醫(yī)學(xué)人工智能原理及實(shí)踐

醫(yī)學(xué)人工智能原理及實(shí)踐2019年04月19日目

錄010302學(xué)人工智能基礎(chǔ)醫(yī)學(xué)人工智能應(yīng)用醫(yī)學(xué)人工智能實(shí)踐目標(biāo)目標(biāo)目標(biāo)人工智能原理及課題合作方向醫(yī)學(xué)臨床問題解決方案基于平臺(tái)的可視化操作一、醫(yī)學(xué)人工智能基礎(chǔ)什么是人工智能-新技術(shù)熱點(diǎn)最近幾年新技術(shù)熱點(diǎn)變化機(jī)器人人工智能大數(shù)據(jù)云計(jì)算無人機(jī)VR/AR區(qū)塊鏈20182012新技術(shù)熱點(diǎn)詞匯人工智能機(jī)器人區(qū)塊鏈VR/ARVR/AR人臉識(shí)別CVNLP工業(yè)機(jī)器人協(xié)作機(jī)器人智能音箱AI+金融無人店智能客服語(yǔ)音助理AI+安防AI芯片機(jī)械外骨骼服務(wù)機(jī)器人定位導(dǎo)航并聯(lián)機(jī)器人SLAMVR游戲VR電影AR眼睛三維重建VR社交無線充電動(dòng)力電池柔性電池氫燃料電池AI+醫(yī)療自動(dòng)駕駛體驗(yàn)店全息投影VR頭顯分布式電網(wǎng)太陽(yáng)能光伏圖像檢測(cè)VR行業(yè)應(yīng)用航空航天智能制造物聯(lián)網(wǎng)IOT光機(jī)電新材料民營(yíng)火箭行業(yè)無人機(jī)工業(yè)物聯(lián)網(wǎng)工業(yè)大數(shù)據(jù)先進(jìn)機(jī)床智能機(jī)器人智慧城市智慧交通智慧家居車聯(lián)網(wǎng)激光雷達(dá)微波雷達(dá)石墨烯高分子載人飛行器消費(fèi)無人機(jī)消費(fèi)無人機(jī)故障預(yù)測(cè)邊緣計(jì)算智能建筑深度攝像頭芯片復(fù)合材料柔性材料民營(yíng)衛(wèi)星3D打印高精度定位傳感器海洋裝備軍民融合信息安全傳感檢測(cè)云計(jì)算大數(shù)據(jù)半導(dǎo)體無人船ROV什么是人工智能-人工智能定義人工智能（Artificial

Intelligence)簡(jiǎn)稱AI,主要研究如何用人工的方法和技術(shù)，使用各種自動(dòng)化機(jī)器或智能機(jī)器（主要指計(jì)算機(jī)）模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)某些機(jī)器思維或腦力勞動(dòng)自動(dòng)化人工智能是一個(gè)很寬泛的概念，大體來說是對(duì)人的意識(shí)、思維信息過程的模擬。它企圖了解“智能”的實(shí)質(zhì)，并且生產(chǎn)出一種能像人類一樣在不同環(huán)境下，能做出相應(yīng)反應(yīng)的“智能機(jī)器”。人類對(duì)自身“智能”的理解都非常有限，所以就很難定義什么是人工制造的“智能”。隨著科技的進(jìn)步和人類對(duì)自身理解更加深刻，人工智能概念的邊界也在不斷地拓展。有關(guān)人工智能概念的不同表述Nils

J.

Nilsson

斯坦福大學(xué)計(jì)算機(jī)科學(xué)系教授人工智能是致力于讓機(jī)器變得智能的活動(dòng)，而智能就是使實(shí)體在其環(huán)境中有遠(yuǎn)見地、適當(dāng)?shù)貙?shí)現(xiàn)功能性的能力。李開復(fù)

創(chuàng)新工場(chǎng)創(chuàng)始人兼CEO粗略來講，人工智能是獲取某種一領(lǐng)域（如貸款償還紀(jì)錄）的海量信息，并利用這些信息對(duì)具體案例（是否應(yīng)給某人貸款）做出判斷，以達(dá)成某一特定目標(biāo)（貸方利益最大化）的技術(shù)。楊銘

地平線機(jī)器人聯(lián)合創(chuàng)始人兼軟件副總裁人工智能就是學(xué)習(xí)和設(shè)計(jì)一種Intelligent

Agent，這個(gè)Agent本身能夠感知環(huán)境、采取行動(dòng)和實(shí)現(xiàn)一定的目標(biāo)。Agent指能夠執(zhí)行AI的載體，可能是大規(guī)模的、抽象的能夠?qū)崿F(xiàn)上述功能的集合，有可能只是一些程序的集合。什么是人工智能-人工智能的研究目標(biāo)強(qiáng)化學(xué)習(xí)監(jiān)督學(xué)習(xí)深度學(xué)習(xí)非監(jiān)督學(xué)習(xí)

弱人工智能：能夠模仿人腦的基本功能，感知、記憶、學(xué)習(xí)和決策等；擅長(zhǎng)單個(gè)方面的人工智能。比如AlphaGO只會(huì)下圍棋，要讓它下國(guó)際象棋，一步都無法判斷。學(xué)習(xí)能力機(jī)器學(xué)習(xí)

強(qiáng)人工智能：需要結(jié)合情感、認(rèn)知和推理等高階智能；LindaGottfredson把它定義為“一種寬泛的心里能力，能夠進(jìn)行思考、計(jì)劃、解決問題、抽象思維、理解復(fù)雜理念、快速學(xué)習(xí)和從經(jīng)驗(yàn)中學(xué)習(xí)等操作”。文本生成問答語(yǔ)言能力感知能力自然語(yǔ)言處理語(yǔ)言文本分類機(jī)器翻譯語(yǔ)言轉(zhuǎn)換文本文本轉(zhuǎn)換語(yǔ)言

超級(jí)人工智能：其能力超過人類，而且能不斷進(jìn)化和自我學(xué)習(xí)；Nick

Bostrom把它定義為“在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明很多，包括科學(xué)創(chuàng)新，通識(shí)和社交技能”。人類智能人工智能圖像識(shí)別圖像計(jì)算機(jī)視覺自動(dòng)推理知識(shí)表示推理能力記憶能力規(guī)劃能力規(guī)劃能力

遠(yuǎn)期目標(biāo)：制造智能機(jī)器，使計(jì)算機(jī)像人一樣具有自動(dòng)發(fā)現(xiàn)規(guī)律和利用規(guī)律的能力

近期目標(biāo)：實(shí)現(xiàn)機(jī)器智能。即：部分地或某種程度地實(shí)現(xiàn)機(jī)器的智能什么是人工智能-人工智能發(fā)展里程1997年，IBM的超級(jí)計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝了當(dāng)時(shí)的國(guó)際象棋冠軍Garry

Kasparov，引起了世界的轟動(dòng)。雖然它還不能證明人工智能可以像人一樣思考，但它證明了人工智能在推算及信息處理上要比人類更快。2012年6月，谷歌研究人員JeffDean和吳恩達(dá)從YouTube視頻中提取了1000萬(wàn)個(gè)未標(biāo)記的圖像，訓(xùn)練一個(gè)由16，000個(gè)電腦處理器組成的龐大神經(jīng)網(wǎng)絡(luò)。在沒有給出任何識(shí)別信息的情況下，人工智能通過深度學(xué)習(xí)算法準(zhǔn)確的從中識(shí)別出了貓科動(dòng)物的照片。1955年8月31日1969人類首次提出了反向傳播算法，1993年作家兼計(jì)算機(jī)科學(xué)家VernorVinge發(fā)表了一篇文章，在這篇文章中首次提到了人工智能的“奇點(diǎn)理論”。他認(rèn)為未來某一天人工智能會(huì)超越人類，并且終結(jié)人類社會(huì)，主宰人類世界，被其稱為“即將到來的技術(shù)奇點(diǎn)”。JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon四位科學(xué)家聯(lián)名提交了一份《人工智能研究》的提案，首次提出了人工智能（AI）的概念，其中的JohnMcCarthy被后人尊稱為“人工智能之父”。20世紀(jì)60年代，麻省理工學(xué)院的一名研究人員發(fā)明了一個(gè)名為ELIZA的計(jì)算機(jī)心理治療師，可以幫助用戶和機(jī)器對(duì)話，緩解壓力和抑郁，這是語(yǔ)音助手最早的雛形。(Backpropagation），這是80年代的主流算法，同時(shí)也是機(jī)器學(xué)習(xí)歷史上最重要的算法之一，奠定了人工智能的基礎(chǔ)。2016年3月，谷歌AlphaGo4：1戰(zhàn)勝圍棋世界冠軍李世石，開啟了人工智能的新紀(jì)元。1943年，WarrenMcCulloch和Walter

Pitts兩位科學(xué)家提出了“神經(jīng)網(wǎng)絡(luò)”的概念，正式開啟了AI的大門。多層神經(jīng)網(wǎng)絡(luò)兩層神經(jīng)網(wǎng)絡(luò)單層神經(jīng)網(wǎng)絡(luò)神經(jīng)元2012CNN第三次興起1986BP第二次興起1958Perceptron1995SVM2006DBN1969“AI

Winter”1982Hopfield第一次興起1943MP誕生

1949Hebb19702000201019401940196019801990非機(jī)器學(xué)習(xí)：機(jī)器學(xué)習(xí)：從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律深度學(xué)習(xí)：知識(shí)庫(kù)，規(guī)則引擎深度神經(jīng)網(wǎng)絡(luò)什么是人工智能-人工智能三大要素：算法、計(jì)算和數(shù)據(jù)人機(jī)表深神工器征度經(jīng)智學(xué)學(xué)學(xué)網(wǎng)能習(xí)習(xí)習(xí)絡(luò)主流的算法主要分為傳統(tǒng)的機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)算法。神經(jīng)網(wǎng)絡(luò)算法快速發(fā)展，近年來因?yàn)樯疃葘W(xué)習(xí)的發(fā)展到了高潮。什么是人工智能-人工智能三大要素：算法、計(jì)算和數(shù)據(jù)典型計(jì)算密度型任務(wù)功耗對(duì)標(biāo)單精度浮點(diǎn)峰值計(jì)算能力功耗功耗比靈活性很高高（GFLOPS）（W）

（GFLPOS/W）CPUGPU擅長(zhǎng)處理/控制復(fù)雜流133087401453009程，高功耗擅長(zhǎng)處理簡(jiǎn)單并行計(jì)算，高功耗29FPGAASIC可重復(fù)編程，低功低高性能，研發(fā)成本高，任務(wù)不可更改0.5900人工智能的發(fā)展對(duì)算力提出了更高的要求。以下是各種芯片的計(jì)算能力對(duì)比。其中GPU領(lǐng)先其他芯片在人工智能領(lǐng)域中用的最廣泛。GPU和CPU都擅長(zhǎng)浮點(diǎn)計(jì)算，一般來說，GPU做浮點(diǎn)計(jì)算的能力是CPU的10倍左右。另外深度學(xué)習(xí)加速框架通過在GPU之上進(jìn)行優(yōu)化，再次提升了GPU的計(jì)算性能，有利于加速神經(jīng)網(wǎng)絡(luò)的計(jì)算。如：CUDNN具有可定制的數(shù)據(jù)布局，支持四維張量的靈活維度排序，跨步和子區(qū)域，用作所有例程的輸入和輸出。在卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算中實(shí)現(xiàn)了矩陣運(yùn)算，同時(shí)減少了內(nèi)存，大大提升了神經(jīng)網(wǎng)絡(luò)的性能。什么是人工智能-人工智能三大要素：算法、計(jì)算和數(shù)據(jù)如今這個(gè)時(shí)代，無時(shí)無刻不在產(chǎn)生大數(shù)據(jù)。移動(dòng)設(shè)備、廉價(jià)的照相機(jī)、無處不在的傳感器等等積累的數(shù)據(jù)。這些數(shù)據(jù)形式多樣化，大部分都是非結(jié)構(gòu)化數(shù)據(jù)。如果需要為人工智能算法所用，就需要進(jìn)行大量的預(yù)處理過程。什么是人工智能-人工智能三大要素：算法、計(jì)算和數(shù)據(jù)拿車打比方，算法就像發(fā)動(dòng)機(jī)；數(shù)據(jù)是油，提供動(dòng)力；計(jì)算力就是車輪，驅(qū)動(dòng)車輪前進(jìn)。這三個(gè)要素缺一不可。數(shù)據(jù)：人工智能的智能都蘊(yùn)含在大數(shù)據(jù)中。算法是實(shí)現(xiàn)人工智能的根本途徑，是挖掘數(shù)據(jù)智能的有效方法。算力為人工智能提供了基本的計(jì)算能力的支撐。人工智能在各行業(yè)的應(yīng)用-人工智能產(chǎn)業(yè)鏈人工智能產(chǎn)業(yè)鏈在過去的5-10年，人工智能技術(shù)得以商業(yè)化，只要得益?zhèn)鞲衅鞯扔布r(jià)格快速下降，云服務(wù)的普及，以及GPU等芯片使大規(guī)模并行計(jì)算能力得以提升。人工智能產(chǎn)業(yè)在基礎(chǔ)設(shè)施層面的搭建已經(jīng)基本形成個(gè)人助理無人駕駛智能安防智能金融機(jī)器人智能家居方案集成層智能醫(yī)療方案集成層應(yīng)用技術(shù)層與其他技術(shù)相比，語(yǔ)音識(shí)別在技術(shù)和應(yīng)用方面都已經(jīng)較為成熟，谷歌、亞馬遜、蘋果、百度、阿里巴巴等巨頭的布局很深，科大訊飛等企業(yè)也顯示了良好的增長(zhǎng)勢(shì)頭。另外計(jì)算機(jī)視覺尤其是人臉識(shí)別、自然語(yǔ)言處理等方向也將是技術(shù)和應(yīng)用較快發(fā)展的領(lǐng)域。應(yīng)用技術(shù)層計(jì)算機(jī)視覺自然語(yǔ)言處理半導(dǎo)體芯片語(yǔ)言識(shí)別云服務(wù)深度學(xué)習(xí)傳感器主要是把人工智能相關(guān)技術(shù)集成到自己的產(chǎn)品和服務(wù)中，然后切入特定場(chǎng)景（金融、家居、醫(yī)療、安防、車載等）。未來場(chǎng)景數(shù)據(jù)完成（信息化程度原本就比較高的行業(yè)或數(shù)據(jù)洼地行業(yè)）、反饋機(jī)制清晰、追求效率動(dòng)力比較強(qiáng)的場(chǎng)景將率先實(shí)現(xiàn)AI技術(shù)的大規(guī)模商業(yè)化。目前看來，醫(yī)療、自動(dòng)駕駛、安防、金融、營(yíng)銷等領(lǐng)域是業(yè)內(nèi)人士普遍看好的方向?；A(chǔ)設(shè)施層大數(shù)據(jù)基礎(chǔ)設(shè)施層人工智能應(yīng)用各個(gè)領(lǐng)域智能教育

2.2%智能安防

7.3%計(jì)算機(jī)視覺

24.1%智能醫(yī)療

3.6%語(yǔ)言識(shí)別

5.1%自然語(yǔ)言處理

13.9%

智能金融

14.6%智能機(jī)器人

28.5%

芯片

0.7%人工智能應(yīng)用于醫(yī)療健康領(lǐng)域人工智能+醫(yī)療技術(shù)的解析-技術(shù)類型非機(jī)器學(xué)習(xí)：知識(shí)庫(kù)，規(guī)則引擎機(jī)器學(xué)習(xí)：從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律深度學(xué)習(xí)：深度神經(jīng)網(wǎng)絡(luò)（實(shí)現(xiàn)機(jī)器學(xué)習(xí)的其中一種手段）人工智能+醫(yī)療技術(shù)的解析-機(jī)器學(xué)習(xí)TEP算法模型評(píng)估機(jī)器學(xué)習(xí)是數(shù)據(jù)通過算法構(gòu)建出模型并對(duì)模型進(jìn)行評(píng)估評(píng)估的性能如果達(dá)到要求就拿這個(gè)模型來測(cè)試其他的數(shù)據(jù)如果達(dá)不到要求就調(diào)整算法來重新建立模型，再次進(jìn)行評(píng)估如此循環(huán)往復(fù)，最終獲得滿意的經(jīng)驗(yàn)來處理其他的數(shù)據(jù)人工智能+醫(yī)療技術(shù)的解析-機(jī)器學(xué)習(xí)類型介于監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)之間一種機(jī)器學(xué)習(xí)方式，主要考慮如何利用少量的標(biāo)注樣本和大量的未標(biāo)注樣本進(jìn)行訓(xùn)練和分類的問題；首先試圖對(duì)未標(biāo)識(shí)數(shù)據(jù)進(jìn)行建模，在此基礎(chǔ)上再對(duì)標(biāo)識(shí)的數(shù)據(jù)進(jìn)行預(yù)測(cè)從給定的訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)一個(gè)函數(shù)（模型），當(dāng)新的數(shù)據(jù)到來時(shí)，可以根據(jù)這個(gè)函數(shù)(模型）預(yù)測(cè)結(jié)果；輸入數(shù)據(jù)被稱為“訓(xùn)練數(shù)據(jù)”，每組訓(xùn)練數(shù)據(jù)有一個(gè)明確的標(biāo)識(shí)或結(jié)果。如，防垃圾郵件系統(tǒng)中“垃圾郵件”半監(jiān)督學(xué)習(xí)半監(jiān)督學(xué)習(xí)的效果難以保證，有時(shí)候甚至比僅僅用少量標(biāo)注樣本訓(xùn)練更差常見的監(jiān)督學(xué)習(xí)算法包括回歸分析和統(tǒng)計(jì)分類監(jiān)督學(xué)習(xí)強(qiáng)化學(xué)習(xí)無監(jiān)督學(xué)習(xí)數(shù)據(jù)并不被特別標(biāo)識(shí)，學(xué)習(xí)模型是為了推斷出數(shù)據(jù)的一些內(nèi)在結(jié)構(gòu)，常見算法包括Apriori算法和k-means算法找到能夠使得長(zhǎng)期累積獎(jiǎng)賞最大化的策略，強(qiáng)化學(xué)習(xí)在某種意義上可以看作具有延遲標(biāo)記信息的監(jiān)督學(xué)習(xí)問題常見的應(yīng)用場(chǎng)景包括關(guān)聯(lián)規(guī)則的學(xué)習(xí)以及聚類與監(jiān)督式學(xué)習(xí)相同點(diǎn)：都有訓(xùn)練集，且都有輸入和輸出應(yīng)用場(chǎng)景：動(dòng)態(tài)系統(tǒng)，機(jī)器人控制與監(jiān)督式學(xué)習(xí)不同點(diǎn)：訓(xùn)練集目標(biāo)是否被標(biāo)注人工智能+醫(yī)療技術(shù)的解析-深度學(xué)習(xí)-醫(yī)學(xué)影像MedicalPhotographySurgeryPathologyRoboticsthe

structural

information

of

human

tissueanatomyPETSPECTMetabolicinformationof

human

tissue機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的區(qū)別淺層神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的區(qū)別醫(yī)學(xué)人工智能三要素之?dāng)?shù)據(jù)：X、Y的一對(duì)數(shù)據(jù)醫(yī)院從不缺少原始數(shù)據(jù)X，缺少的是與之對(duì)應(yīng)的高質(zhì)量標(biāo)簽Y不同Y的類型對(duì)應(yīng)不同的問題類型貓（分類）36cm長(zhǎng)（回歸）醫(yī)學(xué)人工智能三要素之算法：機(jī)器學(xué)習(xí)算法的知識(shí)圖譜模型f1優(yōu)于f2監(jiān)督學(xué)習(xí)，數(shù)據(jù)組成是：原始數(shù)據(jù)X

+

標(biāo)簽Y無監(jiān)督學(xué)習(xí)，數(shù)據(jù)組成是：原始數(shù)據(jù)X半監(jiān)督學(xué)習(xí)，數(shù)據(jù)組成是：原始數(shù)據(jù)X

+

部分標(biāo)簽Y1、醫(yī)學(xué)人工智能問題實(shí)際上就是根據(jù)X、Y，采用某種算法，得到某種模型；2、給定一種算法，實(shí)際上確定了一組模型；3、再給定一套參數(shù)，實(shí)際上確定了一個(gè)模型；醫(yī)學(xué)人工智能三要素之算力：GPU（DGX1V）及天河二號(hào)超算TitanX-GPU已經(jīng)比CPU快60倍；DGX-1V又比TitanX快10倍；DGX1V-GPU超級(jí)計(jì)算機(jī)完全滿足MRI、CT等3D影像處理需求醫(yī)學(xué)人工智能類項(xiàng)目或課題如何設(shè)計(jì)？1.

建議選擇影像類數(shù)據(jù)（CT、MR、US、X、PET、病理、心電圖、眼底圖、皮膚鏡圖等），因?yàn)锳I在視覺領(lǐng)域技術(shù)最成熟，同時(shí)視覺包含的信息最多。2.

數(shù)據(jù)可以采用單模態(tài)，但越來越多的人用多模態(tài)、影像組學(xué)。3.

醫(yī)生需要確定項(xiàng)目擬解決的問題，同樣的數(shù)據(jù)，AI模型可用于解決不同的問題。4.不同的問題，不同的標(biāo)簽Y，分類/回歸屬于圖片級(jí)標(biāo)簽，病灶分割/器官分割屬于像素級(jí)標(biāo)簽。5.

可參考RCT方法，針對(duì)治療組、對(duì)照組分別建模，進(jìn)行療效預(yù)測(cè)、方案優(yōu)化。二、醫(yī)學(xué)人工智能應(yīng)用醫(yī)療AI場(chǎng)景圖：根據(jù)技術(shù)能力結(jié)合臨床需求選擇切入點(diǎn)場(chǎng)景一：醫(yī)學(xué)影像識(shí)別場(chǎng)景二：分類預(yù)測(cè)場(chǎng)景三：可能性預(yù)測(cè)場(chǎng)景四：關(guān)聯(lián)預(yù)測(cè)挖掘疾病與生理指標(biāo)之間的相關(guān)關(guān)系，探索不同的疾病在生理指標(biāo)上的差異性比如：根據(jù)各項(xiàng)生理

檢查指標(biāo)數(shù)據(jù)，判斷李四得了良性肺癌腫瘤；比如區(qū)分極易混淆的

病和

病。常用的場(chǎng)景之一。根據(jù)各種臨床數(shù)據(jù)預(yù)測(cè)，張三得某種病的概率為89%；某病人即將手術(shù)，預(yù)測(cè)其風(fēng)險(xiǎn)概率為45%；對(duì)各種疾病在各種合并癥上進(jìn)行關(guān)聯(lián)規(guī)則分析，分析發(fā)生某一合并癥的條件下發(fā)生另一種合并癥的概率，探索合并癥的關(guān)聯(lián)關(guān)系及因果關(guān)系。對(duì)數(shù)據(jù)量有很大要求。自動(dòng)學(xué)習(xí)惡性腫瘤細(xì)胞與正常細(xì)胞間的差異以及癌癥病情的分析和判斷標(biāo)準(zhǔn)，給出判斷結(jié)果。計(jì)算機(jī)還能發(fā)現(xiàn)人眼不易察覺的小細(xì)節(jié)，并總結(jié)出一些醫(yī)生意料之外的規(guī)律。最常用的場(chǎng)景之一場(chǎng)景六：聚類分析場(chǎng)景八：臨床提出場(chǎng)景五：病歷分析場(chǎng)景七：遷移學(xué)習(xí)采用文本挖掘技術(shù)，對(duì)病歷文本進(jìn)行分析：醫(yī)保費(fèi)用異常預(yù)警、醫(yī)保費(fèi)用影響因素分析、醫(yī)保費(fèi)用預(yù)測(cè)。運(yùn)用深度學(xué)習(xí)最新的遷移學(xué)習(xí)，我們模型對(duì)醫(yī)療影像的識(shí)別正確率達(dá)到頂尖專家的水準(zhǔn)，而且遷移到其它種類的疾病，能降低對(duì)訓(xùn)練數(shù)據(jù)數(shù)量需求，同時(shí)識(shí)別也達(dá)到高水準(zhǔn)從病歷文本中提取關(guān)鍵詞將同類型的病歷歸類利用索賠人基本信息、索賠理由、索賠歷史、結(jié)合索賠規(guī)則和算法等，做成賠付自動(dòng)化系統(tǒng)，提高索賠準(zhǔn)確性，降低欺詐索賠率提取某種病的共性主訴

診斷尋找相似病歷供醫(yī)生研判場(chǎng)景一：

gRNA切割效率預(yù)測(cè)1需求描述找出規(guī)律，篩選出切割效率高的gRNA234數(shù)據(jù)樣本量數(shù)據(jù)示例2700-3000

條gRNA基因名稱+gRNA序列+陽(yáng)性率數(shù)據(jù)（切割效率數(shù)據(jù)）影響因素說明gRNA本身的序列特征：GC含量，重復(fù)結(jié)構(gòu)，二級(jí)結(jié)構(gòu)場(chǎng)景二：細(xì)胞狀態(tài)的好壞預(yù)測(cè)1234根據(jù)細(xì)胞圖片判斷動(dòng)物的嵌合率和出生率需求描述數(shù)據(jù)樣本量數(shù)據(jù)示例2000張細(xì)胞圖片內(nèi)部編號(hào)+克隆號(hào)+嵌合率+出生率影響因素說明克隆本身質(zhì)量；操作原因。場(chǎng)景二：細(xì)胞狀態(tài)的好壞預(yù)測(cè)復(fù)蘇注射克

注射胚胎數(shù)

出生小鼠數(shù)注射日期內(nèi)部編號(hào)

DNA名稱嵌合體數(shù)目

嵌合率出生率隆編號(hào)量量2018/3/13KI409-tsdmCx3c

r1mHrh

22A630.001.001.000.00100%0%3.33%0.00%2018/3/19

CK756-tsd3G930.000.00場(chǎng)景三：打靶位置對(duì)同源重組效率（PCR陽(yáng)性率）的影響預(yù)測(cè)1234篩選出打靶效率高的位置需求描述數(shù)據(jù)樣本量數(shù)據(jù)示例2700-3000載體序列基因名稱+載體序列+陽(yáng)性率數(shù)據(jù)影響因素說明同源臂的序列特征：GC含量，重復(fù)序列，二級(jí)結(jié)構(gòu)場(chǎng)景四：遷移學(xué)習(xí)降低訓(xùn)練數(shù)據(jù)數(shù)量運(yùn)用深度學(xué)習(xí)最新的遷移學(xué)習(xí)，我們模型對(duì)醫(yī)療影像的識(shí)別正確率達(dá)到頂尖專家的水準(zhǔn)，而且遷移到其它種類的疾病，能降低對(duì)訓(xùn)練數(shù)據(jù)數(shù)量需求，同時(shí)識(shí)別也達(dá)到高水準(zhǔn)Fig.1

深度學(xué)習(xí)之遷移學(xué)習(xí)原理圖場(chǎng)景四：遷移學(xué)習(xí)降低訓(xùn)練數(shù)據(jù)數(shù)量對(duì)眼科4種類型AI識(shí)別正確率95.4%遷移這種能力，用少量肺部標(biāo)記影像做訓(xùn)練，對(duì)小兒肺炎識(shí)別正確率達(dá)到91.1%，足夠的正確率將大大減輕醫(yī)生工作量Virus（病毒）Bacteria（細(xì)菌）Normal具體落地產(chǎn)品1：虛擬助理語(yǔ)義理解語(yǔ)音識(shí)別1.醫(yī)生將使用

AI

虛擬助手（例如使用類似于Apple

Siri的軟件工具，但專門針對(duì)特定的醫(yī)療應(yīng)用程序）進(jìn)行練習(xí)。2.

AI

虛擬助理將通過持續(xù)和實(shí)時(shí)的智能建議來支持患者和健康人員進(jìn)行健康維護(hù)。3、以前只能在醫(yī)院使用的醫(yī)療設(shè)備將出現(xiàn)在家庭里，可以進(jìn)行更精確和及時(shí)的監(jiān)測(cè)。4、基于從現(xiàn)有的和廣泛采用的數(shù)字設(shè)備（如智能手機(jī)）中收集的數(shù)據(jù)，未來將出現(xiàn)負(fù)擔(dān)得起的診斷和治療疾病的新工具。5、機(jī)器人和家庭

AI

系統(tǒng)將幫助獨(dú)立生活的患者。具體落地產(chǎn)品2：醫(yī)學(xué)影像識(shí)別食

管

癌

的

早

期

治

療骨齡智能診斷系統(tǒng)宮

頸

癌

、

乳

腺

癌《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020年）》醫(yī)療影像輔助診斷系統(tǒng)方面，到2020年，國(guó)內(nèi)先進(jìn)的多模態(tài)醫(yī)學(xué)影像輔助診斷系統(tǒng)對(duì)以上典型疾病的檢出率超過95%，假陰性率低于1%，假陽(yáng)性率低于5%。肺癌影像診斷肺結(jié)節(jié)檢查糖網(wǎng)病醫(yī)學(xué)影像處理具體落地產(chǎn)品3：電子病歷與文獻(xiàn)分析原理與應(yīng)用1、知識(shí)抽取2、

知識(shí)融合3、知識(shí)推理4、質(zhì)量評(píng)估具體落地產(chǎn)品4：藥物研發(fā)傳統(tǒng)藥物研發(fā)存在巨大的痛點(diǎn)，研發(fā)周期長(zhǎng)、成功率低，而人工智能與基于藥物臨床試驗(yàn)計(jì)算機(jī)模擬技術(shù)（CTS）的結(jié)合可能極大地提高新藥研發(fā)效率，降低企業(yè)成本。具體落地產(chǎn)品5：輔助診療系統(tǒng)傳感器數(shù)據(jù)病歷數(shù)據(jù)診斷結(jié)果舌

診舌診：脈診：面診：手診：輔助診療系統(tǒng)圖像處理機(jī)器學(xué)習(xí)輸出知識(shí)圖譜深度學(xué)習(xí)自然語(yǔ)言處理面

診三、醫(yī)學(xué)人工智能實(shí)踐實(shí)例演示-乳腺腫瘤診斷預(yù)測(cè)（良性/惡性）原始數(shù)據(jù)：在乳腺癌診斷中，特征包括癌細(xì)胞的半徑，光滑度，面積等ABcDEFGH1JKLid

diagnosis842302

M842517

M84300903

M84348301

M84358402

M843786

M844359

M84458202

M844981

M84501001

M845636

M84610002

M846226

M846381

M84667401

M84799002

M848406

M84862001

M849014

M8510426

B8510653

B8510824

B8511133

M851509

M852552

M852631

M852763

M852781

M852973

M853201

M853401

M853612

M85382601

M854002

M854039

M854253

M854268

M854941

Bradiustextureperimeterarea122.8132.9130smoothness

compactness

concavity

concave

points

symmetryfractal

dimension17.9910.3810010.11840.084740.10960.14250.10030.12780.094630.11890.12730.11860.082060.09710.09740.084010.11310.11390.098670.1170.27760.078640.15990.28390.13280.170.30010.08690.19740.24140.1980.14710.070170.12790.24190.18120.20690.25970.18090.20870.17940.21960.2350.078710.056670.059990.097440.058830.076130.057420.074510.073890.082430.056970.060820.07820.5719.6911.4220.2912.4518.2513.711317.7721.2520.3814.3415.713261203386.11297477.11040577.9519.8475.9797.878177.58135.182.57119.690.20.10520.10430.15780.11270.080890.07419.9820.8321.8224.0423.2417.8924.80.1090.1645

0.093660.059850.093530.085430.033230.066060.111887.50.19320.23960.18590.227312.4616.0215.7819.1715.8513.7314.5414.6816.1319.8113.5413.089.50415.3421.1616.6517.1414.5818.6115.383.97102.7103.6132.4103.793.60.2030.06669

0.032990.1292

0.099540.15280.18420.23970.18470.20690.23030.15860.21640.15820.18850.19670.18150.25210.17690.19950.3041123782.7578.3658.8684.5798.81260566.35200.24580.206523.9522.6127.5420.1320.6822.1514.3615.7112.4414.2623.0421.3816.40.1002

0.099380.053640.080250.073640.052590.10280.053380.076820.070770.059220.073560.053950.057660.068110.069050.070320.052780.06330.22930.15950.21280.163996.7394.74108.11300.072

0.073950.20220.10270.17220.14790.098310.097790.10750.10240.10730.094280.11210.11860.10540.09440.10820.098470.10640.11090.11970.094010.1040.094980.047810.031187.4685.6360.34102.5137.21100.08129

0.066640.127

0.04568273.9704.41404904.6912.7644.81094732.4955.11088440.6899.31162807.2869.56330.06492

0.029560.020760.097560.086320.09170.21350.10220.14570.22760.18680.10660.16970.20770.10970.15250.22290.14250.1491160.14010.074130.069240.056990.065421.5320.2525.2715.0525.1118.797.41122.1102.41150.087830.077310.087510.079530.12440.22520.16970.19260.17390.21830.23010.22480.18530.19980.18960.18850.14670.15650.1720.168317.5718.6311.8417.0219.2716.1316