7月10-11日，2020世界人工智能健康云峰會召開。作為世界人工智能大會云端峰會的主題論壇之一，健康云峰會以“智聯世界·共享健康”為主題，由“1個開幕式+3場專題論壇+1場特色會議”構成，聚焦“AI+健康”“AI+公共衛生”“AI+醫療服務”“AI+生物醫藥”“AI+醫療標準規范”等熱點話題。

在“AI+醫療服務”專場上，中國科學院院士、復旦大學附屬中山醫院心內科主任葛均波發表了主題為《AI引領醫療創新場景建設》的演講。

作為上?？苿?a target="_blank">中心建設的重要承載區和國家雙創示范基地，徐匯區正在推進智慧醫療應用場景的建設。復旦大學附屬中山醫院、徐匯中心醫院、徐匯區衛生事業管理發展中心等11個應用場景先后被上海市經信委列入第一批和第二批人工智能應用場景建設試點。

葛均波院士在演講中表示，復旦大學附屬中山醫院和徐匯區中心醫院在過去幾年里，在人工智能場景建設方面已經做了一些初步工作，從數據的分析到數據的整合以及數據的收集，把心血管大數據整合到人工智能的應用平臺，打通了三級醫院、二級醫院和社區衛生中心的數據。

與此同時，他還對目前人工智能在醫療行業運用中存在的短板也做了分析：

首先，通訊網絡還不是非常穩定，專業數據等信息化方面的建設還存在一些不足；其次，是醫療大數據，20億的就診數據大而混亂，缺少統一的標注、治理標準；再次，是各個醫院管理者有時會形成數據壁壘，不能夠達到數據共享，造成信息孤島。同時，也缺少有基層醫療經驗又擅長人工智能的交叉人才。

以下為葛均波院士的現場演講內容：

葛均波：各位專家好，非常高興收到邀請，跟大家一起學習人工智能在醫學方面的應用。

我是一名心血管臨床大夫。怎么把人工智能應用到心血管疾病的早篩、預防、診療，以及分級診療當中，復旦大學附屬中山醫院跟徐匯中心醫院做了一些前期的工作。

我跟大家匯報一下我們目前做的進展，主要是關于AI在醫療領域中的應用、人工智能醫療場景建設的實施以及對人工智能應用場景的展望。

作為臨床大夫，我們通過望聞問切的方式，根據病人的主訴結合臨床檢查，給別人進行一個準確的診斷。但是我們知道，人是一個非常復雜的機器。光憑病人的主訴，光憑望聞問切，對疾病的認識不是那么全面。

今天提到大數據跟人工智能，我們人體可以通過本身的主訴、可穿戴設備，根據人口學的特點以及影像學檢查等等可以提供更精確的診斷。

人工智能在以下四個方面可以提供幫助：疾病診斷、疾病診療、健康管理以及人工智能在醫院管理、耗材、人力成本的計算等。

這些年，人工智能在醫學界是非常熱的話題。在醫學三大雜志——新英格蘭醫學雜志、柳葉刀、JAMA上，對人工智能以及深度學習做了一些闡述，同時在基礎研究方面也做了相關的論述。

但是，人工智能真正在現實當中應用，并不是非常完善，為什么這樣講？

人工智能有時候可能比醫生得出的診斷更準確，前提條件是給它的數據必須是準確的。

在前不久發表的一篇文章中，提到了谷歌AI可以比眼科醫生更快、更準確地得出診斷，但是應用到臨床學以后發現并不是這么回事，為什么呢？

2018年發表的這篇文章中，谷歌人工智能在真正的應用當中沒有達到我們的期望值，當時護士在拍照片的時候光線不好，錯誤的數據輸不進去，人工智能程序就拒絕接受這個照片，反而得出了一些誤診數據。

為什么會發生這樣的情況？剛才提到，你給它的數據必須得精確，而且是清晰的。

怎么能實現人工智能從實驗室到臨床的轉化，或者人工智能在臨床上給我們一些輔助，我提一提目前徐匯區關于人工智能在醫療場景建設方面的實施工作。

首先，場景是連接人工智能供應和需求，研發到產業化的關鍵環節，沒有場景的話一切都是白搭。

再者，上海探索出一條以應用為牽引的人工智能發展道路。從政策扶持、資金投入、推動建設、宣傳引導、閉環管理、全程跟蹤、嚴格驗收方面，進行人工智能場景的搭建，打造徐匯區人工智能醫療的服務高地。

在過去幾年里，復旦大學附屬中山醫院和徐匯區中心醫院在人工智能場景建設方面已經做了一些初步工作。從數據的分析到數據的整合以及數據的收集，把心血管大數據整合到人工智能的應用平臺，打通了三級醫院、二級醫院和社區衛生中心的數據。

最主要的是，我們在日常生活居民端也做了一些工作，希望從疾病篩查、預防、診療跟康復幾個方面進行綜合分析。

剛才提到，從復旦大學附屬中山醫院、附屬徐匯醫院或者是徐匯區中心醫院，我們分管了幾個社區衛生中心。截止去年的七月份，我們收集了80萬人的9.5個TB數據，這里面包括了20億條病人的就診記錄，我們通過大數據的分析得出以下五個方面結論。

一方面，是居民端跟醫生端。從疾病的精準早篩，到疾病的智能預防、輔助診療、智能隨訪再到分級轉診，診斷出哪些疾病可以在社區衛生中心解決，哪些疾病必須要三級醫院進行復雜的手術或者治療。

這里面的分類治療分為兩端，一個是居民端，一個是在醫生端。

在居民端，基層可以通過心血管的檔案、人口學特征、年齡、發病危險因素等等，借助區域衛生中心提供的影像學資料，到醫生端進行輔助診斷和輔助診療，決定這個病人需不需要轉到三級醫院。

場景的建設目標，除了我剛才提的五個場景已實現以外，我們基本上還實現了心血管專家庫的共享。

另外，我們完善了模型，同時初步形成了科研創新以及模型孵化的一個生態框架，最后形成資源共享的管控框架。

當然，人工智能在實際建立過程中還存在著一些難點或者目前還難以跨越的一些障礙。

第一個是網絡。我們的網絡現在還不是非常的穩定，在通訊、專業數據等信息化方面還存在一些不足。

第二個是醫療大數據，20億的就診數據大而混亂。大數據并不代表著數據大，有時候收集的很多信息對疾病診療是沒有用的，怎么才能甄別出來？缺少統一的標注、治理標準。

第三個是各個醫院管理者有時會形成數據壁壘。我們在信息交流過程當中，目前可以做到徐匯區共享，但與其他的醫院和醫療還不能夠達到數據共享，造成信息孤島。同時，我們也缺少有基層醫療經驗又擅長人工智能的交叉人才。

另外，還有我們對人工智能的了解不夠深刻，以為遠程會診就是人工智能，實際上遠遠不是這樣的。我們的醫護人員雖然感興趣，但是又不能完全參與到人工智能的實施和過程當中。

展望一下人工智能應用醫療場景，未來我們往哪個方面發展？

上一個演講者提到2020年年初的新冠肺炎，在疾病爆發期間好多慢性病人不能到醫院就診，好多病人有高血壓、心臟衰竭，服用抗磷藥物等等，這些病人怎么辦？

在徐匯區，首先在行業之間先倡導遠程會診，我們開通了E型門診，通過我們的APP使原來每個星期來門診就診隨訪的病人可以在線上得到及時的診療。

再看看我們現在得到的數據，在新冠肺炎期間，平安好醫生新的用戶以及在線患者增加百分之八九百，這就告訴我們，市場或者是需求驅動了人工智能和遠程醫療的發展。遠程醫療拉近了病人跟醫生之間的距離。

另外，遠程醫療可以非常及時把信息傳遞給醫療機構，還可以降低醫療費用。

遠程醫療或者遠程診療不只是一個視頻通話，或者打個電話問問吃什么藥就可以的，實際是非常復雜。剛才提到血液動力學、人口學特征，是把實驗室檢查，以及影像學整合到一起的復雜工程。

前年在美國，TCT就做了一個32公里以外的遠程醫療案例。這個病人是一個冠狀動脈狹窄的病例，醫生通過遠程手術可以直接把支架放進去進行擴張。這是手術后的情況，好多醫生不需要在手術室里面背著這么重的鉗衣，就可以進行最好的治療。

另一個案例是，在美國的一個印度醫生，可以把所有的影像學資料通過虛擬方式來操作，可以通過語音命令，把圖象放大、縮小、旋轉，同時還可以通過語音控制把圖像變大、變小，從而更清楚地識別疾病的位置、狹窄程度、血管走形等等情況。

我自己的個人設想是，未來AI可以賦能冠心病等醫療場景。最左上邊是我們的CTA，通過無創檢查獲得血管冠狀動脈的狹窄情況。通過血管模型和功能計算，看看這個狹窄是不是導致心肌缺血的靶血管，如果三個血管都生病，告訴我哪個血管是要干預的血管。

同時根據多模態智能分析，看這個地方缺血到底心肌是不是能夠存活，還可以根據病例分析，語音反饋給醫生來決定是藥物干預還是進行介入治療。介入治療以后，我可以在外面邊喝咖啡邊操作，操作完以后對這個結果進行評估。

最后，做一個小結。

人工智能在醫療領域的應用目前處于初步的探索階段，未來的人工智能遠遠不只可以幫助我們做決斷，還可以在很多復雜的操作方面幫助我們進行更精確的治療。

人工智能執行某一特定的任務可以達到專家甚至比專家更高的水平，但并不是達到全面的智能。人工智能加上人類專家一起的診療模式會超越目前我們傳統的對疾病的診療模式。

我個人認為，人工智能有非常廣闊的應用前景，期待能參與到我們醫生的部分工作中，尤其是針對慢性病管理，病人隨訪等等情況。同時，人工智能提高了我們對疾病的認知，改變了我們對疾病的診療、隨訪和慢性病的管理模式。