如何將新興技術賦能業務運營?幾乎成為當代IT管理者孜孜不倦的話題，“賦能”，似乎已經成為數字化時代中各大峰會論壇必不可少的關鍵詞匯。作為新一代科技革命和產業變革的核心驅動力，人工智能儼然已成為新興技術的典型代表,理所應當的開始為醫療、金融、安防、教育、交通等傳統行業帶來了新的機遇。

“醫療人工智能是一套漫長的路，不是一兩年就能看到成功的，還需要大量的實踐，將模型應用在醫院、患者和醫療機構中，不斷積累經驗，完善模型。”平安科技首席醫療科學家謝國彤表示，過去五年中平安在醫療領域就做過很多人工智能的投入，包括診前做疾病的預測，疾病的篩查，診中做智能的輔助診斷和輔助治療，診后做隨訪，試圖利用AI技術賦能醫療診前、診中、診后全流程。

診前疾病預測

疾病預測是一個很重要的問題，中國有超過3億的慢性病患者，通過預防等手段控制病人的數量，延長病人患病時間能夠大幅度提高人民的生活質量并降低費用。謝國彤坦言，目前疾病預測有三大技術挑戰：

1. 醫療數據多模態，維度高，如何從成千上萬維度中尋找關鍵的風險因素;

2. 時間序列分析，患者醫療數據不是單次，可能有三到五年甚至更長的數據，如何從疾病演進中預測各類事件的發生;

3. 可解釋性，醫療的模型要求醫生能夠信任和理解。

“目前平安在做兩步的疾病預測方案：融合深度學習、集成學習，包括時間序列分析各種方法構建精準的疾病預測模型，要求教現有的模型精度提升50%以上;針對非線性模型做各種因子分析，幫助醫生理解。”謝國彤表示，平安將這類模型用在了兩個領域：人群趨勢預測(例如對深圳人群做流感和手足預測)、針對心血管、糖尿病、呼吸系統、慢阻肺和腎病四大疾病做出超過40個疾病預測，覆蓋五個省市中的2億人群，進行早期干預和治療。

醫學影像輔助篩查

國內病人技術大，醫生相應的負擔和工作量也大。平安認為人工智能需要從醫學影像切入，提高醫生的效率，提升醫生看片的質量，要求覆蓋人體九大系統，通過40多種模型覆蓋多模態影像，無論從頭部、內分泌、心血管都是最全面的醫學影像方案。針對提高醫生效率，謝國彤表示，通過智能病理影像技術，對病原細胞分類，生成報告，讓醫生去修改，以提高醫生的工作效率。在質量方面，通過對人眼底三維掃描，利用系統自動篩查，最后呈現給醫生和患者篩查博愛公安，提示患者就診，提高篩查效率和質量。

疾病的輔助診斷和治療

分級診療能夠平衡基層醫療資源，但如何保證基層醫療機構的診療質量仍然是個重點。基層醫療機構的醫生受限于自身能力和經驗，而分級智能治療技術能夠協助其在就診時提供最好的診斷和治療建議。

“分級智能治療技術的系統核心需要提供數據庫和知識庫。”，謝國彤指出，在長時間的的業務積累和經驗沉淀的過程中，平安依托豐富的數據庫和知識庫構建強有力的智能診療系統。然而智能診療系統(也就是醫學大腦)的構建并不簡單，需要分為兩步：第一步需要將文獻和知識庫變成圖，并找到內在關系，構成一個龐大的知識圖譜，為整個疾病診療過程搭建主框架。第二步通過大量的病例、影像檢查查驗結果，讓知識圖譜變成一個持續學習的系統，為基層隱身一步步提供精確的診療方案和建議，提高醫生診療能力。

【本文根據謝國彤演講整理而成】