中国教育在线
中国教育在线

国家重点学科
高考分数线
内容推荐
在线答疑
内容推荐
C位出道!人工智能牵手医学健康
2018-09-26
中国科学院大学
关注掌上高考


  9月22-23日,2018年中国医学人工智能大会(暨第一届人工智能雁栖高端论坛)在中国科学院大学雁栖湖校区举办,国科大副校长徐涛院士,国科大计控学院副院长、中科院计算所副所长陈熙霖,中科院院士、北京大学教授程和平等多位人工智能及医学领域的专家学者出席了此次会议。会议围绕人工智能在医学领域的发展和应用,讨论了该领域的发展现状、实际应用、未来趋势等课题。本次会议由中国人工智能学会、中国图像图形学会、中科院计算所、中国科学院大学共同主办,国科大计算机与控制学院共同承办,国科大徐俊刚教授为会议共同主席。

  此次大会正值中国科学院大学建校40周年,徐涛副校长在大会致辞中特别提出:“国科大在人工智能及医学人工智能方面已有布局。国科大人工智能学院是我国人工智能技术领域首个全面开展教学和科研工作的新型学院,聚焦于人工智能领域核心科学和关键技术,面向国际科学前沿,拥有包括脑认知与智能医学在内的多个教研室,拥有中国科学院分子影像重点实验室等多个研究机构。国科大将继续推动医学人工智能领域的发展。”

国科大副校长徐涛院士致辞

首届人工智能雁栖高端论坛合影

  从1950年图灵发表《计算机器与智能》,提出人工智能与图灵测试,到2012年深度学习以绝对优势获得ImageNet图像分类竞赛冠军,再到2016年AlphaGo战胜国际知名围棋手李世石,人工智能在以迅猛的速度发展。人工智能与各领域的结合也不断加强,相互促进,推动了许多新兴学科领域的研究发展,医学人工智能应运而生。

  人工智能,为医学赋能

  在众多行业当中,医疗是一个数据密集型、脑力劳动密集型、知识密集型的行业,是一个非常有前途的人工智能应用领域。各个国家都非常重视人工智能技术在医疗领域的布局与应用,从去年到今年,我国密集出台了许多医疗人工智能方面的政策与法规,大大加快推动了我国医疗人工智能产业的发展。

  “人工智能的职能是为医生赋能”,南京信息工程大学徐军教授在大会报告中提到。发挥人工智能的优势,提高医疗诊断与治疗的效率和准确率是医学人工智能的出发点与落脚点。

  徐涛副校长在开幕致辞中介绍到:“在医疗的众多场景当中,影像数据标准化程度最高、数据量最大,这为人工智能在医疗领域的应用提供了重要的基础”。以上海长征医院主任医师刘士远报告中提到的肺结节辅助诊断为例,通过大数据的学习,人工智能可以对肺结节CT影像进行智能检测与识别,将探查到的疑似结节标记出来。这样做一方面能够代替医疗人员进行重复的机械性工作,提高效率,另一方面也能帮助医生提高诊断的准确度。

上海长征医院主任医师刘士远

  除了医学影像,人工智能在病例分析、精准手术、药物挖掘、医疗风险分析等方面也起到了重要作用。 “我印象最深的就是清华大学廖宏恩教授在报告里提到的微创诊疗机器人,它又有定向定位操作,又有可视功能,感觉这波操作很可以”,参会的一位学生说道,“希望能看到人工智能在更多医疗方面起到作用吧。”

  人工智能,帮助医生看得更清看得更远

中科院分子影像重点实验室主任田捷作主题报告

  中科院分子影像重点实验室主任田捷在大会报告上提到,通过复杂的非线性运算,人工智能可以“看到”医学影像中更加复杂的一些新特征:小波、纹理、强度、模式……这些特征在人眼看来可能是没有意义的,但是对于深度学习网络来说,这些特征便是医疗诊断的关键,最终将疾病的特性联系起来。也许你会问,影像科的医生也能看片子判断病情呀,这有什么用?其实,对CT、核磁等医疗影像来说,人眼只能识别轮廓、形状、大小这样有明确意义的特征,但对高维度的特征,人眼是无法识别的。同时,影像仪器为了方便医生,会将原始图像进行处理,这个处理过程会导致信息的改变或者损失。如果减少对原始影像的处理步骤,直接将原始的信息交给人工智能解读、计算、分析,结果便会更加精准。从临床反馈来看,同是结直肠癌的淋巴转移预测,使用人工智能阅片可以将假阳性率从百分之七十降到低于百分之三十。

  毫无疑问,人工智能确实能帮助医生看得更清、看得更远。

  人工智能助力多模态诊疗

  在传统影像学里,精神分裂患者的头颅CT与MRI等检查结果看起来往往与健康人群无异。因此,医生很难借助传统的影像辅助检查方式帮助确诊,更不必说辅助治疗了。那么,精神分裂患者是否存在可观测的脑部生理结构改变?通过“多模磁共振”技术,华西医院给出了肯定的答案。(多模磁共振,就是多种智能影像检查方式融合在一起,协同给出病灶评估的技术,与传统的单一辅助检查手段不同)

四川大学华西医院副院长龚启勇

  华西医院的龚启勇副院长在会后访谈中提到,华西医院已经在应用多模磁共振的研究成果,尤其是用于精神疾病患者的诊断与疗效评价。不仅如此,多模磁共振技术还可以识别出各项功能活动对应的脑部区域位置。未来,医学还可能采用靶向电极,精准刺激病变点的方式,对精神疾病进行干预治疗。

  据了解,多模磁共振技术的核心便是使用人工智能将不同的影像序列融合在一起,让深度神经网络从多种不同的信息中提取、组合特征,提高诊断的准确率。通俗的理解就是,面对病情复杂的患者,医生需要大量不同的影像和诊疗报告才能确定病情,然而这个工作量是巨大的,准确率也不一定高。但是有了人工智能的加持,今后只需要将病人的各类核磁图像输入计算机,便可以在短时间内得到一个置信度高的结果。

  生物医学大科学装置将落地怀柔科学城

  “我们希望能够对生命体结构与功能进行跨尺度的可视化描绘与精确测量”,中科院院士程和平在报告中提到即将在北京怀柔科学城建成的生物医学类大科学装置——多模态跨尺度生物医学成像设施。该设施是在国家发展改革委、教育部、中科院、北京市的大力支持下,联合诸多单位与优势力量,共同推动申报与筹建的。该项目在2016年12月被正式列为《国家重大科技基础设施建设“十三五”规划》10个优先建设项目之一,将于北京怀柔综合性国家科学中心集中建设。

中科院院士、北京大学教授程和平

  从分子到个体,该设施能够根据不同的成像模态获取不同的结构、功能和组成要素,从而更直观地展示出相关的生命信息。我们期待着这一宏大项目的竣工,也期待着多模态跨尺度生物医学成像设施为破解生命与疾病的奥秘做出贡献。

多模态跨尺度生物医学成像设施 建设初步方案

  该装置的所在地——怀柔科学城,坐落于长城脚下、雁栖湖畔。科学城以大科学装置集群和前沿科技交叉研究平台为核心,同时建设四区。其中的科学教育区即是中国科学院大学雁栖湖校区。怀柔科学城的建成,将更加有力地保障国科大师生的研究工作。

怀柔科学城科学教育区——国科大雁栖湖校区 刘瀚鸿摄

  医学人工智能研究中的国科大声音

  国科大以“科教融合、育人为本、协同创新、服务国家”为办学理念,与中国科学院直属研究机构(包括所、院、台、中心等)在管理体制、师资队伍、培养体系、科研工作等方面高度融合。国科大与全国各地116个培养单位“共建、共治、共享、共赢”。近年来,随着科教融合的不断深化,国科大已依托京内外高水平培养单位成立了38个科教融合学院。

  国科大于2015年、2017年相继成立存济医学院、人工智能学院,整合中科院相关研究所的教育与科研资源,开始了对医学领域及人工智能领域全面化、系统化的科研和教学工作。

  中科院深圳先进技术研究院(以下简称“深圳先进院”)是国科大的培养单位之一。国科大研究生导师、深圳先进院研究员梁栋在报告中谈到了传统MRI(磁共振成像)全脑血管壁成像的问题:“传统MRI所需时间较长,对于患者来说始终保持静止较难做到,尤其是对于患有幽闭恐惧症的患者,而轻微的移动又会降低采样的精度。”梁老师针对这个问题,提出了目前课题组的研究方案:通过人工智能算法,缩短了MRI所需时间,并将二维成像转化为三维成像,更加准确与直观地呈现出全脑血管壁的影像。这些研究工作在国科大导师及学生的共同努力下完成,目前已申请了多项专利,其中不少技术已经应用到了临床实践中。

中科院深圳先进技术院研究员梁栋

  同样,孵化于中科院自动化研究所智能医学研究中心的中科院分子影像重点实验室,也在医学影像领域做出了积极贡献。在实验室主任、国科大博士生导师田捷研究员的带领下,实验室在分子影像、功能影像、医学影像分析与处理、智能医学等相关领域的基础理论研究、关键技术研发、成果推广应用、专业人才培养等方面取得了系列化的显著成果。

  无论是医学还是人工智能,或是医学+人工智能,国科大都在积极发出自己的声音,为医疗行业不断注入新的力量。未来,国科大将继续聚焦于人工智能在医学及其他领域的发展,不断探索创新,为解决实际问题提供“国科大方案”。

  延伸阅读:

  2018中国医学人工智能大会由中国人工智能学会、中国图像图形学会、中科院计算所、中国科学院大学共同主办,中国科学院大学计算机与控制学院、中国人工智能学会智慧医疗专委会、中国图象图形学学会医学影像专委会、中国信息协会医疗卫生和健康产业分会共同承办。今年是中国医学人工智能大会第一次举办,由浙江大学计算机学院教授、浙大睿医医学人工智能研究中心主任吴健,中国科学院大学教授徐俊刚,北京邮电大学计算机学院教授张成文和中科院计算技术研究所副研究员赵地担任大会共同主席。未来中国医学人工智能大会将继续办下去,为推动中国医疗人工智能事业发挥更大的力量,下一届大会将会在明年于浙江大学举行。

免责声明:

① 凡本站注明“稿件来源:中国教育在线”的所有文字、图片和音视频稿件,版权均属本网所有,任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发表。已经本站协议授权的媒体、网站,在下载使用时必须注明“稿件来源:中国教育在线”,违者本站将依法追究责任。

② 本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者在两周内速来电或来函联系。

热门推荐
相关新闻