医疗AI实践与思考汇总

深度学习技术在许多医学问题上取得成功：

医学图像分类和分割：CNN

文本中信息抽取、疾病预测：CNN、RNN、transformer

病患语音识别和机器翻译：RNN、Seq2Seq

体征检测和疾病风险评估：RNN、MLP、transformer

新药研发：GCN

手术

智能辅助诊疗（电子病历/文献分析）

人工智能利用机器学习和自然语言处理技术自动抓取病历中的临床变量，智能化融汇多元异构的医疗数据，结构化病历、文献生成标准化的数据库，将积压的病历自动批量转化为结构化数据库。基于医院电子病历等系统，对患者信息推理，自动生成针对患者的精细化诊治建议，供医生决策参考。

应用场景：病历结构化处理、多源异构数据挖掘、临床决策支持。

医学专家系统

治疗青光眼的CASNET

诊治内科疾病的INTERNIST

诊治肺功能失调的PuFF

中国：中医专家系统

智能影像识别 影像AI

利用人工智能技术可以帮助医生对医学影像完成各种定量分析、历史图像的比较或者可疑病灶的发现等，从而高效、准确地完成诊断。

应用场景：CT、视网膜眼底图、X射线、病理、超声、内窥镜、皮肤影像等，

基于钼靶影像的乳腺病变检测

基于皮肤照片的皮肤癌分类诊断

基于数字病理切片的乳腺癌淋巴结转移检测

基于眼底照片的糖尿病视网膜病变检测

基于胸部X线片的肺部炎性疾病

智能药物研发AI

新药的开发流程可以分为药物发现、临床前开发和临床开发三个部分。现代药物发现在技术上可以分为三个阶段：靶点的发现和确证、先导物的发现、先导物的优化。人工智能主要应用于新药发现和临床试验阶段。

心血管药

抗肿瘤药

常见传染病治疗药

智能化医疗器械

指现代通信与信息技术、计算机网络技术、行业技术、智能控制技术、人工智能技术在医疗器械上的应用。但智能化医疗器械不只是拥有智能功能的普通医疗器械，可以摆脱对医生操作的依赖，通过机器学习等底层技术实现自我更新迭代。一方面帮助医生节省工作量，另一方面提高器械使用的精准度。

医疗机器人 ：达芬奇

IBMWaston

智能健康管理

随着各种检测技术（如可穿戴设备、基因检测等）的发展，个人健康数据越来越多、越来越复杂，包括生物数据（如基因等）、生理数据（血糖血压等）、环境数据（每天呼吸的空气）、心理状态数据、社交数据以及就诊数据（个人就医、用药数据）等。这些数据汇聚在一起，利用人工智能技术进行分析，可以对潜在健康风险做出提示，并给出相应的改善策略，最终可以实现对健康的前瞻性管理。

智能可穿戴设备

家庭智能健康检测监测设备

疾病筛查和风险预测

利用人工智能技术，依据历史就医数据以及行为、医学影像、生化检测等多种结果进行综合分析和判断，或者依据某个长期形成的单一数据进行疾病预测。

谷歌08年流感预测服务

预测阿尔兹海默病、心血管疾病、癌症、精神疾病

卡内基梅隆大学 ：软骨MRI数据通过人工智能学习图像数据，发现正常人软骨中的异常，预测未来3年患有骨关节炎的概率

虚拟助理

利用人工智能技术，通过对医疗健康大数据的学习或挖掘，在”理解“用户需求的前提下，按照要求输出相关的医学知识和信息，辅助人们进行健康管理或就医问药。通过语音识别自然语言处理等技术 将患者的病症描述与标准的医学指南做对比，为用户提供医疗咨询、自诊、导诊等服务的信息系统。

应用场景：个人问诊、用药咨询、导诊机器人、分诊和慢病管理、电子病历语音录入等。

医院管理

帮助优化医疗资源配置、弥补医院管理漏洞和提升患者就医体验。

病人管理

智能导医

物流机器人：医院面临物资运送量大、业务场景复杂、护士工作强度大，医院空间小、狭窄通道多、人流量大。基于医院环境感知与自主学习、智能变速的RAMP绕行技术、高容错率的多机调度、自动乘梯、自动装卸等，提高医院运营效率。

基因分析和解读

随着数据的积累，分析能力和大数据库是遗传解读和咨询的关键，信息的解读与整合成为基因相关企业的核心竞争力。

机器人：CNN、强化学习

        目前医疗人工智能应用在医学影像场景上的应用主要包括：根据临床数据采集内容的不同，可细分为CT、视网膜眼底图、X射线、病理、超声、内窥镜、皮肤影像等应用。在辅助诊疗上的应用主要包括：基于医院电子病历等系统，通过对患者信息的推理，自动生成针对患者的精细化诊治建议，供医生决策参考。

      

NLP赋能医疗业务

医疗数据包括：电子病历数据、药品说明书、检查报告单、体检报告、在线问诊/论坛问答、医学教科书、科研文献等等。

智能医学影像是将人工智能技术应用在医学影像的诊断上。人工智能在医学影像应用主要分为两部分： 一是图像识别，应用于感知环节，其主要目的是将影像进行分析，获取一些有意义的信息;二是深度学习，应用于学习和分析环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握诊断能力。