持医务人员根据患者护理路径进行临床决策。

不过，WidoMenhardt博士同时指出：“为了能够充分利用数据价值，仍需要将现有应用程序与解决方案相互连接，摆脱数据孤岛。”

作为医疗人工智能的领军企业，西门子医疗拥有600多个与机器学习相关的专利，其中包括200多个涉及深度学习的专利。同时，他们拥有强大的超级计算能力，携手超过4,400个临床合作伙伴，平均每天可进行600次AI实验。目前，西门子医疗已经在临床实践领域发表了超过45种AI应用。

WidoMenhardt博士表示：“我们的AI专利不仅仅是一个概念，而是已经真正在帮助医务人员做出明智的决策、更快地处理数据。随着新的AI技术推向市场，相信在未来几年我们还会做得更好。”

人工智能辅助的多器官影像判读

人工智能的广泛部署将基于一种通用系统，该系统能够无缝集成到现有工作流和IT架构中。更快、更精确地评估胸部CT图像上多个解剖结构和器官，无疑将推动人工智能成为直观影像判读的辅助手段。

推进人工智能部署并充分利用其优势的一个关键先决条件，是存在一个全面的、易于使用的临床常规项目解决方案。这个解决方案与现有医学影像存档与传输系统（PACS）的兼容性尤为重要，这是人工智能成功应用于医疗机构的关键。

加拿大放射学家协会发布的一份技术白皮书证实：“最终，推动临床采用人工智能系统的因素，可能是将人工智能应用集成到图像判读工作站的医学影像存档与传输系统（PACS）的可实行性和有效性。”换言之：人工智能不应彻底倾覆原有的工作流程，而是应该以更多不同的方式优化并加速放射科医生每天的工作。

一般来说，专家们认为，完全独立的诊断算法要成为放射科的常规工作的一部分，不是短期内能够实现的事情，而在不久的将来，人工智能的角色更偏向于辅助加快工作流程，推动对影像的判读。

胸部影像具备的显著价值

胸部影像是借助人工智能实现多功能影像分析的一个典型例子，现已成为放射学工作中最重要的领域之一。尤其是低剂量CT肺癌筛查，其可能在未来几年进一步推动全球众多国家对于快速、可靠的影像判读的需求。

利用人工智能肺分割自动定位可疑病灶并测量其2D和3D尺寸，这种简单的功能就可以节省大量时间。此外，用于确定慢性阻塞性肺病（COPD）气道阻塞和肺气肿程度的算法（Das等，2018年），或用于在CT扫描图像上量化肺纤维化严重程度的算法同样具备良好的发展前景。最后，借助人工智能实现的3D可视化，如CR图像，可以简化读取的过程，增加直观性。

而且，多器官人工智能系统还有一个理想中的优势，以心肺疾病为例，它能够简化评估工序，并降低非正常情况被忽视的可能性。得益于现代扫描设备的高时间、空间分辨率的特点，我们甚至可以在非心电图同步、非造影剂增强的胸部CT图像上进行全面的心胸评估。事实上，非心脏CT图像上有多达三分之二本应可检测出来的非正常心脏表现，如冠状动脉钙化或主动脉扩张，在放射报告中未被提及。胸椎骨肿瘤或转移灶的情况亦是如此，这些在胸部CT图像上并非少见，而是仍存在较大的漏诊可能性，进而造成严重的临床后果。

特别是在转移瘤扩散检测方面，我们希望未来能够借助人工智能辅助平台，不仅可以评估单个机体部位（如胸腔）的影像，还可以评估全身的扫描图像。例如，在乳腺癌或前列腺癌的晚期，肿瘤常会转移到骨骼、肺、肝或大脑。在这方面，进一步发展的集成人工智能系统可能在未来几年为全身性评估带来显著改变。

持续改进

人工智能是一种学习型技术。近年来，人工神经网络的新结构在影像分析方面取得了显著的进展，并很有可能在未来延续这一趋势。此外，智能算法本身的性质就是通过处理大量数据并调整及优化内部参数来进行学习。这一优化过程是关键，特别是在将人工智能应用于不同的扫描设备或成像协议，或在不同的患者群体中使用。因此，人工智能系统显然需要定期的、有计划地更新来充分利用这项技术。对于人工智能辅助的影像判读，这意味着目前实际可行的解决方案在未来将得到不断的扩充和改进。云服务基础设施和用户反馈使快速调整算法成为可能，也能够将新应用整合到人工智能系统之中。

文章来源：西门子医疗