健澜科技推动AI医疗影像数据采集标准化，加快产品化和临床应用

　　在人工智能已经家喻户晓的今天，任何一个行业，如果不与人工智能搭点边，就会瞬间有一种昨日黄花的感觉。这也可以理解，毕竟人工智能技术的加持，可以让从业人员的工作效率成倍提升，甚至还可以完成一些原来人工无法完成的事情，公安系统的向科技要警力，工业制造业的AI质检，已经很好地证明了这一点。而人工智能和医疗，之所以被炒得火热，也不是没有理由的。那么请允许我花一点篇幅，简述一下两者之间的结合点，就当是抛砖引玉吧。
　　对了，本文依然秉持着《漫谈》系列的特点，即：哪怕你不知道图灵是谁，也可以看懂本文。
　　零
　　首先讲点大家不爱听，但商人们爱听的东西。
　　人工智能是国家新基建战略的重要组成部分，而在AI+医疗方面，国家提出了具体要求，工信部发布的《促进新一代人工智能产业发展三年行动计划》中也重点提到了医疗行业，文件中对医疗影像辅助诊断系统的要求是：推动AI医疗影像数据采集标准化，支持典型疾病领域的技术研发，加快AI医疗影像的产品化和临床应用。到2020年，国内先进的多模态医学影像辅助诊断系统对脑、肺、眼等典型疾病的检出率超过95%，假阴性率低于1%，假阳性率低于5%。
　　国家为什么重视AI+医疗，乃至于要专门在工信部的发文中提到它呢。原因是医疗是一个优质资源长期稀缺的行业，大家都希望有最资深、最顶级的医生来治疗，然而，顶级的医生是有限的，高水平医生的精力也是有限的。特别是结合我国国情，人口老龄化、慢性病高速增长、医疗资源供需严重失衡以及地域分配不均等问题，造就了对医疗人工智能的巨大需求；同时，我国人口基数大、产业组合丰富、人才储备充分等特点，又给人工智能的发展提供了很好的基础。因此，医学人工智能是解决医疗生产力的根本之道。想必各位都经历过医院排队之苦，也多多少少听说过庸医害人的故事，那么这个时候，AI+医疗的重要性就凸显出来了。
　　废话说完了，下面开始正题。
　　一
　　目前，人工智能和医疗结合得最好的点，显然是影像分析，在抗击新冠疫情的战役中，部分企业的AI阅片系统就做出了卓越的贡献。工信部的文件中，主要提及的也是医疗影像方面的应用。我们认为，人工智能要落地，需要具备两个条件：数据的可获得性和场景的封闭性。这两个条件，医疗影像均具备，所以影像分析确实是一个非常适合人工智能落地的点。
　　医疗影像设备，这里指的是CT/MR设备，而不是只拍一张图的X光机，它们的成像原理，是通过放射/核磁共振对人体进行扫描之后，每隔一定距离输出一张切片图，最后把这些图结合起来进行观察，所以，用一根小棍把这些图串成糖葫芦状，是最符合正常人认知的阅片方式。当然，医生显然不能这么去阅片，第一是因为这样会导致医生对糖葫芦PTSD，第二是效率会低到所有病人骂娘，医生一般是在自己的电脑上，通过PACS医学影像系统，看九宫格或者十六宫格的影像，由于先进的影像设备是按照毫米来进行切割扫描的，扫描一个肺部，可能就是两三百张图片，所以工作量还是很大，这个时候，通过AI技术来辅助诊疗，就非常有价值了。AI阅片系统能够迅速辅助定位到有问题的点，辅助医生进行诊断，大幅提升医生的工作效率。
　　当然，AI阅片系统之所以能够和医疗结合得好，除了其本身数据的可获得性和场景的封闭性两个优点，还有两个技术以外的点是起到了很大的作用的，一个是其部署的方便性，AI阅片系统的硬件形态可以是一台满足GB9706.1:2007要求的工业计算机，也可以是医院数据中心中的一台GPU服务器，只要能够和PACS系统连接就行；另一个则是这次新冠疫情，政策上的推波助澜，《医疗器械分类目录》新规中明确指出，AI诊断软件若对病变部位进行自动识别，并提供明确诊断提示，则按照第三类医疗器械管理。之前，AI阅片系统不是第三类器械，只能供医院科研使用，但现在政策风向大好，医院将AI阅片系统扶正，也是一件顺理成章的好事了。
　　在发证之后，AI阅片系统的供应商就可以去光明正大地升级改造现有的医疗影像设备。据测算，全国有数万台医疗影像设备，且每年新增数千台，至于哪家公司能够拿到这个市场，那就是八仙过海，各显神通。其实，对于技术有优势的中小型企业来说，这个市场是一个很好的市场，空间没有那么广阔，不会引来巨头，但是技术壁垒高，非常适合技术型的企业拓展。
　　二
　　除去影像分析，另一个在医疗行业中用得还可以的人工智能技术，就是智能导诊。智能导诊技术，是自然语言处理（NLP）中对话机器人（Chat-bot）技术，加上知识图谱技术的一种应用，这句话中的两个技术，用通俗一点的例子来比喻，前一个就是天猫精灵，后一个就是维基百科。智能导诊技术，技术门槛相对较低，系统单价也相对较低，但作用却很大。系统可以大幅提升导诊台的工作效率，可以将导诊台的人流，分散到一台一台人形机器人处，减少因为人员密集而导致交叉感染的概率。
　　但是智能导诊系统也有其明显的弱点。第一，它听不懂方言，这会导致部分普通话不标准的人士会遇到使用上的困难，并且容易受到一万点暴击，第二，这种形态对于文化水平较低的群体不太友好，而往往需要使用导诊系统的人，就是这一群体。这两点导致了智能导诊系统并没有在医院中进行大规模推广，而是以试点和小规模推广为主。
　　除去医院用的人形机器人智能导诊系统，网络上也有一些企业和医院推出的智能导诊系统，相比于＂百度看病，癌症起步＂，这些导诊系统的目的还是将病人引导到正规医院正确的科室，部分系统还带了预约挂号的功能，这也是智能导诊系统的另一个应用形态。
　　总体来说，这是一个医患接口智能化的技术，这个技术之前一直处于试点和小规模推广的阶段，在新冠疫情期间，出于尽量减少人际接触的需求，这个技术得到了较快的发展。但是智能导诊技术，是AI医疗处于初级阶段的一个产物，等AI医疗发展到下一个阶段时，智能导诊系统也会随之产生进一步的发展。
　　三
　　上面提到的两个技术，是AI医疗处于初级阶段的两种典型技术。那么AI医疗的终极目标是什么呢？我们目前认为是精准医疗。这个其实有点类似于自动驾驶。细细想来，精准医疗和自动驾驶，有很多类似的地方。自动驾驶是分级别的，精准医疗其实也是可以分级别的。自动驾驶面临的终极大BOSS是法律法规和道德伦理问题，精准医疗更是这样。自动驾驶的L0-L5每个级别的意义，烦请各位读者自行百度，这里不再赘述，这个章节，主要讲讲本人思路中的精准医疗L0-L5，仅供参考，如果讲得不对，那是不可能的，毕竟概念是我发明的，我说啥就是啥。
　　L0级精准医疗，主要是指的类似于后装的单机版的AI阅片系统，一些辅助的不带在线挂号功能导诊机器人等等，这个级别的特点是割裂和辅助，一般是独立存在，和HIS系统基本不联动，起到的作用较小，一般是作为面子工程或者科研需求而存在的。
　　L1级精准医疗，还是割裂的辅助系统，但是对接了HIS系统中的相应接口，如对接了PACS的AI阅片系统，对接了挂号系统的智能导诊系统，对接了电子病历系统（EMR）的语音病历系统等，这个级别的精准医疗，已经能够切实地提升医院部分场景下的工作效率了。
　　L2级精准医疗，其实还属于AI辅助医疗的范畴，但是到这个级别，已经算是一个成体系的辅助医疗系统，我们可以把这个级别的精准医疗，定义为虚拟医生助手。这个级别的特点是系统联动，系统能够获取到患者之前的处方信息，医疗影像信息，过敏源信息等，给出医生一定程度的协助和提示，帮助医生规避一些诊断过程中可能会发生的错误。
　　L3级精准医疗，就和L3级自动驾驶一样，原则上已经可以代替医生的大多数工作，这套系统可以根据病人的自述，检查数据，既往病史等等，直接给出较为合理的诊断意见。L3级精准医疗使用了知识图谱，大数据，NLP，视频结构化等技术，是单个医院能够达到的最高级别的精准医疗。
　　L4级自动驾驶技术是要辅以车路协同等车外技术的，那么L4级精准医疗也是要辅以院外数据的，比如说其他医院的病历，医疗影像，体检机构的年度体检结果，基因检测机构的基因分析结果等等，可以实现基因级的精准用药，甚至根据基因选择合适的化学药或生物药进行靶向治疗（当然一般人付不起这笔钱）。L4级精准医疗，是AI系统能够达到的真正意义上的精准医疗。
　　L5级精准医疗和L4级的区别，主要是L5级精准医疗战胜了法律法规和道德伦理这个大BOSS，L4的最终决策人和负责人是医生，而L5则不需要医生对诊疗结果进行负责，直接由系统进行决策。
　　由于医疗是一个特别容易涉及道德伦理的领域，本人认为，L5级精准医疗实现的可能性几乎为零，我们可以展望的，是L3.5级的精准医疗，即L3级全部加部分L4级的功能，如果达到了真正的L4级，那么人类离解开长生不老的密码，应该也就不远了。
　　四
　　讲完了精准医疗的分级，我们有必要来了解一下医院里面林林总总的各个系统，毕竟除了L0级，其他级别的精准医疗都是需要和系统联动的。而医院里的各种系统，确实比较复杂。
　　首先，一家医院，一定会有一套HIS系统，这套系统是负责病人，药品，费用等信息管理的，是一套全院级的系统，可以认为是医院信息化的基础，其它系统，都需要和HIS系统进行对接，否则就无法实现全院联动。
　　HIS系统是个基础，就像酒店的管理系统一样，但医院不是个大酒店，医院里有很多专业的事情需要处理，那么处理这些专业的事情，还需要一批专业的系统来进行支持才行。临床辅助支持系统，就是这样的一个系统。
　　临床辅助支持系统里面比较大的两个，是LIS和PACS。PACS是医疗影像归档和通信系统，LIS是检验科数据管理系统，有了这些系统，医生才能在自己的电脑上看到医疗影像和化验数据，还记得之前排队等化验单和X光片的日子吗？LIS和PACS把这些信息给数字化了，方便医生调阅和归档。
　　各位应该对之前医生的手写病历深有体会，那龙飞凤舞的字，确实有点不利于患者的身心健康和医生的人身安全，现在很多医院的医生，都已经不写字了，改在电脑上写病历了。虽然很多老医生对电脑的应用不甚熟练，但至少可以避免旁人不能理解书法艺术的尴尬，这套系统，就是EMR电子病历系统。
　　当然，除了这些主要系统，还有一些别的服务系统，它们共同构成了整个数字化医院的平台，也构成了整个精准医疗系统的数字化基础，因为只有数字化，结构化的数据，才能为精准医疗所用。
　　杭州健澜科技有限公司
　　五
　　理解了医院内部的各种系统，我们就知道AI阅片是对PACS系统的赋能，语音病历是对EMR系统的赋能，带挂号功能的智能导诊，是和HIS系统对接的，这些都是已有的，相对好实现的AI医疗技术，而高级别的精准医疗中涉及的技术，由于在实际的医疗中应用不是非常普遍，可能各位还不甚了解，那么第五章和第六章，就来讲讲基因技术和靶向药技术。
　　提到基因技术，大家可能想到的是各种各样的科幻电影，生化危机什么的，但事实上，基因科学并没有那么神奇，也没有那么邪恶，基因科学的正确应用，是人类科学发展的阶段性成果之一，会给医疗行业带来飞跃式的发展。
　　大家也许知道一些专注于基因测序的企业，也多多少少看到过一些关于基因检测的广告，什么＂基因宝＂之类的，但是却很少有人知道基因测序的流程和应用。其实，基因测序并没有那么神秘，要进行基因测序，首先，我们需要有一台基因测序仪，一块基因芯片，一些含有DNA的物质。准备好这些东西之后，我们就可以开始进行基因测序了。
　　首先，我们需要固定基因。用基因芯片，将获取到的DNA＂固定＂。基因芯片是一个类似于生物学载玻片的东西，上面有生化物质，可以和DNA发生化学反应，将DNA固定在基因芯片上，并生成不同的颜色以标示DNA。
　　然后，我们需要将整个DNA图像化。通过基因测序仪的扫描显微镜获取整个基因芯片的信息，该信息类似于3D图像，信息量较大，且必须含有顺序信息。顺便说一句，基因测序仪，我们可以理解为是一台显微镜加上一台服务器组成的，当然肯定没有这么简单，只不过这样好理解一些。
　　图像化之后，我们需要去除基因芯片中本身生化物质的信息，单独提取出DNA的信息，并将上面的数据，主要是各个原子的三维坐标，转化为计算机可以阅读的数据。该数据是结构化的数据，可以用于比对，也可以通过显卡渲染，生成我们看到的基因图像模型。
　　至此，基因测序的工作就完成了。那么这个基因数据能用来干什么呢？亲子鉴定，肿瘤筛查，遗传疾病检测，靶向药研发等等。亲子鉴定，就是进行两个基因的数据对比，根据遗传学理论进行分析；部分肿瘤的高发人群，是在基因中有＂标记＂的，那么筛查基因中是否存在特定基因段数据，就可以进行肿瘤的潜在风险筛查，遗传疾病检测同理。这些应用，都是基于全球合作的人类基因测序的结果来进行筛查比对的。
　　至于那些科幻电影中展现出的药到病除长生不老的效果，人类暂时还无法达到，原因是人类对基因的认识，以及靶向技术暂时还达不到这样的水平。基因解码，犹如句子断句，标点符号就是特殊蛋白质的位置，一个人的基因信息大概是3GB，但其中99.9%是一致的，所以有3000万个位点可能会有不同。但是很多复杂疾病的病因不明，无法进行精确分析，除此之外，医学临床的数据量也严重不够。如果一种类型的病例是万分之一的发病率，那么研究机构可能能拿到500个病例的数据，但拿不到500万正常人数据，甚至100万都不行，这就导致了基因技术治疗的困难。
　　虽然目前还暂时没有使用人工智能和基因技术结合，应用于医疗的案例，但是通过AI研究染色体来进行生殖遗传的分析，提升受精成功率，这方面的应用，长沙的光琇医院确实在做，而且已经有了一定的成果。他们是通过分析染色体的分裂结合等的性状，再和能够成功结合染色体的状态模型，通过类似于工业质检的图像分析技术进行比对，推测出结合成功率高的状态，进而通过状态，倒推出结合的环境因素来。具体的分析方式就不再赘述，主要是因为我高中没学过生物。
　　健澜科技
　　健澜科技AI
　　六
　　讲完＂生化危机＂，再来讲一讲＂药到病除＂，虽然绝大多数人是付不起定制化＂药到病除＂的费用的。实际上，我们希望的＂药到病除＂，就是靶向药的最佳状态。要理解什么是靶向药，那么我们就要先来理解一下靶点。
　　身体是由细胞组成的，它们并不是简单地拼凑在一起，而是相互级联作用构成一个复杂庞大的网络，不同的生理功能可以看成这个巨大网络中一条条串联的线路。而疾病除了外科损伤之外，多数是这个网络上某个线路发生了异常，这就好像某条交通线发生了堵塞一样。吃药的目的就是打开这个拥堵点。这个拥堵点也就是药物分子需要作用的靶点。
　　那么，靶向药就是针对这一个个靶点的特效药。如果靶向药做得足够好，能够在精准解决靶点的同时，不影响到其他正常的细胞，就真的可以做到药到病除了，当然现实中这是几乎不可能的，影响到其他细胞的结果，就是药物的副作用。很多药物的副作用很大，但是为了治病，这也是无可奈何的事情。
　　为了寻找优秀的靶向药分子，研究人员需要分析分子和靶点结合的情况，并对其进行打分。但是分子和靶点的结合，并不是简简单单的一个化学公式，分子是运动的，靶点也是运动的，两个运动的东西的结合效果，显然不能通过静态的方式来分析，所以就出现了一些类似半导体行业EDA的模拟软件，模拟分子和靶点结合的全过程，再通过时间切片的方式，来分析各个时间点的结合效果，最后进行打分。这个切片，可能是毫秒甚至微秒级的。在模拟软件中，分子和靶点各个原子的位置是用三维坐标来表示的，整个模拟的过程，就是进行大量向量运算的过程，所以必须使用大规模的CPU或者GPGPU集群，才能满足如此之大的算力需求，甚至部分运算需要使用超算中心进行。这还只是分子量较小的化学药，对于分子量大的生物药，目前的计算能力是几乎无法满足对其进行模拟打分的需求的，超算中心都不行。
　　当然，这只是其中的一个重要部分，药物的研发，还包括前期的分子筛选和后期的临床试验，分子筛选是一个涉及到知识图谱的漫长过程，而临床试验则分为多期，耗时耗资巨大，所以定制化的靶向药，在目前看来，基本上是不用想了，你既付不起高昂的研发费，也等不起这几期临床试验，还是老老实实锻炼身体，预防疾病比较好。
　　尾声
　　人工智能和医疗，两个前途无量的行业，将会在未来碰撞出无限的可能性，算力，算法和海量数据，会使得现在的医学，药学，基因生物学产生颠覆性的发展。从扁鹊华佗，到钟南山院士，人类一直在和疾病的斗争中奋勇向前。但愿有了人工智能技术的加持，人类能够真正的战胜疾病，永葆健康。但愿世间人无恙，何妨架上药生尘。