人工智能技术如何为医疗信息化赋能？

在钛媒体举办的在线访谈节目“钛坦白”第44期中，我们有幸邀请到三位钛客，其中一位是汇医慧影联合创始人兼首席营销官郭娜。她毕业于清华大学，曾在国际知名智库The Nixon Center以及中国电信北京公司等重要机构任职，现致力于医疗信息化和人工智能领域。以下是郭娜女士的分享内容整理：

我是汇医慧影的郭娜，非常荣幸能通过“钛坦白”与大家交流。

自汇医慧影2015年成立以来，我们深入布局医疗信息化和人工智能领域。随着云计算、高性能计算GPU的发展，以及海量数据的存储技术的进步，我们发现新一轮的医学影像革命成为可能。与此像商汤科技、旷视科技等通用级别的人工智能算法公司崭露头角，这都要归功于新技术的突破。

说到医疗信息化，我认为它是下一代人工智能实现的关键平台。人工智能在医疗领域的发展离不开三个要素：数据计算能力、有效数据的增长以及数据科学家和人工智能科学家的支持。而在医疗信息化方面，我们需要解决的是如何更好地采集、整理和计算医疗数据的问题。我们需要确保数据的结构化、可采集性和可计算性，这样才能更好地与临床诊断相结合。今天的医疗信息化不仅是提高效率的工具，更是推动下一代人工智能发展的重要平台。

当我们放眼全球，对比中外在人工智能领域的发展，我们发现全球医疗信息化的趋势是向着更结构化、标准化和统一化的方向发展。以德国为例，他们的影像报告结构化程度非常高，整个数据链条的采集、传输和整理都更为有效和易于计算。澳大利亚的医疗信息化也在某些方面表现出色，如救护车和医院之间的信息无缝对接。然而在我国，尽管医疗信息化公司众多，但仍然存在接口不统一、个性化改进过多等问题，这意味着我们仍然有很长的路要走。我们的方向是使医疗信息化更加结构化、标准化和统一化。

事实上，中国的医疗行业正面临一个难得的机会——人工智能技术的革命。由于人口众多和丰富的医疗数据，我们期待医疗人工智能在中国落地生根。但我们也必须清醒地认识到，医疗信息化是人工智能领域中的暗礁和挑战。只有更好地解决医疗信息化问题，我们才能为医疗人工智能打下坚实的基础。幸运的是，我们看到了新一代软件升级对信息化的迫切需求。当信息化与人工智能结合时，信息化不再仅仅是解决效率问题，而是成为推动人工智能发展的基础和数据来源。我相信这一波人工智能和信息化的结合将带来医疗信息化的产业升级和软件的升级换代。

我们正与众多顶级医院携手合作，共同推进人工智能在医疗领域的应用。有效数据的采集是这场科技革命的基石，这些数据如同珍贵的宝藏，通过光盘或硬盘的载体，传递至我们这样的算法公司。在这个过程中，大量宝贵的时间和人力资源被耗费在等待和重复劳动中。医生们日复一日的辛勤工作，而这些时间和精力损失成为了推动人工智能发展速度的瓶颈。尽管我们是人工智能领域的先锋，但仍不断在医疗信息化方面进行着巨大的投入，专注于产品和平台的研发，致力于创造一个能让医生解放自我、高效工作的环境。

在这一过程中，我们看到了信息化和人工智能结合的巨大潜力。传统上，医生和软件工程师像是两条平行线，彼此的需求和视角难以融合。但现在，新一代的信息化浪潮正在改变这一局面。专家系统、知识系统、自然语言理解、语音和语义识别等先进技术的融合，为信息化带来了全新的升级版本。特别是在医疗影像书写方面，我们见证了革命性的进步。

想象一下，医生在写影像报告时，信息能够自然实现结构化，自然语言算法为他们提供精准提示和纠错功能。汇医慧影正是提供了这样一系列信息化的技术解决方案，让诊疗过程变得更加便捷高效。人工智能和医疗信息化的结合，正在推动医疗领域的数字化转型。我们与科大讯飞紧密合作，在影像云平台上应用智能语音技术替代手写报告，解决效率问题。随着更多升级版本的推出，我们将更多地考虑医生的实际需求，为他们节省时间，提升使用体验。

医疗信息化不仅仅是提升效率的问题。更重要的是，它让病人和医生都能从中获得关怀和价值。传统的胶片被数字化、移动化、智能化的电子报告所取代，方便病人随时查看自己的健康状况。而信息化的专家系统则让病人和医生能够轻松获取医疗知识和病例信息。通过信息化手段，我们可以一站式满足病人的需求，帮助他们更高效地了解自己的身体状况并进行健康管理。这正是信息化带来的全新价值。

正如我们所见证的，人工智能并不是取代人或者医生，而是让医生和病人都能从中获益。医生可以摆脱繁琐的工作，专注于更高价值的治疗和诊断；病人则可以更方便地了解自己的健康状况并进行管理。这正是我们所追求的医疗信息化的未来。我们相信这一轮的人工智能是第四次工业革命的开始，而中国在这一轮的人工智能竞赛中拥有特殊地位。尽管面临诸多挑战和困难，但我们愿意尽自己公司的力量推动这一变革。感谢大家的聆听和讨论。

针对数据的重要性问题，确实训练人工智能模型需要大量的数据。像商汤科技过去两年标注的十亿人脸数据一样，高质量的数据对于人工智能的发展至关重要。我们在数据收集、处理和应用方面也有着丰富的经验和独特的策略。只有充分利用好这些数据资源，我们才能为医疗领域带来更加精准、高效的解决方案。走进医疗影像的奇妙世界，一个融合了人工智能与医学诊断的尖端领域。十年前，计算机辅助诊断（CAD）就已悄然走进医疗影像界，它的出现，改变了医疗影像的解读方式。医疗影像的特殊性在于，它既有长期的技术积累，又需要进行数据的重新分割建模，包括特征提取等精细操作。

在这个领域，人工智能与传统建模方法并存，共同为医疗影像解析贡献力量。其中，更新的人工智能CNN算法与传统方法相结合，能够在一定程度上降低数据的需求。

谈及人工智能在医疗影像中的具体应用，郭总表示，目前大多针对单病种进行模型训练。那么，究竟哪些病种会成为郭总的优先选择呢？答案似乎与经验的积累、数据的丰富性以及市场的需求息息相关。肺部CT、X光以及乳腺影像等是市面上较为成熟的领域，在这些领域，人工智能更容易产生突破。随着技术的不断进步，更多病种的涉猎也开始逐渐展开。

用人工智能算法对疑难病症进行突破的难度仍然较大。例如，肺小细胞癌、对照式浸润式肺腺癌等数据在一所医院可能只有一两百例有效数据，这对于算法的训练和模型的构建来说，无疑是一大挑战。相比之下，其他病种的数据量更为丰富，更适合用计算机进行计算和处理。

医疗影像的世界充满了复杂性。它不仅要求数据量大，如乳腺数据的4000×4000规模，还要求对数据有深度的理解。医疗影像数据多为三维数据，需要更复杂的计算模型和算法来处理。对于跨学科的知识掌握也是解决医疗影像问题的关键。只有真正理解和把握医学、人工智能等多领域知识，才能更好地解决这一领域的难题。

展望未来，人工智能将逐渐代替简单重复的工作，而拥有跨学科知识和视野的人才将成为最有竞争力的人才结构方向。在医疗影像领域，可能需要既懂医学又懂人工智能的人才来引领这个领域的发展。这是一个多元、多背景知识结构交织的领域，只有真正理解和把握这个领域的价值和挑战，才能提出并解决更有价值的问题。