2018 全球人工智能與機器人峰會（CCF-GAIR）在深圳召開，大會第二天下午的計算機視覺專場中，飛利浦中國副總裁兼CTO王熙發展了主題為《AI在健康醫療中的價值》的主題演講。

王熙在演講中表示，技術進步、社會發展、醫療資源緊缺推動了AI健康醫療在中國的發展。在這樣的背景下，飛利浦不是簡單地利用相關技術處理醫療的圖像，而是要深刻地理解臨床的應用場景，怎么跟臨床的路徑（治療、診斷）進行深刻的結合。他認為，沒有交叉學科知識的互動，很難有真正深刻的理解。

飛利浦在AI方面的投入相當大，據王熙介紹，飛利浦一年大概有250多個項目是和大數據、人工智能在醫療影像方面的研究相關。同時他也表示，科研型項目的的核心也是為了開發出技術，最終做出產品。

王熙認為，做產品跟做技術還是不完全一樣的，產品要具備一定的普適性，因為不同的醫院具體的臨床流程各方面都不太一樣。“比如說我們很多縣級醫院的CT，我們要求它一天掃上百個病人，但在歐美國家基本上沒有這樣的需求量。”

在打磨自身技術和產品的同時，飛利浦也在和企業合作，例如與神舟醫療合作推出的“神飛云”，意在通過云化的方式，結合飛利浦的星云影像后處理系統，讓優質的醫療資源下沉到基層醫院。

以下為王熙的現場演講內容：

王熙：我們都在談醫療影像，從這個角度來看，有沒有辦法從源頭開始就在影像鏈上把影像的質量做高，前期的困難可能就會減少很多。有很多是技術上的難點，也有很多是臨床上的障礙。比如說成像，我們都不希望輸入太多的成像劑，怎么在成像劑量很少的情況下又保證有很好的質量，這是很多公司都在研究的事情。

大數據、人工智能的突飛猛進，為醫學影像帶來了很多新的機會，我覺得醫療影像和計算機視覺結合能給大家創造得更多的機會。我們相信未來能有更多新的技術在更少的劑量注入的情況下，解決我們面臨的問題。

為什么中國在AI上有更好的機會？

接下來簡單介紹一下飛利浦在這一塊的看法。數據量不斷地增加、計算機能力不斷提高、存儲的成本越來越小。這些都給我們的大數據分析、人工智能帶來了很多的機會。從另外一個角度來看，有慢性病的問題，還有老年的相關疾病，無論是對醫療資源的占用，還是相關的新技術的難點，我相信大家都是有目共睹。

有一個數據是，到2026年，AI應用將為美國醫療經濟每年節省1500億美元。美國在醫療相關的費用占GDP的比重是相當高的，大概17%左右，用于老年疾病慢病管理的占70%左右，這些都是相當驚人的數據。

為什么我們說中國有更多的機會？現在中國的這些數字創新帶來了很多跟人體健康相關的機遇，一方面它產生了更多的數據，而且這些數據往往不像以前那樣在醫院里面產生，可穿戴的健康設備帶來了更多的數據，這些數據本身可能是非結構化的，但是這些數據可能會給人的長期健康監測帶來很多的價值。

中國逐漸進入老齡化社會，醫患的比例跟世界其它國家相比都更嚴峻，所以在這方面AI會有更多的應用，我們也有很多初創企業在這方面做了很多突出的貢獻，但是也都集中在一些大家都知道的領域，比如說肺結節的檢測等等方面，飛利浦在4-30毫米大小結節的檢測中的誤差率小于1%，敏感度基本上是能達到85.3%，特異性能達到接近93.9%，這個與創業公司的產品效果也是不相上下的。

實際上，飛利浦在這方面的應用也是遇到了很多難點，我們不是簡單地利用相關技術處理醫療的圖像，而是真正深刻地理解臨床的應用場景，怎么跟臨床的路徑（治療、診斷）進行深刻的結合。沒有交叉學科知識的互動，很難有真正深刻的理解。

除此之外，CT、核磁，還有一些可穿戴設備產生各種多模態的數據，怎么利用這些額外增加的數據，通過多模態的方式帶來更精準的治療或者診斷，這是相當復雜的一件事。

還有一些非結構化的數據，我們現在對于腫瘤患者的治療，一方面它的信息分散在不同的科室，有核磁、CT、病理分析等，如何把這些數據有效地整合到一起，并且展示給醫生最核心、最相關的數據，甚至還有一個時間軸的概念。因為在不同的時間軸上，這些病變本身都是不一樣的，這一系列非結構化的數據經過了收集、處理，其中包括了一些大數據的分析，也包括了一些其它應用技術的拓展，怎么能夠把它真正地結合臨床，這是相當有難度的。

有效的標注不僅昂貴，而且即使是放射科的醫生看片子，他們的共識度都只有60%、70%。因此即使有了標注，這個標注是不是有足夠的代表性，是只收集了每個地區的兩三家醫院，還是在世界范圍內有足夠覆蓋面和代表性的數據。

在醫療體系內部，中國也面臨各個部門之間信息不夠暢通的問題，以前可能放射科的信息沒有辦法拿到別的科室，你在做一些高階應用的時候也非常難。在這個過程中如何進一步壯大計算機視覺、AI在這個領域的應用，我相信跟監管、標準化的制定是分不開的，否則這里面會有惡性競爭，會出現各種各樣的醫患矛盾。

實現“健康關護全程”的模式

飛利浦特別強調的一點是，我們是一個健康科技的公司，從這個角度來講，我們也恰恰是從健康的生活方式到預防、診斷、治療、家庭護理，形成一個完整的鏈條，其中體現了一個核心的精神是什么？從以過去的以“疾病”為中心轉移到了以“健康”為中心。

我相信大家都是患病才會去到醫院，尤其對一些重癥來說，還要多找幾家醫院進一步確認。現在跟個人相關的健康數據，它的來源更多，包括可穿戴設備等等。你做了一個PCI手術之后，你還需要有家庭護理，你在做家庭護理的時候，你是不是真的安心了？

事實上現在也有這樣的手段，我們也提供這樣的解決方案，比如說做了心臟支架手術的病人，回到家他照樣能夠跟醫院形成足夠的連接，病人的信息也能夠及時反饋到這個醫院。醫院有相應的監控設備，通過大數據和AI的手段，使得我們能夠很精準地知道是不是要及時通知他回到醫院復查，進一步得到相應的治療。

數據化轉型首先是通過數據的驅動，讓這些數據更有價值。另外也是一定程度上通過深度的學習，消除醫生的盲點，篩選與分析同步進行，提高醫學影像分析與診斷的效率和準確率，讓他們進一步專注在需要關注的點上。飛利浦在全球的核心研究院都會在這些領域做一些深入的探討，比如說自然語言的處理、深度學習和大數據分析。

我們也有一些新的概念，比如說數字雙胞胎，這個含義其實很簡單，大家都收集到了很多的數據，這個數據擁有一定的共性，某一種病灶可能是有一些共同的特點，但是光有這些共同特點可能不見得是你個人比較個性化的診斷和治療的基礎。我們怎么能夠找到這個患者的、甚至沿著時間軸的演變的個性的東西，你只有把這兩者結合起來，才能真正起到它應該起到的效果。

在乳腺超聲篩查當中，我們也有相關的技術手段，但是在中國還有需要探討的地方。大家知道鉬靶治療對中國女性不如對西方女性那么有效果，MRI是一個相對的金標準，但是要將MRI作為一個篩查的手段，以目前的情況來說是非常難的，因為每一個病人需要的時間相當長。有沒有相應的技術手段，包括利用一些AI的技術，能夠使得有一天MRI成為真正的乳腺癌篩查手段？這都給我們在座的各位提供了非常好的臨床應用場景。

我們也提到了四維模型，就像剛才沈教授所說的，現在光講3D在很多應用場景里面還是不夠的，我們后面也有一個平臺，針對CT、MRI、內窺鏡、IGT等多模態的圖像，都有相應的三維甚至四維的處理。臨床數據當然能帶來很多好處，提升效率，適應實際的環境等等，這都需要扎根于真正臨床的環境當中。

我們也有一些相關的基礎，用云平臺全球戰略與本土戰略提供的存儲和計算功能，進行靶區的分割、匹配診斷，還有醫學影像的自動分析等等。

做產品要有普適性

做產品跟做技術還是不完全一樣的，它要具備一定的普適性，因為不同的醫院具體的臨床流程各方面都不太一樣。比如說我們很多縣級醫院的CT，我們要求它一天掃上百個病人，但在歐美國家基本上沒有這樣的需求量。所以，對于CT產品來說，它的制造也都帶來了相當大的挑戰，首先球管要有足夠大的容量，要不然球管過熱，整個CT就得停機。

我想介紹一下我們的星云醫學影像人工智能平臺，這個平臺既可以是單機版的，也可以是云端的，它的核心目的是提高醫院臨床對于患者的診斷效率，里面集成了很多人工智能的技術。人工智能最近幾年很火，但對于很多醫療設備、醫療器械供應商來說，這一塊的發展都已經有幾十年了。

在本土化戰略上，我們也做出了一些成績。比如說我們跟神州數碼在今年CMEF（中國醫療器械展）上推出了“神飛云”的智慧醫療云平臺。這個平臺發布的核心意義就是帶來了一種新的選擇，也就是說一些私人醫院或者是相對偏小的醫院，他們不見得非要有很優秀的放射科醫生，但是他可以買一些醫療設備，做完了病人的掃描，把相應的醫療影像傳輸到云端，讓能夠做診斷的醫生可以在遠端提供相應的診斷，寫診斷報告，這些方面也是在響應國家的分級診療號召、助力醫聯體建設。

星云醫學影像人工智能平臺是直接植入在醫院診斷的流程當中，不太適合也很難拿它進行研究性的工作。因此，我們也為醫院醫生研究了一個科研的環境，提供多種圖像分割、多模態配準以及影像組學、DTI等一些計算工具。

實際上，飛利浦有很多工具，但是這些工具必須要有應用的場景，并且發揮這些工具帶來的特殊效率和意義。就比如，飛利浦的數字信號處理能力，這是指對噪聲中的信號進行分析和修改，使其轉化為有意義的數據和信息的過程，這是飛利浦最強大、應用最廣泛的核心技術能力。

我們在AI方面的投入也相當多，一年大概有250多個項目是和大數據、人工智能在醫療影像方面相關，當然科研型項目的的核心也是為了開發出技術，最終做出產品。我們也希望營造一個共同的生態圈，我們也呼吁大家一起來合作，有更多的機會把AI、計算機視覺的技術放入到更進一步造福大健康的戰略，進一步造福包括患者在內的所有人。