14 位医疗AI专家齐聚一堂，「新一代人工智能院士高峰论坛」圆满落幕

2018年12月18日，由鹏城实验室、新一代人工智能产业技术创新战略联盟共同举办的「新一代人工智能院士高峰论坛」进行到第二天。

本次论坛以「『头雁』穿云，云脑启智」为主题，汇集多位院士、国内顶级科技企业技术负责人，为与会听众奉上了一场人工智能的思想盛宴。

论坛主办方之一的鹏城实验室，又称深圳网络空间科学与技术省实验室，于 2017 年 12 月 22 日授牌，2018 年 3 月 31 日正式启动。目前鹏城实验室设有网络通信、人工智能和网络安全三个研究方向和网络通信、人工智能、网络安全、机器人、量子计算五个研究中心。同时已有多位院士入驻实验室院士工作室。

另一主办方新一代人工智能产业技术创新战略联盟成立于 2017 年 7 月 23 日。联盟发起成员单位包括百度、阿里巴巴、腾讯、华为等十几家知名企业。中国工程院潘云鹤院士任联盟名誉理事长和专家委员会主任，高文院士任联盟理事长，北京大学计算机科学技术系主任黄铁军教授任联盟秘书长。

本次论坛议程共分为两天，继17日主论坛的高屋建瓴和头脑风暴之后，18日的医疗专题论坛聚焦行业场景，由十几位医疗人工智能领域的顶级专家紧贴临床需求，为现场数百名专业听众带来了极具启发性的分享。

 

北京大学信息科学技术学院教授、博士生导师田永鸿教授

论坛伊始，北京大学信息科学技术学院教授、博士生导师田永鸿教授发表开幕致辞。田教授指出，随着中国人口老龄化加速，慢性病高速增长，加上我国医疗资源长期供需失衡、地域分配不均，人们对医疗人工智能的需求与日俱增。在此背景下，智慧医疗逐渐进入传统医疗的方方面，在智能导诊、疾病风险管理、语音电子病历、影像辅助诊断、医疗机器人、药物挖掘与临床试验等众多垂直领域得到应用。

最后，田教授也表达了自己的期望——希望本届论坛能够汇聚更多业内的声音，让大家携起手来，共同推动智慧医疗产业在中国的发展。

鹏城实验室智慧医疗课题负责人刘挺教授

随后，鹏城实验室智慧医疗课题负责人刘挺教授登台演讲，向与会听众介绍了鹏城实验室智慧医疗课题的详细情况。刘挺教授介绍，鹏城实验室人工智能研究中心下设了云脑开源软硬件平台、智慧交通和智慧医疗三大课题。

其中，智慧医疗课题又分为四个子课题：一、基因数据的压缩与分析，由哈工大的赵德斌教授牵头；二、医疗影像的分析与辅助诊断，有北京大学王亦洲教授牵头；三、医学的知识图谱与自然语言处理，由刘挺教授本人负责；四、智慧医疗应用平台，主要对前面三个子课题进行集成，由湖南大学彭绍亮教授负责。

目前，鹏城实验室在四个智慧医疗子课题上均取得了不俗的成绩。刘挺教授表示，未来鹏城实验室还将再接再厉，致力打造一个面向中国人的公益性、开放式的智能辅助诊疗平台，把基因、影像、文本、知识图谱等多种媒介集成在一起，帮助医生更好地进行诊疗。

中央保健委专家刘荣主任

第二位登台的是中央保健委专家刘荣主任，他以《智能医学的机遇和挑战》为题做了精彩分享。

演讲开篇，刘荣主任提纲挈领地对智能医学概念进行了准确定义：智能医学，即利用人工智能的工具和方法，辅助或替代人类进行医疗行为的科学，其特征是标准化的医疗行为和个体化的医疗设计。

刘荣主任介绍，语音识别、图像识别、视频识别以及智能导航等新技术的出现，使得医学影像辅助诊断、多模态影像融合、三维重建变得更加高效。其中三维重建是当前的一大研究热点，它是手术导航技术的基础。优秀的手术导航系统可以帮助医生降低手术难度、提高手术质量，同时辅助新医生的培训。

刘荣主任也指出，当前手术导航仍然面临着不少挑战。手术导航分为硬质器官手术导航和软质器官手术导航两大类别。其中软质器官容易发生形变和位移，给手术导航带了巨大的挑战、刘荣主任在这方面做了许多努力和研究，也取得不俗的成果。刘荣主任表示，希望未来技术突破可以实现手术机器人+智能导航+自动控制的外科，“一个外科医生就能控制30台手术”。但要实现这一愿景，数据共享仍是一道严峻的挑战。

深睿医疗首席科学家俞益州教授

紧接着，深睿医疗首席科学家俞益州教授发表了主题为《人工智能在医学影像领域的应用及前景》的主题演讲。

俞教授介绍，现代医学越来越依赖医学影像信息进行诊断，其中有80%的临床问题需要影像检查才能得出准确的诊断结果。医学影像格式标准化的特点又特别适合引入人工智能技术，因此医学和人工智能的结合成为了当前的热门研究方向。

深睿医疗作为一家新锐企业，在医学影像分析方面进行了许多探索。俞教授介绍，深睿医疗目前主要致力于两类重大疾病的辅助诊断：一是癌症的筛查和分析、分类；二是急诊室场景需要快速确诊的疾病辅助诊断，比如脑卒中。

演讲最后，俞教授还透露了深睿医疗与香港大学、中山大学合作的一项最新研究成果——通过一种新的、非局部的上下文编码网络提高医学图像分割算法的鲁棒性。这项成果在设计编码器的时候有两方面的考量：一是全局的关联性，二是全局的上下文。在全局关联性方面，通过对每个像素特征向量和同一个图像内部所有其他未知的特征向量进行相关性分对相关性大的像素能够进行融合，得到去除噪声的特征向量的版本，再把去除噪声以后的特征向量的版本加到原始的特征图上，得到加强版的特征图。这种加强版的特征图能够对噪声，特别是恶意的噪声具有比较强的抵抗力。

 另外一方面，医学图像有比较明显的结构，因为人体器官之间的相对位置是比较明确的，可以利用这种明确的结构信息，生成全局的上下文编码。

莱斯特大学系统神经科学中心主任Rodrigo Quian Quiroga教授

第四个发表演讲的是莱斯特大学系统神经科学中心主任Rodrigo Quian Quiroga教授，他为与会听众带来了主题为《what make us human》的主题演讲。

Rodrigo Quian Quiroga教授别出心裁地从几部经典科幻电影切入，探讨了人类与动物、机器思维方式的不同，为人工智能的研究方向提供了诸多启发。

中国科学院深圳先进技术研究院生物医学与健康工程研究所副所长刘新研究员

随后，中国科学院深圳先进技术研究院生物医学与健康工程研究所副所长刘新研究员作为第五位演讲嘉宾发表了题为《脑卒中粥样硬化斑块检测与智能诊断》的精彩报道。

刘新研究院介绍，动脉粥样硬化斑块破裂及血栓形成是脑卒中的主要病因，其中颅内动脉粥样硬化斑块占据了47%。目前，磁共振血管壁成像是检测颅内动脉粥样硬化斑块的唯一手段，同时它在其它位置的动脉粥样硬化斑块的检测方面也有显著优势。

不过这项技术在临床应用上面临着许多挑战：首先，现有的磁共振成像技术成像时间过长，在10分钟以上，会产生运动造成的伪影；其次，易损斑块结构成分复杂，易损性的定量判断难；最后，斑块图像数据量大，导致阅片困难。

为了解决这些问题，刘新研究员在快速成像方法、快速曲面重建和斑块智能诊断方面做了许多研究。医高性能头颈联合血管线圈为硬件基础，采用新型成像算法与脉冲序列设计，以及欠采样快速成像的方法，刘新团队实现了低于5分钟的全脑血管壁成像。同时，通过黑血与亮血图像融合、局部直方图最优路径选择，实现了快速精准的曲面重建。斑块智能诊断方面，基于CNN的颈动脉分隔模型，将颈动脉粥样硬化斑块的自动诊断准确率提高到了85.18%。

演讲最后，刘新研究院归纳，医学影像辅助诊断AI的基础是高质量的图像，因此动脉粥样硬化斑块智能诊断需要覆盖成像、重建和诊断全链条，同时还应该建立相应的数据采集和标注标准。

华大生命科学研究院执行副院长刘心博士

上午场压轴演讲的是华大生命科学研究院执行副院长刘心博士，它带来了主题为《基因组学大数据的分析和应用》的精彩分享。

演讲开始，刘心博士对基因组学大数据的内容和分析方法进行了简单介绍。刘心博士介绍，基因组学大数据和人工智能有许多交集。首先，人工智能中的图像识别技术可以应用于基因测序，实时计算分析基因复制过程中生化反应产生荧光。其次，基因组学数据与其他数据进行整合，也可以辅助对眼科疾病、肺癌、乳腺癌等疾病进行智能诊断。

最后，刘心博士详细介绍了两个基因组学大数据的实际应用案例：一是单一基因疾病的研究。利用基因组学数据找到基因与疾病之间的关系，并通过基因对照，找出带有基因缺陷却幸存下来的患者，研究他们身上帮助对抗基因缺陷的机制，寻找治愈遗传病的方法。

二是利用无创产前基因诊断积累的基因组学大数据，做中国人群基线、靶向基因药物等方面的研究。

湖南大学教授、鹏城实验室智慧医疗子课题负责人彭绍亮教授

下午，湖南大学教授、鹏城实验室智慧医疗子课题负责人彭绍亮教授用题为《基于超算的人工智能医疗和区块链技术》的主题演讲重新点燃了现场气氛。

彭绍亮教授的团队希望能把人工智能、超算、医疗大数据、区块链最新计算技术融合在医疗过程中，从诊前、诊中、诊后三个阶段全面提升诊疗的效率和精度。

诊前阶段，彭教授的团队做了健康体检机器人、挂号机器人、分导诊机器人、全科机器人等产品；诊中方面，做了36种疾病的辅助诊疗机器人；诊后则推出了巡房机器人等产品。

彭教授表示，希望从疾病诊断、疗效评估、愈后预测，建立每个中国人全数字生命周期健康管理的系统，从出生到死亡，从碳基生命到数字化技术的转化，实现人的数字化生命在互联网上可以永生。他搜集了包括并立数据、组学数据、既往病史数据、家族病史数据在内的多维度数据。他表示，健康和医疗问题是多维度的非常复杂的问题，需要多维数据的融合，在疾病预防、个性化诊疗、营养保健、健康管理给出一整套解决方案。

最后，彭绍亮教授还介绍了自己在区块链技术上的研究成果。其中他和上海交大龙教授合作的医疗区块链，采用智能控制合约有助于医院和企业等各方真正实现数据共享。

腾讯AI Lab高级研究员孙钟前

下午第二位发表精彩演讲的是腾讯AI Lab高级研究员孙钟前，他分享的主题是 《腾讯AI在消化内镜筛查中的研究和应用》。

孙钟前研究员以食管癌筛查为例，介绍了腾讯AI Lab在消化内镜筛查中的研究和探索。孙钟前介绍，腾讯AI Lab在食管癌筛查项目中遇到了几个挑战：一、数据量小，导致模型鲁棒性较差；二、数据标注的一致性低；三、产品落地到多家医院时，模型的泛化能力比较差。

为了解决这些问题，腾讯AI Lab做了许多努力。首先为了解决假阴性的问题，孙钟前研究员的团队对网络提取特征的过程做了约束，这个约束对于病变图像失灵，对正常图像则是各个维度特征向量的平方和。通过这样的方式尽可能和抑制提取到的正常图像特征，缓解了因噪声引起的误判。另一方面，为了解决假阳性的问题，孙钟前研究员的团队把自然图像和医疗图像放到一起训练，对医疗图像做正常分类，对自然图像则追求分到每一个类别的概率尽可能相等，通过这种方式将模型的准确性提升了15%。

其次，为了解决数据标注一致性低的问题。孙钟前团队采用了一种多步迭代的方式：最开始用五个人一致的数据训练得到一个基础的分类模型，接下来再把四个人一致的数据作为第二轮的训练。第二轮的训练一方面要考虑医生标注的结果，也要考虑上一轮模型的预测结果，这样就把上一轮模型学习的经验也带到了下一轮模型学习当中。依此类推，还可以把三个人一致甚至一个人一致的数据也加入到模型里。这样既利用了所有数据，又对模型的鲁棒性提升有很大帮助。

最后，为了提升模型的泛化能力，孙钟前团队采用了无标签数据抑制医院之间差异的做法。具体做法是获取两家医院的无标签数据，让它们同时经过网络，这样网络就无法区别某个特征来自哪家医院。通过这种方式，模型有了较大的性能提升。

孙钟前团队还将食管癌筛查的知识和数据迁移到了胃癌筛查中，同样取得了显著成效。

厦门大学 纪荣嵘教授

第三位演讲的嘉宾是来自厦门大学的纪荣嵘教授，他分享的题目是《高可信智能化心脑血管诊疗理论与关键技术》。

纪荣嵘教授研究的主要内容是如何将多模态、高维数据进行高效地压缩，让它们在各个设备之间可以高速互传，从而打通各个医院之间的数据屏障。其主要思路分为三步：一、把医院的信息汇到一起；二、研究医疗大数据知识表示，探索多元异构医疗信息的智能提取机理；三、做人机协同的诊疗模型。

纪教授的项目自2017年启动以来，已经说服了20多家三甲医院及其下设诊所加入，并将600多套心脑血管诊疗设备连成了一个网络。数据进来后系统会自动做出初始诊断供医生参考。

不过中间也存在一些问题：一是初始诊断的质量不高；二是数据规模特别大，对数据压缩提出了巨大挑战。

华东理工大学 阮彤教授

第四位演讲嘉宾是来自华东理工大学的阮彤教授，她的演讲题目是《基于知识图谱与电子病历的临床科研与人工智能研究》。

阮彤教授在演讲中提到了电子病历遭遇的一些窘境，比如数据共享问题。自从数据变成资产以后，大家都不肯分享数据，并不是因为隐私需要，而是因为各方对数据的贡献值难以界定。这就需要利用算法制定出一套利益共享机制。

另外，文本结构化需要先建立一套标准。但医生的工作习惯是一个病例一个病例地看，制定规范对他们而言是一件非常痛苦却又很必要的事情。如何寻找共识，是行业接下来需要解决的问题。

前面是基于规则系统的做法，采用深度学习技术可以避免部门问题，但同时也会衍生出新的要求。首先就是数据质量标准的制定。阮彤教授在这方面做了一些工作。

但总体来说，这个领域还有很大的发展空间。

香港城市大学 李帅成副教授

下午的第五位演讲嘉宾是香港城市大学的李帅成副教授，他发表了题为《二代测序在鉴识领域的应用》的精彩分享。

李帅成副教授介绍，最几年随着大量基因数据的产生以及基因测序技术成本下降，这项技术在鉴识领域也得到了大量应用。具体来说，基因数据可以用于犯罪事件中的案犯身份鉴识，或者大型灾难后的遗体身份识别等场景。

李帅成副教授介绍，鉴识领域并不需要用到全部DNA序列，而是只需要很小的片段。不过，FBI公布的15个基因点位并不适合中国人，造成了很多冤假错案。为此，李帅成副教授希望用价格更低、数据量更大的二代测序技术找出一批中国人自己的点位。

李帅成副教授介绍，二代测序技术解决了一些原来无法解决的问题。比如，一代测序无法区别爷孙关系和叔侄关系，但是二代测序却可以区分得非常清楚。

同时他也指出，随着基因测序技术变得强大，基因数据的安全问题也变得日益严峻，这对行业来说是一个巨大的挑战。

哈尔滨工业大学（深圳）马婷副教授

论坛压轴演讲的是来自哈尔滨工业大学（深圳）的马婷副教授，她分享的题目是《医学影像AI在脑疾病临床转化探索》。

马婷副教授介绍，帕金森病和阿尔茨海默病这两种脑部疾病在中国的发病率越来越高，需要引起高度重视。

马婷副教授的研究方向之一就是如何通过影像寻找这两种病变的生物靶点。她表示，无论用机器学习还是其他特征挖掘方法，都必须保证结果对医生有可解释性。因此，首先要对脑图像进行解剖学的定位。其中两个重要核心点：一是能否精准定位不同的脑区；二是能否通过分析把dimension降下来，更方便数据压缩和存储。

马婷副教授采用的是基于知识图谱的脑分割的技术，这种方法可以把任何一个目标图像影射到两百多个维度的结构化数据上去，从而获取更多的信息。同时也可以将dimension从一百多兆一组图像降到几十兆，提高计算速度。

鹏城实验室人工智能中心主任、北京大学李革教授

最后，鹏城实验室人工智能中心主任、北京大学李革教授发表精彩闭幕致辞，为论坛画上了一个圆满的句号。李革教授表示，医疗人工智能领域还有非常多的挑战，医学影像、知识图谱、基因组学等各个方面都离实际落地还有一定距离，这给研究者提供了很大的发挥空间。他希望各界人士积极与鹏城实验室合作，攻克行业难题，为中国智慧医疗的提升做出积极贡献。

长按二维码，关注雷锋网旗下「AI掘金志」