医疗科技的六位“最强大脑”，带你看清技术与商业未来

龚启勇教授认为，这两种工具的结合未来也许可能解决许多精神影像学的原生性难题。
首先，通过AI分析方法，可以总结分析出影像特征变化和精神疾病的密切相关性，例如利用神经环路和链接脑结构改变，可以从影像学征像判断这类疾病的严重性和特定临床类别。
其次，可以籍助AI进行药物治疗靶标确定。龚启勇表示不同精神药物在不同大脑区域，往往会有不同的反映，特定脑区改变可能是药物靶点定位的一个重要依据， AI可以通过脑区特征的改变，判别精神药物的有效性和帮助治疗方案的选择，还有望为临床干预和介入治疗提供精准治疗靶标。

腾讯郑冶枫：小样本学习与域自适应第三位出场的演讲嘉宾是腾讯天衍实验室主任郑冶枫。天衍实验室是腾讯内部专注于医疗AI的实验室, 覆盖医疗大数据、医疗自然语言理解、医疗影像等等。

文章插图
在演讲中，郑冶枫博士主要分享了深度学习在影像诊断上的两个固有痛点：缺乏训练样本以及跨中心泛化能力差以及相应的对策。
对于训练样本量的问题，郑冶枫博士认为，迁移学习是一个很好的方式，可以将某个任务（源域）上训练好的模型迁移到另一个任务（目标域）。而为了获取更多的医学数据、积少成多，郑冶枫博士团队提出了Med3D：共享编码器的多任务分割网络，在大量异质的公开数据集上预训练，然后迁移到其它任务，并且进行了开源输出。
当然，除了Med3D ，郑冶枫博士团队还提出了基于魔方变换的自监督学习，在预训练阶段不需要人工标定，从而减少大量的时间成本。
另外一方面，为了解决域偏移的问题，他们还提出了新型无监督域自适应(UDA)的方法，来缓和域偏移所导致的性能下降。该方法仅仅需要源域的数据、标注以及目标域的部分图像，无需目标域的标注，即可实现两个领域的自适应。在演讲中，他以VideoGAN: 视频风格转换以及OP-Net: 基于单张图像的风格转换的两个案例进行了说明。

平安谢国彤：2大基础平台及4大医疗AI模型第四位出场的演讲嘉宾是谢国彤博士，他是平安集团首席医疗科学家。他表示，过去五年时间里，平安积累了大量医疗的业务，而平安医疗科技，则是从每个业务中沉淀数据，把数据变成AI模型，再反哺赋能给各个业务。

文章插图
谢国彤博士认为，所有AI都无非四个要素：数据、算力、算法和应用。在这四个要素下面，平安共研发了2个基础平台和4个医疗AI模型，以支持医疗的各种分析和推理，目前有1.6万家医疗机构， 43万医生在使用。
两个基础平台主要是赛飞AI平台（算力）和医疗的五大库和知识图谱（数据）。
谢国彤表示，医疗五大库及知识图谱，首先是从数据端出发，分四步去解决数据处理难题：第一，去掉噪音，补全数据，提升数据输入质量；第二，结构化，通过数据和文本抽取，实现数据可用；第三，标准化，把不同来源的医疗数据名称统一；第四，利用算法挖掘疾病的风险因子或者治疗方法。
而赛飞AI平台则主要是通过发动平台化战略，解决AI产品算力和落地的基础性问题。
谢国彤说到，平台的目的就是让医疗数据科学家专注在自己领域内，由平台去完成AI通用算法、智能标注、分布式训练加速、高性能压缩模型部署等通用问题。
在这两大基础平台之上衍生的4个医疗AI模型（算法），主要侧重在疾病预测、智能影像、AskBob辅助诊疗、疾病全周期管理等四个场景。
在最后的总结中，谢国彤说到，医疗人工智能是利国利民的事情，人命关天，需要AI界和医学界的紧密合作，用AI的算法解决真实的需求，保证模型的安全性、可用性，才能对“健康中国”产生真正的价值。