2016世界医疗机器人大会共话医疗机器人未来

mmexport1477751539531

主持人:今天下午第一阶段的主题是机器人辅助医疗,首先欢迎王平安教授给我们发表主题演讲,王平安教授是香港中文大学计算机科学与工程学系主任兼教授、中国科学院深圳先进技术研究院集成所人机交互研究中心主任,大家欢迎王教授。

 

王平安:各位专家,各位嘉宾,大家下午好!我是来自香港中文大学还有先进技术研究院,我们主要集中在医学图像跟手术模拟这两块。

先讲一下医学图像,我们开始把深度学习应用在医学图象,主要两方向,一个测试。比如说病理血片、癌症细胞的探测,也可以用来做超声自动探测,也把它用到MI数据方面。另外一方面是在Segmentation,有在线体的分割,取得非常好的效果。除了这个之外也把它用来做自动的肝脏分割,在CT图象方面,我们也参加很多国际大赛的挑战,在医学图像自动处理方面。这也说明了深度学习的确在医学图像有很大的研究空间。

接下来我集中讲手术模拟这块。为什么我们对手术模拟那么有兴趣,主要是目前手术训练存在很多困境,例如用人的尸体训练,但是毕竟尸体也没有动态的情况可以学习,我们也可以用动物来学习,但毕竟动物跟人还是非常不一样,不少地方在病人身上学习,毕竟在对病人有风险,也不太合理。另外一个可以取代的方向之一就是虚拟手术,可以通过集成的软件跟硬件构建非常逼真的虚拟环境,可以达到非常有效的学习环境,可以应用不同的需要做更改组配,可以重复学习,长期来说也可以提高医生手术的手段,改善病人的一些不必要的风险。

在虚拟手术这块,比较关键的技术主要是这五方面,第一个是医学图像,我们需要处理的图像包括CT、MR、超声等等,每一种有各自的强项。数据融合,怎么更有效的做可视化,也是很重要的一个研究课题。在手术模拟避不了的是做软组织的变形,比如血压流出来肌肉发生变化等等,这些结膜跟变形也是需要处理的事情。刚才上午的报告有提到力反馈这块,这个在手术模拟里面也是比较难的那块,医生在做手术的过程中手感觉到的力。它牵涉到很多领域,所以在集成之后的测试以及手术训练过程的评估,是不是很有效的训练系统,也是必须要做的工作。

我们在这两个中心做的一些方向包括虚拟解剖。其中虚拟解剖有在图形加速做了表面抽取光线的跟踪,深层次的剥离以及高逼真度的显示。比如我们也在人机交互上做了一些工作。这里面我们用到的是中国的一些数据,我们基本上通过一个Kinect可以去到任意我们想看到的页面。再加上我们用的是可以在网上运行的软件作为虚拟解剖学习的很好的工具。

这又是另外一个用户界面,跟虚拟解剖有关系的。三维打印非常热,我们也按照二比一的大小打印了一个三维模型,这个类似超声探头,就可以很方便的让用户去到任意一个界面,也是虚拟解剖根教学很好的手段跟工具。

整个手术模拟过程中,血流也是必须要照顾到的一个地方,我们用的是平滑粒子流体力学的方法构建血流的状态,也做了血管的建模以及各种各样的几何造型。

软组织变形主要用的工具包括弹簧模型也包括多层次的建模,还有通过血流的方法做到比较逼真,基于物理的变化。

简单介绍一下我们这几年在虚拟手术方面做的工作。其中包括严肃刚刚说的那个游戏。我们开始这方面的研究是在骨科,后面变成一个游戏的系统,我会讲一讲用超声引导的活检模拟还有整容手术模拟。每一个都有牵涉到不同技术的问题。比如刚刚那个游戏,开始我们只是一个手术模拟系统,后来从学习的家度,可能在各种各样的情况或者在学习的过程的掌控,以及更好的在评估用户跟系统之间,还有一些欠缺。这个游戏也是一个非常热的,一种研究式的学习。我们之前有很多成功的例子,就把它引进在手术模拟这个方向。我们第一个开发的这个游戏就在血流的控制方面,尤其是在骨科手术,血流是非常常见的问题,如果不能及时阻止大量血流,会对病人构成危险。所以是重要的训练。其中包含一些技术关键,比如软组织变形,就做到几何方面的建模跟弹性的建模,毕竟我们要做到有力反馈的弹性。模拟方面做到可视化,也有一些物理的考量在里面。如果更好的去模拟整个血流过程,我们的变形跟可视的模型基于已经分割好的数据,在整个身体结构方面比较有标准。我们分很多层次,从表皮、皮下脂肪到肌肉,构成多层次的结构。通过这个分割来的数据,构建一个多层次的结构,提供到比较逼真的血流以及力反馈的模拟。

这是整个系统的构建。在虚拟游戏的过程,有些东西是可以预处理,有些东西要实时模拟。刚才提到软组织变形流血或者硬件加速等等构建各种各样的,因为血流有不同的程度,有一级二级三级四级各种情况,可以用来作为一个训练的过程,同时也可以评估多长或者多短时间有效阻止血流,或者治疗过程中有一些无效动作就是扣分的。这些东西都可以很好的在一个游戏环节里面展开,让用户比较好的掌握到整个训练的过程。

第二个,关于超声导航的活检系统。这也是一个医生来联系我们,他觉得非常有必要构建这样一个训练系统。比如一个病人肝脏某一个部分有一个肿瘤,不知道是良性还是恶性。一般的情况会在超声引导下将一支针刺到那个部位,然后抽去做检验。我们构建的这个系统主要是希望达到这样一个训练的目的。这边可歌刊印它是用两只手力反馈的装备,一只手模拟探针另外一只手模拟超声的探头。首先要做很多数据的预处理,因为超声数据必须要采集好几套,桀接下来要做超声数据之间的配准,把多套超声数据融合成一个完整的超声数据。有这一整套的体数据之后做CT配准,因为CT可以提供更多的信息。我们是一个训练系统,可以提供多一点信息在里面。可视化方面要做到实时模拟,比如这个超声探头去到不同的位置,相对应的超声图象应该展现出来。我们也模拟了各种需要或者可以看到的情况,包括针插进去的动作。

这是整个框架,很大一部分包括数据处理,CT数据处理、超声数据处理,也模拟了探针,有力反馈的探针模拟、超声探头模拟。在整个力反馈过程中,要很逼真的模拟到当针插过皮肤或者肌肉或者肝脏等其他器官的力的反应,都是相对跟医生在操作过程的感觉非常接近,才算比较好的训练系统。基于同样的原理也发展成一个游戏。因为在这个游戏里面我们可以很动态的生成各种各样训练的情形,以不同的组合。比如这个黑色的表示针头是插不过去的,像人的骨头。浅蓝色的就是很容易让针插进去,对病人不会有什么影响。红色是对大的神经血管要避开的。我们可以各种各样组合构建各种难度的探针训练,也作为一种游戏场景的训练。当然也包括模拟相关的场景,超声就是按照你的状态自动生成超声图像。我们设备也经过不断的改进,我们把这套系统放在中山医院,请相关专家给我们提供评估反馈,不停改进。经过改进之后就是一个可以真正用训练的系统。

下面我讲的是血管介入手术的模拟,跟之前那两个非常不同。血管介入手术,也是医生找我们说非常有这个需要,做这么一套训练系统。血管介入手段也算一个微创手术,主要是开一个很小的孔,将导管插进人体里面,必须在X光射线引导下做一些血管有关的疾病治疗。通常需要用到的图像就包括CT图像或者MR图像,作为在这方面系列需要用到的图像。经常可以处理的就是一些跟血管有关系的,比如说血管阻塞、中风、血栓之类的。

我们的目的是希望构建一个虚拟平台学习血管介入有关的解剖结构,同时怎么模拟这个过程。这是整个系统的构建图,我们可以看到一大部分是在图像的处理,CT或者MRA包括分割、血管结膜,还有一块是导管模拟、血栓模拟,最后是整个集成跟可视化。

这个工作需要做的科研研究包括血管模型建模、导管的模拟,各种各样的碰撞检测,整个是集成之后的系统。血管介入主要涉及到几何模型以及各种各样的导管建模。这是我们一些可视化结果。也要做实际比较,在模拟过程跟实际现实过程的比较。刚才提到我们也可以构建更多难度的训练,也要邀请不少用户用了之后在治疗过程中有没有进步。这是我们构建好的一套系统,包括软件、硬件。这里可以看到整个动作医生在做的过程中非常接近,看到的地方也非常接近。这是他们在掌控导丝进入血管的过程,基本上是实时做它的动作,应该转、进或者退的动作。我们也加了其他的,包括加照影,这是已经加了照影的可视效果。我们可以看到这个导丝沿着血管去到它要去的地方。

最后要讲一下下颌骨整容的模拟。这是我的一个女学生做的工作,她选择跟美容有关的手术,就选择了这个。尽管这是一个非常不必要的手术。这是图的效果(见PPT)整容前跟整容后,主要是要改变轮廓。目前也算是相当普遍的一个整容手术。它牵涉到的是两个手术的过程,一个是需要用这个锯把凸出的骨锯掉,第二个是把锯掉的地方整平滑。这个项目最难是在力反馈,刚才我们做的是针刺过程,这个主要牵涉到骨钻骨锯,这个碰撞骨头属于多点碰撞,变成我们要很好的实时的模拟到钻骨头或者锯锯骨头感受的力。她的博士论文关键在处理力反馈的问题。这里面我们可以看到包括骨头的模型,各种各样骨锯、骨钻的模拟,各种各样的力都要考虑在里面,做了人机交互的界面。在人机交互界面里面主要包括刚才提到骨钻,是高速度旋转。还有骨头的属性,还有摩擦力、旋转力,把所有的力集成起来反馈到有立反馈装备的设备里面,可以让用户感受到骨钻在钻骨头或者锯在锯骨头的感觉。

为了证实我们这个是逼真的,就拿了骨头做了一个测试,测试关于直线速度的运动所感受到的力或者旋转速度所感受到的力,我们也比较了实际上测量到的力跟模拟的,是非常接近的。当然,我们有邀请医生来做这方面的检验,给我们回馈,我们可以做适当的调试。我们也请用户来做一些训练,也做了不同的测试,包括整合下颌骨等等,也评估了有训练跟没训练之间的差异,也做了虚拟手术跟实际手术完成的效果。

简单总结,医学图像跟手术模拟在医疗方面肯定扮演着非常重要的角色。尤其虚拟手术将会是一个非常重要的虚拟现实的应用。2014年Facebook以21亿美金收购了一间虚拟现实的公司,一下子整个虚拟现实业务非常热起来,虚拟现实又起又热了很多次,现在又是非常热的时候,在医学方面将是非常重要的方向。也有很多研究是需要再进行的,如果要达到非常逼真和有效的地步,谢谢!

 

主持人:谢谢王教授给我们发表的精彩演讲。其实我刚才注意到,王教授研究的广泛,尤其在VR这整个的领域里,都做了很多的研究。我研究了一下王教授的简介,他已经在这个领域在外发表了350多篇医学论文,这也是我们的运气,请他来给大家做的这个演讲,谢谢您!

下一位演讲嘉宾是Chee Kong CHUI,是新加坡国立大学机械工程学教授,IEEE生物医学工程学会新加坡分会主席,欢迎Chee Kong CHUI。

 

Chee Kong CHUI:非常感谢,我的名字叫Chee Kong CHUI,这是我的感谢。我来自与新加坡国立大学机械系的,我跟大家分享一下我们最近做的一些研究,这些研究是我们和很多人一起合作做成的。我想和各位分享一下我们做这些事情的初衷,为各位分享一下我们所做到的一些创新成果。这些创新成果可以应用到你实际的工作当中。今天我们谈论的话题是“寻找在自动化和人工控制在计算机与机器人辅助手术中的平衡点”。

手术室是一种非常复杂的环境,它可能一团糟,非常杂乱,而且不太容易进行清理,我们需要用很多设备对手术室进行清理,这种情况下就使得我们的清理工作变得更加复杂更加难以处理,同时里面还会有很多不同的用户。我们这个手术室会有很多不同的挑战,我们的挑战目的就是能找到更多的机会,从而能够更好的提高医院的运作效率。首先我们要多方合作,比如像外科医生还有工程师之间的协作。我们是需要眼和手之间的协调,这也是一个非常大的挑战。我们是可以使用一些技术来实现我们的目标。比如说我们可以使用这种多用单孔的手术设备。现在在新加坡我们有非常好的一些装置和设备,它是能够针对每一个患者进行调整和使用的,这样一种多用单孔手术设备非常有用。这样一些设备可以多用同时也可以提升它们的触达率。我们也对他们重新进行一些设计,并且对他们进行制作,并且能够更好的用在动物身上进行一些实验。其实我们还有其他的一些装置,比如说可拆式多孔腹腔镜。其中一个非常好的例子就是这里展示出来的,多拆式多孔腹腔镜。我们并不需要一个专用的腹腔镜的孔,我们这个腹腔镜是可拆式的,而且那边有摄像头,我们可以把很多不同的摄像头连到这个腹腔镜里头,我们也在动物身上做过实验。

我们在这方面还有一些创新,而这样一些创新看起来是不大可能实现,但事实上已经研发出来的,骨血组织分离设备。这是对于肝的切除术,意味着我们可以切这个肝的很大一部分,很快就可以使得它的血能够止住。我们怎么样才能够保证它是无血的,目的就是尽可能避免大出血,尽可能使得血的丢失量控制住。我们怎么能够确定这些血没有过多的流失,或者怎么能够控制住这个血流,控制血流是在做肝切除手术当中非常重要的部分,所以我们做了很多不同的实验,主要在猪模型上做了一个实验。2015年、2016年也做了超过6次实验。刚才我们谈到一些系统,包括计算机集成和机器人协助的系统。

接下来会谈一下这样一个系统。这样一个系统叫做计算机集成以及机器人协助的手术系统。这个系统最主要的一个目标就是能够更好的实现手眼协调能力,从而能够取代外科医生所发挥的作用。怎么才能使得这个机器人有非常好的协调。我们必须要有一个认知引擎,如果这个机器人不够智能的话,这意味着他没有办法更好的为我们的医生提供协助,在整个手术过程中。什么叫做计算机集成和机器人协助的手术系统。首先会有一个医学的模拟。刚才王教授也谈到模拟这样的一种做法。在模拟这种做法,我们是在培训学生的时候用得非常多,但是我们也要它的精准度非常高,也需要使用机器人。我们在真正手术的环境当中必须要把机器人能发挥的作用考虑进去。大家可以看到,这是机器人底下那一部分,我们可以控制整个机器人。机器人在真正手术过程中是发挥一个执行和监控作用。

再看一下,这个手术系统当中,我们在RFA传统手术下怎么操纵的,通过我们有一种传统皮下消融术,做这样一个手术的时候,我们通常会面临一些肝脏肿瘤的问题,而肝癌是世界上第五大恶性肿瘤,女性是排第八的。只有10%的病人是可以做肝切除的。最可行的另外一个方法是射频消融,我们有一个针头通过超声波引导,通过皮肤把这个针头插入到患者身上,当然是由医师进行实施的。但是我们做这个手术的时候,会有很多挑战,比如可能会导致皮肤烧伤或者导致皮肤起泡等等。对于做小的肿瘤,这种射频消融肿瘤是可行的,但是有的时候肿瘤很大。比如当患者来到门诊部我们发现他的肿瘤很大了,我们就需要很多不同的治疗方法,才能够实现。比如我们需要用很多不同的方法来处理,但是有时候有些方法可能不是那么有效,可能使用超声波更好一点。所以我们从中就研发出这个计算机集成以及机器人协助的手术系统,目的是能够处理非常大的肿瘤。我们的目标就是能够进一步提升我们的准确度和手术结果的一致性。因为我们是通过超声波来引导的,我们希望这个超声的图像不至于过于模糊,这样医师不会被模糊的图像所误导。从这张图当中大家可以看到我们在做这个手术的时候有很多不同的步骤。当我们在做手术的时候,首先第一点要有一个界面,属于计算机和机器人之间互动的界面,当然还需要医生进行操作。同时,我们还有一个模型,就是以患者为基础,针对患者制定的一个模型,使用这样一个模型的时候我们需要几何模型还有考虑各种材料的特质,我们不仅需要使用计算机技术还需要使用成像技术。从CT当中大家可以看到,我们可以重建整个模型,但是根据这样一个模型对患者进行治疗是非常困难的,很难实现结果,所以我们需要做拉力关系之间的分析,同时做这个分析的时候需要得到横向以及纵向的样本,在操作过程中可能会有很多挑战。为了能用不同的材料,来做这个模型,我们需要建立一个或然模型也是利用猪的肝组织做一个模型,这个过程中我们可以很好的使用不同的参数。并且利用这种有限元的方法来建模。这样一些组织我们可以通过成像进行分析。比如说一种动态的MRE,也叫做磁共振弹性成像。我们用这种MRE的方法就可以动态的把这些组织的影像投射出来。从中我们可以知道这个组织是否有变异或者扭曲的情况。从而能够使得我们更好的分析我们要处理的组织。

接下来大家可以看到,我们有这样一些影像进行影像的重建,同时可以计算它的标准差。比如说大家可以看得到我们的或然率是1.19。它的频率值还有标准偏差在这张图当中可以看得出来。从中我们可以对它的组织来做一个建模。在建模过程中也会使用这种方法,它的组织以及在治疗过程中还需要有互动的作用。如果我们使用这种方法就可以更好的知道它的肿瘤究竟是怎么样的。另外一点,我们还可以知道它的化学特性以及物理特性。我们也有同样一种方法来对这个组织进行评估,也会利用这个组织做模拟,同时做一些实验做进一步的测试和测量。

对于患者来说,我们还有一个机器人,这样一个机器人是做皮下射频消融术插针机器人,它做的就是皮下射频消融术,我们有这样一个机器人操控不同的皮下射频消融的针头以及探头。大家可以看到这张图当中在假人模型身上体外做实验,之后在猪的模型体内做一些实验,如果实验的结果不错,我们就会进入到下一步的操作。对于机器人来说,我们有一些非常成功的数据,如果是机器人协助,大概是介于0.43,有正负0.04的误差,如果人手工的操作是正负1.99的误差。再看一下我们怎么平衡人的操控和机器人操控,首先必须要有非常先进的界面,而且需要有认知的引擎,还必须要非常有效的操作机器人才能使得保证手术的成功和安全的进展。我们这里有人工的操作。大家可以看到我们在这个手术当中是以投影仪为基础的AR手术。首先在这个系统当中,我们的外科医生还需要收集关于患者的信息并且把信息输入到我们的系统中,从而更好的对机器人进行操作。

在我结束之前我还想谈一下我们正在研发的一种机器和装置。我们可以在真实的手术当中使用,我们实际上是依据不同的项目来进行相应手术方面的研究。首先这整个流程包括登记,有最后的研究阶段,这里有一个很重要的事情就是除了医师以外,我们要了解到这个手术机器人该做什么事情,医师什么时候需要给机器人这样的指令,让它采取相应的行动。这也就意味着我们要有这样识别的机制。所以我们这里就涉及到一个生物特征的识别技术,我们可以通过自己手掌来实施这样的功能。每个人的手掌大小不一样,通过生物特征的识别方式,可以实现机器人去实施的过程,还有,我们自己的指纹。当然,如果录指纹的话,这个相应的过程要更加复杂。

我们这里谈到协作这个概念,必须要实现对于机器人有效的控制,将它纳入到人工系统当中。在这张幻灯片上可以看到相应的工作流程。首先,我们需要有一个机械装置所发布的指令。需要机器人为我们提供良好的视野。首先我们得到一个视觉方面的提示,这个视觉提示反馈给医师,让他们采取相应正确的决策。除了视觉以外还需要有触觉的,还要有其他不同的提示方式。怎么样才能产生这些的视觉提示,就需要我们使用机器人对病人相应的影像进行分析,最后依据相应的规则生成这样视觉提示的内容。所有过程的工作都应该基于一定的规则,我们又重新用了一个概念,我们称之为认知引擎。这个认知引擎是应该基于我们的网络本体语言,我们在此之前做了很多的实验,来展示认知引擎的运作过程,它们是间接性的处理,尤其是针插入的过程。幻灯片上展示了,这里我们不一定会使用到相应的投影装置。我们使用了一个表格来显示相应的认知引擎的运作流程。我们还在研发这样的机器人。这些都是我们需要提前做到的前提条件。

我想对我所讲的内容快速做一个总结。首先我们所谈到的手术方面的创新,是通过现在工程的手段就可以完全实现的。另外,我们手术方面的创新,它需要我们使用到非常先进的工程方法和原材料。另外,现在当下的手术系统必须要使用到计算机和机器人。要实现计算机集成和机器人辅助的手段,要针对不同的病人制定相应的规划,通过直观的人机交互,涉及到音频、视频方的提示,最后产生这样的机器人。我们必须要将人的手眼协作功能应用到机器人当中。让机器人从人的手、眼、脚这些不同的身体器官之间的协作了解到它在未来可以如何更好的运用到相应部件的协作,实现可协作化的机器人。

当下我们已经是做了一些显微镜的手术,当然,这部分内容将会由下一个演讲嘉宾为我们做详细的介绍。我们所关注的仍然是单孔的手术机器人。此外我们会继续使用这样的机器作为一个主要的手术的界面。它也会是我们进行手术方面的一个主要的媒介。我必须要强调一点,那就是这份研究结果并不是我一个人的功劳,实际上我们也得到了很多同仁、学生还有各种不同资源的支持,我想借此机会对他们致以我最衷心的感谢,非常感谢。

 

主持人:谢谢Chee Kong CHUI给我们精彩的演讲,大家已经看到他们的实验室所做的研究范围,涵盖非常广。从2011年开始有探讨单孔径多次使用的可能性。这是非常了不起的工作。我也看他这个实验室肯定是很大的,这个研究领域实在是很多。

下一位演讲的嘉宾是David Lau,David Lau是新加坡医学院院士、新加坡中央医院与莱佛士医院顾问,欢迎David Lau。

 

David Lau:首先我要非常感谢会议的各位主办方,为我们组织这么重要的一个平台。可能我讲的比较专业化,我本身是一个医师,我和身体的各个不同部位打交道。我特别关注的是耳鼻喉方面,接下来我跟各位分享一下我们在喉外科方面遇到的一些挑战。

我们所说的喉头是我们的喉咙上的某一个器官,我们的嗓音可以发出来,就是由它所造成的。我们知道我们的喉头有很多功能,一方面可以发声,另外可以保护我们的呼吸道。接下来我想为各位分享一下今天在应对喉头有问题的病人方面遇到的一些挑战,分四部分。第二部分关于门诊病人的内窥镜,另外一个是喉头的注射。第三点,关于微型手术。第四点,我们进行癌症手术之后如何恢复这些声音。

我们会关注一些非常重要的问题,首先一点,门诊病人他们的喉头内窥镜,我们看一看概率论的情况。我们现在很多人会在患有鼻腔病人的鼻孔里放一个探测器,这是我们经常用的一个工具,现在得益于科学的发展可以使用到内窥镜,特别是可以使用到耳鼻喉方面的内窥镜,它极大的帮助了我们的工作。这种内窥镜它本身是可以在我们的体内包括我们的鼻腔内进行一个转向,它本身实际上也由很多不同的部分组成。包括像摄像头、光源、监测器,由这些所有的设备组成。鉴于内窥镜有这么多不同的设备和部件,体积很大也很重,我们当下考虑的问题是如何开发一款便携式而且小、轻的诊断设备。我们希望这个设备非常小、轻巧,可以很好的放在我们的口袋里,和手机进行连接,可以做到随处使用。这是我们期待达到的效果。当然,这个距离真正的成品上市还有一点时间。图上所展示的图片,当下已经使用了,他们有自己不同的管道,有相应检测的设备,但是还没有达到便携式的程度。为了创造这样一个非常小直径,比如说3毫米的检测产品,我们还要做很多的工作。另外,我们希望这个设备本身具有高的灵活性,是可以随意进行转向的。这也是我们在临床工作中所遇到的一个问题。

接下来我们还要谈谈我们所面对的另外一个挑战,尤其是当我们在进行喉部注射的时候,常常要对针头进行更换。这也是很大的问题,我们现在使用的材料就是像视频上展示的物件,但是我们需要不断的对它进行更换,以便有相应的材料填充到里面,我所遇到的问题就是如何把针放到一个正确的位置,接下来我们为大家放一个视频。这里的探针穿刺过喉咙,将很多材料填充到鼻子上,可以看到这里的声带有一些变化。针对这样一个特定的病人,我们需要进行非常准确的注射。但是我们知道因为我们没有办法看到这个针的头到底在哪一个地方。尽管我们做这样的手术已经变得非常的有经验,我们是年富力强很有经验的一群人,所以我们知道这个针去到什么方向,但是对于经验不是这些老道的人来讲是非常难的。我们有经验的人只能依据自己的经验来进行这样一个手术。我们看到这里面展示的,针尖非常小,直径大概只有5毫米左右。通过细小的探针头可以进行更加准确的注射。

接下来我们要谈的另外一个挑战就是耳鼻喉方面进行微型手术的时候面对的挑战,就是我们如何到达小的地方,而且真正的解决或者治愈这些地方出现的小伤口。这种微型耳鼻喉方面的手术,到底是一个什么样的情况,上面的图片已经展示了,这里有一个悬浮架,相应的设备放到病人喉咙里。大家可以想象一下这个管道如果它有2毫米这么大,放到患者嘴巴里面看起来好像很小,所以我们需要操控,需要视野的扩大,比如需要显微镜扩大我们的视野才能看清楚喉头究竟长什么样子。同时我们还有一个长柄微仪器,但是要做这个手术还是比较困难的。我们希望从他的声带里面把其中一部分切除,我们现在面临的挑战就是在做这样一些手术的时候,它的结构是非常小的,而且能够接触到的地方也非常有限,所以我们需要用比较长的器械才能够接触到病灶,它有大概25厘米长。我们现在就面临着另外一个问题,那就是我们切开了切口之后希望把它缝合。我刚才说我们这个管道的长度是25厘米,我们希望在它的组织里面能够注射一些纤维蛋白胶,舍入蛋白胶就会导致它留下疤痕,同时还要做一些缝合动作,哪怕是一些经验老道的医生也觉得缝合是比较困难的。所以我们想一个办法,就是制造一个微型小夹子,用微型夹把切口缝合在一起,播放一下视频。

这是我们在动物身上做的手术,大家看得到它的声带上面有一个微型夹,我们同时用一个有弧度的夹子把微型夹夹上去。

其实这个已经发布出来了,我们在这上面已经发表了相关文章,从中可以向大家展示的是有时候我们可以得出非常简单的解决方案,比如用微型夹或者固定器。但是我们面临的是怎么把这个微型夹摘下来,其中一个方法就是用化学物镁把它溶解,最后进行微实验的时候还会使用手术用机器人。刚才还没有谈到这一类机器人。我觉得这样一种机器人可能来源于欧洲,在那里他们做了相关的研究。总的来说,这个机器人由两部分组成,首先会有一个可以操控的摄像头。我们看一下它的另外一部分,首先我们看一下这个摄像头是通过患者的口腔能够进入到它的喉部,同时还能够扭转,能够把它插入到喉部,还会有其他的一些组件。这是一个单孔的装置,所以我们在进行喉部手术的时候,这个系统是非常重要的,它的系统看起来大概是这样,大家可以看到外科医生正在操控装置。做正常的手术大概也是这样的,只是需要更多的对设备进行操控和掌控。

我接下来给大家放一段视频,这可以看出来我们的机器人是在喉部做手术的。这是他的声带,我们使用激光能够切割,把那些已经结痂的组织切割下来。

但是这个系统也有一些劣势,尽管它这个系统已经研发出来了,但是它的灵活度还有移动的自由度也不够。今天早上有嘉宾谈到达芬奇的系统,有70个自由度。所以我们就需要有显微镜结。我们希望做的是把一个显微镜结放到一个2厘米大的空间里面,我们这个管道的长度是5厘米长,把它插到喉管。我们希望把它和其他的装置整合在一起使用。比如我们希望使用光线探头实时分析,同时对组织进行微观的实时分析。比如在癌症和非癌症之间进行诊断和判别及,从而帮助我们在手术过程中做出更好更明智的判断。

我演讲的最后一部分,就是在声带修复过程中面临的一些挑战。这个喉头切除术,通常是因为发生了癌症和癌变。我们怎么才能够给它插入一个喉头的假体,从而修复他的声带。像我刚才说的,喉头切除术就是把喉头切除的手术,这张图展示出来的患者声带是直接打开了,他的器官是在脖子这部分打进去的,我们把他的喉头切除了。我们怎么进行声带修复,需要通过呼吸道往里面安装一个假体。只有这样做,患者才能够通过口腔进行呼吸,才能够发声。怎么样才能把这个假体放进去,我们希望在做手术过程中创伤尽可能少,所以我们希望找到微创方法把假体放进去。第二点,要能够准确的找到这个假体所放的位置。这个假体是放在食道的,但是我们要通过呼吸道放进去,如果我们看进去,比如看到一个食道,食道的壁是非常厚,我们还需要进行测量,但是我们希望一步就能实现这样的手术。首先我们是使用器官食管穿刺,我们会把一个针头通过呼吸道放到食道里面,这里有一条线,通过这条线可以扩张了。从左边这个视频可以看到,这一部分可以得到扩张,扩张之后就可以把这条线插进去。我们只需要几分钟就可以做完这个手术。但是大家看得到的就是这条线现在又可以把它拉出来,大家可以看到这些组织是非常紧密的。但是这里面也展示出我们在做手术的时候会面临的一些具体问题和实际问题。大家可以看到这条管道现在正在插过来,可以到呼吸道和食道之间的关系,以及它们之间形成一个空隙能够让我们放进这个假体。但是我们要等到这个组织成熟之后,才会把这个发生的假体放进去。这种技术有它独有的优势,当然它是需要两个阶段。首先第一点,要把空间扩张之后才会把假体放进去,接下来我们又有另外一个装置,从而能够测量组织的厚度,我们的做法是一样的。我们在动物的身上已经做过一系列的实验,大家知道这是我们在动物实验身上拍的一些照片,我们可以知道组织的厚度,可以把假体放进去,一步到位把假体放进去。接下来到人体实验,在过去一年里面我们做过一些人类的实验,目前为止我们在七到八个病人身上做过实验,我们把它变成更小的线条,能更好的保护病人的组织,再创造空间的同时就可以把假体放进去。我们刚刚把发生的假体放到患者的喉部。我不确定大家能不能听到他说话,但是其实他已经能非常清晰的在一天时间里面从一数到十。

这就是我今天演讲的内容,我接下来想说的就是作为一个医师,我和我的工程院的同事非常密切的合作,我们之间的关系是非常密切的,而且我们做了大量的研究,目的就是能够找到好的解决方案来解决一些实际的问题,非常感谢大家的聆听,这就是我今天下午演讲的内容。

 

主持人:非常感谢David Lau。

下面进入高峰对话环节,今天除了刚才我们演讲的几位嘉宾以外,我们有幸邀请到蔡志明主任参加我们的高峰会谈。蔡主任是国家泌尿生殖肿瘤研究中心副主任,“973”计划首席科学家,我们还有幸请到李延清,他是山东大学齐鲁医院消化科教授博导,除了这两位院长以外,邀请王平安教授、Chee Kong CHUI、David Lau参与我们的对话。

我们今天的主题是集中在真正医生使用者还有做研究的这几位教授来主持科学和真正临床应用之间的对话。希望在座的观众如果有问题也可以积极参加。

首先我把我收到的有关基础研究的问题总结一下,我想请问王平安教授还有Chee Kong CHUI你们两位。

其实王教授还有Chee Kong CHUI教授你们两位的研究给我们打开很多眼界,也人我们了解到我们要走到手术机器人这个路还有多远,我们要做一些什么最基本的工作,要做得非常扎实。

第一个,请你们两位分别回答我一下,你们研究真正的目的,是不是有应用的目的?是不是基础研究,还是有应用目的。所谓应用目的,是不是想把你们手里的研究变成一个产品,走向市场。如果想走向市场,有什么计划?

 

Chee Kong CHUI:我是新加坡国立大学的副教授,我是属于学界的,同时我也是一个机械工程是,说到工程师方面,我们总是在考虑很多实用性的东西,这就是为什么我们进行研究的原因。我们现在使用各种能够为我们带来灵感的研究,那就是研发。当然,我们做事情,不是想做一些非常简单的事情,所以我们所关注的领域就是技术方面,这就意味着我们要进行很多的研究。当然,作为一个工程师,在我每日工作的末尾,我都想做一些事情,比如像发表论文,可能听起来会稍稍有一点相互矛盾了。我希望在这两者之间,我的研究工作和学术工作之间取得一个平衡。

 

主持人:我注意到你实验室里面的工作,包括对单孔机的设计,你们很早就开始了,在这方面的工作,从2011年开始到现在是不是有进一步研究了,对材料的选择和真正在动物身上的应用有更多体会了吗?

 

Chee Kong CHUI:我刚刚完成我的博士论文,所以我确实研究了这个过程,这也是我在过去十年里面一直致力做的事情,但我们还会继续我们的研究。比如对于新加坡路径的设备,这么一个领域的研究,我们会持续开展下去。我觉得我们可以改进的就是系统的设计,让新加坡路径的设备,能够实现更好的成果。当然,我们也期待能够使用到机器人,能够更好的改善新加坡医疗设备。我觉得这些工作是没有办法一蹴而就的。

 

王平安:谢谢您的问题。对我们来说最理想的就是应用研究,但是是能够出高质量文章的应用研究。在我们这边的情况是这样,一般我们有两个渠道,一个是研究型的,然后做一批研究工作出一批问题,接下来是属于应用型的,我们这几年都是先拿一个研究型的项目发表很高质量的文章再继续细化到产品的阶段。

 

主持人:从大学走到真正的应用还是有很多路要走,这也是我们开机器人大会的其中一个主题之一,谢谢两位。

从外科医生或者临床使用的角度来讲,我想请三位医生给我们分别说一说,你们认为我们手术机器人应该往哪个方向走?我想尽可能的具体一点,让在座的听众和在座的朋友和嘉宾们都能够充分的了解,从使用者的角度上,对手术机器人的一种期望,谢谢你们!

 

David Lau:从我的角度来讲,和当下已经在市场可以获得机器人相比,我们已经在医疗机器人方面取得了比较大的进步。当下医疗机器人仍然处于一个幼年起步阶段。当然,有一点不容置疑的,那就是我们有越来越多体积更小更轻的手术设备进入到市场。它能够允许我们可以在非常有限的空间里面做手术,这是我们未来可以发展的一个方向。我在你的研究报告当中也注意到您的观点,我觉得您的观点对我们有非常好的指导意义。

 

主持人:细分领域里面能充分发挥出它的技术优势,又能达到最好的临床效果,能减少不必要的风险,在医生来选择不同的手术或者疾病方面,是起关键性的作用,对我们研究方向也是起一个决定性的作用。

下面请蔡志明院长。

 

蔡志明:我们科研的导向要很明确,就是临床需求的导向。临床需求导向包括几方面,一个是病人的需求,一个是医生的需要或者医院的需要。我们为什么会去使用机器人。从病人的需求来讲,就是想要更加无创化、精细化或者智能化;从医生里讲,就是把医生从很复杂的很繁重的劳动解脱一部分。事实上这个目的有没有达到,是达到了一部分,但不是全部。比如说我们在90年代,美国最早期做得最好的微创外科,做阑尾、胆囊等等,那就辅助机器人。深圳市引进的第一台机器人,做猪的手术不敢做人,后来这个公司也破产了。后期做达芬奇机器人,今天黄主任也讲了,它很好,确实目前是最好的,但是它不是最完美的,还有很多很多要再改进的。我的感觉,为什么这么多年机器人不能完全代替人,就是因为它没有人的大脑及没有很好的触觉。这也解释了为什么我们的远程医疗做得不是太旺,只能做一些病理、组织学,做不了很大面积的推广的原因。作为使用者来讲,我们希望将来我们的研究更贴近需求,研究每一个需求,突破每一个需求一些技术的关键环节,使得你做出的东西更完美,使得我们的人能够突破人的极限。比如我站4个小时站不了40个小时,机器可以。机器可以做到更精细。泌尿外科用达芬奇来做输精管的吻合,是可以达到无痛率100%,这就突破人的极限了,人做不到百分之百。

 

主持人:院长你这个角度已经涵盖了我们对医疗机器人从临床上的期望。

下面请我们国家消化科的专家李院长给我们说一说对手术机器人您怎么看。

 

李延青:非常高兴来参加这次会议,听了今天各位机器人大咖的报告,收获很大。我是一个消化科医生,应用的镜子是软镜和腹腔镜硬镜还是有很多区别。目前应用的机器人都是在腹腔镜应用的,真正在软镜应用的非常少。另外目前国际上真正能应用的也不多。这就说明这个地方确实存在一些困难。但是内经包括消化内镜、支气管镜等等软镜应用手术,机器人的空间还是非常大的。以消化科为例,过去我们胃癌、食管癌、大肠癌都是开刀,随着早癌的发现,越来越多消化道肿瘤可以通过消化内镜下的微创治疗解决,特别是近年来通过ES技术,很多胃癌、大肠癌都是通过消化内镜检测。百分之七十六十的患者都可以不用开刀,不用腹腔镜通过消化内镜解决。所以消化内镜机器人前景非常广阔。特别是今天提到单孔内镜包括软镜等等还是有很多共性的地方。因为它用了以后确确实实能够大大减少操作时间,减少出血,减少穿孔并发症的机会。这点能使患者更大的受益,前景非常好。

刚才提到今后应用到临床,我个人认为我们在临床治疗强调个体化治疗。手术的研发也应该根据特殊的需求采取差异化机器人的研发,而不是一个搭配的机器人,显然我们需要做差异化研究。另外刚才蔡院长提到,我们做手术机器人的目的是为了更好的服务于临床,为了患者减轻痛苦,更好的为医生做好助手,这点还是非常非常重要。充分了解临床医生一些特殊的需求,来有针对性的研发一些特殊的机器人。这样能够成为医生的帮手,是非常非常重要的。

 

主持人:您讲得非常好,我感觉到从我们做手术机器人研发的方向,一定是为临床服务的,一定是能解决临床问题为主要目的,不是为了设备而发展设备。

我们外科医生做手术之前一定要做的一件事情就是想看清楚我的手术界面是什么,我发现王教授、Chee Kong CHUI都在这方面做了不少研究,其中问题是超声这个独特无创性的手段,在手术机器人单孔、双孔,怎么样读取这方面的图片,从技术角度来讲,有什么建议吗?

 

王平安:超声是非常重要的手段,主要在于超声实时引导怎么融合。比如手术是比较复杂,肯定术前已经有一些CT或MR之类的数据,怎么做到实时融合。除此之外超声有很多噪音之类的东西。在超声质量的提升或者去噪方面也可以做很多工作。另外一点,在深度学习也肯定可以提供很多帮助,因为通过深度学习有很多例子可以事先弄好,到手术上实时性的融合可能提供时间上的帮助。

 

Chee Kong CHUI:我觉得超声是取决于您的用户是什么,或者您的目标是什么。比如我们要消融一些大的肿瘤,超声也不是那么有用。因为它通常来说首先是切割口图像的投射。首先我们需要有一个非常准确的图形,之后才会进行消融术。对于这个超声,手术开始之后就不再用了。我们之后一些操作,不能够再依赖这个超声。所以讲到超声,我们可能需要有更准确的装置和设备。而这样一些准确的设备就需要我们更好的了解组织的特性和特质以及在做手术的时候组织的特质。

 

主持人:我们需要和VR最好连在一起的图象处理方法,给我们的外科医生有更深度的了解。比如我们看不到的血管,看不到的神经,或者看不到的什么东西,外科医生起码有一个警示,再一个什么可能性。来防止不必要的风险。

从我们现在现有的技术,外科手术机器人真正在市场上运作的也只有达芬奇的机器比较成熟,如果我们能做一个比较靠近的手术机器人,我们应该往哪个方向努力?

这个问题有点大,但是我们确实收到很多的要求,希望能给我们一个方向。我把这个问题给每一个人。

 

李延青:这个问题非常好,我觉得还是今天上午讲的问题,这个机器人应该是设计得比较简单,比较方便,易于移动,医生操作起来也比较简单,这样更符合于临床的需求。

 

蔡志明:希望未来国产达芬奇类的机器,能够大大的降低售卖机器的费用,同时能减轻耗材的费用,最后让受益人能够用得起,但是我想一切皆可能,只有想不到没有做不到。

 

David Lau:达芬奇的机器有一个优势,它的确很像人的手,它的体型能做更小一点,所以功能能更加完善,对于我来说这一点是至关重要的,也是未来发展的方向。我同意刚才研讨会的小组成员讲到,我们必须要控制它的成本,从而使得每一个医院都能支付得起。

 

Chee Kong CHUI:其实我不是特别喜欢达芬奇的系统,但是达芬奇的系统也有它的优势,比如它的有关很多创新,有360度的自由度。对于我来说它的确有它的优势。达芬奇机器人做得更好,我们可能必须对于患者组织优更多的了解,而且使机器人更加智能,才能更好的服务临床。

 

王平安:如果能够虚实结合。能够尽量让医生在可视化方面是可以更加加强。

 

主持人:我刚才听到三位嘉宾都提到对降低费用降低耗材的需求,其实我们一直没有在这个问题上进入比较深入的探讨。从我个人来讲,这个产品的成本或者真正上市所需要的价格,在很多方面就决定了我们的命运,这个产品到底能不能走向市场。尤其是国家对费用的支付,现在提出以疾病本身治疗方案的总体费用,不是单纯一个设备收一个钱的问题。

我想就这个话题请这几位医生稍微延伸一下,如果谈耗材费,机器费用,参考现有达芬奇的机器设备费用和耗材费用,在你们想象里,什么样的费用是可以在我们一般消化科手术里可以接受的范围,什么样的费用是在三甲或者三甲以下医院可以接受的费用,可以真正使用的。

 

李延青:我们比价格的时候,比如说一个肿瘤我们要把它切除掉,目的就是把肿瘤切除掉,如果不用机器人,外科医生做手术应该花费多少,耗材情况,各种成本的情况,我用了机器人以后,机器人可以减轻医生的负担,对医生的一些帮助,但是最后的结果还是差不多的。当然它可能减少出血和并发症有一些帮助,这个角度来讲,还应该是把成本要大大的降下来,这样才能更加适合患者的需求,国家的需求。现在国家提到要把各种费用降下来,医保控费。否则很多工作很难进行。比如达芬奇这个,我上个月刚刚去了日本,他们医保的应用只能是在前列腺手术,其他都不行。所以达芬奇在那边只能做前列腺。这个可能我们还要花大力气,只有想不到没有做不到。特别是结合我们国家的情况,实事求是来讲,从临床的需要,目的就像你刚才提到不要高大上,非要是多好多好的机器人,我通过机器人手段很好的解决临床问题,减少并发症,能够使手术患者愈合得很好,达到我的目的是最主要的。

 

蔡志明:我非常同意这个观点。要降费,最主要的手段就是要打破垄断,鼓励竞争。要打破垄断,要能够有效的竞争,最有效的手段有两个,一个是厂家,或者医院,或者医生的价值观。你搞一个很贵很高大上的病人服务,收很高的费用为主导,还是要为人民群众做实事,让人家看得起病做得起手术为主导的价值观。第二个看科技进步。像以前我们使用两万多块钱的大哥大,现在几千块钱就可以打手机了。一定要科技进步。有一天国产机器人能达到技术参数要求的,一定是在类似国产CT、磁共振的价位上,就可以普及了。

 

主持人:下面我们再请David Lau给我们说几句。

 

David Lau:我在经济学方面是没有这方面的研究,但是对于我来说,大家知道我是来自新加坡的,可能做一个机器人的手术,在新加坡的成本会比中国要高得多。具体的理由我清楚,同时我也感觉到生产机器人这样的设备是非常复杂的过程,需要在研发方面投入很多资金,所以是一个很烧钱的事情。和过去相比我们曾经花很多的资金购买电脑,而十年之后我们看到计算机的价格极大的降低了,因为越来越多人在使用计算机。我相信对于所有高质量的产品,在中国生产也都是类似的情况。因为中国的很多产品,可能都会对全世界的行业产生一些比较具有颠覆性的影响,从而趋势行业降低价格。

 

主持人:再次感谢各位专家给我们的精彩演讲和讨论,谢谢大家!

 

(茶歇)

 

主持人:今天下午下半场的第一个题目是人工智能与医疗机器人。我们知道人工智能是非常热门的方向,和医疗手术机器人有千丝万缕的联系。

今天非常有幸的请到百度新兴业务群组医疗事业部总经理、战略规划及合作部总经理李政先生给我们发表演讲,大家欢迎!

 

李政:大家下午好!接下来的15分钟我会跟大家分享一下我们在10月11号刚刚发布的百度医疗大脑,也就是百度的医疗人工智能。

大家看到这八个字,开放共享,因智而能。这是今年9月1号在百度世界大会上,李彦宏为百度的人工智能定下的重要基调。大家今天这个大会是机器人的大会,上午、下午,我们都看到很多令人兴奋的医疗机器人的能力,这样的设备。

今天在百度医生的平台上已经可以预约到达芬奇的手术,我们是跟和睦家医院进行的合作,也是一个典型的机器人场景。我们都在共同致力于通过科技来改变这个行业,让我们的百姓获得更便捷更高效的医疗服务。

在讲百度医疗大脑之前,稍微给大家介绍一下我们对业务的一个理解,对行业的理解。在这个行业的基础上,才催生出人工智能,它是依托于业务的。第一个先给大家介绍一下,我们认为在医疗+互联网的世界里,未来会有三代。

第一代,大家都很熟悉,连接人与信息。百度在过去十余年,也在这上面做了大量的工作。第一个,我们帮助我们的患者可以找到医疗信息。第二个,我们可以帮助医生找到文献,建立个人品牌的形象。第三个,在这个进程中,连接人与服务本身应该说通过百度第一个改变了传统的线下医疗模式。原来我们只有一个路径,到医院挂号、排队、看病、开药、手术、康复等等。其实随着十年前百度在这上面的努力,大家可以看到今天去医院之前可以查查信息,可以自己找一找对自己病症的了解。看完病如果自己觉得还有些不太踏实,你仍然可以有一个百度的平台继续寻找自己想要的答案。

现在尤其是我领导的百度医疗事业部,两年前开始进行连接人与服务的转型。今天所有的移动互联网主要的生力军都布局在连接与服务,打通闭环。我个人认为第三代,就是今天我们的主题,连接人与智能或者连接人与设备或者机器。

我们在第一代上给大家也做一个汇报和分享。我们都看得到,我作为医疗负责人,特别谈一谈百度在医疗上的基本情况。首先我们每天有6000万的百姓通过点击寻找医疗健康的信息。有7亿百度用户,今天仍然是最大的一个入口。第二个,在这个过程中,积累了大量的大数据,其中包括就医行为、健康行为和生活行为。而且比起其他的一些互联网平台,它更真实,是我真实诉求的体现。最后一个,百度在这个过程中,因为这样一个大数据、大流量的基础,也积累了很多,包括大数据的安全、云存储,今天的百度云也已经是非常庞大的体系。同时语音图像,非文本数据的大数据技术的探索,我们今天也做了很多的努力。但是难道连接人与信息到此就可以了吗?不是。我们在这两年已经发现了大量新的变化。比如典型的以《今日头条》这样类型的出现。未来的信息,一定是呈现这四个重要的趋势。一个叫做移动化,这个移动化不仅是大家今天理解的手机智能终端的移动化,也包括未来医疗及穿戴设备,将来一个血糖仪可以给发各种健康提醒。第二个,一定会具有更多社交化或者个性化,以UGC、PGC为代表,医生患者更多自己在医疗健康上的分享、科普,都会大量的出现。你也不要小看一个患者的分享,一个患者今天的过程中,可能经历了一些比如经验教训,回过头他的分享可能对其他的患者都很有帮助。第三个,未来的信息将与服务非常拉近。如果你看到了一个胡大一的一篇文章,提了一个新的治疗或者康复的方法,你可能很快愿意跟他建立联系,接着希望得到他的服务。最后一个,一定是聚合化,你一定是跟《今日头条》一样,是向你聚合和推送你所关心的信息和服务,而不是今天在百度页面上的搜索形式。百度医生是我们百度医疗打造的服务平台,正在向这四个方面进行探索。

催生我们人工智能的核心一代,就是连接人与服务。我们在今年上半年跟国家卫计委进行权威科普网络平台的建设,现在已经覆盖了9000多种疾病的词条和1100个以上视频的信息。我们还在继续向刚才的四化进行努力。第二,我们在今年上半年已经推出了在线咨询。大家通过百度医生的快速咨询、专家咨询,可以找到后面的春雨医生、好大夫他们所包括的62万公立医院医生在线完成入口的咨询,每天的咨询量已经达到10万。第三个,从去年开始,我们已经累积为800万人进行了免费预约的挂号。在百度医生平台上接了全国所有的省,300多个城市,涉及到1万多家医院,34万三甲医院的医生在那里通过预约完成这个工作。我们今年下半年又陆续希望通过接入上门体检、远程读片、远程会诊、名医手术包括达芬奇手术,包括上门对老人的护理功能的增加,希望能够为百姓在服务上带来便捷。

重点讲一讲智能,这是在百度医生上智能进行的分析。它就是按照寻证医学的逻辑,把各种病种标准路径录入,同时汇集了海量大数据的病例,推导出有多少人跟你是一样的结果,给出了前三个机率最大的可能性。但是我们相信医疗是非常严肃的事情,所以我们仍然在下面可以免费咨询医生,一键可以把你的问题上传。这是我们现在推出对于C端患者端的人工智能的功能。

第二个,辅助医生的。选择了龙子弋医生,输入自己的情况,之后可以进行人工智能继续问诊。辅助医生的版本针对的不是小病,所以我们会按照医学的逻辑,问的步骤更多一些。最终有一个发给医生的,同时打开医生端,由医生在他手里打开的百度医生,病人发过来的,可以查看病症结果。我们看他确认哪些,否定哪些,最后可以纠正结果,也可以直接发回或者加入自己的一些注解。患者这一端马上收到医生的反馈。

大家看到的这个,是一个1.0版,刚刚开始,还有很多不成熟的地方,我们在这个进程中是经历了大量医学专家。大家都知道医疗人工智能需要的是临床指南、各种专利,各种实时发表的医学论文。百度可以用23种语言一夜之间把全球所有发表的文献读完,直接上传百度医疗大脑。第三个,大量的病例。目前我们还缺少大量的数据来训练大脑。前两方面我们都是有竞争力的。我们也设想了未来的一些场景,很快会构建百度医疗云,可以提供PaaS或者SaaS服务,我可以给一个平台级功能,村医直接在田间地头下载,就可以辅助他为患者进行服务。尤其是今天中国数以百万计的基层医生,包括村医、乡镇卫生院医生、社区医生,他们都非常需要辅助诊疗的功能。即使你是大专家也有记不住的时候,也有不知道应该怎么判断怎么下药。但是机器通过海量学习以后不会有这样的失误。但是最终医疗的权力是在医生,所以是辅助医生进行的环节。我们也设想了,比如今天在大医院里面我们去年帮助800人挂号,我们知道他在这上面很焦虑,等待时间很长。今天也仍然没有解决在候诊过程中时间很长的问题。如果用百度医疗的人工智能,把自己的病症在那边输入,查看一些跟我这个病相关的信息,这个数据如果传到你看诊医生那边,你进入医生诊室里面,医生可以用十几秒的时候看一下你提供的情况,有利于问诊环节,提高效率。

最后给大家分享一下百度医疗事业部。我们期望未来打造的方向。百度医疗大脑处于在云端上最重要的位置,我们认为未来两端,万物互联下的人工智能。万物互联就是未来的医疗及传感器可穿戴设备,人工智能就是在云端大数据的处理、运算能力。我们希望在这个过程中,它扮演的是哪个角色。刚才我们看到2C,患者小病可以自诊一下。比如夜里自己有一个症状不清楚,但是如果看了三种情况都没有危险,他可以坦然一点。2B的,医生需要自己建议思考的,能够尽量多的用机器人帮助他。第三个最重要的,当你连接人与服务的时候,有两方面的事情非常重要。第一个,前面是需要对患者有一个清晰的画像,我要知道他的需求是什么,这种需求也包括可穿戴设备提供的数据,也包括在百度上留存的数据,也包括过去在医院诊疗的数据,甚至包括基因测序和体检数据,包括家族病史和你所在的环境。这是画像,所谓画像就是要有对它的精准利用,不能光了解是一个信息的诉求,未来我们希望了解它在服务上的诉求。后面对海量的,百度未来希望用开放的方式,刚才看的服务都是接合作伙伴,没有百度自己打造自己的服务,也需要一个人工智能来分辨所有的平台,这些医生,这些服务的提供者,他的能量、质量、水平。然后才有条件在中间完成匹配甚至是精准的匹配。同时在医疗人工大脑实现这样匹配的过程中,我们还需要在后面有一个非常强大的质量控制管理系统。目前也在跟国家卫计委、行业协会还有三甲医院探讨对质量的控制。

未来我们希望不仅是医疗,医疗将来一定是可以跟保险进行合作,惠及养老。在我们的过程中,人工智能积累的数据一定也会为后面这些保险、养老来提供重要的依据。这是我们设计的全部过程。

为什么百度要布局人工智能,不仅是业务的需求,另外一个,百度自身在人工智能四大基础支柱上,也有多年的积累。这四大技术就是语音识别与合成,图像的识别,自然语言的处理。自然语言指的是我不仅听得见他说什么,还要听得懂它的意思,最后一个是海量数据的用户画像成像,这是人工智能四大基础。百度在这上面做了多年的技术积累,今天在语言识别上达到97%,图象识别也是领先,跟世界包括微软、谷歌、IBM可以比肩。在大数据画像上,更是百度多年积累的经验。我特别想借这个场合表达的是我们用开放共享的方式,我们希望后面开放的合作伙伴,因为获得了百度的医疗人工智能而变得让你有能力,是授之以渔的方式,我们在10月11号发布的当天就已经把我们的技术放在网站上供大家下载使用。我们希望这个未来不是百度打造,而是所有的合作伙伴跟百度一起打造,这样一个我们中国自有知识产权的人工智能。我觉得最终我们的百姓,我们的人民,是需要技术强大,但同时是我们自己拥有的技术来服务于万千百姓。我的分享到这里,谢谢各位!

 

主持人:感谢李先生给我们的精彩演讲,包括我自己在内开阔了很多思路,对百度在这方面的努力,感觉我们会得到收益。

下一位演讲人是李光林先生,李光林先生是中国科学院人极智能协同系统重点实验室主任、中国科学院深圳先进技术研究院生物医学与健康工程研究所常务副所长,有请李所长。

 

李光林:各位同仁,各位朋友,下午好!我是先进院的李光林,非常感谢有这么一个机会来分享一下人工智能以及康复方面的工作。我接到这个任务以后,是相对比较晚,而且给我的题目希望我在医疗机器人与人工智能方面谈一些东西,我自己是做康复的。我不是太理解,但是我想谈一下我自己对人工智能以及在康复机器人当中的应用给大家分享一下。大家都知道人工智能和机器人目前是非常热的两个方向。刚才百度谈了一下人工智能在健康数据方面的应用,我想谈一下浅显的在人工智能方面的融合以及在康复机器人当中的一些应用。

先看一个例子,这是一个残疾人,手臂没有了,给她装上一个手臂,她要用她自己的想法来控制这个手臂完成一些工作。这个人必须和机器交互。怎么交互得更好,因为我的领域是做康复的,因此这是我需要研究的。这个我们看到整个手臂没有以后,完全通过她自己的想象能够操作这样一个机器手完全这些动作。

大家都知道现在最热的,机器人用得最多的还是工业机器人。举例,这里面工业机器人在汽车装备线,在装备线里面是一个机器人和一个汽车,周围是没有人的。因此这个分离环境当中工作,我们看最近退出的YuMi,是用软性材料包裹的,有力传感技术,它希望在开放环境中人和机器人一起工作。但是这两种机器人都缺乏人和机器交互的,因为也不需要。我们看一下工业机器人技术已经比较成熟,但是只能是智能程度比较高的。目前的工业机器人是机器和机器之间的交互,不像服务机器人,特别是医疗机器人、康复机器人,必须是机器和人交互,这是我认为工业机器人和服务机器人,特别是医疗康复机器人最大的区别。

手术机器人,这是做一个脑神经手术的机器人,这时候最少需要两种交互,第一个是机器人与外科医生的交互,第二个是机器人与患者的交互,比如手术当中的定位、导航,这是需要人和机器进行交互的。看一下康复机器人,不论是一个假肢还是康复机器人,都需要机器人与患者的交互,特别是在康复机器人里面,这些机器人必须按照使用者的意图实现康复或者辅助的功能,不能用一个外骨骼机器人,你受它的控制,那是不行的。机器人是与使用者的适应非常重要,机器人也必须适应人,我想做什么。康复机器人对人机交互应该提出一些要求,这种发展,要想交互,必须要实现怎么精准交互。如果一个手术机器人不精准,没人用。还有自然的交互,有一个康复机器人,交互不自然就不愿意用它。还有安全的交互,怎么实现这三个目标,首先第一个,机器必须要适应人,人是会犯错误,这时候机器必须要适应人,同时人必须要适应机器,因为机器也不是万能的。因此要想实现人机交互精准自然交互,必须是一种闭环的交互或者互适应。这应该是人工智能在医疗康复机器人当中的应用。从这个物理的层面来讲,人机交互就是一个实体的人,一个机器。但是真正两个交互,是在智能层面完成的。也就是说要想交互,要实现这个目标,必须上升到智能层面,就是人的大脑和机器的智能,就是人工智能,也就是计算机,它必须是智能层面的交互,因此需要人机智能的融合才能真正实现人机交互这样一个目标,就是精准与自然交互的保障。因为我们知道,生物智能与人工智能是各有所长,具有非常强的互补性。比如计算机擅长的是海量存储,快速搜索。人类智能具有抽象思维、推理、学习等高级智能活动。要想实现很好的交互,必须发挥两者智能优势,进行互补,最后达到真正精准自然安全的人和机器的交互。

这是2016年10月份美国白宫发布了《国家人工智能研究与发展的策略规划》。规划的目标是要产生一些人工智能新的知识和技术,为人类社会带来一系列的好处,当然要把负面降到最低点。这个规划确定了美国联邦政府有限自主的七个策略,看一下第二个策略,研发有效的人机协作方法。人工智能系统将与人类协作以达到最佳性能,而非代替人类。为此,需要开展人与AI系统的有效交互方法。这个对我们医疗康复机器人来讲如何实现自然、精准、安全的交互。

这是人工智能的研发策略规划总体结构图,从基础的研究一直到应用都谈到相关交互的东西,以及在医学上的应用。实际上这个研发,有效的人机协作方法,有四方面的研究内容,探索具有感知能力的新的算法。探索用于人类技能增进的方法,研发用于数据可视化的人机界面,研发更有效的自然语言处理系统。

既然我是做康复的,我想简单谈一下在人工智能或者人机智能融合在康复方面的应用。康复方面主要谈一下运动功能,康复机器人的需要。运动功能当中我们要面对两种人群,一种是截肢者需要佩假肢。另外一个运动功能障碍者,除了各种疾病造成的障碍以外,还有老龄化的问题,可能有一些康复辅助的机器人,这样两类机器人,刚才我谈到要想和机器进行交互,必须将来的发展要实现自然精准安全的交互。怎么实现这个东西,这是一个系统,如何能够控制假肢或者机器人,实现功能补偿或者康复。举例,在多功能假肢方面,残疾人如何和自己的假肢系统融合。稍微讲一些基本的知识。比如我们在做任何动作的时候,大脑都会产生神经信号,通过神经信号传到肌肉,刺激肌肉收缩产生电信号。当一个人失去手臂以后,他仍然可以做手张开握拳,大脑产生的神经信号仍然能来到残端,通过信号的解码获得运动意图实现控制,这就是多功能神经假肢控制的图,采集残损信号,多通道的信号进行处理分析,实现控制。这里面哪些方面涉及到人工智能。首先提取出对运动意图识别有效的特征出来。第二方面,模式的识别,我如何训练一个模式识别器,能够知道你的运动意图。下面是控制,到底控制是怎么样的,最后才能真正实现对人和假肢之间的关系,这里面牵涉到非常多人工智能的东西。这个图来演示怎么从信息采集,分类提取,这就是人工智能方面的东西。

举例,这样一个残疾小孩手臂已经没有了,在体表上放了几个电极,就可以来控制他自己的假手,实现他一些日常的动作,实现了人和假肢手之间的交互。刚才那个小孩的截肢只是肘部以下的。但是对于高位截肢就需要获得更多的信息,没有信息人工智能再厉害也没有用。因此这里面就需要生物智能的增强。举例,我们可以做神经功能的重建,这就相当于人的智能的增强。重建以后实现假肢的控制。这个残疾人整个手臂没有了,完全通过想象实现对假肢的控制。但是这里面有很多是人的智能和机器智能必须配合,这里面很多算法、数据提取以及分类器。这个也是残端截肢之后需要重建,获得更多的信息。生物方面也更多的数据,再加上比较完美的人工智能的处理方法。比如数据的采集,特征的提取,训练,最后也可以控制自己的假肢,实现这样一些动作的控制。这些控制虽然基本的东西都实现了,但是还存在好多问题。还有很多不完美。这些不完美,第一我们要拿一个东西有感觉功能,现在没有感觉功能。比如要拿一个鸡蛋可能会捏碎。因此没有实现闭环的控制,下一步的研究必须要增加到这样一个反馈。要想实现更加自然精准安全的交互,必须实现神经的反馈,如何把感知反馈建立,才能够有效的实现更加自然的应用。如何实现这样一个反馈,信息通道很关键,这个地方用到人工智能的方法。因为缺乏感知反馈,导致自然安全交互能力比较差,需要感知觉系统建立。动作控制精度需要进一步提高,需要进一步提高精准控制性,就需要人工智能的参与和人的性能提高等等方面。

这里面既要有人相关的信息的生理参数采集还有人工智能的,包括深度学习的方法能不能用到这些方面等等。

感谢得到国家一些项目的资助以及课题组的帮助,谢谢大家!

 

主持人:非常感谢李先生给我们做的精彩演讲。

下一位演讲嘉宾是上海交通大学附属医院瑞金医院瑞金医院统计信息科主任孙主任给我们演讲。

 

孙木:我来自上海瑞金医院,我在瑞金医院11年做过很多部门的主任,一直在医疗条线拼杀,走过这么多路程。我觉得这个部门是我任职当中最难的一个部门,这个部门就叫病案室。今天大会组给我的题目就是讲讲诊断的事。

我到病案室发现它像一个工厂一样,瑞金医院一个月是五千吨病史。这个部门有一个岗位就是编码员,医生写了很多手写的病例,这个编码员就写下来,但是他的工作临床并不认可,他认为他写的东西并不是临床要的。在2012年卫生部下了一个文件,这个文件告诉我们,这个首页上一定要写上编码,而且首页上诊断名称一定要标准的。这样一个首页拿到我们手里的时候我觉得也许编案室的春天来了,我们可以给医生写,而不是编码室编码。我先学习了一下什么是ICD-10,其实它是疾病和有关问题的国际统计分类,它不是临床诊断,它跟临床诊断中间有很多冲突。我们提出一个问题,临床能用吗?如果临床不能用,这样一个东西能干什么。我仔细看了一下我们怎么能把ICD-10变成临床诊断。比如ICD-10是统计归类就会名字是慢性混合型病毒型肝炎。这是临床医生不会写在首页上的,那什么叫混合型肝炎,是什么和什么混合了。比如说甲肝、乙肝等等有不同排列组合构成混合性肝炎表达。一开始我认为扩展码,这是国际标准码B18.004,标准码后面我加ABCD,让临床医生选的时候能选到他要的,甲乙丙丁戊五个。我觉得它的思路是这样的,但是接下来证明这个思路错了,这是一个骨肉肿瘤病人,它是内部假体装置、植入物和移值物引起感染和炎症反应,我发现它的排列组合不是我能掌握的。再接下来,ICD-10的表达不太适合临床应用的另外一点,比如急性肾衰竭,前面000、001、002,有一个叫垃圾筒的概念,如果你前面找不到,确认明确了,可以放在特质里面,如果你诊断不是很明确,就放在900,非特质里面。这是我土地理解了为什么编码员不被临床认可的原因,就是他把很详细的ICD-10没包括的临床诊断都放在特质和非特质里面,我们就说把这个病扔到垃圾筒里面,在你上报给卫计委数据分析的时候已经没有了。接下来ICD-10还有一个表达,如果在特质和非特质也找不到就放在不可归类他处者。这是编码员经常会把罕见病放在这里面。ICD-10还有一些完全不能用的,比如我们的烧伤诊断,头和颈一度烧伤,我们只有烧伤,我就说可能这是翻译的问题,应该是灼伤而不是烧伤。因为现在大量病人不是烧伤而是烫伤比较多,我就括开了。你卫计委说只有烧伤,我医院内部可以用烫伤和灼伤,上报的时候还可以转成烧伤报上去。这黄色是我括的,括完以后临床还是不能用。临床诊断对于我们ICD-10的结构,认为是不对的。这是ICD-10的结构,我要想表达一个烧伤,ICD-10是两个部位合在一起的,因为它做得太细了,医生写的条数就太多了。两个部位合在一起,后面面积是以每10%给一个面积,但是我们知道临床医生对面积的表达是一个手掌算1%,不可能误差这么大,每10%知道这是一个面积。接着有一个外因编码,比如火烧伤,再加一个外因编码,比如暴露于房屋或建筑结构外无控制性火焰下。再接下来,临床诊断是什么,是这样一个结构的表达,把火焰烧伤、头部、颈部等等烧伤放在一起。接下来全身的部位都应该有的,接下来面积,面积从1%-100%,每一个都要。接下来三度以上的烧伤要再表达一次面积,这就是结构。这时候原来加码的感觉,我觉得它的排列组合,我都应该编码。我算了一下排列组合,有1560万条。这样一个烧伤的诊断,我要加到1560万条才能表达出来,这就不是加码能够完成临床诊断的。这也是在我们医院的逼迫下,我们医院跟我讲说孙木如果你还是拿ICD-10让我们做诊断,就撤下来我们不要了。这时候我想了第一个办法,把它的字段放到电子病例界面上让医生勾,勾好之后自动生成ICD-10,把可能性的排列组合都选出来。我们把每一个临床科室的诊断类型归纳出来,就变成了这样一个模块,模块上医生可以选,这是我们模块选完一点生成的时候会消掉勾,后面没有打勾的,就是刚才那个模式。选好以后,我的临床诊断叫热液烫伤、鼻、三度。而我们的ICD-10说多处烧伤,至少一处烧伤,无所谓,这是统计概念的码。我做到这样就跟临床讲,从现在开始你不要学ICD-10是什么规则,只要你按照临床的要求做好你自己的诊断就可以了。这是骨肿瘤,非常简单的诊断,但是ICD-10只有恶性肿瘤、良性肿瘤、动态未定或动态未知肿瘤。你说诊断一定要分左右,我把部位侧加进去,接着解剖部位,把骨头上可能长成肿瘤的所有形态,从形态学编码里面挑出来,规范化以后变成这样一个模块。

这是糖尿病,2型糖尿病伴多并发症。如果一个患者有十个并发症,医生写的时候要描述十条,主诊断要写两型糖尿病伴多并病症,这是医生最不可理解的。我觉得临床诊断,你要做成什么样子,要跟临床科室好好商量一下。这就是两型糖尿病伴并发症,总结起来有五六十种,一项一项列出来。临床科室说这个诊断应该是这样的,2型糖尿病有视网膜病、神经性水肿、下肢溃疡,这就是临床诊断的表达,ICD-10叫2型糖尿病伴多并发症。如果临床诊断可以变成这些磁片,就可以挂到治库数据库上。我把事情做到这些才觉得医院内部的治控才有方向。过去我们叫临床路径,我们叫院感管理,所有事情都在盲打。如果这些磁片跟我们的管理形成一些联系。比如说我两型糖尿病伴这么多并发症的时候,用药应该怎么用,这些磁片跟我们的药绑在一起的时候,医院这个网就形成一个很好的知识库的网。这些磁片哪里来,我们就做了一个词库。临床诊断由什么构成的,有疾病、功能、病原体、病理形态、解剖部位,还有内部有序号,跨部位的疾病,深度、面积等等等等,这些词构成了我们诊断的单元。这些单元和在一起,就能在医院里面发挥非常大的作用。

我觉得我们做这些工作,在上海,我们有一个团队来做,这个团队我们都有一个梦,大家都在问这个体量有多大,你们这些做体量太大了,我们说如果不这样做,医院管理是没有方向的,我们做一个DRG,把相同临床路径的病归在一起,再研究病的危重程度,它的并发症对主要诊断有什么影响,就做了这样一件事,我们做了56万个代码规则。我们的结构化诊断,现在做26万个代码规则,做到现在我们还说未完待续。我想用一句话结束我今天的演讲,就是马云的一句话,我们这些人梦还是要有的,万一实现了呢!谢谢大家!

 

主持人:谢谢孙所长给我们带来的精彩演讲。刚才孙主任给我们发表的演讲,让我也真正体会到所谓的大数据、统计资料,它的根本是总哪儿来的,它的准确性和价值,是从我们说建一栋大楼一样,从水泥和沙子砖头算起的,如果这个基础不扎实,后面建立起来的东西就准确性没有那么高。

下一位演讲的嘉宾是IBM-Watson认知关怀的王泰峰先生。

 

王泰峰:首先谢谢组委给认知关怀和我这样的机会,跟大家分享IBM-Watson。

这张图上右上角是我们公司的LOGO,叫认知关怀。这是一家非常非常年轻的公司,是在今年1月份成立的,我和我的合伙人都是在IBM十几年的工作经验,趁着Watson进入中国的时机,我们把认知关怀带到中国。我们认为认知关怀是目前IBMWatson For 肿瘤在中国的指定运营商。很多人会问到这个的区别,我待会儿会讲到,讲之前我还是把Watson本身对于医生有什么价值跟大家分享一下。

这张图我从去年用到现在,它讲了一个事实,随着科技的发展,随着我们有大量的设备,出于便民也好,医疗的帮助也好,产生了大量的东西。2015年一年仅肿瘤这一个学科,发表在高等级期刊上的医学文献达到4.4万篇。换句话说说,我们拿肺癌举例,肺癌的医生每周要用160个小时才可以读完在他这个学科应该知道的知识。结论是人类通过他所发明的科技,已经不能够掌握他应该学到的知识了。这种情况怎么办。是不是需要一项科技,帮助人类改变过去学习知识的方式。今年人工智能之所以比往年要火是因为“阿尔法狗”,但是在西方国家2011年发生过一个Watson参加了一场智力赛,当时在西方的轰动跟在中国对于“阿尔法狗”的报道,远高过现在的热度。这是2007年的一张图,2007年是IBMWatson刚刚更名,当时定义Watson解决观点性的问题。因为很多我们身边的问题是没有对和错之分的。如何解决?当时它所选择的一个切入点,就是这个智力竞赛,这是Watson第一次参加智力竞赛的曲线。紫色的部分是Watson的答题记录,蓝色部分是参赛选手的记录,横向是知识面,纵向是准确率。他只能达到人类智慧大约60%左右的能力,距离人类的判断还有很长的路要走。这是2010年参加人机对战之前的统计数据。2010年黄色的数据每一条都是他每一年参加的数据,它几乎可以和人类匹敌了。也是那一年IBM把它的发展史分成三个大的阶段,IBM最早做打孔机,后来有相当长时间从50年到甚至在今天中国大部分IT还是属于编程时代,它把2011年认为是IBM的认知计算元年。甚至IBM在很多公开场合说我们是人工智能的分支,是处理人类增强学习能力的重要工具。它不是纯粹的,因为人工智能的范围很广。在2011年,把认知计算作为商业目标的一个出发点。在达成认知能力或者推进认知计算,实现认知计算的历程中,从左到右和从右到左是两条都可以走的路径,而从左到右的路径是传统通过大数据分析在广泛的大数据里面找规律的历程,更像我们把非结构数据结构化,把它做进数据仓库,传统的数据分发加载工具,再通过数学家建模。把这些知识变成信息,把这些DATA变成Information,再通过我们对行业的理解,数据科学家、数学家以及行业专家,三者才能从左走到右形成认知计算能力。我们为什么不用现在在开元世界超过一千种算法里面挑选一种直接从知识驱动认知的方法,Watson做的就是这个事情。也是在2011年,当Watson取得这样一个比赛之后,一个癌症中心找到IBM,说你可以在医疗行业做一些拓展。在他的帮助下,仅用一年时间Watson通过美国职业医师资格考试,当然因为它是一个系统,没有做职业的事情。这也奠定了Watson的第一个商用方向,就是医疗。在四年半的时间里面,MSKCC跟IBM的数学家、工程师做了三件大的事情。第一件事情,由MSK的专家把超过290本高等级医学期刊文献放进去、NCC指南放进去,这家医院一百多年临床实践的最佳实践放进去。这些放进去之后,我们通俗的理解,现在仅仅是把知识本身输入了一台机器里面。里面的算法还没有发生作用。第二步训练过程,是医生给出患者的指标以及他们认为最权威的治疗方案,让Watson自己去理解两者之间的关系。第三步,由医生给出指标,让Watson做题,再由医生评判Watson的能力。这一阶段的后半轮,2014年7-9月份,就开始把临床实际发生的病例指标输入Watson,然后由Watson和MSKCC的医生共同出具质量方案,再由这家医院专家组判断谁出的方案更适合这个病人。经过9个月的训练之后在MSKCC的官网发出一篇文章,说Watson分析的治疗方案接近100%符合,到2015年7月Watson商用。如果我们总结Watson对于医生的价值,它是医生能力增强智能的助手,是精准全面概括的行政医学助手。真正它在指导临床过程中对于医生到底有哪些作用。这是Watson的使用界面。那时候有一个朋友说你把APP打开给我看一看,我说对不起,因为这个内容确实比较多,现在最小要用IPADMINI才有可能在一个屏幕上看到相关的内容,如果用手机是不太合适用的。而且它在医生这项工作中,由于Watson的输出内容包含三类四项,所所谓三类是指MSK认为最推荐的方案用绿色表示。MSK认为可以被考虑的用橙色表示,不被推荐的用红色表示。这些方案在数秒之间就可以完成,可以提高医生的决策效率,尤其是一个场景。如果我们在发起MDT的时候,有一个Watson的输出治疗方案作为一个基础的,大家的对话是以最基础的对话语言完成的,这个质量肯定和以前有非常非常大的不一样。对于年轻的医生,现在国家在倡导健康中国的大概念,我们要提升基层卫生系统的医疗能力,争取叫大病不出县。要推行这样一个大的目标,基层的医疗机构只能通过更多的技术手段。比如说类似于像Watson这样的工具,它不仅可以对大专家提供学术上的帮助,更重要的,Watson的更新,对外宣称虽然是每季度更新一次,但事实上从我们跟IBM合作的大半年来看,几乎每季度更新两到三次。举例,今年6月初发表的文章,7月4号Watson16.7的版本里面已经收录了。换句话说基层医生可以在规范化治疗里面使用Watson。Watson对于自然语言的分析和识别可以达到非常高的高度。Watson的输出有三类四项,四项分别是每一个方案,方案描述是什么,说产生的逻辑是什么,它的临床医学证据有哪些。这些证据不是你要读整篇的文章,Watson已经帮你读了,把梗概列给你看。我们每一个医生,我知道肿瘤医生一天接诊的患者40-80个,这可能是老外医生一天的接诊量,都没有这么多。他怎么在临床过程中还能掌握最前沿的肿瘤治疗知识,Watson对这样一些医生的帮助是非常大的。每一个治疗方案,Watson都会给出他的收存率数据以及耐受性数据。

这里提到医患沟通,事实上肿瘤还不是医患沟通比较有困难的地方,但即便如此也是一个非常敏感的区域。对于医患沟通,很多肿瘤患者之所以不是马上信任医生,就是在于医生和患者之间在肿瘤这个学科上的专业知识不对等。不仅中国,美国也一样。在这样的情况下,如何用最快捷的方式,告诉患者说你在这个阶段有多少种治疗可能。这个对于医生和他沟通,是非常非常有帮助的。医生可以给患者看,我之所以这么治,是因为我有这么重要的系统支持,它宣称做了多少临床实验或者数据支撑。这种情况下患者能清楚,即使在他目前的状态去到美国做海外就医,花比现在高十倍二十倍的治疗成本,得到的效果都在这里。对于医生和患者之间相互信任提升医疗质量帮助非常大。

Watson第四项里面就是用药信息,精准输入患者指标的情况下,Watson会告诉患者和医生,这个阶段你可以用哪些药,这些药有哪些不良反应,哪些负反应,哪些特征,无论我们做诊断还是陪护,这些数据都有帮助。

对于教学和研究,是Watson直接和一个全球最著名的临床实验室,里面有非常丰富的针对某一个患者在目前这个阶段全球有哪些正在发生的临床实验可被考虑。在两周以前,浙大附属第一医院有一个肺癌病例,当他把病人指标给到认知关怀,我们看了说其实这个患者已经是差不多四线五线治疗的状态,我不认为Watson能给到你特别有建设性的意见。我们给了他一份临床实验的报告。他们发现在临床实验报告里面有两种药是他们完全没有考虑过这个方向的,他们觉得这个可以作为参考。我们又跟他要了一份数据,是说你能不能把这个患者刚刚入院时候的数据指标给到我,他给到我之后我输入Watson用了几秒钟的时间,出来七种可被治疗的方案。Watson不在乎你这个患者到底处在中期还是晚期或者有多难,而是在于你没有开始治疗。刚刚确诊之后Watson能够帮到患者的程度更加高更加深入。

现在在临床实践中有两种场景Watson正在发挥价值,第一个就是把Watson输出的治疗方案作为所有参与MDT医生对话的基础。第二种,简单的把Watson的输出作为MSK的意见,像专家一样参与到MDT里面去。这些场景现在被我们沟通过调研过培训过不到大约500个医生,在接受Watson最新的指导。

我再用一点点时间把认知关怀介绍一下,我刚刚提到它是运营商,不是简单的分销商。我们的目标是增强Watson在本地高发癌症或者本地前沿治疗方案的癌种信息增补。我通常说IBMWatson是一个有超强解码功能的CD,有百分之七八十的人喜欢听,它有一些歌手。现在认知关怀要把那百分之二三十听不惯这些歌的人,为了他们我要团结找一些歌手,重新编一些歌,让它更适合中国人。我还要做一张CD比如两广地区,湖南高发的鼻咽癌。在Watson原本的版图里面是没有说我要训练这些的,认知关怀来做。我们要惯一张在中国高发其他区域几乎没有的这些一张CD,这样一个版本的Watson,这是认知关怀要做的事情。他和我们仅仅分销这项服务有非常本质的区别。

我们1月15号公司成立,1月26号跟IBM签署Watson中国制定供应商协议,一直到8月11号IBM和认知关怀在北京宣布发布会,灾后8月25号对于胃癌开始支持,今年12月份Watson会支持宫颈癌和卵巢癌,明年1月份Watson会支持肝癌。这一路进展中,我们通过本地化的工作,通过国内肿瘤专家、医疗研究机构一起共同丰富Watson整个生态体系,造福于中国的肿瘤患者。这是我跟大家分享的,谢谢!

 

主持人:谢谢您跟我们带来的精彩分享。

现在会议进入到高峰论坛,下面要邀请的嘉宾是刚才这一环节主要的演讲人,李政先生、李光林先生、孙木主任、王泰峰先生。

我再次代表所有的听众还有朋友向你们四位表示感谢。今天内容很多,我感觉到从我们这次会议的宗旨,谈的是医疗机器人,包括康复机器人、手术机器人,我们一直在挑战我们自己,这个医疗手术机器人和人工智能,它们中间到底有没有结合点,如果有,是如何结合的。刚才听了你们几位的发言,让我本人也大开眼界。它确实是一个智能学习的过程,要让机器也要学会怎么样来接受一个大数据的反馈。这一点百度和IBM都有不同的做法。

李光林先生给我们另外一个角度来谈了一下人工智能、人体的中枢神经系统和对机器本身直接的人工智能方面的控制,它也和数据有关系。这一点对我们医疗手术机器人的发展都有非常重要的作用。尽管我们多多少少都在不断的摸索和前进中,医疗机器人本身在我们国家也是比较早期的项目。

我先问一下百度李政先生,我们说到人工智能已经实现当下技术上很大的热门话题,它是为我们传统工业升级提供了新的发展契机。百度作为我们技术深耕的企业,而且在人工智能的领域里,真正达到了一些国际水平。我看到百度发展的医疗器械事业部,由李政先生来主导。在医疗事业的哪些方面,你从百度发展的重要板块得到了哪些技术上的支持。

第二个问题,我们也感觉到人工智能在百度发展下,一定能有所作为,你是不是能给我们也分享百度上有哪些技术能引领我们。

 

李政:我把这两个问题结合在一起谈一下。我们说得到了哪些支持。本身百度医疗大脑,在10月11号发布,是百度第一款人工智能的产品落地,这个在我们三季度财报上看到了。百度希望这个技术第一步就用在最重要的人民身体健康医疗行业上。在技术的配合上,百度医疗事业部,我只有几百人,但是百度三万多名工程师,在刚才我讲到的四大人工智能支柱上做研发。这些方面他们等于是我们的后盾,97%的语言识别率直接可以内嵌到百度医生的问诊环节,老年人看不见直接可以说。在技术上,百度医疗事业部只是一个产品服务的呈现,承接的平台,但是真正后面是庞大的技术团队在支撑,所以我们得到内部非常大的支持。

另外我谈一下百度医疗大脑和我们现在推进的,下一步是万物互联下的人工智能,就是可穿戴设备和云端。云端就相当于机器人的大脑,有着大数据的运算能力、学习能力,深度学习、自我学习,提升能力。这个端将来是围绕着你越来越先进的。刚才我在门口跟一位先生,澳洲已经有一个技术血糖仪不用采血,直接用唾液采。我看我很多朋友糖尿病都很痛苦。这种科技的发展,云加端未来的技术引领未来是一定要让我们的患者享受到科技带来的光芒和福祉。刚才讲百度已经推出了2C、TO医生的两方面产品形态。我们今天往往要解决的是一个患者怎么去判断自己的症状。症状判断好了以后,又怎么去选择手术方案、治疗方案。这个方案选好以后选择什么样的服务实施者和平台,这是一个非常复杂的医疗科学。所以百度的人工大脑未来在这个环节上要狠下功夫。

第二个,都确定了,在服务实施过程中怎么确保质量,保证最后按科学严谨的逻辑实施,这另外重要的。未来的人工智能在一前一后都一定会引领这个行业的未来。

 

主持人:谢谢,您说的各方面都比较全面,而且我们能理解百度这些年为我们能看懂中文的广大人民提供了相当多的帮助。

下一个问题想问一下孙主任,我以前也管理过统计学的部门,临床医学统计部门,我们碰到的最大困难就是这些原始数据是否被确认它的定义非常明确,尽可能明确。要把有关数据清理,做一个完整的统计学报告要花很长时间,其中90%时间都在清理原始数据。我们今天看到孙主任给我们讲在医院里如何定性非常具体的病人,我感觉到这个事情是意义非常重要。如果说我们将来在大数据或者处理人工智能更有效,处理和人体健康有关的症状,诊断,是离不开这些东西的。我想请孙主任给我们说一说,您从医院的角度看,再协助我们往大里看一看,我们将来的人工智能和医院数据,怎么能放大化,标准化。现在瑞金医院做的,我们国家是不是能按照您所想象的这个模板往下推广?有没有这个战略计划,是不是有什么正在做的事情?

 

孙木:我觉得我现在已经够有名气了,昨天我还在广西,晚上十一点回家,今天早上又跑到深圳来。很多人都觉得他们在管理上有很多的困惑。像我原来一样,我在我们医院做六年的三办主任,统计信息科,包括信息、计算中心、病案室、治控办、医保办,也许在这个过程中我一直在挨骂,让人说你管的是盲打,蒙着眼睛做事情。这个过程中我一直在改变我自己,我在做一些精准的事情。今天我听几位专家都讲一些大数据的处理。在我们医院,我做大数据处理的时候也很困惑。整个上海市的数据都会传给我,我来审核这些数据,看我的DRG系统有没有错的地方,有没有新的技术产生。我把系统滤出来的所有不规范的东西,我发现99%都是医院错了。我在100条当中能挑到一条有价值的已经很不容易了。作为大数据到医院怎么用,真的很难,都是错的。一个医院要把数据做准要做庞大的培训,让医生支持你,一点一点告诉医生你不能那样做,怎么做才是对的。在医院里面是精准,大数据我的理解可能跟各位专家不一样,我觉得大规则才是大数据,而不是数据拿来了叫大数据。在医院里面踏踏实实一个字一个字的把它敲定,一个字一个字的跟其他的关系做好。就像我们说这一个房间里,我买了很多家具,但是这个家具每一个盒子里面要装什么一定要讨论好,盒子跟其他盒子的关系要讨论好。全国的医院对上海瑞金医院这么感兴趣,觉得它的工作这么扎实。我跟大家分享的同时,觉得也许国家卫计委能看到,我们可以把我们的一些经验分享给大家。因为做了这么庞大的工程,100万的代码差不多做好了。如果某一家医院按照我们这个理念重新做一遍没有必要,这个平台怎么共享给大家,大家站在我的肩膀上怎么把它发展起来,是很重要的。

 

主持人:我接着跟IBMWatson的王泰峰先生谈谈,我在想从医院过去的数据可能会对IBMWatson的产品或者项目有一些重要的作用。我发现IBM刚才的PPT上用了很多英文的东西,我也注意到IBMWatson发展的方向也在和中国的医院连着。我自己也在琢磨这件事情,可能是中国的寻证医学的发展和中国自己医院本身中英文医学上的习惯有所不同。比如说中文怎么讲,英文又是怎么讲。我这是非常浅表的理解。当然,这个肯定会往下走一步,医院里面收集的肿瘤数据,其实并不能代表中国2500多家三甲医院,好几万家其他的医疗机构对肿瘤病人的理解,它总是要由点到面的扩展过程。

我想请问一下,你怎么看我们大概要花多长时间,基层的医生或者有必要其他的肿瘤科医生能从使用你们这个人工智能的数据库里得到益处,我们要等多长时间?

 

王泰峰:我跟大家分享几个数据。第一个数据,当Watson在2015年7月正式商用的时候,它的前三轮语言训练中没有中文。事实上我们能够以一个全新的非常小的公司获得了一个排他性的运营权的过程中,我们同时推动了在2017年5月份,这个时候Watson开始训练中文的自然语言,原来是在2019年之后,我们做了一些工作,这个提前了。第二,我在IBM工作了十几年,这十几年里面,我自己觉得自己的英文还行,通常看英文的报纸会有一些词不认识,但联系上下文还能懂。但是从开始做Watson,尤其是Watson的第一个方向是肿瘤之后,我是要在整篇的文章里面找我认识的词。这其实是一个非常大的反差。在今年七八月份我跟一些肿瘤医生成为朋友的时候,他说虽然你刚刚接触的时候这些词会觉得非常的困难,但是中国的肿瘤学教育,在地级市以上的三甲、副高职以上的医生,读是已经没有问题了。只不过他要去写,要去说,是成问题的。在肿瘤学语言的跨度上,他们给了我另外一个数据,1200个词在肿瘤学科将将够用,如果这1200个词加上词根就会有一大堆衍生,但是并不会让医生说难到完全看不懂。最近随着精准治疗的发展,这个发展过程中产生了一些新的肿瘤药品和一些检测手段所产生的新的词汇,确实是会影响我们读最新的文献,但没有那么的致命。地域市以下,比如村镇医院或者乡村医院的医生处理Watson的内容是有难度的。

 

主持人:谢谢,对医疗里面诊断的名词甚至用药的名词对基层医生都是至关重要的。

我回到大会的主题,我们是想从学会,想从你们几位身上了解一下我们说的人工智能和医疗机器人之间的一些联系。我先请李教授给我们说一说从健康机器人起步,如果您能延伸到医疗手术机器人就最好了,给我们说一说您对这个领域的认知或者您的理解。

 

李光林:非常感谢,大家都知道,机器人和人工智能是非常热的两个方向,我刚才PPT也讲到,现在工业机器人用得比较多。但是这些工业机器人它是缺乏智能的,应该叫它是个机器,没有人的因素,人是有智能的。比如它装工件的时候,拿过来我在中间放一个东西它照样去拿,不会像人一样绕过去,如果像人一样绕过去那就有智能了。但是服务机器人特别是医疗康复机器人如果没有智能可能用起来比较困难。但是在医疗机器人方面和国际上相比还是有差距的,但是在康复、辅助机器人方面无论在技术还是市场上还是有希望的。可能国内经过一段时间的发展会形成非常好的产业。昨天李克强签署了一个东西,说光康复产业要超过7000亿的规模。这块可能是中国的一个机会。

 

主持人:谢谢李教授。你们为我们做医疗机器人这方面如何和人工智能有所结合,给我们说几句,让我们思路都开阔一点。

 

李光林:我们知道要实现人工智能,需要有两个基本条件。第一个条件,必须有硬件。软件再好,没有好的硬件,是不行的,但是光硬件也不行,还得有软件。中国在人工智能发展当中,软件已经做得相当好,我们在软件上、算法上已经不比美国差,但是在硬件上,确实有缺陷。到底我们的计算机水平还有各种机器人里面,特别是一些交互的硬件的东西,如何把触感相关部件放上这非常关键。

 

王泰峰:从我开始接触人工智能以及我所理解的,我更加建议我们发展的脉络是从疾病中来,我们无论是发展机器人的脑,人工智能的算法和策略还是发展我们的材料学,制作工艺,它所面向的,最好都是面向患者的。换句话说我们最迫切解决的疾病是哪些,就从这个疾病入手倒着研发我们需要的科学。这是我希望人工智能和机器人能够从这个角度来发展。

 

李政:百度在科技上有很多积累,但确实百度不是一个硬件公司,确实没有一个载体,一个更加有利、智慧、智能的载体把百度的人工智能和软件承载起来,这就是人工智能和最终变成机器人的关系。我觉得百度这边还是依据自己的长处,有所为有所不为。自己擅长的仍然是大数据、画像、云、图像识别等等。我们应该把这些技术打造到极致,真正代表中国跟世界先进水平的科技公司比肩,未来的医疗产业或者产业界,一定是大家共同来炒这盘菜,我们也非常希望能够有更多很强大的,比如华为,跟百度有很深的合作。这样的公司能够弥补百度的短板,大家软硬结合,共同智造未来的机器人。

 

孙木:我来这个会以前觉得机器人就是手,用人的脑来操作这个手,怎么把这个手搞得越精细,能够看到器官的后面,手术的时候能帮我们做很多。今天讨论到下半场的时候我才觉得机器人的脑很重要,我们这些人在构建这个脑,我们真的做得很苦。我想代表我们医院基层管理人员说几句,我们真的太不容易了。尽管有时候我们的思路不是很好,但是我们在做构建这个脑的时候,我们太需要百度和IBM了。我们用很笨的方法一个代码一个代码的往里扔,我们认为是最精准的。有一天我能跟IBM和百度合作的时候,我发现它可以批量放进去,这对我们来说是我们一大幸福。

 

李政:我希望我们跟IBM下周拜访您,我们在中国积累的大数据上,IBM在世界结合的能力上,真的希望尽早实现。

 

主持人:感谢四位演讲嘉宾给我们做的精彩演讲,我们学到了很多,谢谢四位。

我们今天的会议就到此结束。