2018年8月31日，作为“2018（上海）中国人工智能展览会暨OFweek（第二届）人工智能产业大会”的重要论坛之一的AI＋医疗分论坛在上海成功举办。本次专场论坛围绕AI+医疗技术应用，就AI医疗技术实现产品商业化遇到的困难与挑战进行了讨论。

会上，青岛海信医疗设备股份有限公司数字影像总监田广野分析了人工智能技术的要素，同时对目前接触AI医疗的公司进行分类，并解答了在AI开启数字化医疗创新模式驱动下，海信医疗是如何解决在实践中遇到的AI医疗困难的。

田广野认为，目前医疗领域面临着两大问题：一是数据问题，二是落地问题。对于数据问题，肝脏大数据库是一个很好的例子，它是以点带面、与地区的三甲医院合作的，并在一个器官上发起工作，完成肝脏大数据建立，最后慢慢地完成整个医学影像大数据构建。

医疗健康领域被认为是人工智能落地的最有潜力的领域之一，田广野总监表示，要实现人工智能医疗的真正落地，需要更加创新的应用场景，需要人工智能各界共同努力，共同推动医疗人工智能的发展。

以下为田广野总监的现场演讲内容，OFweek医疗科技网作了不改变原意的整理和编辑：

我是来自海信医疗设备的田广野，非常高兴今天能与各位在此交流人工智能在医学健康领域的落地情况。海信医疗设备成立于2014年，专注于数字医学以及智慧医院信息化解决方案的研发。在此过程中，我们逐步利用人工智能深度学习技术，来赋能我们的产品，所以今天我与大家分享一下我们的产品、市场推广情况、以及在使用人工智能中遇到的问题与思考。

我的演讲分为以下几个部分，我会对人工智能技术的要素进行剖析，包括底层的算力，到中间的框架，到顶层的垂直应用。基于这个剖析，我会对当前涉足AI＋医疗的公司做了一个分类，基于这个分类，海信医疗能够在整个医疗＋人工智能产业中很好地定位。第三部分我将介绍一下海信医疗在AI领域中的实践，包括产品的应用和市场推广情况。最后我会对在AI＋医疗中的困难以及思考做一个总结。

首先我认为整个AI的技术框架分为五大部分，最底层是基础设施，也就是我们所说的AI框架、AI算力，包括云计算的一些资源，它是互联网巨头所提供的包括AI计算、网络以及存储资源。这些互联网巨头包括bat、谷歌、亚马逊等，他们都是通过AI技术来推广自己的云平台，即用AI来竞争云平台市场。另外传统的芯片公司包括英特尔英伟达，他们通过开发适配于AI计算的通用芯片来提高他们在芯片领域的市场份额。

往上一层的是AI通用功能，包括基于智能图像的人脸识别、OCR识别、智能语音识别、自然语音处理功能，这些功能往往是针对语言还有自然图像，预先设计好的通用模型，垂直应用公司可以马上拿来用。因为这些模型是针对自然图像来训练的，所以虽然成熟，但在医学领域不能直接应用。

第三层就是算法。算法模型要素体现了整个人工智能的基础，包括我们比较熟悉的分类模型，检测模型以及用于语音分割的神经网络等。AI模型是人工智能的基础数学模型，它常常是通过科学论文然后公开发表。有很多AI的初创公司，在AI模型的领域有非常深厚的积累，这也是他们产品差异化的来源。

再往上的两部分，称为AI的开发工具，包括AI框架。大公司在开发、维护时使用，从而方便AI的开发人员搭建、训练，以及部署网络。公司的目的就是吸引语言开发者来建立围绕公司的生态系统。现在AI被称为是未来的操作系统，也就是说AI在未来有很高的战略地位，这些公司希望通过AI训练平台，让垂直应用公司可以不需要具备AI的开发能力，只需要提供行业数据，提供专业的标注，其他的包括训练、网络建模、部署，完全用云平台来负责，这样就大大简化了垂直应用公司的门槛。上面一层与我们今天行业相关包括AI＋医疗，AI＋金融等等。这些垂直应用厂商往往是数据的拥有者。他们利用这些数据，并且综合底下几层的AI要素来实现他们的功能。

基于这个AI要素分析，我认为目前涉足AI＋医疗的公司主要分为五大类型，第一种类型是互联网巨头包括BAT、谷歌、亚马逊，他们利用AI来进行云计算平台布局。但是在长远来看，他们还是希望能够把握住AI未来的操作系统这个巨大的市场。

第二类是大放厂家，他们有影像设备、预判终端，他们通过端到端的AI赋能，从前端的影像采集到中间的影像重建，到后端的阅片都进行AI赋能。这样它可以提高影像设备的推广能力。

第三类是传统AI公司向医疗拓展，这类公司在AI某一个领域有深厚的积累，比如说语音、图像。他们利用这个工具迅速切入医疗，并且在深度上和广度上不断扩展。比如说基于语音技术，我们在医疗中可以实现电子病例输入，电子病例语音导入，做智能语音导诊机器人。基于图像呢，去年腾讯迅速地开发产品来进行基于医学影像的人工智能辅助诊断。

第四类产品是当前最活跃的，也是技术含量最高的，我们认为是人工智能＋医疗的初创公司。这类公司有深厚的技术背景，他们在AI算法模型要素上有天然的优势，有很强的竞争力。他们的合作模式也非常灵活，产品迭代很快，基本上是三个月一个产品。

最后一类公司是传统的医疗设备公司向AI领域拓展。这类公司的优势在于具有多年沉淀的医院信息化解决方案，而这些医院信息化解决方案是AI落地医院天然的创新场景与落地场景，这些公司往往是数据的拥有者。

海信医疗设备公司就是属于这第五类公司。我们在AI领域的定位就是AI的使用者，我们希望通过我们的信息化解决方案，把AI迅速落实到医院，符合工作流程，让医生在潜移默化中去了解AI、熟悉AI、最终接受AI，这是一个长期的过程。但是由于我们在医院的沉淀，可以把这个过程变得非常平缓。

海信医疗设备公司主要有五类产品线，包括海信应用显示系统，这是基于海信多年在显示器方面的积累，我们不足进入医疗领域，做医疗级的诊断生产。第二类是计算机辅助手术系统。就是基于ct核磁、基于人工智能分割以及识别技术，进行三维重建，三维渲染，手术推荐，对复杂的肿瘤手术进行精准的术前规划。第三类是医院系统化解决方案，包括数字化手术室，远程会诊等系统化解决方案。

第四类是海信移动护理终端，为了实现护士的无纸化办公，只需要一个PDA终端就可以完成平常的医生护理、药品的管理等工作。第五类产品线是海信冷链系统，这是我们和海信冰箱公司合作生产的不同温度级别的应用冰箱。

最近几年，人工智能的成熟度在迅速地发展，但是它在医学领域的应用受到精确度、综合信息的分析能力，包括全病种的覆盖能力的一些限制，注定了它在医学领域不能代替医生，只能作为医生的辅助存在。我们认为它的定位是在传统医学的实践中的增值服务。既然定位成增值服务，它就必须有一个增值服务的载体，这就是我们传统医疗公司的一个最大的优势。我们的信息化解决方案就是人工智能技术的一个载体。

我们应用人工技能技术主要有两个方面，一是基于我们的计算机辅助手术系统，对疾病的诊断，到疾病的定量分析，再到最后手术的智能方案推进，进行端到端的人工智能赋能。第二部分是基于智慧阅片室的远程数字化手术室系统的医院信息化系统，我们用人工智能对它赋能，基于这些场景提出一些人工智能的创新。

手术系统是针对胸腹腔，包括肝胆胰脾肾肺的很复杂肿瘤的精准术前规划而开发。医生拿到二维扫描图片，系统通过语义分割，可以对腹腔内的重要脏器，包括肝与肿瘤肿瘤周围血管、肿瘤附近的重要脏器进行精准分割，然后进行三维重建，以三维的方式展现在医生面前。通过这些模型以及手术推荐系统，我们可以为医生推荐不同的手术方式，让医生进行一个术前的精准规划。

因为我们对腹腔中的每个组织器官有了精准的数学模型，建模，所以我们可以把腹腔器官的定量信息全面的展示给医生，包括肝脏的体积，包括肌瘤的体积，肿瘤的最大径，以及切除肿瘤后残肝的体积。医生可以凭借这些定量数据，综合地评判应用的手术方式。不同的手术方式，包括解剖性肝切除，我们是通过分割出供血血管，并对供血血管的拓扑结构进行分析，对肝脏的不同功能段进行分割，这样医生只要单独切除被病灶侵蚀的功能段，保留其他功能段，就能保持肝脏的正常功能。我们利用这种精确的曲面拟合，可拟合出精准的切割平面。在拟合过程中医生可以实时的看到切割以后的肝脏体积，剩余的肝脏体积，这样能够保证这个手术是可行的，不然剩余的肝脏太少，可能会引起肝脏衰竭死亡。

对于一些多发性肿或者是巨大肿瘤不能进行手术的，医生可基于影像导航的局部消融手术。这种手术就需要消融探针有精确的探针入针点，包括皮肤哪一点入针、入针录像、入针的路线、如何避开血管、避开重要的脏器，以及如果我们用射频消融、微波消融，消融的范围需要一个精确的模拟，这样能尽大程度上保护健康组织。这是利用我们系统做的一些案例。这都是一些比较疑难的案例，包括腹膜后肿瘤、肝中的巨大肿瘤、肝内多肿瘤。我们利用系统进行术前的规划，将不可能做的手术变得可以。比如这个肝中的巨大肿瘤，医生最后选择的方案就是在肝脏中部把肿瘤掏出来。这是非常冒险的，因为血管周围非常复杂。虽然冒险，但是非常精准，最后病人成功地完成手术。

我们对肾脏的这种保肾手术，以及肺部的分割也做了一些相应的产品，肺部的动静脉特别复杂，而且支气管决定了肺脏功能段的分段。所以通过对这些脏器血管的精准分割分析，可以精准地指导医生手术。

还有一例是利用我们的手术系统进行的连体婴儿的分离术。通过ct扫描，我们可以看到这两个婴儿是在肝部连接的，然后每一个婴儿都有独立的一套供血系统。这个手术非常危险，为什么呢？因为不管我们多切了或者少切了哪一边，必定有一个婴儿，可能会因为肝脏体积过小而有生命的危险，或者会影响他的生活。经过我们的三维重建，可以看到蓝色的静脉之间有一个天然的理论通报。经过术前的模拟，我们对它们的体积进行了分析。一段通道分离肝脏以后，肝脏的体积都足以保证孩子的正常生活。最后这个模型被推进手术室，现场指导手术，整个手术非常成功。

我们的市场推广情况主要以两种方式推广，包括这种服务器销售以及服务的模式。服务的模式，我们有一个专门的三维重建，手术推荐云平台，医生有需求的话可以上传病例，我们也提供制作模拟手术的推荐，然后辅助医生诊断。我们的平台自从2016年底上线，从2017年和2018年的数据可以明显地看到医生的需求在不断增长，这也是医生对计算机辅助精准手术接受程度的提高。这是一个非常可喜的现象。

基于前期的实验，我们建立了一个非常大的肝脏数据库，集合了一万多病例，包括成人和儿童的、正常和非正常的各种肿瘤病例，里面的数据非常丰富。我们收录了病例的三维模型、医生诊断报告，包括术前的检查、实验室的血常规、检查，以及术前三维重建和手术方式的设计等，我们也对手术中的步骤、术后的病理检测的结果都进行了详细的记录。目前随访情况还没有加进去。

这个数据库意义非常大，因为有了术前的数据，术后病理的数据，和手术过程的一种分析，这可以对肝脏重大这种肝脏肿瘤的术式模型的研究提供一个非常好的依据。通过大数据分析可以对临床的诊断提供非常有效的证据。比如说在远程会诊中的应用，首先创建智能助手，实现对语音实时的理解，利用人工智能数据实时影像配置，完成手术超声影像实时导航。现在比较火的这种视频分析技术用于手术室，手术室都有一个树叶摄像头，全程拍摄手术过程，视频分析系统通过结构化视频，对视频进行一个结构化操作，比如手术机器人训练、医生的培训、医生的手术质量的评估。

目前人工智能在中国非常火，与医疗相关的各种人工智能联盟也非常多，这里我总结了一下，包括国家级别的，由工信部科技部牵头的，包括省级的，目前山东、四川、湖南、广东、上海都有省级人工智能联盟，包括医疗专科领域的人工智能联盟。为什么要把这些联盟放在这呢？因为当我们分析他们的章程时，我们发现他们的目的其实就是规范化，人工智能辅助诊断的标准化，医疗大数据的标准，规范化医疗大数据、私有云平台与公益平台的标准。所以我们说目前医疗领域面临的问题其实就是数据的问题。我觉得肝脏大数据库是一个很好的例子。我们以点带面，从与地区的三甲医院合作开始，在一个器官上发起工作，完成肝脏大数据的建立，然后慢慢地完成整个医学影像大数据构建。

最后做一个简要总结。目前在CFDA对人工智能一些影像产品的认证上有很大的突破，然后我们预计2018年会有这个破冰的现象，但是同时我们应该认识到它只是人工智能医疗落地的第一步，因为CFDA只是满足了市场的准入，如何落地、如何真正服务到医生，还需要我们人工智能各界共同努力，共同推动医疗人工智能的发展，这是我的演讲，谢谢。（完）