“目前我國在高端醫療裝備領域相對比較落后，再者我國人口基數大，病情復雜，如何實現中國在高端醫療裝備領域的跨越發展已成當務之急。”任秋實教授說道。

在他看來，健康問題不止體現在一線、二線發達城市，此問題在很多偏遠的、缺醫少藥的地方也很凸顯。高端醫生下鄉就診只能解決一時問題，現實狀況不能得以有效改變。

他表示：“人工智能與醫療的交叉融合至關重要。我們希望設備制造商能夠基于健康醫療大數據和人工智能，把算法集成在設備當中，真正形成智能化的治療設備，使疾病的診斷和治療得到更好地普及。”

就此，任秋實教授認為，未來中國可以在產、學、研、醫四個方向努力，融合建立產業轉化的平臺。

• 首先高校可以在算法的創新與醫療技術創新方面對整個大數據和人工智能領域作貢獻。
• 醫院可以通過應用更好的醫療技術獲取更多的大數據，然后從數據緯度方面給應用提供新的思路和新的方法。
• 互聯網公司能夠將有效的算法和高緯度的數據有機整合在一起，更好的進行普及與傳播。
• 同時，作為裝備制造商，能夠在終端集成智能化的診斷方案，形成一個有效的創新的新路徑。

與此同時，為了更加清晰地介紹醫療技術如何結合大數據及人工智能以推動醫療裝備產業的發展。任秋實教授還分享了幾個具體案例。

一、眼底病的智能診斷：任秋實教授團隊研究了一種新型的基于眼底多光譜的成像系統，它可以把不同譜的光對眼底進行成像，有500納米—850納米不同波段的成像，通過這些成像可以看到視網膜的表淺到深入層，然后清晰地分割出來，使得在圖象處理上更加簡單易行，而不是簡單的依靠大數據的獲取。

二、視盤前增值膜：通過分析570納米和600納米之間圖像的差異，主要表現在含氧血紅蛋白對兩個光譜的吸收程度，根據差異可以算出眼睛內血氧飽和度。目前AlphaGo的圖像分析主要是根據圖像的結構成像，如果通過多波長的成像加上兩個光譜不同狀態下含氧血紅蛋白和缺氧血紅蛋白的差異，就可以計算與血養飽和度的分布，形成功能性的成像，這樣做最大的好處是在于他們對很多疾病的發展狀態可以進行及早的辨識。

三、分子醫學影像：北大分子醫學影像實驗室做了基于人體PE/CT自動腫瘤的識別，在肺癌的診斷方面做了一些基于大數據和人工智能的一些探索，成功實現了一些算法。

以下是任秋實教授的演講全文，雷鋒網作了不改變原意的編輯：

中國目前在高端醫療裝備領域相對落后，但由于我們人口眾多、疾病復雜，在健康大數據的獲取方面有著得天獨厚的優勢。如何把兩個問題有機結合在一起，實現中國在高端醫療裝備領域的跨越發展成為當務之急。

AlphaGo打敗世界圍棋冠軍開啟了人工智能的新紀元，AlphaGo的成功得益于計算機的發展和大數據的積累。而在與民生相息的醫療領域，過去兩年也爆發式發展。從國家層面來說，目前該領域已經被高度重視，被定位為國家基礎戰略性資源。

由此，AI與醫學影像的交叉融合迎來了一個關鍵點。

但現實狀況也不容樂觀，健康問題不止體現在一、二線發達城市，在偏遠的、缺醫少藥的地方也很常見。目前，隨著我國經濟的不斷發展，醫療裝備技術的不斷提升，很多先進的醫療裝備在中國都可以自主制造。在裝備制造普及的同時還有一個最大問題就是醫生的配套。

如果僅靠城市的高端醫生下鄉支持只能解決一時問題；但如果通過AI、大數據、遠程診斷相結合就能很好地解決這個問題。這也是為什么在過去的幾年中，AI在醫學影像讀片應用方面得到了很大的普及，同時也吸引了眾多的投資者。從創業的投資熱情來看，AI在醫學圖像領域當中可以說是方興未艾，在中國有很好的發展潛力。

在這里我主要談一下，如何以技術創新進一步推動大數據和人工智能產業的發展。也就是說從產、學、研、醫四個方面如何交叉融合建立產業轉化的平臺。

首先作為高校可以在算法的創新與醫療技術創新方面對整個大數據和人工智能作貢獻。

醫院可以通過應用更好的醫療技術獲取更多的大數據，然后從數據緯度方面給應用提供新的思路和新的方法。

互聯網公司能夠把有效的算法和高緯度的數據有機整合在一起，更好的進行普及。

同時，作為裝備制造商，能夠在終端集成智能化的診斷方案，形成一個有效的創新的新路徑。

從這來看，具體可以分享幾個案例。

案例之一是眼底病的智能診斷。

醫療的重點是預防而不是治療。

眼睛作為心靈的窗口可以有效地進行疾病的診斷和病態的識別，但臨床應用有很多痛點，最大的痛點就是眼底病在全國由于糖尿病的高發會引起大量的并發癥。目前我國已經有9千萬眼底病患者，但真正的眼底病醫生不到一千人，在此形勢下，如何利用AI及大數據與先進的醫療技術創相融合從而避免糖網病、青光眼顯得尤為重要。

在此需求下，谷歌在2016年開展了一個非常有價值的研究。Deepmind團隊在英國通過對12張糖網病的勾劃，形成一套對糖網病分類準確率非常高的算法，這個算法可以對糖尿病進行體檢過程中相應的狀況進行分級和提前篩查。

值得一提的是，目前即使用最好的算法也僅僅停留在糖尿病的分級層面，對于更復雜的眼底疾病，計算機能夠發現一些非常明顯的癥狀，但對于一些微血管的堵塞，圖像變化非常細微，能否使用算法將其篩查出來就需要更復雜的病例、更多的數據對其進行區別，通過也需要大量的醫生進行配合，將這些圖像清洗、勾劃。

所以說，無論是技術的推廣還是原始算法的發展都還存巨大挑戰。所幸的是，這其中可以通過新型技術解決我們在算法上級病例積累中的一些不足。

我們研究了一種新型的基于眼底多光譜的成像系統，它可以把不同譜的光對眼底進行成像，有500納米—850納米不同波段的成像，通過這些成像我們可以看到視網膜的表淺到深入層，可以清晰的分割出來，使得我們在圖象處理上更加簡單易行，而不是簡單的依靠大數據的獲取。

這個技術有一個很好的應用，眼底視網膜變性在黃斑部分有明顯的視網膜出血，在一般白光條件下或者可見光條件下看的不是十分明顯，但是在近紅外光的情況下，病層就非常明顯，通過三維顯示可以把病變準確的顯示出來，這就使得我們不需要用那么多的數據案例和比較強大的人工智能的算法，就可以有效的把這些很難區別的病變區別出來。

值得一提的是，眼底多光譜成像系統目前已經在臨床上應用了。

案例之二是視盤前增值膜。

視盤前增值膜在白光照射下很難分辨，如果完全靠圖像、原始算法，我們需要積累大量病例才可以區別這種細微的變化，通過多波長的先進技術可以將它很好地進行區別，在這個基礎上再進行數據的積累和學習，對我們疾病診斷的準確性和前沿性的預測方面就有很大的提高。

在這個基礎上我們做了深度的數據分析，我們通過分析570納米和600納米之間圖像的差異，主要表現在含氧血紅蛋白對兩個光譜的吸收程度，根據差異可以算出眼睛內血氧飽和度。目前AlphaGo的圖像分析主要是根據圖像的結構成像，如果我們通過多波長的成像加上兩個光譜不同狀態下含氧血紅蛋白和缺氧血紅蛋白的差異，就可以計算與血養飽和度的分布，形成功能性的成像，這樣做最大的好處是在于我們對很多疾病的發展狀態可以進行及早的辨識。

通過這兩個數據的對比，我們不僅可以看到病變的發生，同時可以及早的預測眼底疾病的發生和發展，為我們實現眼底視覺健康能夠提供一個有效的診斷途徑。

案例之三是分子醫學影像。

分子醫學影像在中國對腫瘤的早期診斷和分期具有很大幫助。

中國腫瘤發病率占全世界的40%，而死亡率占60%。也就是說這其中存在很大的改進中間，從X光到CT到核磁共振到PET/CT，我們實現了從結構成像到結構功能成像的融合，對于疾病的預測提供了很好的工具。

無奈的是，PEC/CT這種高端裝備一直掌握在國際三大巨頭手中，目前我們已經成功實現了PET/CT的國產化，使得目前國內有了自主知識產權的利器。

據我所知，在中國能夠讀PE/CT片的醫生不到800人，未來兩到三年會有兩到三千臺PE/CT的需求，而這就會造成巨大逆差，這里面可以借助大數據和人工智能。北大分子醫學影像實驗室做了基于人體PE/CT自動腫瘤的識別，在肺癌的診斷方面我們做了一些基于大數據和人工智能的一些探索，成功實現了一些算法。

這三個案例可以清楚的告訴我們，以醫療技術創新為主，再結合大數據和人工智能可以推動我國醫療裝備產業的發展。

精準醫學是未來的醫學發展趨勢，通過分子診斷和基因測序可以找到我們身上的腫瘤攜帶物和靶點，結合分子影像不僅知道我們身上是否存在癌變細胞，同時可以精準定位，知道它在什么地方、有多大、有沒有擴散。通過這些信息，使得未來我們對癌癥的治療可以達到更精準、更及時。

總的來說，AI及大數據對于醫療創新有著重要意義，北京大學也高度重視這方面的發展，進行了多學科的交叉研究，目前北大專門成立一個健康大數據研究中心，結合了數學系、計算機系、生物醫學的教授、臨床專家形成的研究中心，希望在算法方面能夠有所創新。

同時，通過多模態的醫學影像能夠提升智能輔助診斷的精準性，這一點國家也組織了很多大的課題，試圖通過影像組學的研究能夠提供更多的維度，來更精準的定位和更精準的診斷這種復雜的疾病。

因此，在不久的將來我們可以期待有更多更好的數據來源和數據平臺。我們最終希望設備制造商能夠基于健康大數據和人工智能把算法集成在設備當中，真正形成智能化的治療裝備，使疾病的治療能夠更好地普及。