主页 新闻资讯 森亿智能主办中国医院院长年会人工智能分论坛

森亿智能主办中国医院院长年会人工智能分论坛

人工智能/人机协作 2018-12-18 09:11:00 68 来源:美通社

如何破解“大的数据,不是大数据”困境?

上海2018年12月17日电 /美通社/ -- 11月30日-12月2日,以“新时代、新医疗、新起点”为主题的第12届中国医院院长年会在湖北武汉隆重召开,全国各级卫健主管部门及医院管理层代表等8000余人参加大会,共同探讨医疗变革时代应对之策,交流医院管理学科建设的成效经验。由森亿智能主办的AI+医者:创人 创智 创新的人工智能分论坛同期隆重举行,是全场唯一的人工智能分论坛,现场座无虚席,受到各位参会嘉宾的强烈关注与一致好评。该场专题分论坛由浙江大学附属第一医院院长王伟林院长主持,中国工程院副院长、中国医学科学院北京协和医学院院校长王辰院士出席并作主题报告。

近年来,人工智能作为新技术的代表,吸引各地医疗机构的极大关注。尤其在国务院发布《关于促进“互联网+医疗健康”发展的意见》以后,人工智能与大数据技术正以惊人的速度进入到医疗、医药、医保、医院管理等各个领域。

在各种政策大力支持的背景下,一些医疗机构开始通过人工智能技术对现有的医院管理、服务和运行进行升级优化。此次分论坛邀请到一些此类医院和医疗人工智能公司代表,这些演讲嘉宾从自身经验出发,为现场的近百位医院管理者分享了如何从需求出发,打造和建设智慧医院系统,通过人工智能技术带来医院管理、医疗科研、诊疗质量和效率、患者服务等各方面的提升和改进,从而促进医院发展模式从规模效益型向内涵质量型转化。

2327145-1

中国工程院副院长、中国医学科学院 北京协和医学院校长王辰院士

“一个医生一定要学会研究,不断进行积累提高。”王辰院士在分论坛上谈到医生培养时说到。众所周知,医生看病、做科研都需要根据自身知识和经验结合病人实际情况做研究判断,这就要求医生能利用各种方法、技术来进行研究,而人工智能技术的高速发展正为医生的医疗科研、辅助诊疗等提供了技术支撑。目前我国医生做临床科研有五个环节 -- 开题立意、病历筛选、数据提取、数据挖掘分析、临床论文写作,其中病历筛选、数据提取占用整个临床科研过程50%以上时间,这些基础性工作占用了医生做科学研究的大量时间。

“大的数据,不是大数据。”上海交通大学医学院附属仁济医院副院长王育分享了仁济医院科研级大数据平台建设思路,通过全病程数据采集到智能数据治理,再到专病化数据质控,以疾病为单元,构建覆盖患者全病程数据的专病数据库,通过AI技术使多源异构的临床数据满足科研细粒度。“医院虽然存在大量数据,但这些数据是需要经过治理才可以用作科研和临床诊疗的。”

这段话引起在场很多医院管理者的共鸣,因为医院对临床科研非常重视,但医生普遍看诊任务又比较繁重,在这种情况下做科研,就需要有结构化、专病化全病程、便于搜索利用的科研数据。目前很多医院的数据情况就像王育副院长说得那样,亟待借助人工智能技术转化为真正的大数据,为医院所利用,只有这样才能加速临床医学创新和转化。而这正是本届院长年会唯一人工智能主题分论坛的主要议题。

病历筛选、数据提取为什么耗费这么长的时间?虽然医院临床数据多,但不能直接利用,不是大数据。佛山市第一人民医院副院长段光荣表示,这些数据经过人工智能技术治理之后将变得非常宝贵,成为科研宝矿,充分挖掘、整理和利用这些临床医学大数据资源将会引导个性化诊疗和精准医疗的发展。

在辅助诊疗方面,上海第十人民医院医务处处长侯冷晨介绍了自家医院的实践情况,作为上海市首家引入“沃森肿瘤国际联合会诊系统”的医院,上海第十人民医院一直重视临床诊疗与人工智能技术的融合应用,近期上线了由森亿智能研发的VTE防治管平台,通过AI模型的搭建有效弥补了当前评分量表人工评估耗时多、不通用、实时性不强的不足,为住院患者提供全流程风险评估,“三个月内AI发现65例VTE患者,人工发现35例”,有效提高了风险预测能力,切实加强了患者住院安全。

森亿智能学术总监吴海明认为现代人工智能必须基于数据对机器进行训练。因此无论医疗科研,还是辅助诊疗,都需要可用的数据,而森亿正是数据治理的专家,经过上海儿童医学中心人机PK对照试验证明,森亿智能NLP引擎能够辅助医生将病历解析、信息抓取的速度提升超过30%,准确度提升超过10%。此外,森亿还创造性地在AI辅助决策上探索出一条专业、安全的解决之道,上文提到的VTE防治管平台正是众多落地项目之一。

嘉宾们认为,人工智能可以帮助医生缓解疲劳、降低劳动强度,辅助医生做重复性高、技术含量低的工作,这样医生就可以把节省出来的时间,用来与更多的患者沟通或进行科研工作。更重要的是,人工智能还可以辅助医生进行诊疗,根据患者病症指标、医学知识图谱等数据提供治疗建议,供医生参考。

如今,森亿已经走过了两个年头,企业从医疗数据入手,专注于医疗数据治理、医疗数据挖掘、医学自然语言处理,面向科研,为医生提供科研一体化平台,提升精准医学研究能力;面向临床,为医生提供临床诊疗决策辅助系统,在流程中规范医生行为;面向管理,为院长及医务科提供院内疾病质控平台,优化院内医疗资源分配,提升医疗质量。