陆遥博士在“人工智能与物联网”分论坛发表主题演讲
陆遥博士受邀参加大会圆桌论坛
陆遥博士介绍，医学影像已成为临床诊断的重要依据之一，甚至中医有时也需要医学影像进行辅助诊断。随着医药分开，医院药品收入急剧下降；而医学影像数量每年的增幅达到40%，现有医生数量远远满足不了临床需求，误诊和漏诊在所难免。
人工智能技术的出现，可提高临床医生的工作效率，有效解决现阶段爆发式增长的影像诊断需求与医生数量严重不足之间的矛盾。医疗人工智能的前身是计算机辅助诊断，目标是让机器去学习医生的诊疗经验和逻辑判断。现有的深度学习算法过于依赖于数据，往往忽视医生的经验，针对这一现状，我们结合基于知识的机器学习算法和基于数据的深度学习算法，提出了国际领先的基于知识的小样本深度学习算法。目前在1000-2000例高质量样本的数据集上就可以较好地收敛和泛化，这是传统的深度学习算法难以达到的效果。
陆遥博士介绍，医学影像已成为临床诊断的重要依据之一，甚至中医有时也需要医学影像进行辅助诊断。随着医药分开，医院药品收入急剧下降；而医学影像数量每年的增幅达到40%，现有医生数量远远满足不了临床需求，误诊和漏诊在所难免。
以乳腺癌为例，人工智能究竟如何辅助医生？中国城市乳腺癌患者数以每年14%的速度增长，且发病呈年轻化趋势，早期乳腺癌如果被及时检出，患者的5年生存率非常高。但遗憾是，现在国内早期乳腺癌检出率较低，因此早期医学影像辅助筛查是有重要临床价值的。
目前乳腺层析成像的数据约300-400张断层，病灶对比度低、个体差异性大，医生要在短时间内做出准确判断，难度非常大。通过人工智能算法，实时检测病灶并提供量化分析，这是临床的需求和我们产品的定位。除了辅助医生临床检测之外，对早期筛查，很重要的一点是做乳腺癌的风险评估，即针对乳腺癌高风险人群，用一个量化分析模型评估其罹患乳腺癌的风险。我们采用智能量化分析的技术建立了个性化乳腺癌风险预测模型，模型评估结果和高年资医生的经验判断结果高度吻合。知识模型和智能量化分析是我们研发的先进机器学习算法的核心。
医疗人工智能的本质是医疗，我们需要立足于医疗的场景，针对临床的需求，用人工智能技术辅助医生做出更精准的诊疗决策。但真正要把握临床需求并没有那么容易，通常需要几十次的沟通，才能真正把握医生提出的需求，虽然过程不容易，但只有针对这种临床痛点研发的产品才有生命力，才有市场。我们希望自己的产品能够帮助到医生和患者，希望所有的医生在临床诊疗时能更有信心，希望所有的患者在就诊和康复过程中能更有尊严。
医疗人工智能的未来会往多组学和精准医学方向发展，柏视医疗一直以“懂视界，知医心”为愿景，希望通过人工智能和医学知识的结合，赋能影像医学，减少大量的简单重复性劳动，辅助医生提高诊断效率并解决临床痛点需求。
