AI+医疗，打造全流程智慧医疗

如何将新兴技术赋能业务运营?几乎成为当代IT管理者孜孜不倦的话题，“赋能”，似乎已经成为数字化时代中各大峰会论坛必不可少的关键词汇。作为新一代科技革命和产业变革的核心驱动力，人工智能俨然已成为新兴技术的典型代表,理所应当的开始为医疗、金融、安防、教育、交通等传统行业带来了新的机遇。

“医疗人工智能是一套漫长的路，不是一两年就能看到成功的，还需要大量的实践，将模型应用在医院、患者和医疗机构中，不断积累经验，完善模型。”平安科技首席医疗科学家谢国彤表示，过去五年中平安在医疗领域就做过很多人工智能的投入，包括诊前做疾病的预测，疾病的筛查，诊中做智能的辅助诊断和辅助治疗，诊后做随访，试图利用AI技术赋能医疗诊前、诊中、诊后全流程。

诊前疾病预测

疾病预测是一个很重要的问题，中国有超过3亿的慢性病患者，通过预防等手段控制病人的数量，延长病人患病时间能够大幅度提高人民的生活质量并降低费用。谢国彤坦言，目前疾病预测有三大技术挑战：

1. 医疗数据多模态，维度高，如何从成千上万维度中寻找关键的风险因素;

2. 时间序列分析，患者医疗数据不是单次，可能有三到五年甚至更长的数据，如何从疾病演进中预测各类事件的发生;

3. 可解释性，医疗的模型要求医生能够信任和理解。

“目前平安在做两步的疾病预测方案：融合深度学习、集成学习，包括时间序列分析各种方法构建精准的疾病预测模型，要求教现有的模型精度提升50%以上;针对非线性模型做各种因子分析，帮助医生理解。”谢国彤表示，平安将这类模型用在了两个领域：人群趋势预测(例如对深圳人群做流感和手足预测)、针对心血管、糖尿病、呼吸系统、慢阻肺和肾病四大疾病做出超过40个疾病预测，覆盖五个省市中的2亿人群，进行早期干预和治疗。

医学影像辅助筛查

国内病人技术大，医生相应的负担和工作量也大。平安认为人工智能需要从医学影像切入，提高医生的效率，提升医生看片的质量，要求覆盖人体九大系统，通过40多种模型覆盖多模态影像，无论从头部、内分泌、心血管都是最全面的医学影像方案。针对提高医生效率，谢国彤表示，通过智能病理影像技术，对病原细胞分类，生成报告，让医生去修改，以提高医生的工作效率。在质量方面，通过对人眼底三维扫描，利用系统自动筛查，最后呈现给医生和患者筛查博爱公安，提示患者就诊，提高筛查效率和质量。

疾病的辅助诊断和治疗

分级诊疗能够平衡基层医疗资源，但如何保证基层医疗机构的诊疗质量仍然是个重点。基层医疗机构的医生受限于自身能力和经验，而分级智能治疗技术能够协助其在就诊时提供最好的诊断和治疗建议。

“分级智能治疗技术的系统核心需要提供数据库和知识库。”，谢国彤指出，在长时间的的业务积累和经验沉淀的过程中，平安依托丰富的数据库和知识库构建强有力的智能诊疗系统。然而智能诊疗系统(也就是医学大脑)的构建并不简单，需要分为两步：第一步需要将文献和知识库变成图，并找到内在关系，构成一个庞大的知识图谱，为整个疾病诊疗过程搭建主框架。第二步通过大量的病例、影像检查查验结果，让知识图谱变成一个持续学习的系统，为基层隐身一步步提供精确的诊疗方案和建议，提高医生诊疗能力。