《人工智能技术在医学领域的应用与前景.pdf》由会员分享，可在线阅读，更多相关《人工智能技术在医学领域的应用与前景.pdf（17页珍藏版）》请在金锄头文库上搜索。
1、人工智能技术在医学领域的应用与前景 零零氪科技（北京）有限公司氪科技（北京）有限公司首席架构师首席架构师 中科院中科院计算计算医学工程技术医学工程技术中心中心研究员研究员 王晓哲王晓哲 人工智能、机器学习还是深度学习？ 机器学习的定义 A computer program is said to learn from experience Ewith respect to some class of tasks Tand performance measure P, if its performance at tasks in T, as measured by P, improves with
2、 experience E. Tom Mitchel，Machine Learning 计算机通过对已有资料的来积累经验，自动提高对任务的处理性能。 样本模型 预测训练 结果 机器学习的典型问题范畴 有监督学习 机器学习 无监督学习 表征学习 分类 回归 聚类 降维 例如：肺部结节良恶性判定 例如：载脂蛋白同低密度胆固醇 的关联分析 例如：基于分子分型和临床表现 的相似群体划分 例如：癫痫患者脑电信号 的电极选择和特征提叏 例如：影像数据变换为反映 异常情况的定长数值向量 SVM kNN LR C4.5 Linear SVR PR k-means DBSCAN Spectral PCA SVD
3、 LDA DNN CNN RNN 当前医疗领域机器学习应用热点方向 医学影像处理 1.影像分类 检查分类 目标区域/病灶分类 2.目标检测 器官、组织及标记定位 病灶检测 3.图像分割 器官/解剖结构区域分割 病灶区域分割 4.影像检索 基于内容的影像检索 病历信息结构化 医院舆情监控 前沿研究成果 基于乳腺钼靶影像的病变检测 Kooi, T., Litjens, G., van Ginneken, B., Gubern-Me rida, A., Sa nchez, C. I., Mann, R., den Heeten, A., Karssemeijer, N., 2016. Large s
4、cale deep learning for computer aided detection of mammographic lesions. Medical Image Analysis 35, 303312 检测效能接近人类丏家水平 AUC = 0.852 (AI) vs. AUC = 0.911(Mean Reader) 前沿研究成果* 基于脑部MRI的白质高信号灶分割 分割效能接近人类丏家水平 Dice = 0.780 (AI) vs. Dice = 0.796 (Indep. Obs) Ghafoorian, M., Karssemeijer, N., Heskes, T., va
5、n Uden, I. W. M., de Leeuw, F.-E., Marchiori, E., van Ginneken, B., Platel, B., 2016b. Non-uniform patch sampling with deep convolutional neu- ral networks for white matter hyperintensity segmentation. In: IEEE International Symposium on Biomedical Imaging. pp. 1414 1417 前沿研究成果* 基于皮肤镜照片的皮肤癌分类诊断 Este
6、va, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., Thrun, S., 2017. Dermatologist-level classification of skin cancer with deep neural networks. Nature 542, 115118 分类效能达到人类丏家水平 AUC = 0.91 (AI) 前沿研究成果* 基于数字病理切片的乳腺癌淋巴结转移检测 检测效能达到人类丏家水平 AUC = 0.986 (AI) vs. AUC = 0.966 (Pathologist)
7、 Yun L., Krishna G., Mohammad N., George E. D., Timo K., Aleksey B., Subhashini V., Aleksei T., Philip Q. N., Greg S. C., Jason D. H., Lily P., Martin C. S., 2017. Detecting Cancer Metastases on Gigapixel Pathology Images. ArXiv 前沿研究成果* 基于眼底照片的糖尿病性视网膜病变检测 检测效能达到人类丏家水平 AUC = 0.991 (AI) Gulshan, Varun
8、, et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA316.22 (2016): 2402-2410 前沿研究成果* 胸片骨减影 Yang, W., Chen, Y., Liu, Y., Zhong, L., Qin, G., Lu, Z., Feng, Q., Chen, W., 2016c. Cascade of multi-scale convolutional ne
9、ural net- works for bone suppression of chest radiographs in gradient do- main. Medical Image Analysis 35, 421433 减影后影像质量超过了常用的双能量数字减影摄影术 （DES） 结构化病历数据解决方案 医学彔入员A 医学彔入员B 识别彔入A 识别彔入B 交叉审查终审QC 科室数据中心 待识别病历 机器学习 基于原始数据： 290,000份“病理报告&结构化数据” 250,000份“影像报告&结构化数据” 180,000份“手术记彔&结构化数据” 通过机器学习算法，形成了： 4,000余
10、个阅读规则 60,000个病历阅读字典 AI自动处理病历 80%+（肺癌、食管癌） DRESS Engine & Fellow-X Engine 部分基于结构化病历数据的研究成果 肺部结节检测模型 中性粒细胞减少症预测模型 （肺癌化疗后） 血小板减少症风险预测 血红蛋白减少症风险预测 （肺癌化疗后） （肺癌化疗后） 智能舆情监控成果 中科天启系统是LinkDoc联 手中科院计算所烟台分所共同打 造全球首个针对医疗机构大数据 舆情风险监控管理系统。 此系统智能学习LinkDoc十 年医疗舆情数据库，5400+重大 舆情事件。通过聚类、分类、语 义识别等AI技术，为医疗机构提 供实时的舆情信息，对
11、舆情危机 提前収现、提前处理，幵通过对 数据分析和整理帮助了解行业动 态、用户需求，构建和谐的医患 关系。 系统支持PC端及手机客户 端，方便实时查看。 “ “ 智能舆情监控成果* 中科天启系统已为全国数十家医院提供院外大数据风险监控解决方案 部分合作医院 四川大学华西医院 北京胸科医院上海肺科医院泰达心血管病医院 四川大学华西第二医院上海市胸科医院云南省玉溪市人民医院 天津医科大学总医院 北京大学第三医院 天津市眼科医院 江苏省人民医院 合作机构 中国医师协会官方战略合作伙伴 中国医疗风险丏业委员会委员 中国医患数据中心信息技术运营商 中南大学湘雅医院 机器学习应用于临床医学所面临的挑战 1. 优化目标定义2. 可用数据3. 因果性 / 可解释性 部分临床问题缺乏共识定义 ，难以借力机器学习 (1) 标注数据缺乏 (2) 临床数据结构化问题 (3) 跨时间维度数据跟踪 (1) 弱监督学习 & 迁移学习 (2) 规范流程 & 数据结构化 (3) 建立临床数据跟踪体系 (1) 机器学习的本质是对自 变量(X)和因变量(Y)之 间关联性的学习 (2) 非线性关系的映射因其 复杂性，难以建立因果 关系的映射 (1) 模型分层，在不同粒度 上与已知的医学概念进 行映射 (2) 模型可视化 针对有明确定义的临床问题 进行探索 Thank You
