深度解析腾讯医疗野心：正跃出传统AI场景，将绘制怎样医疗版图？

　　从模块开发到深入细分，从独立研究到联合攻克

　　腾讯副总裁陈广域认为：“医疗人才培养周期长、成本高，优质医生资源短缺，而我国医疗产业的公益性使之无法用价格和市场做供给管理，技术可以在比较短的时间里缓解供求问题”。可见，解决医疗资源的供给不足，是人工智能渗入医疗的根本性动因。

　　回顾贵阳与杭州，腾讯将目光锁定在了青光眼与消化内镜也正是为了解决医疗资源不足的问题。青光眼早筛是觅影糖网筛查产品的延伸，而消化内镜则是觅影胃肠道癌的延伸。如今，相关的辅助筛查产品已经成熟，如何拓展它们的功能，让它们适应更丰富的环境，是医疗AI实验室的一大发展方向。

　　同时，这两步计划反映了AI影像的一大发展趋势，即从全流程的图像分析逐渐聚焦于早筛，加速下放AI产品至基层，从上游解决国内疾病高发问题。

　　一直以来，影像AI聚焦于DR、MRT等图片，所喂养的数据往往包含了患者患病的各个阶段，对于三甲医院而言，这样的AI产品的确减轻了医生的负担，但AI的更深远价值在于提升基层医生的服务水平，普及疾病早筛。

　　以消化道肿瘤为例。目前，中国消化道肿瘤发病率占癌症发病率的43.5%，而这类肿瘤若能早期发现，治愈几率高达95%。如果AI技术能进入使得消化道疾病的普查环节，消化道恶性肿瘤的致死率将显著降低。

　　王宁利教授告诉动脉网记者：“如果把这个AI放置基层，等于我们干了一件事，把大医院的医生都送到了基层。过去治疗要么患者到大医院，要么大医院医生到基层，而现在信息流动可代替人员流动完成这一工作，这节约了大量的人力成本。根据估算，现阶段的AI可节约30%医生资源，而随着AI技术的发展，这一数字还将继续提升。”

　　话虽如此，但如今的医学AI离医生还有一段距离。腾讯健康的Polo认为：医疗是很复杂的问题，复杂的问题就应该拥抱更多的医学专家。而杭州会议的另一个议题，即“加强学术联动，挖掘医疗AI的潜在价值”，便是从这个角度入手解决问题。

　　人工智能数据学习样本是一个很大的问题。腾讯智慧医疗产品中心的总经理常佳指出，无论是围棋还是人脸识别，都有数亿的数据可供学习，但在医疗领域，对数据的要求要更高。“一个同样的医学影像数据让多个医生去标，一致性比较低;同一个医生在不同时间段看同一张图片得出来的判断也不一致。”

　　胃肠道癌包含的癌症种类众多，不同医生擅长的场景也不尽相同。要在操作消化内镜时准确判断胃肠道的状况需要多位医生共同配合。医疗资源并不允许这样的资源配置，而AI有这样的潜力。

　　这需要为AI找到更多更好的“老师”。医生和医学专家的参与及帮助，能够对AI进行训练和提供更好的AI训练标准。常佳表示：“机器不能原原本本的学习人类，但可以集合人类最优秀的地方。和顶尖的医院和专家合作研究，AI有望在某些领域突破医生现在面临的瓶颈。”陈广域也指出，“医学AI的发展前景完全有赖于医学界的开放态度和扶持政策才能够培养出有价值的人工智能。”

　　与医院合作研发，腾讯还布局了哪些医疗场景?

　　不可否认，现阶段的AI仍处于初级阶段，AI切入医疗的环节不够广、不够深、不够多，所以，腾讯更多的选择了医院共同研发病种。这些项目往往拥有专家的支持、数据的支持以及国家政策的支持。目前，腾讯已经将场景延伸到了一下几个领域。

　　1、银屑病

　　银屑病也叫牛皮癣，这一皮肤病不能被完全治愈，几乎每位患者康复后都存在复发风险，并引发代谢综合征、心脑血管疾病、糖尿病等并发症。一般而言，正确的治疗方式可以有效地缓解病情，但费用高至年均3-5万。

　　AI能运用于这一场景吗?答案是肯定的。腾讯医疗AI实验室专家研究员吴贤博士对此提出了一套完整的解决方案。

　　第一部分是服务于诊前的线下自检系统，因为皮肤科的医生专业各有不同，有的擅长银屑病，有的擅长玫瑰座疮等，所以把病人转至正确的医生非常重要。该系统可辅助患者对话、上传图片、线下初筛、在线转诊，同时还可以精确分诊，大幅度缩短问诊时间。仅需2-3分钟，该系统即可将患者的主诉补全，让医生迅速做出判断。

　　第二部分的核心为银屑病诊断预测系统，该系统可诊断银屑病的亚型，并对相应的并发症与复发状况进行预测。如果医生提前通过该系统获知患者为关节型银屑病，即可预先采用生物制剂进行治疗;而对于其他种别的银屑病，也可为提前制定个性化的治疗方案，提高诊断效率，降低治疗成本。

　　第三部分服务于诊后，腾讯尝试模拟PASI(银屑病面积与严重指数)评分，并通过一致性的改进PASI评分。重制的PASI评分系统将被置入微信小程序，便于患者自检，以实现对患者持续地预后追踪。

　　2、耳石症

　　正常情况下耳石是附着于耳石膜上，当一些致病因素导致耳石脱落，这些脱落的耳石就会在内耳内被称作为内淋巴的液体里游动，导致患者发生强烈性眩晕，这便是耳石症。

　　耳石症由腾讯医疗AI实验室协同深圳市第二人民医院耳鼻喉科李华伟教授合作研究。据范伟博士介绍，腾讯医疗AI实验室通过深度学习网络，以眼球中间黑色部分作为关键点进行检测，以提高诊断精度。目前这一AI项目仍处于研发阶段。

　　3、脑瘫、脊柱侧弯

　　脑瘫与脊柱侧弯的共同之处在于这两项疾病都会造成患者运动障碍，多发于儿童，严重影响儿童的外观与步态。这两项疾病虽无法根治，但越早发现，越早纠正，便意味着患儿有越多正常运动的可能。

　　腾讯在这一领域的工作主要是协助香港大学深圳医院的医生，将患者与仪器数据传入腾讯云。通过这种方式，医生可以更快进行检查，以及时将存在问题的孩子转到医院进行治疗，及早对脊柱侧弯、脑瘫患者进行干预。

　　相对于其他AI场景，这一AI的研发更契合觅影关注妇幼的初衷，也更能表现腾讯作为行业领袖的社会责任感与社会价值。

　　4、帕金森

　　与脑瘫不同，帕金森属于神经类疾病。相比与脑瘫这一类与运动控制相关的疾病，神经类疾病的研究更为复杂，好在科学技术仍有突破。2017年，北卡罗来纳大学的研究人员开发出了一套深度学习算法，可以预测婴儿的自闭症。这种预测方法具有 81%的准确率与88%的灵敏度，与行为问卷50%的准确率相比，可靠度大幅提升。

　　帕金森研究同样有所进展，腾讯医疗AI实验室与华山医院神经内科王坚教授合作开发的帕金森运动功能智能评估系统正尝试通过视频分析的方式对帕金森患者的病情进行评估。

　　研究人员通过计算机视觉的方式，在患者的手部自动标记21个节点，以捕捉患者手部的运动状况。在行走和做指定动作时，AI可以对患者的运动进行量化分析。这一技术的特别之处在于患者的测量是在未穿戴任何传感器的情况下进行的，能将患者过去超过30分钟的检查时间缩短为3分钟，同时能够让不方便出行的患者毋需前往医院即可就诊。相比于现有的辅助诊断产品，患者能够直观的感受到AI对他们就诊方式的改变。

　　王坚教授介绍道：“我们做了一个预实验，把来自近200例患者的1000多段视频，先由专家组进行打分，交至机器进行学习;学习完成后的机器将对实验组进行评分，并将结果与专家评分进行匹配，其实验结果初步吻合度达到81.3%。这个评分仍有很大上升空间，但是第一阶段的成功率已过八成，也算是一个小小的成功。”

　　5、心电图

　　心电图是未来AI应用的一个潜在场景，近日，乐普医疗人工智能心电产品获美国 FDA批准，也预示了这一场景的潜力。

　　据腾讯医疗AI实验室专家研究员杜楠博士介绍：AI在心电方向的应用主要包含以下三点：

　　1. 临床监控。在急诊与老人院，医生需对患者进行24小时心电监控。AI能够胜任这一监控任务，将心电异常的患者数据发送给医生。

　　2. 诊疗辅助。越来越多家庭患者会通过家庭心电仪采集数据，上传到云平台，再由远端的专家对数据进行标注，但在长时间的机械工作中，专家可能会因此疲劳，误判、漏判也难以避免，而人工智能可协助医生减少漏判、误判。

　　3. 风险预测。对术后、院后的患者，医生希望可以通过家庭设备观测患者心电变化，如果AI监测到患者在家中出现异常心电，便会自动发送通知，要求患者回院复诊，并通知家人关注患者的健康情况。

　　通过以上功能的实现，心电图AI一方面可解放医生的负担，另一方面可及时发现患者病情，既提高了诊断效率，又使患者免于遭遇病情突发的困境。

　　6、心血管相关疾病

　　心血管疾病是危害我国人健康的主要疾病之一，也是腾讯开发CDSS系统的重要原因之一。

　　急性冠脉综合症(ACS)又称心肌梗死，当患者出现乏力、咽喉痛、心悸等非典型症状时，患者与医生均难以判断患者状况，容易发生误挂号与误诊，这是腾讯与北京大学人民医院孙宁玲教授合作的又一场景。

　　孙宁玲教授希望通过智能问诊来解决这一问题，即通过智能问诊的方式，最大化的收集患者信息，以更准确地评估疾病的性态，回答患者所患疾病是急性的、亚急性的?是否可治?是否需要介入治疗等等问题。

　　“我们将医院一些诊断心律失常的数据与腾讯AI比较识别，可以看到AI在阳性准确率和敏感度方面高于医院设备及人工的诊断率。所以，我认为运用AI对异常心电早期诊断，可以大大提高临床对于病人的管理效果”

　　腾讯医疗AI实验室研究方向

　　脚踏实地，仰望星空，腾讯的普惠AI之路

　　从整体布局来看，腾讯先将目光投向需求巨大的AI场景，随后沿着已有的产品线，继续深入研究相关病种。在做完基础的布局之后，腾讯开始加大与医院、政府之间的合作，尝试在一些更细分的领域开拓赛道，进行一些创新性的AI应用开发。

　　在这一思路下，我们可将腾讯的病种选择划分至以下三个场景。

　　主要应用场景

　　现阶段腾讯觅影的产品已经覆盖六个场景，包含食管癌早筛、肺癌早筛、糖网病变早筛、乳腺癌早筛、结直肠癌早筛与宫颈癌早筛。这六个产品的共同之处在于患者的数量远超过医生的工作量，而大量的患者聚集于三甲医院，无法下放到基层;同时，昂贵的癌症治疗费用极大地加重了家庭与国家的负担。在此场景下，AI起到的作用包括提升基层医生早筛能力，减轻三甲医院及医生的负担，解放医生时间的作用，降低医疗支出等。这些场景都存在明确的商业化可能，即一旦NMPA审批通过，布局企业能迅速收回研发资金。

　　潜在应用场景

　　青光眼、心电图、ACS等则属于潜在应用场景，这一类AI应用受市场相对较小、数据难以获得、技术门槛较高等一种或多种因素影响，但仍有商业化空间。这些场景将在第一批AI产品商业化后获得迅速发展。

　　科研应用场景

　　脑瘫、银屑病、耳石症、帕金森等AI场景一方面为了满足国家对某些特殊疾病的研究要求，另一方面研究本身具有开创意义。银屑病的研究满足项目第三条“针对胸痛、头痛、瘙痒等症状对应的急性冠脉综合症、脑卒中、皮肤病等急慢性疾病，研发面向临床路径与技术规范的精准诊疗决策支持技术”，而帕金森病运动功能智能评系统运用视觉捕捉技术，在未佩戴传感器的情况下对患者的动作进行分析，不仅节省了大量检查时间，还实现了线下问诊，具有极大的开创意义。

　　但无论是哪一种模式，都意味着腾讯向To B业务又深入一步。同时，腾讯将从科研合作中获得大量的训练数据以及AI开发经验，而腾讯云也将因此在AI+医疗中发挥更为深度的作用。

　　不过，医疗漫长的研发之路类似一场长跑，参与者需克制冲刺的诱惑，合理安排体能，方能谋求在整个比赛中取得更好的成绩。