動脈：人工智能在醫療場景中的應用分享（25頁）.pdf

1、數智廣西全球數據智能挑戰賽（2019） 人工智能在醫療場景中的 應用分享 天池大賽數智廣西全球數據智能挑戰賽（2019），廣西研討會，邀請地方政府代表、學術界、醫療界、產業界等領 域專家，以“推進人工智能在醫療場景的應用”為主題，以“AI+醫療影像”為切入點，集智匯力，結合廣西當地情況，探 討醫療AI相關熱點、痛點及實際問題，以期為醫療AI在廣西的應用和落地繪制藍圖、切準方向，推進相關合作等。 本報告以人工智能在醫療場景中的應用為主體，結合廣西的地方特色，通過動脈網蛋殼研究院的調研及分析，分別從： 經濟要素、人口結構因素、疾病譜要素及供給要素四個宏觀維度洞察廣西的醫療發展現狀，并提出需要重點關

2、注的四大變化 及由此衍生出的六大機遇與挑戰。在宏觀層面，我們將會提出發展建議；在微觀層面，我們將會重點聚焦人工智能的四大落 地場景。 我們將憑借對于醫療人工智能領域的敏銳洞察，我們提出相對應的醫療人工智能相關分析、建議及挑戰。我們希望，通 過我們對于現狀的洞察及建議，能夠幫助廣西壯族自治區在醫療人工智能領域帶來建設性的發展規劃，幫助醫療人工智能產 品在廣西實現真正落地。 研究目的： 廣西醫療產業現狀洞察：從“變化”開始，重點關注四大宏觀維度 從“變化”開始，四大驅動因素引發廣西未來醫療產業變革。經濟要素引發的醫療消費能力變化；人口結構要素引發的醫療受 眾人群結構變化；疾病譜要素引發的醫療剛性需

3、求變化；供給要素引發的醫療服務能力變化。 人口結構要素-引發的醫療受眾人群結構變化 1 經濟要素-引發的醫療消費屬性變化 疾病譜要素-引發的醫療剛性需求變化 供給要素-引發的醫療服務能力變化 廣西醫療產業 現狀洞察- 四大宏觀維度 2 3 4 經濟要素-引發的醫療消費屬性變化：居民醫療消費屬性偏向“優質醫療”，政府醫療負擔加劇 2015年2017年的數據顯示，廣西居民醫療消費能力提升，屬性已經偏向于獲得：高質量的醫療服務、高質量的就醫環境及便捷的就醫途 徑，醫療期望由“基本醫療”向“優質醫療”轉變；同時，廣西人均醫療保健支出逐年增長，政府醫療負擔不斷加劇。 現階段的醫療服務體系未來將不足以滿足

4、居民的醫療期望，而政府將面臨更大的社會保障壓力。 2057 2482 2853 14051 15357 16625 201520162017 廣西居民人均工資收入（元） 農村城鎮 125 161 214 1006 1245 1324 201520162017 廣西居民人均社會保障支出（元） 農村城鎮 710 782 931 866 1066 1254 201520162017 廣西醫療人均保健支出（元） 農村城鎮 廣西城鎮人均醫療保健支出增長388元； 廣西城鎮居民人均社保支出增長318元； 人口結構要素-引發的醫療受眾人群結構變化：居民城鎮化及老齡化，考驗醫療供給能力 數據顯示，廣西居民的人

5、口結構呈現：居民老齡化趨勢明顯，占比68%中青年人群將快速老化。廣西居民城鎮化趨勢正在不斷加速，城市 居民每年增長約70萬人。 我們認為：廣西老齡化人口增多現狀不可逆轉，老齡人口醫療及養老需求未來將呈現爆發式增長。同時，農村居民向城鎮轉移，未來，廣西 城鎮醫療機構醫療供給能力將受到嚴峻考驗。 2604 2567 2539 2512 2481 2115 2187 2257 2326 2404 1500 1700 1900 2100 2300 2500 2700 20132014201520162017 廣西常住人口（萬人） 農村城鎮線性 (農村)線性 (城鎮) 中青年占比 68.0% 兒童占比

6、22.3% 老年人 占比 9.7% 疾病譜要素-引發的醫療剛性需求變化：死亡率大幅上升，治療“強剛性需求”需滿足 數據顯示，循環系統疾?。ǜ哐獕?、 冠心病、急性腦血管病、心力衰竭）、 腫瘤及呼吸系統疾病疾病死亡率最高。 近年來，城市及農村居民的循環體統 疾病及腫瘤疾病的死亡率大幅上升， 患者對于這三類疾病有著極大的剛性 治療也大幅上升。 98.22 129.19 136.61 141.61 111.02 125.15 128.23 126.58 62.13 111.34 144.79 154.4 111.74 145.71 153.63 157.48 2005年2010年2015年2017年

7、城市/農村居民心腦血管疾病死亡率（1/10萬） 心臟?。ǔ鞘校?腦血管?。ǔ?市） 心臟?。ㄞr村） 腦血管?。ㄞr 村） 124.86 162.87 164.35 160.72 105.99 144.11 153.94 156.7 2005年2010年2015年2017年 城市/農村居民惡性腫瘤疾病死亡率（1/10萬） 城市 農村 43.56% 26.11% 10.92% 循環系統疾病腫瘤呼吸系統疾病 2017年全國城市民因疾病死亡率 （前三） 供給要素-引發的醫療服務能力變化：整體供給能力上升，但醫生缺口及負擔加劇 數據顯示：廣西醫療服務能力（供給端）保持長期穩定增長，2017年醫院數/衛生院

8、數及衛生技術人員數分別增長2.4%及5.3%；但每萬人 擁有衛生技術人員數增長趨0。 我們認為：盡管廣西醫療供給能力持續增長，但人口增長速度明顯高于醫療供給能力。未來，醫生缺口及醫生負擔將會明顯加劇。 1,755 1,756 1,794 1,810 1,853 2013年2014年2015年2016年2017年 廣西醫院/衛生院數（家） 2.4% 23.4 25.9 27.5 29 30.5 2013年2014年2015年2016年2017年 衛生技術人員數（萬人） 5.3% 48.7 54.4 57.3 59.960.0 2013年2014年2015年2016年2017年 每萬人擁有衛生技術

9、人員數 0.2% 機遇與挑戰并存，以政策為抓手應對“六大”機遇與挑戰 四大“變化”因素引發居民的醫療期望上升、政府支付負擔上升、老年人醫療需求增加、城鎮醫療機構負擔加劇、高致死率疾病剛性需求增 加、醫生缺口及負擔明顯加劇等六大現象。面對機遇與挑戰，我們認為：以政策驅動“新技術”落地解決廣西醫療領域供需矛盾。 四大宏觀維度 洞察廣西醫療產業現狀 l經濟要素-醫療消費屬性變化 l人口結構要素-醫療受眾人群結構變化 l疾病譜要素- 醫療剛性需求變化 l醫療機構/人員要素-醫療服務能力變化 居民的醫療期望上升 政府支付負擔上升 老年人醫療需求增加 城鎮醫療機構負擔加劇 高致死率疾病剛性需求增加 醫生缺

10、口及負擔明顯加劇 機遇與挑戰 以 政 策 驅 動 技 術 區域參照：結合貴州發展情況，看廣西醫學人工智能落地路徑 貴州 人工智能 全景應用 實施智能醫療健康重大產業化示范項 目，推進公立醫院與互聯網醫院等重 點醫院先行先試、聯合攻關，加強與 全球知名人工智能科研機構和企業合 作，推進計算機視覺、模式識別、深 度學習等技術應用到醫療健康領域， 開發智能醫療影像、智能醫療。 健全完善電子健康檔案、 電子病歷、全員人口、衛 生資源四大基礎數據庫， 整合醫療衛生計生信息資 源，加快推進醫療衛生大 數據應用。 01 02 04 n第一階段 n第二階段 構建高效共享、互聯互通的全省醫療 衛生信息交換服務網

11、絡，推進衛生信 息與人口信息專網整合，建立覆蓋省、 市、縣、鄉、村的人口健康信息專網。 完善“云上貴州醫療健康云”，加強 公共衛生、醫療服務、醫療保障、藥 品管理、計劃生育、綜合管理等應用 系統。 n第三階段 發展智能藥物挖掘，支持我省醫 藥企業智能化轉型，推進深度學 習等技術應用于藥物臨床前研究， 推動快速、準確地挖掘和篩選合 適的化合物或生物。 n第四階段 03 03 01 02 醫學人工 智能落地 路徑 搭建全區養老服務信息管理平 臺，加快推進自治區、市兩級 人口健康信息平臺基礎設施建 設，支持發展智慧醫院系統， 推進電子病歷標準化建設。 n第一階段 n第二階段 打造一批居家養老服務信息

12、化示范社 區，創新養老服務業態。鼓勵企業開 發移動醫療、視訊醫療、遠程照護、 健康監測、智能服藥等家庭健康信息 產品。 探索構建區域一體化的醫院管理 信息系統（HIS）和檢驗、體檢、 影像系統，促進醫療資源共建共 享。 n第三階段 最終目標 廣西 智能化基礎 建設完備 聚焦場景：鼓勵試點，總結經驗，制定規則，是政府落地醫學人工智能的政策導向 聚焦四大人工智能應用場景： 人工智能+醫學影像 01 影像拍片AI質控智能影像網關平臺 人工智能+醫院管理 02 優化資源配置彌補醫院管理漏洞 人工智能+疾病診斷和預測 03 疾病的診斷疾病的預測 心血管及腫瘤影像 人工智能+醫學研究 04 病歷結構化處理

13、多源異構數據挖掘 人工智能+醫學影像，重點落地心血管及腫瘤影像 人工智能在醫學影像領域目前的應用方向主要有三類，即疾病篩查、病灶勾畫、臟器三維成像，涉及腦、眼睛、乳腺、食管、 肺、心臟等多個人體部位。 結合目前癌癥診斷和治療的發展狀況，人工智能腫瘤 影像能夠有效提高廣西居民腫瘤類疾病治療情況，其 中落地人工智能腫瘤影像的優先順序為：肺癌、肝癌、 胃癌、結直腸癌及乳腺癌。 心血管影像 結合目前循環系統疾病的特點，預防意義重于治療，人 工智能心血管影像能夠有效提高廣西居民的循環系統疾 病早篩及預防情況，其中優先落地:心電圖的自動分析及 診斷及心血管疾病AI影像技術（心電CTMRI心電彩超 等）.

14、腫瘤影像 心血管影像產品價值：自動處理+自動輸出，實現多項功能 冠脈CT影像 全自動完成冠脈影像智能圖像后處理及膠片自動打印，與AI輔助診斷結構化 報告自動輸出，具備鈣化積分、冠脈FFRct的功能性影像評價能力等多項功 能，能提供量化預測及大數據支持. 冠脈CTA智能后處理：1分鐘內完成并智能打印 冠狀動脈易損斑塊評估：多序列影像斑塊聯合判斷，自動報警 左心室射血分數：掃描期自動識別，1分鐘內完成智能計算 冠狀動脈FFRct：5分鐘內完成計算 冠心病PCI支架手術術前規劃：一鍵規劃，智能預測治療效果 冠狀動脈鈣化積分：全自動識別，自動計算 圖：冠脈CT影像軟件界面，蛋殼研究院。 腫瘤影像產品價

15、值：自動生成腫瘤解決方案，方案準確率超80% 根據檢查項目，利用圖像識別技術和AI 技術自動勾畫相應靶 區,自動生成具體的放射性照射方案或者手術方案后，醫生只 需要修改、矯正。目前，在乳腺癌、鼻咽癌、肺癌、肝癌等癌 種方面技術相對成熟，自動勾畫的靶區準確率高達80%。 圖：智能靶區勾畫軟件界面，蛋殼研究院。圖：人工智能檢測腫瘤病理圖像結果，蛋殼研究院。 為了解決有限的時間和診斷準確性的問題，將人工智能引入數字病 理學研究成為了最好的辦法。人工智能可以縮短病理診斷的時間、 提升診斷效率，最主要的是，它還能提供更加準確的診斷結果。 智能勾勒靶區病理分析 人工智能產品管線：醫學影像產品針對疾病快速增

16、多，醫院有廣泛選擇權 我們可以看到大多數人工智能企業選擇了在醫學影像推出產品，肺結節篩查、糖網篩查兩大熱門方向遙遙領先，但同時有相當多的企業將目 光投向了心血管類疾病方面，同時，針對更多疾病的產品正在不斷涌現，人工智能企業產品呈現出分散趨勢。所以，醫療機構在人工智能醫 學影像產品的選擇上，有著非常廣泛的可選擇性。 醫學影像 健康管理虛擬助手 病歷/文獻分析醫院管 理 智能化 機械 人工智 能+基因 藥物研 發 疾病 篩查 及預 測 醫療語 音識別 0510152025 心理 乳腺 淋巴癌 骨齡 鼻咽癌 白血病 血壓 甲狀腺 冠心病 癲癇 血糖 胸部疾病篩查 結腸癌 肝臟 宮頸癌 乳腺癌 骨科

17、心血管疾病篩查 糖網篩查 肺結節 醫療人工智能產品針對疾病統計 影像拍片AI質控：攝片質量及時診斷，避免非必要時間損耗 AI技術實現攝片質量即時自動分析，在患者尚未離開前即可提示技術是否需要重拍，從而避免非必要的時間損耗。AI質控平臺可以通過與設 備集成，從而實現拍片到審片直接在設備端完成，由平臺提示影像是否符合要求。目前影像拍片AI質控平臺已經實現產業化，尤其是對于典 型胸部正位圖像篩查，其準確率已經達到95%以上。 效率低而且一致性差; 事后質控，患者很難再次拍攝，時間損耗大； 人工智能圖像識別技術 醫學影像成像質量的自動評 價與評分；醫學影像質控自 動化、網絡化、常態化、實 時化 醫生的

18、閱片水平提高診斷率 人工質控的方式無法避免的兩大問題影像拍片AI質控 基于 實現 提升 醫生層面：每一份有質量問題的報告，都能更清楚地明 確問題所在； 科室管理層面：每份報告都能做出相對客觀的評價,每 位報告醫生的工作質量也都能了如指掌； 醫院層面：對于醫院可以動態分析每天的質控狀態； 產品價值 智能影像網關平臺：數據自動DICOM標準化，簡化操作流程 由于影像歸檔和通信系統PACS與很多AI產品之間， 并未實現基于DICOM，即醫學數字成像和通信， 標準的影像通訊和其它信息通訊，醫生不得不在多 個系統之間操作。 傳輸影像手動選擇疾病種類 AI完成自動診斷 手動錄入AI 診斷結果 傳輸影像 轉

19、發至多個AI系統 AI完成自動診斷 自動錄入AI 診斷結果 傳輸標注后影像 轉換為符合DICOM標準的影像 智能影像網關平臺 簡化醫院PACS與AI產品的對接； 減輕現有PACS/設備的負擔； 實現影像數據DICOM標準化； 已在國內多家醫院臨床應用； 人工智能+醫院管理，醫院需整體提升，醫院管理效率提升勢在必行 因為醫療事務繁重、臨床管理和醫院管理的難度大、對新技術接受度高等因素，我們認為：醫院在完成第一階段的人工智能體系 建設后，尤其是針對大型三級醫院，應當大力發展：人工智能醫院管理。人工智能在醫院管理應用上主要有兩個方向，分別是優 化醫療資源配置和彌補醫院管理漏洞。 傳統方式人工智能 醫

20、療資源 利用效率 人力成本 病人就診 體驗 高，需要管理者有非常強的 綜合能力。才能制定高效的 工作方案。 低，不能有效地將醫療資源 用到最需要的患者身上。 較差，醫患矛盾頻發。 低，醫護人員將工作重心投 入到醫療服務中。 高，能分析出哪些患者急需 救治，優化醫療服務的前后 順序。 較好，優化醫院的資源配置， 不會讓患者的就醫訴求得不 到滿足。 優化醫療資源配置 人工智能優化醫療資源配置：利用大數據，從宏觀層面協調資源的有效分配。它能根據電子病歷、既往病史等信息分析出哪些患 者是最需要及時救治的，把醫療資源優先提供給他們，優化醫療服務的先后順序。 圖：典型的優化醫療配置的人工智能系統界面，蛋殼

21、研究院。 人工智能+醫院管理，醫院需整體提升，醫院管理效率提升勢在必行 因為醫療事務繁重、臨床管理和醫院管理的難度大、對新技術接受度高等因素，我們認為：醫院在完成第一階段的人工智能體系 建設后，尤其是針對大型三級醫院，應當大力發展：人工智能醫院管理。人工智能在醫院管理應用上主要有兩個方向，分別是優 化醫療資源配置和彌補醫院管理漏洞。 傳統方式人工智能 耗用時間 調查范圍 最終效果 窄，大部分醫院僅依靠自 有渠道搜集患者的反饋意 見 較長，由人工讀取患者的 評價并進行總結 調查結果關系到醫院各方 利益，調查往往流于形式 寬，多渠道搜集患者的反 饋信息 短，從信息搜集、分析到 總結全部由系統處理

22、完全由系統進行客觀的信 息手機和分析調查結果可 信度高 彌補醫院管理漏洞 人工智能彌補醫院管理漏洞：從點評網站、社交平臺和新聞媒體等渠 道收集客戶對醫院的評價，通過自然語言處理技術將非結構化的數據 處理成能被系統識別的結構化數據，根據已經搭建好的模型，系統能 夠整理、分析出各種評價背后的真實含義。 圖：典型的彌補醫院管理漏洞的人工智能系統界面 , 蛋殼研究院。 人工智能+醫院管理，提高醫療服務質量+優化醫院運營效率 利用人工智能對醫院進行管理，能有效的對人、財、物、信息、時間等資源，進行計劃、組織、協調、控制， 充分利用醫院的現 有資源，實現醫療效用的最大化。以醫院管理標桿型的企業Qventu

23、s為例，在XX醫院使用了它所提供的人工智能系統后，這家醫 院在以下八個維度的表現出現改善，同時患者對醫院的滿意度從29位提高到第3位。 降低10% 降低11% 降低15% 降低25% 患者平均就診 時間 手術等待 時間 患者平均在院 停留時間 患者就診 沖突概率 患者等待時間減少，醫院效率提升 因忙碌而造成患者流失降低 55% 非必要生化檢查減少 40% 患者流失率降低 39% 患者滿意度 18% 醫 院 運 營 效 率 提 升 ， 患 者 滿 意 度 增 加 人工智能+疾病診斷和預測，三大判斷指標 現代醫學，是從人們的各種生化、影像的檢查結果中，去診斷是否患病。但如果要實現疾病的未來發展預測

24、，往往力不從心。人 工智能能夠參與疾病的篩查和預測，需要從行為、影像、生化等檢查結果中進行判斷，除此之外，人們的語言、文字也會成為精 神健康和身體健康狀況的可測指標。 人工智能疾 病的診斷和 預測 疾病的診斷 疾病的預測 行為 生化 影像 依據數據 人工智能+疾病診斷及預測產品價值 自閉癥篩查APP 人工智能篩查 APP 的出現，讓父母不再需要進行繁瑣的準 備工作，只要一部智能手機就可以隨時隨地對孩子進行自 助式的自閉癥篩查。填寫完孩子的基本信息，然后根據孩 子的具體情況回答 15 至 20 個和他們行為有關的問題，最 后系統會自動生成篩查報告。 數據來源：大量自閉癥兒童的患病情況的跟蹤 深度

25、學習：利用機器對海量的醫療數據進行學習 算法：由深度學習訓練出一套獨特的算法 篩查：用戶在 APP 中輸入兒童的行為信息，系統會根據已 經建立的算法得出對應的篩查結論 心臟病患者死亡預測 人工智能軟件通過分析血液檢測結果和心臟掃描結果，可以發現心 臟即將衰竭的跡象，醫生可以通過人工智能疾病預測知道患者還能 存活多久，以便選擇正確的治療方案。人工智能軟件能夠預測未來 五年的生存情況?，F在階段，預測患者存活期只有一年的準確率大 約為80%，而醫生對于這個項目的預測準確率為 60%。 圖：心臟病患者死亡預測，蛋殼研究院。 人工智能+醫學研究，醫療大數據標準化，真正實現“二次”利用 電子病歷包含著患者

26、大量的健康信息和疾病信息，隨著電子病歷系統在醫療機構的逐漸普及，臨床數據的不斷積累，醫療從業者 能夠通過數據分析發現與醫療質量，醫療安全以及藥物效果相關的重要證據，從而提高公共醫療的質量和效率。 醫學數據庫 自然語言處理信息提取統計建模 病歷/文獻標準化數據變量相關性 人工智能的切入主要是利用機器學習和 自然語言處理技術自動抓取病歷中的臨 床變量，融匯多源異構的醫療數據，結 構化病歷、文獻，最后生成標準化的數 據庫。 人工智能+醫學研究，醫療大數據標準化，真正實現“二次”利用 我們所關注的人工智能+醫學研究重點應用產品是病歷結構化處理及多源異構數據挖掘。 病歷結構化處理 基于高質量的前結構化的

27、專病數據平臺, 超過90%的內容可以做 到結構化； 傳統臨床科研過程中病歷篩選、數據提取占用整個臨床科研過程 的50%以上時間。人工智能能精準完整的讀懂病歷所表達的含義， 并消解其中的歧義。系統利用自然語言處理技術，深度挖掘和分 析醫療文本的信息，它可以快速批量抓取病歷中的信息生成一個 結構化數據庫。 大大提高了臨床管理數據的效率，降低了研究的實施成本； 同時能夠應用于臨床試驗、真實世界研究、不良事件追蹤、患 者管理隨訪等方面； 圖：病歷結構化處理軟件界面，蛋殼研究院。 人工智能+醫學研究，醫療大數據標準化，真正實現“二次”利用 我們所關注的人工智能+醫學研究重點應用產品是病歷結構化處理及多源

28、異構數據挖掘。 多源異構數據挖掘 我國醫院同時運行著過百種醫療信息化系統，這些多源、異構的 系統彼此割裂，各類醫療數據處于孤島狀態，無法得到有效利用。 人工智能企業與醫院合作，無須和原系統對接，利用大數據技術 完成多源異構數據的清洗、脫敏、結構化、標準化，使得醫院能 夠一統形成互聯互通的醫療大數據平臺。 數據接口輸出 多 源 異 構 數 據 直 接 采 集 數據庫視圖 網頁模式 其它方式 無障礙無需原廠商支持，醫療數據采集融合環節簡便暢通； 零風險非侵入式采集，無需開放原數據庫，保證原系統安 全； 低成本將人員協調成本、開發成本降到最低，有效減少項 目交付時間； 高效率與系統架構、代碼無關，無

29、需研發數據接口，直 接采集; 重要申明 免責聲明： 創投界的戰略伙伴，為創業者、投資人及戰略規劃者提供有前瞻性的趨勢判斷，洞察隱藏的商業邏輯，集合產業專家、資深觀察者， 盡可能給出我們客觀理性的分析與建議。 蛋殼研究院（VBR）： 本報告的信息來源于已公開的資料和訪談，蛋殼研究院對信息的準確性、完整性或可靠性不作保證。本報告所載的資料、意見及推測 僅反映蛋殼研究院于發布本報告當日的判斷，過往表現不應作為日后的表現依據。在不同時期，蛋殼研究院可能發布與本報告所載資 料、意見及推測不一致的報告。蛋殼研究院不保證本報告所含信息保持在最新狀態。同時，蛋殼研究院對本報告所含信息可在不發出 通知的情形下做出修改，投資者應當自行關注相應的更新或修改。 初創項目競爭力評估；初創項目戰略規劃；創投細分領域定制研究；蛋殼VIP會員研報暢讀。 蛋殼研究院提供服務：