人工智能技术在医学领域的应用与前景课件

人工智能技术在医学领域的应用与前景人工智能技术在医学领域的应用与前景1人工智能、机器学习还是深度学习？人工智能、机器学习还是深度学习？2机器学习的定义A

computer

programissaid

tolearn

from

experience

E

withrespect

tosomeclass

of

tasksTandperformance

measure

P,ifitsperformance

attasksinT,asmeasuredby

P,improves

withexperience

E.——Tom

Mitchel，Machine

Learning计算机通过对已有资料的来积累经验，自动提高对任务的处理性能。模型样本结果预测训练机器学习的定义Acomputerprogramiss3机器学习的典型问题范畴SVMkNNLR例如：肺部结节良恶性判定C4.5回归LinearSVRPR例如：载脂蛋白同低密度胆固醇的关联分析k-meansDBSCANSpectral例如：基于分子分型和临床表现的相似群体划分PCASVDLDA降维例如：癫痫患者脑电信号的电极选择和特征提叏DNNCNNRNN例如：影像数据变换为反映异常情况的定长数值向量机器学习的典型问题范畴SVMkNN例如：肺部结节良恶性判定C4当前医疗领域机器学习应用热点方向医学影像处理1.

影像分类‣

检查分类‣

目标区域/病灶分类2.

目标检测‣

器官、组织及标记定位‣

病灶检测3.

图像分割‣

器官/解剖结构区域分割‣

病灶区域分割4.

影像检索‣

基于内容的影像检索病历信息结构化医院舆情监控当前医疗领域机器学习应用热点方向1.影像分类‣检查分类‣5前沿研究成果基于乳腺钼靶影像的病变检测检测效能接近人类丏家水平AUC

=

0.852

(AI)vs.

AUC=

0.911(MeanReader)Kooi,T.,Litjens,G.,

vanGinneken,B.,Gubern-Mérida,

A.,Sánchez,C.

I.,Mann,R.,denHeeten,

A.,Karssemeijer,

N.,

2016.Large

scale

deep

learningfor

computer

aideddetectionofmammographic

lesions.

MedicalImage

Analysis

35,

303–312前沿研究成果基于乳腺钼靶影像的病变检测检测效能接近人类丏家水6前沿研究成果*基于脑部MRI的白质高信号灶分割分割效能接近人类丏家水平Dice=

0.780

(AI)vs.

Dice=0.796(Indep.

Obs)Ghafoorian,

M.,Karssemeijer,N.,Heskes,

T.,vanUden,I.W.

M.,de

Leeuw,F.-E.,Marchiori,

E.,vanGinneken,B.,Platel,B.,2016b.

Non-uniform

patch

samplingwithdeep

convolutionalneu-

ral

networksfor

whitematter

hyperintensitysegmentation.

In:IEEE

InternationalSymposium

onBiomedicalImaging.

pp.

1414–

1417前沿研究成果*基于脑部MRI的白质高信号灶分割分割效能接近人7前沿研究成果*基于皮肤镜照片的皮肤癌分类诊断分类效能达到人类丏家水平AUC

=

0.91

(AI)Esteva,A.,Kuprel,B.,Novoa,R.A.,Ko,J.,Swetter,

S.M.,

Blau,H.M.,

Thrun,S.,

2017.

Dermatologist-level

classification

ofskincancer

withdeep

neuralnetworks.

Nature542,

115–118前沿研究成果*基于皮肤镜照片的皮肤癌分类诊断分类效能达到人类8前沿研究成果*基于数字病理切片的乳腺癌淋巴结转移检测检测效能达到人类丏家水平AUC

=

0.986

(AI)vs.

AUC=

0.966

(Pathologist)Yun

L.,

KrishnaG.,

Mohammad

N.,

GeorgeE.D.,TimoK.,AlekseyB.,Subhashini

V.,Aleksei

T.,

PhilipQ.N.,GregS.C.,JasonD.

H.,LilyP.,

Martin

C.S.,

2017.DetectingCancerMetastases

onGigapixelPathology

Images.ArXiv前沿研究成果*基于数字病理切片的乳腺癌淋巴结转移检测检测效能9前沿研究成果*基于眼底照片的糖尿病性视网膜病变检测检测效能达到人类丏家水平AUC

=

0.991

(AI)Gulshan,

Varun,

etal.

Developmentandvalidationofadeep

learningalgorithmfor

detectionofdiabeticretinopathy

inretinalfundus

photographs.JAMA316.22(2016):

2402-2410前沿研究成果*基于眼底照片的糖尿病性视网膜病变检测检测效能达10前沿研究成果*胸片骨减影减影后影像质量超过了常用的双能量数字减影摄影术（DES）Yang,

W.,

Chen,Y.,Liu,

Y.,Zhong,

L.,

Qin,G.,

Lu,

Z.,

Feng,

Q.,Chen,W.,

2016c.

Cascade

ofmulti-scale

convolutionalneuralnet-

works

forbonesuppressionofchestradiographs

ingradient

do-main.

MedicalImageAnalysis35,

421–433前沿研究成果*胸片骨减影减影后影像质量超过了常用的双能量数字11结构化病历数据解决方案DRESSEngine

&Fellow-XEngine医学彔入员A医学彔入员B识别彔入A交叉审查终审QC待识别病历科室数据中心识别彔入B基于原始数据：·

290,000份“病理报告&结构化数据”·

250,000份“影像报告&结构化数据”·

180,000份“手术记彔&结构化数据”结构化病历数据解决方案DRESSEngine&Fell12部分基于结构化病历数据的研究成果肺部结节检测模型血小板减少症风险预测（肺癌化疗后）中性粒细胞减少症预测模型血红蛋白减少症风险预测（肺癌化疗后）（肺癌化疗后）部分基于结构化病历数据的研究成果肺部结节检测模型血小板减少症13智能舆情监控成果“中科天启系统是LinkDoc联手中科院计算所烟台分所共同打造全球首个针对医疗机构大数据舆情风险监控管理系统。此系统智能学习LinkDoc十年医疗舆情数据库，5400+重大舆情事件。通过聚类、分类、语义识别等AI技术，为医疗机构提供实时的舆情信息，对舆情危机提前収现、提前处理，幵通过对数据分析和整理帮助了解行业动态、用户需求，构建和谐的医患关系。系统支持PC端及手机客户端，方便实时查看。“智能舆情监控成果“中科天启系统是LinkDoc联手中科院计算14智能舆情监控成果*中科天启系统已为全国数十家医院提供院外大数据风险监控解决方案合作机构中国医师协会官方战略合作伙伴中国医患数据中心信息技术运营商中国医疗风险丏业委员会委员部分合作医院四川大学华西医院中南大学湘雅医院泰达心血管病医院四川大学华西第二医院北京大学第三医院北京胸科医院上海市胸科医院天津市眼科医院云南省玉溪市人民医院天津医科大学总医院上海肺科医院江苏省人民医院智能舆情监控成果*中科天启系统已为全国数十家医院提供院外大数15机器学习应用于临床医学所面临的挑战1.优化目标定义2.可用数据3.因果性/可解释性部分临床问题缺乏共识定义，难以借力机器学习(1)

标注数据缺乏(2)

临床数据结构化问题(3)

跨时间维度数据跟踪(1)

机器学习的本质是对自变量(X)和因变量(Y)之间关联性的学习(2)

非线性关系的映射因其复杂性，难以建立因果关系的映射针对有明确定义的临床问题进行探索(1)

弱监督学习

&迁移学习(2)

规范流程

&

数据结构化(3)

建立临床数据跟踪体系(1)

模型分层，在不同粒度上与已知的医学概念进行映射(2)

模型可视化机器学习应用于临床医学所面临的挑战1.优化目标定义2.可16Thank

YouThankYou17人工智能技术在医学领域的应用与前景人工智能技术在医学领域的应用与前景18人工智能、机器学习还是深度学习？人工智能、机器学习还是深度学习？19机器学习的定义A

computer

programissaid

tolearn

from

experience

E

withrespect

tosomeclass

of

tasksTandperformance

measure

P,ifitsperformance

attasksinT,asmeasuredby

P,improves

withexperience

E.——Tom

Mitchel，Machine

Learning计算机通过对已有资料的来积累经验，自动提高对任务的处理性能。模型样本结果预测训练机器学习的定义Acomputerprogramiss20机器学习的典型问题范畴SVMkNNLR例如：肺部结节良恶性判定C4.5回归LinearSVRPR例如：载脂蛋白同低密度胆固醇的关联分析k-meansDBSCANSpectral例如：基于分子分型和临床表现的相似群体划分PCASVDLDA降维例如：癫痫患者脑电信号的电极选择和特征提叏DNNCNNRNN例如：影像数据变换为反映异常情况的定长数值向量机器学习的典型问题范畴SVMkNN例如：肺部结节良恶性判定C21当前医疗领域机器学习应用热点方向医学影像处理1.

影像分类‣

检查分类‣

目标区域/病灶分类2.

目标检测‣

器官、组织及标记定位‣

病灶检测3.

图像分割‣

器官/解剖结构区域分割‣

病灶区域分割4.

影像检索‣

基于内容的影像检索病历信息结构化医院舆情监控当前医疗领域机器学习应用热点方向1.影像分类‣检查分类‣22前沿研究成果基于乳腺钼靶影像的病变检测检测效能接近人类丏家水平AUC

=

0.852

(AI)vs.

AUC=

0.911(MeanReader)Kooi,T.,Litjens,G.,

vanGinneken,B.,Gubern-Mérida,

A.,Sánchez,C.

I.,Mann,R.,denHeeten,

A.,Karssemeijer,

N.,

2016.Large

scale

deep

learningfor

computer

aideddetectionofmammographic

lesions.

MedicalImage

Analysis

35,

303–312前沿研究成果基于乳腺钼靶影像的病变检测检测效能接近人类丏家水23前沿研究成果*基于脑部MRI的白质高信号灶分割分割效能接近人类丏家水平Dice=

0.780

(AI)vs.

Dice=0.796(Indep.

Obs)Ghafoorian,

M.,Karssemeijer,N.,Heskes,

T.,vanUden,I.W.

M.,de

Leeuw,F.-E.,Marchiori,

E.,vanGinneken,B.,Platel,B.,2016b.

Non-uniform

patch

samplingwithdeep

convolutionalneu-

ral

networksfor

whitematter

hyperintensitysegmentation.

In:IEEE

InternationalSymposium

onBiomedicalImaging.

pp.

1414–

1417前沿研究成果*基于脑部MRI的白质高信号灶分割分割效能接近人24前沿研究成果*基于皮肤镜照片的皮肤癌分类诊断分类效能达到人类丏家水平AUC

=

0.91

(AI)Esteva,A.,Kuprel,B.,Novoa,R.A.,Ko,J.,Swetter,

S.M.,

Blau,H.M.,

Thrun,S.,

2017.

Dermatologist-level

classification

ofskincancer

withdeep

neuralnetworks.

Nature542,

115–118前沿研究成果*基于皮肤镜照片的皮肤癌分类诊断分类效能达到人类25前沿研究成果*基于数字病理切片的乳腺癌淋巴结转移检测检测效能达到人类丏家水平AUC

=

0.986

(AI)vs.

AUC=

0.966

(Pathologist)Yun

L.,

KrishnaG.,

Mohammad

N.,

GeorgeE.D.,TimoK.,AlekseyB.,Subhashini

V.,Aleksei

T.,

PhilipQ.N.,GregS.C.,JasonD.

H.,LilyP.,

Martin

C.S.,

2017.DetectingCancerMetastases

onGigapixelPathology

Images.ArXiv前沿研究成果*基于数字病理切片的乳腺癌淋巴结转移检测检测效能26前沿研究成果*基于眼底照片的糖尿病性视网膜病变检测检测效能达到人类丏家水平AUC

=

0.991

(AI)Gulshan,

Varun,

etal.

Developmentandvalidationofadeep

learningalgorithmfor

detectionofdiabeticretinopathy

inretinalfundus

photographs.JAMA316.22(2016):

2402-2410前沿研究成果*基于眼底照片的糖尿病性视网膜病变检测检测效能达27前沿研究成果*胸片骨减影减影后影像质量超过了常用的双能量数字减影摄影术（DES）Yang,

W.,

Chen,Y.,Liu,

Y.,Zhong,

L.,

Qin,G.,

Lu,

Z.,

Feng,

Q.,Chen,W.,

2016c.

Cascade

ofmulti-scale

convolutionalneuralnet-

works

forbonesuppressionofchestradiographs

ingradient

do-main.

MedicalImageAnalysis35,

421–433前沿研究成果*胸片骨减影减影后影像质量超过了常用的双能量数字28结构化病历数据解决方案DRESSEngine

&Fellow-XEngine医学彔入员A医学彔入员B识别彔入A交叉审查终审QC待识别病历科室数据中心识别彔入B基于原始数据：·

290,000份“病理报告&结构化数据”·

250,000份“影像报告&结构化数据”·

180,000份“手术记彔&结构化数据”结构化病历数据解决方案DRESSEngine&Fell29部分基于结构化病历数据的研究成果肺部结节检测模型血小板减少症风险预测（肺癌化疗后）中性粒细胞减少症预测模型血红蛋白减少症风险预测（肺癌化疗后）（肺癌化疗后）部分基于结构化病历数据的研究成果肺部结节检测模型血小板减少症30智能舆情监控成果“中科天