回歸數(shù)據(jù)價(jià)值是關(guān)鍵

對于AI醫(yī)療公司來說，單一的算法開發(fā)如今似乎很難支撐起一家公司數(shù)據(jù)的價(jià)值重新回歸。

“實(shí)際上，人工智能是一種知識的表達(dá)�！睏罴�江談到，人工智能其實(shí)是一個(gè)交叉學(xué)科，既是計(jì)算機(jī)科學(xué)的分支，又涉及心理學(xué)、哲學(xué)和語言學(xué)等。如果研究機(jī)構(gòu)或公司只是單純研究算法，那么很難實(shí)際應(yīng)用。不同來源的數(shù)據(jù)與算法結(jié)合，才是人工智能的根基。

自然語言學(xué)習(xí)、深度學(xué)習(xí)、虛擬助理等，都是AI的具體研究領(lǐng)域。在醫(yī)療方面，圖像分析的應(yīng)用也比較廣泛。

楊吉江認(rèn)為，從發(fā)展階段上看，人工智能從早期推理到后面的數(shù)據(jù)驅(qū)動(dòng)，數(shù)據(jù)是最主要的。例如，有AI＋醫(yī)療影像的公司與業(yè)內(nèi)專家探討，開始回歸數(shù)據(jù)，在數(shù)據(jù)采集、數(shù)據(jù)管理上花費(fèi)很大的力氣，而不是“虛幻的”去做診斷。

對AI醫(yī)療來說，數(shù)據(jù)的重要性不言而喻。AI在小樣本集上做的診斷或推定，被認(rèn)為是不可持久的模式，因?yàn)橐坏┰贁U(kuò)大一點(diǎn)范圍，換一個(gè)病種、換一個(gè)地方，結(jié)果可能就出現(xiàn)偏差，正確率下降。

“為什么人工智能突然爆發(fā)？實(shí)際上這跟大數(shù)據(jù)的發(fā)展也有一定關(guān)系。我們現(xiàn)在手上都有很多數(shù)據(jù)，但如果不去有效地利用，就不具有價(jià)值。”楊吉江說。

楊吉江有過400萬個(gè)數(shù)據(jù)清洗完后，剩下20多萬個(gè)的經(jīng)歷；從某醫(yī)院拿到的200萬個(gè)眼科數(shù)據(jù)，清洗過后也差不多只剩下20萬個(gè)。作為AI醫(yī)療的基本素材，數(shù)據(jù)的準(zhǔn)確性和質(zhì)量非常重要。但“干凈”的數(shù)據(jù)并不容易獲得，需要很大的工作量。

即便數(shù)據(jù)量足夠大，在面對每個(gè)個(gè)體的差異時(shí)，AI醫(yī)療依然沒法保證100％的準(zhǔn)確率，一旦出現(xiàn)問題就是誤診、漏診。因此，多位與會(huì)人員亦表達(dá)了類似的觀點(diǎn)，即人工智能在醫(yī)療領(lǐng)域的角色目前仍是輔助。

針對臨床決策的輔助系統(tǒng)，融合大量醫(yī)學(xué)指南與醫(yī)生的經(jīng)驗(yàn)智慧，針對治療目標(biāo)及治療的實(shí)時(shí)效果進(jìn)行決策建議，大大提升科室的綜合決策診斷水平。

邁瑞發(fā)現(xiàn)，作為光信號的血氧參數(shù)以及電信號的心電參數(shù)間，其實(shí)有著緊密的聯(lián)系。把兩個(gè)數(shù)據(jù)“擰在一起”，在多參數(shù)聯(lián)合分析作用下，對心率、脈搏監(jiān)測準(zhǔn)確性大大提升，并極大地增強(qiáng)了報(bào)警的準(zhǔn)確性。這樣“智能報(bào)警”的結(jié)果，則是讓致命性心律失常誤報(bào)次數(shù)大幅下降65％，其他心律失常誤報(bào)次數(shù)下降50％。同時(shí)，對于心率準(zhǔn)確性提升30％，脈率準(zhǔn)確性提升30％。

點(diǎn)評：但截至目前，沒有人能保證人工智能能達(dá)到100%的準(zhǔn)確率，但是有哪個(gè)醫(yī)生能保證自己能達(dá)到100%的準(zhǔn)確率嗎？如果人不能達(dá)到，就要求AI一定達(dá)到，是不是對人工智能太過苛求？現(xiàn)階段讓人工智能在醫(yī)療的過程中提高數(shù)據(jù)的分析利用效率，給醫(yī)生的分析判斷提供參考就是最大的貢獻(xiàn)。其它的可以在實(shí)踐中慢慢進(jìn)步