時告訴記者,在過去的診斷過程中,對肺部結節性質的判斷往往需要由經驗豐富的專家進行。肺部結節的形態多樣,分布的密度、形狀是毛刺或光滑,以及具體位置都會影響到醫生對結節性質的判斷。經驗豐富的醫師對惡性結節的確診率高達90%以上,而缺乏相關經驗的醫師卻常常對此一籌莫展。

醫療資源分布失衡的問題一直困擾著我國,看病難,看病貴的問題雖然已經較過去大為緩解,但依然存在著“全國人民上協和”的問題。我國幅員遼闊,人口眾多,基層醫院無法解決的問題常常需要在大城市三甲醫院進行診療。肺部結節的診斷費時費力,讓患者和醫生都處在焦頭爛額的困境中。

在科技飛速發展的今天,技術可以極大抹平認知和經驗方面的差距,尤其是在醫學影像分析方面。

3月29日,阿里在云棲大會深圳峰會上展示了基于阿里云服務的超聲甲狀腺結節智能診斷系統的實際應用情況。這套系統利用機器學習和人工智能,將甲狀腺結節診斷的準確率從60%-70%提高到了85%。在會上,廣州醫學院第一醫院院長何健行說,“我們的診斷需要人工智能的輔助,使得檢查讓病患更有信心,降低漏診和誤診率。“

隨后,阿里云與英特爾、零氪科技聯合宣布啟動天池醫療AI大賽。大賽第一季將向早期肺癌診斷發起挑戰。天池是全球規模最大的眾智平臺,匯聚了6萬多名AI算法科學家。醫療大數據平臺零氪科技為大賽提供經脫敏處理并由專家標注的高清胸部CT掃描影像數據。選手需要通過原始CT影像圖片訓練模型算法得到結節特征,最終實現對影像圖片結節區域的智能化判斷。

大數據和人工智能在醫療行業的應用覆蓋風險管理、健康管理、生物科技、醫學影像、藥物挖掘、急救室監控、精神健康、可穿戴設備、虛擬護士助理、營養和病理等多個領域,阿里向外界展示的僅僅是在醫學影像方面的應用。張遜認為,醫學影像和病理診斷是人工智能最能夠發揮其價值的領域。

實事上,在ET醫療大腦之前阿里云已經開始在醫療領域進行探索。去年,上海華山醫院借助阿里云的計算能力,用數字化模型代替部分臨床實驗,以及模擬小白鼠的活體實驗,用于加快特效藥研發。

同樣是在去年,華大基因、阿里云和安徽醫科大學曾共同宣布,在21小時47分12秒內完成了1000例人類全外顯子組數據的分析。40年前,人類若想對埃希氏大腸桿菌進行全基因組測序,需要1000年的時間。

張遜甚至認為,人工智能在醫療行業的大規模應用甚至可以改善困擾我國多年的醫療資源分配失衡問題:“普通醫院的醫生同樣可以利用人工智能診斷各種疑難雜癥,這將大大降低對專家醫師的需求,專家號也將不再一號難求。”

實際上,醫療人工智能技術已經日趨成熟,以上這些事例都清楚的表明了這一點。那么為什么我們還是很難在實際操作中見到醫療人工智能的身影呢?

張遜認為,造成目前技術雖然已經成熟但難以實際推廣應用的原因在于我國對于數據的法律仍然不夠健全。

本次阿里云與英特爾、零氪科技聯合舉辦的天池醫療AI大賽中使用的影像數據是來自全國各大醫院、經過脫敏處理的,所以不存在侵權的問題。但在產業化的過程當中,病人的病歷數據由各大醫院保存,是涉及到病人本身、非常隱私的數據。目前,各大醫院均出于安全考慮,拒絕為第三方提供這些病例數據。隱私泄露怎么辦?數據丟失怎么辦?違規使用怎么辦?這些都是擺在醫療人工智能產業化必經之路上的問題。如果沒有完善的法律保障和規范,對病例數據的深度挖掘就只能是紙上談兵。

美國目前對病例數據的利用由《健康保險隱私及責任法案》(HealthInsurancePortabilityandAccountabilityAct,簡稱HIPPA)規范,其中規定,進行脫敏處理后的病歷數據可以用于醫療研究和商用。HIPAA確立了一些強制條例,要求大力改變醫療服務提供者的從業方法,其中包括確立電子數據交換(EDI)、安全及所有醫療保健相關數據保密性的標準化機制。法案規定:病人的健康記錄、管理記錄和財務數據均采用標準化格式;每個醫療保健實體(包括個人、雇主、醫療計劃和醫療服務提供者)均采用唯一認證碼(IDnumber);運用安全機制確保識別每一個體的信息數據具有保密性和完整性。

目前我國在此方面的法律依然處于缺失狀態,甚至可以說是醫療人工智能發展的最大障礙。實際上,不僅僅是在醫療行業,在整個數據行業中都存在這樣的問題。眾多有識之士已經在呼吁立法,建立數據開放標準、界定數據開放邊界,在應用推廣上采用循序漸進的開放原則,讓我國把握機遇,做好數據開放與共享,打造全球科技競爭新優勢。

更多資訊請關注醫療機械頻道