浙大附一院王偉林院長：建設醫療人工智慧的「四步曲」

在10月13日上午舉辦的雲棲大會智慧醫療專場，阿里健康正式對外宣布，將分別與地處杭州的浙江大學醫學院附屬第一醫院(下簡稱浙大附一院)、浙江大學醫學院附屬第二醫院(下簡稱浙大附二院)，和上海交通大學醫學院附屬新華醫院(下簡稱上海新華醫院)簽約，共同推動智慧醫療落地。

浙大一附院院長王偉林在13日的大會現場透露，阿里健康與浙大一附院共同申報的「醫學人工智慧浙江省實驗室」已經獲得了浙江省發改委的初步批准，將很快落地杭州。雙方還在大會現場舉行了揭牌儀式。

雷鋒網了解到，該實驗室是依託浙江大學附屬第一醫院進行建設管理的實體性研究機構。今後，雙方將在醫療人工智慧這個領域強強聯手，以智能決策、智能輔助診斷、智能信息安全為研究方向，構建一套智能化的醫學研究系統。

王偉林院長在大會現場發表演說，暢想未來智慧醫療圖景。他相信，未來患者進入醫院之前就能享受到無微不至的智慧醫療復服務。不過王院長同時也指出，智慧醫療體系的建立需要循序漸進，不能一蹴而就。

因此，他給醫學人工智慧浙江省實驗室設立了未來3年的四大目標：建設醫療人工智慧影像輔助診斷平台、醫學人工智慧臨床決策支持平台、基於區塊鏈技術的醫聯體數據平台、醫療大數據智能科研平台，實現人工智慧、數據挖掘等技術在浙江省醫療救治領域的應用。

以下是王偉林院長在雲棲大會智慧醫療專場分享的全部內容，雷鋒網做了不改變願意的編輯：

對智慧醫療的展望

昨天晚上我還在想，要是未來有一天我們浙一（雷鋒網按：江大學醫學院附屬第一醫院）能夠出現這樣的場景該有多好：張先生來浙一就診，剛走到大門口，我們就能通過人臉識別和大數據系統，知道他最近一段時間在淘寶網或者其他地方購買了哪些東西，這些東西對他的健康是否有影響。

比如，我們分析出他過去幾年在淘寶購買了大量香煙，並監測到他在進入醫院前的50米一共咳嗽了10聲，就能判斷出他是肺部感染。同時我們還通過無線攝像頭監測到他的體溫是37.8度，推斷出他患有肺炎，並伴有發燒癥狀。那麼我們就可以向他推送信息，建議他在10點前看專家門診，並告訴他XXX教授是最好的專家，但他在8-10點間的專家號已經全部滿了。

我們建議他用手機APP預約XXX教授10:15的專家號。張先生預約好之後，手機立馬會收到簡訊，「尊敬的張先生，您還需要等待兩個小時，建議您到浙一醫院二層的咖啡廳休息等待。不過很遺憾地告訴您，那裡正坐著您三個月前分手的女朋友。好在浙一醫院的書吧還空著，您也可以去那裡休息等待」。

以上就是我對大數據整合時代互聯網醫療的展望和夢想。

去年的雲棲大會上，我也講過一個很粗淺的夢，當時談到金融行業的變革勢必會推動醫療行業的革新。二三十年前，我拿著一點老婆給的私房錢偷偷到銀行里存起來，換了一本紅色的中國銀行的存摺。今天我們已經不需要這樣做了，因為有了大數據。如今所有銀行都已經實現了互聯互通，到處都有櫃檯機和手機，徹底改變了我們的金融服務理念。

事實上，今天的醫療行業和20年前的金融行業一模一樣。我們去醫院看病，常常左手拿著病歷卡，右手拿著磁共振，因為這些資料是在其他醫院獲取的。假如未來所有病例都可以在電腦中生成，所有醫院實現了互聯互通，我們看病的時候就不需要拿這麼多東西了。我相信這一天一定會到來。

昨天我仔細研究了馬老師前天在雲棲大會上的演講。他說，未來擁有最大發展機遇的不是來自互聯網的企業，而是能把互聯網運用到最極致的企業。我們正是懷抱著成為最好的互聯網醫院的夢想和阿里走在了一起。我們希望和阿里團隊一起在醫學人工智慧領域留下一點足跡，做出一點貢獻。

結合國家的相關政策和法規，我們認為人工智慧將成為未來醫療科技發展的焦點。事實上，國內外已經在人工智慧領域做了非常多的工作。既然人工智慧可以提高醫療服務的供給能力，那麼人工智慧及相關技術的融合應該也可以實現醫療的精準化，以及質量的可控化和標準化，並促進醫療健康相關產業和經濟的轉型。

前段時間中央科技頻道報道了我們醫院在人工智慧方面的早期探索——用機器人判斷甲狀腺結節。目前，已經有上萬例病人用我們的機器人做了診斷，我們將機器診斷的結果與超聲科主任的診斷進行對比，發現二者高度吻合。個別病例中，機器診斷的準確性甚至還超過了醫生。

現在我們正和阿里巴巴合作，用人工智慧作肺結節和肝癌結節的診斷。我們拿到一張肺部的CT片子之後，可以先用阿里巴巴的人工智慧系統對其進行掃描，系統會給出相應的結果，告訴醫生該患者患良性腫瘤和惡性腫瘤的概率各是多少。有了機器的提醒之後，醫生就可以更好地做進一步診斷。接下來，我們完全可以將類似的機器人診斷應用到互聯網中，甚至將機器人投放到診所、社區和農村淘寶店中。

目前我們也在研究讓超聲掃描探頭模仿機器人的手臂，這樣患者就可以在當地醫生的指導下，甚至自己拿起探頭來掃描。掃描之後，機器人會自動作出診斷。我相信未來一定能夠通過人工智慧給醫療就診模式帶來一些改變。

在醫院的智能檢驗系統方面，我們也進行了很多探索。在ICU的人工智慧輔助決策方面，我們已經構建了死亡風險的評估模型、膿毒症早期預警模型、早期深篩預警決策模型和營養支持及體液容量管理模型，實現了數據模型驗證與優化。同時，我們也聯合阿里建立了電子病歷大數據科研平台。通過這個平台，我們可以對疾病癥狀、藥物、手術、檢查、檢驗等作出相關決策，快速檢索病例定位科研目標，並提供一定程度的輔助決策。

實驗室建立以後，我們有一些初步的設想。首先，我們要研究醫學影像閱片機器人。今後CT、磁共振、超聲圖像或者病理片子都是先由機器人閱片並作出初步診斷，然後由醫生出報告。未來，隨著機器人和人工慢慢走向徹底融合，機器人出的報告是否也能具備法律效力呢？我相信這是未來的趨勢。但現階段，我們將主要發力肺癌、甲狀腺，尤其是前列腺疾病的影像篩查，降低發病率和死亡率。

第二，我們想做臨床決策的機器人，實現智能診療。通過深度學習的計算機神經網路技術實現全臨床路徑的疾病診治跟蹤，從而構建診斷決策庫，實現人工智慧決策。今後，我們可以用機器人對病歷進行掃描，根據病歷資料判斷出患者患有何種疾病，並給出相應的診斷思路。最後再根據診斷思路給出治療方案。

第三，我們想做基於區塊鏈的醫聯體醫療數據共享平台。現在每家醫院的信息都是不統一的，如果我們能夠實現省、市、縣、村、社區多級醫療數據互聯互通、安全加密，建立減少患者重複檢查費用的醫聯體數據平台，就能提升醫聯體轉診和有效干預的能力。

第四，我們想做數據銀行——醫療大數據智能數據中心，抽取患者的數據，並進行脫敏和結構化處理，供機器人進行訓練。

其實上面提到的四點是一個完整的鏈條：先通過建醫聯體數據平台實現數據安全可靠的互聯互通，形成醫療大數據中心；為影像智能的診斷和臨床的輔助診斷提供了有力的支撐，再通過雲平台可以輻射到基層的醫院。我認為這可以為優化基層醫療機構的醫療服務質量，提高高危疾病篩查能力，緩解社會醫療資源分布不平衡、優化布局結構，培養醫療人工智慧專業人才作出很多貢獻。未來，我們還計劃聯合阿里將這些能力全面推廣到50+醫聯體醫院及2.7萬家阿里村淘寶站點，惠及1500萬甚至更多的人。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！