从医疗数据中GET新技能,还需跨越几道坎?

任何一次技术的变革都是在需求的驱动下进行的,人工智能与医疗的融合自然也不例外。人口老龄化、医疗资源供需严重失衡且分配不均等问题,催生了医疗对人工智能的巨大需求;同时,我国人口基数大、市场应用规模广等特点,又为人工智能的发展提供了良好的发展基础。AI技术帮助医疗行业逐渐打破“被动迎战疾病”的局面,在临床辅助决策、疾病预测模型、患者服务体验、个性化疾病治疗等多个医疗服务领域发挥出巨大作用。

基于这些现状,发展医疗人工智能的意义不言而喻,各方专家都在不断探索和解锁基于新兴技术的“新玩儿法”,试图开启医疗健康领域新世界的大门。

大咖说:解锁AI“花式玩儿法”,新医疗就要“求突破、敢创新”

1. 上海儿童医院院长 于广军:

“从临床角度来看,儿童骨龄检测对于AI技术融合的需求非常强烈。人工智能骨龄检测能有效提升诊断效率,还能够避免因医生水平差异等因素导致的诊断结果不精准等问题。数据质量是人工智能在医疗领域发展的基础前提,虽然在医疗大数据研究的过程中,有一些应用场景对于数据质量的要求没有那么高,但是用于机器学习模型训练的数据集质量必须要过关。就拿AI骨龄检测为例——它的数据来源必须是医院影像库里所提取出的一些质量较好、同时经由专家标注过的数据。只有用这样的数据作为机器学习的训练基础,才能让人工智能诊断更精准。”

2.  厦门市第二医院医学影像科主任 郭岗:

“现阶段,医学影像是AI“破冰”医疗的突破点,导致该现象的原因主要有二:第一,海量的影像数据绝大部分是常见病和多发病,有比较典型的影像表现和规律性,诊断难度相对较低,为人工智能的介入打下良好基础;第二,鉴于影像科医生巨大的工作负担,如何把医生从繁重甚至简单重复的工作中解脱出来,有更多的时间进行精准医疗和教学研究也成为一个必要的需求。人工智能与医疗融合,并不是为了取代医生,而是帮助医生提升工作效率,让医生在有限的工作时间里做更多更有意义的事。”

3.   复旦大学附属肿瘤医院信息中心主任 王奕:

“有限专家号源却有众多求医患者、紧急病情不容耽搁却遭遇一号难求、专家超负荷工作却依然无法提升效率,在深化改造就医流程、建设互联网服务的过程中,我们不断挖掘着患者需求和医生痛点。如何让有限的医疗资源发挥最大效用和价值?利用AI手段提高医疗效率和质量成为有力方式。基于AI技术的精准预约平台极大提升门诊效率和医疗资源的匹配效率,准确率高达到99.2%。这种以病情优先的智慧化就医服务,不但让患者对智慧医疗触手可及,还能减少医疗资源错配率,实现‘专症找专家,专家看专病’,使患者服务从简单化迈入精准化。”

4.  汇医慧影CEO 柴象飞:

“目前,医学影像的研究可以分为两个方面:一是影像表现的诊断意见;二则是疾病的预后预测。虽然目前AI与行业的融合主要集中在诊断方面,但随着技术的不断发展,预后预测方面会出现更多可能性。所谓疾病预后,就是指预测疾病的可能病程和结局,它既包括判断疾病的特定后果,如康复,某种症状、体征和并发症等其它异常的出现或消失及死亡。事实证明,在一个定义非常明确的问题上,通过向病理学家不断学习,机器学习可以交付足够好的表现。借助AI的优势为疾病的诊断、治疗及预后判断提供更多依据指日可待。”

现状论:GET新技能,仍需跨越三道“坎”

随着人们对医疗健康需求的日益提升,医疗机构对技术支撑提出越来越高的要求。能够满足7*24小时的全周期运转、通过合理有效的训练能够具备精准特性、适合从事繁复的工作,这些特性让AI成为医疗领域的“新宠”。深度学习是AI获得突破性进展的关键,对于AI的能力影响巨大,数据作为AI核心算法的根本支撑,毋庸置疑成为AI发展不可或缺的一部分。但是,借助AI优势打通医疗壁垒,成功GET医疗新技能,我们仍需跨过三道“坎”。

1. AI欲崛起,数据需先行

AI正在以前所未有的渗透力不断影响和革新着多个行业与领域,“人脸识别”、“语音识别”、“影像识别”等应用的背后支撑,是日益庞大和精准的数据。毫不夸张的说,脱离数据的人工智能只能是天方夜谭。

训练AI模型离不开大量分布式的计算资源,正因为有了大量的并行计算资源和算法,才使得大量的数据得以快速处理,让人类的数据库成为复杂模型的知识训练体系,为机器人提供智能决策和行动,让人工智能成为现实。计算力的突破,数据洪流的爆发、算法的不断创新……医疗健康领域对IT架构的要求越来越高,存储作为传统行业,如何实现技术颠覆以满足AI发展的要求无疑是所有医疗信息化建设者当下需跨越的第一道坎。

2. 克服“多云”困扰,AI才能腾“云”驾雾

随着云应用在医疗领域的深入以及AI在行业中的应用展开,AI与云结合得越来越紧密。但医疗场景复杂多样,需要更具灵活性、可伸缩性和安全性并能够降低成本的云部署方式,多云就成为医疗机构的首选。管理多个云服务非常具有挑战性,因为每个服务都有不同的底层架构,每个架构都有不同的管理控制台,并且需要不同的设置和监视工具,数据放在不同的云和不同的物理存储空间里,管理方法会有所不同,数据的同步性也不容易设定。在多云环境下,存储架构如何在满足医疗需求变化方面取得突破、迎接新业务和数据爆发所带来挑战则是第二道坎。

3. 敏感数据不丢失,AI才会更可靠

医疗健康作为关乎民生的事业,其数据重要性和敏感度不言而喻。虽然近年来国家政策对于医疗数据的应用持越来越开放的态度,但数据安全和患者隐私保护依然不容小觑。因此,无论是对患者而言,还是对医疗机构来说,保障敏感数据的安全是一切应用落地的基础。

AI模型训练所需数据成本投入非常大,在为机器学习构建知识库时,庞大的数据集就会被进行信息分析和情境化, 一旦敏感数据被泄露,对患者和医疗机构而言,都是巨大的损失。因此,保障数据安全、让AI应用更加可靠是我们要跨越的第三道坎。

答疑簿:智控数据、云享健康,软件定义存储开启医疗AI之旅

在助推AI应用落地的过程中,如何合理有效进行数据的管理和共享成为首要问题。医疗数据类型多样,且这些数据往往都存在于孤岛式的存储库中,无法互通。为解决这个问题IBM推出软件定义解决方案,为医疗机构提供支持大数据分析,提供面向文件和对象存储的、统一的、可扩展的高性能存储软件平台。

平台具体特征可以简单概括为以下几点:

1. 云时代下的数据管理专家

“云”应用不断深入,我们已经步入“云时代”,健康医疗数据及其存储容量呈现井喷式增长,开放和共享顺其自然的成为发展医疗大数据所强调的“关键词”。传统IT平台面临海量数据存储、保护和业务应用需求时,难以协同高效地满足需求,这就需要采用新的技术手段进行数据获取、存储和分析。IBM提供了有效方式:

在最底层采用IBM Cloud Object Storage (Cleversafe)作为IBM云对象存储,实现大容量、高安全性的数据存储;然后通过IBM ESS高性能存储解决用户负载平衡问题,满足不同用户度数据的请求;最后通过IBM Spectrum LSF调度系统进行硬件计算资源的统一调度管理。这一方式帮助医疗机构轻松应对数据管理挑战,同时为智能诊断等多方面医疗应用提供支撑。

2. 更灵活、更敏捷,让存储与众不同

医疗行业业务模式多样、应用场景复杂,因此云部署状况并不单一。更灵活更敏捷的存储方式才能够满足“多云”环境下的数据存储需求。

IBM ESS高性能存储通过存储与计算分离、独立按需扩容,保证集群能够灵活多变的扩展,避免了传统的分布式架构必须要同时扩容存储和计算而导致的容量或资源浪费。

3. 突破传统,数据安全保护更全面

保证医疗健康与生命科学数据的高度安全是医疗AI发展的前提,这就需要IT系统具备数据快速传输的能力和严格的数据安全保护机制,保证收集到的原始数据能安全、完整的进行存储后可以安全、快速、便捷的传输。

IBM云对象存储在应对海量增加的非结构化数据的安全问题时极具优势——跨站点数据切片的数据保存方式和夏津的数据纠缠码加密技术让该存储方式比传统存储更安全。

实践录:“不可能”变“可能”,实现IT架构颠覆性跨越

数据互联互通的融合和数据机制共享是我国政府和所有医疗领域人士长期关注的两大问题,国家医疗大数据中心应需而生。杰若创与IBM进行深度合作,为中心共建大数据平台和高智能计算平台,为数据的采集、存储和分析提供有力支撑,在兼顾安全的同时确保数据的开放性和流动性。

目前,平台已经突破江苏8000万人健康档案的存储,让“不可能”成为“可能”。

“这套解决方案是对传统分布式架构的颠覆性跨越,无论从经济性、安全性、可扩展性、可用性,还是数据的备份等各个方面看,都比传统的分布式存储更先进!”杰若创执行董事兼CTO刘健如是说。

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存