從模塊開發到深入細分，從獨立研究到聯合攻克

　　騰訊副總裁陳廣域認為：“醫療人才培養周期長、成本高，優質醫生資源短缺，而我國醫療產業的公益性使之無法用價格和市場做供給管理，技術可以在比較短的時間里緩解供求問題”。可見，解決醫療資源的供給不足，是人工智能滲入醫療的根本性動因。

　　回顧貴陽與杭州，騰訊將目光鎖定在了青光眼與消化內鏡也正是為了解決醫療資源不足的問題。青光眼早篩是覓影糖網篩查產品的延伸，而消化內鏡則是覓影胃腸道癌的延伸。如今，相關的輔助篩查產品已經成熟，如何拓展它們的功能，讓它們適應更豐富的環境，是醫療AI實驗室的一大發展方向。

　　同時，這兩步計劃反映了AI影像的一大發展趨勢，即從全流程的圖像分析逐漸聚焦于早篩，加速下放AI產品至基層，從上游解決國內疾病高發問題。

　　一直以來，影像AI聚焦于DR、MRT等圖片，所喂養的數據往往包含了患者患病的各個階段，對于三甲醫院而言，這樣的AI產品的確減輕了醫生的負擔，但AI的更深遠價值在于提升基層醫生的服務水平，普及疾病早篩。

　　以消化道腫瘤為例。目前，中國消化道腫瘤發病率占癌癥發病率的43.5%，而這類腫瘤若能早期發現，治愈幾率高達95%。如果AI技術能進入使得消化道疾病的普查環節，消化道惡性腫瘤的致死率將顯著降低。

　　王寧利教授告訴動脈網記者：“如果把這個AI放置基層，等于我們干了一件事，把大醫院的醫生都送到了基層。過去治療要么患者到大醫院，要么大醫院醫生到基層，而現在信息流動可代替人員流動完成這一工作，這節約了大量的人力成本。根據估算，現階段的AI可節約30%醫生資源，而隨著AI技術的發展，這一數字還將繼續提升。”

　　話雖如此，但如今的醫學AI離醫生還有一段距離。騰訊健康的Polo認為：醫療是很復雜的問題，復雜的問題就應該擁抱更多的醫學專家。而杭州會議的另一個議題，即“加強學術聯動，挖掘醫療AI的潛在價值”，便是從這個角度入手解決問題。

　　人工智能數據學習樣本是一個很大的問題。騰訊智慧醫療產品中心的總經理常佳指出，無論是圍棋還是人臉識別，都有數億的數據可供學習，但在醫療領域，對數據的要求要更高。“一個同樣的醫學影像數據讓多個醫生去標，一致性比較低;同一個醫生在不同時間段看同一張圖片得出來的判斷也不一致。”

　　胃腸道癌包含的癌癥種類眾多，不同醫生擅長的場景也不盡相同。要在操作消化內鏡時準確判斷胃腸道的狀況需要多位醫生共同配合。醫療資源并不允許這樣的資源配置，而AI有這樣的潛力。

　　這需要為AI找到更多更好的“老師”。醫生和醫學專家的參與及幫助，能夠對AI進行訓練和提供更好的AI訓練標準。常佳表示：“機器不能原原本本的學習人類，但可以集合人類最優秀的地方。和頂尖的醫院和專家合作研究，AI有望在某些領域突破醫生現在面臨的瓶頸。”陳廣域也指出，“醫學AI的發展前景完全有賴于醫學界的開放態度和扶持政策才能夠培養出有價值的人工智能。”

　　與醫院合作研發，騰訊還布局了哪些醫療場景?

　　不可否認，現階段的AI仍處于初級階段，AI切入醫療的環節不夠廣、不夠深、不夠多，所以，騰訊更多的選擇了醫院共同研發病種。這些項目往往擁有專家的支持、數據的支持以及國家政策的支持。目前，騰訊已經將場景延伸到了一下幾個領域。

　　1、銀屑病

　　銀屑病也叫牛皮癬，這一皮膚病不能被完全治愈，幾乎每位患者康復后都存在復發風險，并引發代謝綜合征、心腦血管疾病、糖尿病等并發癥。一般而言，正確的治療方式可以有效地緩解病情，但費用高至年均3-5萬。

　　AI能運用于這一場景嗎?答案是肯定的。騰訊醫療AI實驗室專家研究員吳賢博士對此提出了一套完整的解決方案。

　　第一部分是服務于診前的線下自檢系統，因為皮膚科的醫生專業各有不同，有的擅長銀屑病，有的擅長玫瑰座瘡等，所以把病人轉至正確的醫生非常重要。該系統可輔助患者對話、上傳圖片、線下初篩、在線轉診，同時還可以精確分診，大幅度縮短問診時間。僅需2-3分鐘，該系統即可將患者的主訴補全，讓醫生迅速做出判斷。

　　第二部分的核心為銀屑病診斷預測系統，該系統可診斷銀屑病的亞型，并對相應的并發癥與復發狀況進行預測。如果醫生提前通過該系統獲知患者為關節型銀屑病，即可預先采用生物制劑進行治療;而對于其他種別的銀屑病，也可為提前制定個性化的治療方案，提高診斷效率，降低治療成本。

　　第三部分服務于診后，騰訊嘗試模擬PASI(銀屑病面積與嚴重指數)評分，并通過一致性的改進PASI評分。重制的PASI評分系統將被置入微信小程序，便于患者自檢，以實現對患者持續地預后追蹤。

　　2、耳石癥

　　正常情況下耳石是附著于耳石膜上，當一些致病因素導致耳石脫落，這些脫落的耳石就會在內耳內被稱作為內淋巴的液體里游動，導致患者發生強烈性眩暈，這便是耳石癥。

　　耳石癥由騰訊醫療AI實驗室協同深圳市第二人民醫院耳鼻喉科李華偉教授合作研究。據范偉博士介紹，騰訊醫療AI實驗室通過深度學習網絡，以眼球中間黑色部分作為關鍵點進行檢測，以提高診斷精度。目前這一AI項目仍處于研發階段。

　　3、腦癱、脊柱側彎

　　腦癱與脊柱側彎的共同之處在于這兩項疾病都會造成患者運動障礙，多發于兒童，嚴重影響兒童的外觀與步態。這兩項疾病雖無法根治，但越早發現，越早糾正，便意味著患兒有越多正常運動的可能。

　　騰訊在這一領域的工作主要是協助香港大學深圳醫院的醫生，將患者與儀器數據傳入騰訊云。通過這種方式，醫生可以更快進行檢查，以及時將存在問題的孩子轉到醫院進行治療，及早對脊柱側彎、腦癱患者進行干預。

　　相對于其他AI場景，這一AI的研發更契合覓影關注婦幼的初衷，也更能表現騰訊作為行業領袖的社會責任感與社會價值。

　　4、帕金森

　　與腦癱不同，帕金森屬于神經類疾病。相比與腦癱這一類與運動控制相關的疾病，神經類疾病的研究更為復雜，好在科學技術仍有突破。2017年，北卡羅來納大學的研究人員開發出了一套深度學習算法，可以預測嬰兒的自閉癥。這種預測方法具有 81%的準確率與88%的靈敏度，與行為問卷50%的準確率相比，可靠度大幅提升。

　　帕金森研究同樣有所進展，騰訊醫療AI實驗室與華山醫院神經內科王堅教授合作開發的帕金森運動功能智能評估系統正嘗試通過視頻分析的方式對帕金森患者的病情進行評估。

　　研究人員通過計算機視覺的方式，在患者的手部自動標記21個節點，以捕捉患者手部的運動狀況。在行走和做指定動作時，AI可以對患者的運動進行量化分析。這一技術的特別之處在于患者的測量是在未穿戴任何傳感器的情況下進行的，能將患者過去超過30分鐘的檢查時間縮短為3分鐘，同時能夠讓不方便出行的患者毋需前往醫院即可就診。相比于現有的輔助診斷產品，患者能夠直觀的感受到AI對他們就診方式的改變。

　　王堅教授介紹道：“我們做了一個預實驗，把來自近200例患者的1000多段視頻，先由專家組進行打分，交至機器進行學習;學習完成后的機器將對實驗組進行評分，并將結果與專家評分進行匹配，其實驗結果初步吻合度達到81.3%。這個評分仍有很大上升空間，但是第一階段的成功率已過八成，也算是一個小小的成功。”

　　5、心電圖

　　心電圖是未來AI應用的一個潛在場景，近日，樂普醫療人工智能心電產品獲美國 FDA批準，也預示了這一場景的潛力。

　　據騰訊醫療AI實驗室專家研究員杜楠博士介紹：AI在心電方向的應用主要包含以下三點：

　　1. 臨床監控。在急診與老人院，醫生需對患者進行24小時心電監控。AI能夠勝任這一監控任務，將心電異常的患者數據發送給醫生。

　　2. 診療輔助。越來越多家庭患者會通過家庭心電儀采集數據，上傳到云平臺，再由遠端的專家對數據進行標注，但在長時間的機械工作中，專家可能會因此疲勞，誤判、漏判也難以避免，而人工智能可協助醫生減少漏判、誤判。

　　3. 風險預測。對術后、院后的患者，醫生希望可以通過家庭設備觀測患者心電變化，如果AI監測到患者在家中出現異常心電，便會自動發送通知，要求患者回院復診，并通知家人關注患者的健康情況。

　　通過以上功能的實現，心電圖AI一方面可解放醫生的負擔，另一方面可及時發現患者病情，既提高了診斷效率，又使患者免于遭遇病情突發的困境。

　　6、心血管相關疾病

　　心血管疾病是危害我國人健康的主要疾病之一，也是騰訊開發CDSS系統的重要原因之一。

　　急性冠脈綜合癥(ACS)又稱心肌梗死，當患者出現乏力、咽喉痛、心悸等非典型癥狀時，患者與醫生均難以判斷患者狀況，容易發生誤掛號與誤診，這是騰訊與北京大學人民醫院孫寧玲教授合作的又一場景。

　　孫寧玲教授希望通過智能問診來解決這一問題，即通過智能問診的方式，最大化的收集患者信息，以更準確地評估疾病的性態，回答患者所患疾病是急性的、亞急性的?是否可治?是否需要介入治療等等問題。

　　“我們將醫院一些診斷心律失常的數據與騰訊AI比較識別，可以看到AI在陽性準確率和敏感度方面高于醫院設備及人工的診斷率。所以，我認為運用AI對異常心電早期診斷，可以大大提高臨床對于病人的管理效果”

　　騰訊醫療AI實驗室研究方向

　　腳踏實地，仰望星空，騰訊的普惠AI之路

　　從整體布局來看，騰訊先將目光投向需求巨大的AI場景，隨后沿著已有的產品線，繼續深入研究相關病種。在做完基礎的布局之后，騰訊開始加大與醫院、政府之間的合作，嘗試在一些更細分的領域開拓賽道，進行一些創新性的AI應用開發。

　　在這一思路下，我們可將騰訊的病種選擇劃分至以下三個場景。

　　主要應用場景

　　現階段騰訊覓影的產品已經覆蓋六個場景，包含食管癌早篩、肺癌早篩、糖網病變早篩、乳腺癌早篩、結直腸癌早篩與宮頸癌早篩。這六個產品的共同之處在于患者的數量遠超過醫生的工作量，而大量的患者聚集于三甲醫院，無法下放到基層;同時，昂貴的癌癥治療費用極大地加重了家庭與國家的負擔。在此場景下，AI起到的作用包括提升基層醫生早篩能力，減輕三甲醫院及醫生的負擔，解放醫生時間的作用，降低醫療支出等。這些場景都存在明確的商業化可能，即一旦NMPA審批通過，布局企業能迅速收回研發資金。

　　潛在應用場景

　　青光眼、心電圖、ACS等則屬于潛在應用場景，這一類AI應用受市場相對較小、數據難以獲得、技術門檻較高等一種或多種因素影響，但仍有商業化空間。這些場景將在第一批AI產品商業化后獲得迅速發展。

　　科研應用場景

　　腦癱、銀屑病、耳石癥、帕金森等AI場景一方面為了滿足國家對某些特殊疾病的研究要求，另一方面研究本身具有開創意義。銀屑病的研究滿足項目第三條“針對胸痛、頭痛、瘙癢等癥狀對應的急性冠脈綜合癥、腦卒中、皮膚病等急慢性疾病，研發面向臨床路徑與技術規范的精準診療決策支持技術”，而帕金森病運動功能智能評系統運用視覺捕捉技術，在未佩戴傳感器的情況下對患者的動作進行分析，不僅節省了大量檢查時間，還實現了線下問診，具有極大的開創意義。

　　但無論是哪一種模式，都意味著騰訊向To B業務又深入一步。同時，騰訊將從科研合作中獲得大量的訓練數據以及AI開發經驗，而騰訊云也將因此在AI+醫療中發揮更為深度的作用。

　　不過，醫療漫長的研發之路類似一場長跑，參與者需克制沖刺的誘惑，合理安排體能，方能謀求在整個比賽中取得更好的成績。