医疗人工智能应用发展之路课件.pptx

1、树兰医疗人工智能应用发展之路目目 录录CONTENTS人工智能发展情况1中国AI 2.0项目背景2AI落地案例深度剖析3医疗AI分层架构4下一步工作计划5人工智能三起两落深度学习崛起2018图灵奖被Hinton、Bengio、LeCun深度学习 三巨头共享深度神经网络模仿人类大脑分层感知 端到端学习保证特征工程自动化 病理学家花了整整30个小时，仔细分析了130张切片，准确率为73.3%谷歌AI交出的答卷是88.5%【1】Detecting Cancer Metastases on Gigapixel Pathology Images.arXiv:1703.02442v1 cs.CV 3 Ma

2、r 2017谷歌AI在乳腺癌病理识别准确率上超过医生Science杂志杂志报道了英国诺丁汉大 学流行病学家Stephen Weng博士团 队的重要研究成果-自学习式人自学习式人 工智能可协助预测心脏病发作工智能可协助预测心脏病发作 将机器学习算法应用于电子病历电子病历的 常规数据分析，可准确预测心脏病心脏病 发病风发病风险险，降低假阳性患者数量自学习式人工智能可协助预测心脏病发作 谷歌一项用深度学习诊断预防失明诊断预防失明的 研究发表于J A M A 杂志杂志 提出了一种可以解读视网膜照片中糖 尿病性视网膜病变发病迹象的深度学深度学 习算法习算法 检测可诱发糖尿病性视网膜病变的结 果与医生判断

3、高度的一致性高度的一致性谷歌研发人工智能眼科医生斯坦福大学研究团队在自然杂志 的封面论文发表了关于皮肤癌筛查深皮肤癌筛查深 度神经网络度神经网络采用深度学习的方法，用近13万张皮万张皮 肤病变图像肤病变图像训练机器识别其中的皮肤 癌症状诊断准确率在91%以上以上，与人类医生不 相上下皮肤癌筛查深度神经网络目目 录录CONTENTS人工智能发展情况1中国AI 2.0项目背景2AI落地案例深度剖析3医疗AI分层架构4下一步工作计划5树兰参与工程院提出的“中国AI 2.0”发展战略研究能能听听语音识别能看能看图像识别能读能读非结构化文本自然语言处理能融合能融合专家知专家知识识先验知识编码能模仿人脑学

4、习能模仿人脑学习深度学习临床辅助诊断临床辅助诊断当前AI在医疗领域的展现出来的新能力 人工人工智智能能2.0智智能能医疗医疗面临面临的数的数学问学问题题超高维问题大数据的重采样计算理论问题分布实时计算非结构化问题可视分析问题医学影像和复杂的人体症状等大数据带来“高维的诅咒”将大数据随机划分成若干小数据集，而根据小数据集所获得的统计推断，进 行聚合处理后如何能反应原大数据的性质医疗健康大数据背景下有关一个计算问题是否可解，以及在有限计算资源 下能解的问题主要挑战来自“数据的分布性”与“计算的实时性”要求主要的挑战来自数据的异构性、信息的不相容性与认知的不一致性人人广泛参与收集理解数据平台带来人机

5、协同处理数据问题智能医疗面临的挑战重点推进重点推进智能诊断智能诊断、智能治智能治疗疗、智能、智能群群体健康体健康管管理理、智能医智能医药药监管监管等核等核心心领域的快速发领域的快速发展展1432重点方重点方 向向智能治疗智能治疗智能群体智能群体健康健康智能诊断智能诊断智能医药智能医药监管监管中国AI 2.0 智能医疗重点发展领域目目 录录CONTENTS人工智能发展情况1中国AI 2.0项目背景2AI落地案例深度剖析3AI开展基础和组织形式4下一步工作计划5自然语言处理技术：让系统读懂电子病历电子病历现病史文本标签说明电子病历现病史文本标注案例预实验1.系统向每位实习生分配100份 感染科 电

6、子病历现病史文本；2.每位学生的任务包括 修改不正确的标签，和 添加新的标签；3.3-7日内完成共计1000份标注后的现病史文本。4.过程中可以参考之前的例子；或者在群里询问。调整期1.项目组内部将 评判标注工作质量，商讨标签本身的合理性，并更新。2.参加项目的实习生会得到相应的回馈；届时请关注微信群。3.根据调整后的标签，进入第二轮预实验，要求和标准和第一轮一样。推广期1.系统自动向其他重点科室分配 100 份电子病历现病史文本，开始正式标注，完成时间 2 月；电子病历现病史文本标注过程华卓华卓AI团队研究电子病历团队研究电子病历命名实体命名实体识识别别技技术术，并参加阿里天池知识图谱大赛，

7、获得第三第三名名成绩。该技术已用于树兰医院临床科研数据分析平台。自然语言处理技术：让系统读懂电子病历医院医院树兰医疗树兰医疗托管医院、协作医院等项目参与医院社区服务中心社区服务中心便民就近服务诊所诊所影像检查影像检查 生生化检验化检验有相应资质的第三方检验检查机构，采集数据第三方第三方软件研发软件研发负责混合云平台建设华卓华卓研究机构研究机构大学等研究机构，帮助解决技 术问题研究研究混合云 平台患者患者肺癌早期筛查项目总体设计 应用优先、集成创新、不断迭代、普惠大众基于3D卷积网络的肺结节分割和重建技术来自医院的患者数据，3 个影像专家共同标注，AI团队进行数据清洗、规整、建模、调参，获得真实

8、世 界的肺结节识别模型骨髓细胞形态和数量与人体多种疾病息息相关病变骨髓细胞切割、诊断、统计与定量分析由医生肉眼完成各种目标检测、分割、分类框架在医学影像上的成功应用相关特征描述子对于骨髓细胞的定性分析灵 感 来 源技 术 支 持骨髓细胞自动识别系统i s obj ect or notregi on proposal networkclassi f i cation and regressi onf eature extration中性中幼：0.95中性晚幼：0.96中性晚幼：0.85中性中幼:0.98嗜酸晚幼：0.90基于Faster-RCNN的骨髓细胞检测统计归档统计归档智能识别智能识别图像

9、采集图像采集通过调节显微镜摄像 头选择待检测区域调用识别模型，1s钟后得到识 别结果智能诊断智能诊断 统计分析统计分析各类别统计分析 对识别结果进行 增、删、改操作AI模型的pipelineAI模型的UI界面AI模型与病理系统集成更自动化更智能化自动调节显微镜载物台和聚焦代替人工采集图像CNN+LSTM+Attent i on网络 代替医生诊断报报AI模型与硬件系统集成目目 录录CONTENTS人工智能发展情况1中国AI 2.0项目背景2AI落地案例深度剖析3医疗AI分层架构4下一步工作计划5数据层结构化数据（HIS、LIS）病历文本、影像报报图像数据（影像、病 理、超声、内镜）心电/脑电硬件

10、层GPU集群（自建或租云）数据预处 理层第三方框架、工及APITensorflow、Caffe、pytorch算法库（SDK）服务层病理组织识别：骨髓细影像病灶识别：肺结节CT、脑EMR后文本变量辅助科语音 胞、乳腺钼靶损伤MRI、手关节X光结构化抽取研导诊眼 部结构化ETL（清洗、转换、载入）图像重采样、坐标转 换术语标准化/知识图谱 标注及可视化工sklearn、pandas、statmodels语音API皮 肤脑 部心血 管肺 部肝 脏骨 骼乳 腺宫 颈骨 髓实体 识别实体 关联语义 理解知识图谱表征变量 抽取变量 规约循证 推理相似 搜索动态 模板多模态数据预测医学统计学模型AI赋能医

11、疗软件的分层架构目目 录录CONTENTS人工智能发展情况1中国AI 2.0项目背景2AI落地案例深度剖析3医疗AI分层架构4下一步工作计划5Static VariablesGender(性别、Age(年龄)、Ethnicity(人种)Vitals and LabsAnion gap(阴离子间隙),Bicarbonate(碳酸氢盐),blood pH(血液PH值),Bloostolic blood pressure(舒张压),Fraction inspired oxygen(吸入氧气分数),Glucose(血糖),Heart rate(心率),Hematocrit(红细胞压积),Hemoglo

12、bin(血红蛋白),Lactate(乳 酸),Magnesium(镁离子),Mean blood pressure(平均血压),Oxygen saturation(血氧饱和度),Partial thromboplastin(部分 促凝血酶原时间),Phosphate(磷酸盐),Platelets(血小板),Potassium(血钾),Temperature(体温)Prothrombin time(凝血酶原时间),Respiratory rate(呼吸频率),Sodium(钠离子),Systolic blood pressure(收缩压),Weight(体 重),White blood ced

13、urea nitrogen(血尿素氮),Chloride(氯离 子),Creatinine(肌酐),Diall count(白细胞计数)ICU 死亡预测模型提前24小时预警1、知识图谱网络的图形化编辑器：症状-部位-疾病，疾病-检验检查项目，疾病-治疗方案2、黄疸待查、活动性乙肝、肝癌智能诊断进行突破专科智能化CDSSABC建立联合药物使用相互作用的模建立联合药物使用相互作用的模型型建立推荐可替代安全药物模型建立推荐可替代安全药物模型建立完成药物不良反应预测的小程建立完成药物不良反应预测的小程序序PLANS研发计划研发计划 安全用药对SMILES药物分子式进行预测等级等级名称名称定义定义0无自动化软件仅实现流程电子化，完全没有基于数据的自动化分析1规则自动化基于医疗知识和统计规则的临床辅助决策，比如专家系统、统 计报表，数值比对及BI分析等2部分AI化在特定的领域问题、特定的可测标准下，AI算法的特异性和敏 感性超过医生平均水平3自学习化机器能够理解人类语言，对医疗知识体系能够自我学习，并从 大数据中自我发现新知识和新规律4高度AI化在有约束条件下，机器能对所有常见病出疾病诊断和治疗方 案，人类医生做审核和干预5完全AI化由机器完成所有已知疾病的医疗诊断和治疗方案，以及部分外 科手术，人类医生在紧急必要情况下修正机器行为当前程度树兰首提医疗AI等级发展论谢谢