编者按：年8月7日，全球人工智能和机器人峰会（CCF-GAIR）正式开幕。CCF-GAIR峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。从年的学产结合，年的产业落地，年的垂直细分，年的人工智能40周年，峰会一直致力于打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资平台。
在8月9日的医疗科技专场上，来自平安集团的首席医疗科学家谢国彤博士以《用人工智能重塑医疗：平安医疗科技的实践和探索》为题，分享了平安集团在医疗领域的深刻认知和实践。
谢国彤博士认为，所有AI都无非四个要素：数据、算力、算法和应用。在这四个要素下面，平安共研发了2个基础平台和4个医疗AI算法领域，以支持医疗的各种分析和推理，目前有1.6万家医疗机构，43万医生在使用。
两个基础平台主要是赛飞AI平台（算力）和医疗五大库及知识图谱（数据）。
谢国彤表示，医疗五大库及知识图谱，首先是从数据端出发，分四步去解决数据处理难题：第一，去掉噪音，补全数据，提升数据输入质量；第二，结构化，通过数据和文本抽取，实现数据可用；第三，标准化，把不同来源的医疗数据名称统一；第四，利用算法挖掘疾病的风险因子或者治疗方法。
而赛飞AI平台则主要是通过AI平台化战略，解决AI产品算力和落地的基础性问题。
谢国彤说到，平台的目的就是让医疗数据科学家专注在自己领域内，由平台去完成AI通用算法、智能标注、分布式训练加速、高性能压缩模型部署等通用问题。
据雷锋网了解，在这两大基础平台之上衍生的4个医疗AI算法领域，主要侧重在疾病预测、智能影像、AskBob辅助诊疗和疾病全周期管理四个场景。
在最后的总结中，谢国彤表示，医疗人工智能是利国利民的事情，人命关天，需要AI界和医学界的紧密合作，用AI的算法解决真实的需求，保证模型的安全性、可用性，才能对“健康中国”产生真正的价值。
以下为谢国彤的现场演讲内容，雷锋网作了不改变原意的编辑及整理：
谢国彤：各位现场和线上的朋友，大家好。我叫谢国彤，负责平安的医疗科技。很高兴今天有机会跟大家分享平安在医疗科技方面的进展。
在过去五年时间，平安积累了大量的医疗业务。平安医疗有三个支柱：患者端、医院端和支付端。顶天立地还各有一横一纵。
患者端，平安目前有全球最大的互联网医疗平台——平安好医生，3亿多注册用户，每天的问诊量在80万次以上；医院端，医院的解决方案，在1.6医院赋能，还有自己的检测中心、药品集采平台，医院相关的业务；保险支付是平安的本行，平安有1亿6千万的保险客户，平安医保科技为两百多个城市*府做医保精算、核赔各种业务。
一横一纵，上面一横是面向*府。平安拥有的智慧城市、智慧卫健业务，在多个城市帮助*府提供更好的公共卫生、全民信息平台和医共体的解决方案。下面一纵是我负责的平安医疗科技，从每个业务中沉淀数据，把数据变成AI模型。再反哺赋能给各个业务。
两大平台与四大算法领域
今天，我主要聚焦平安医疗科技的工作。所有的AI无非是四个要素：数据、算力、算法和应用。
如果把我们的工作按照四个要素来整理，是2个基础平台和4个算法领域。
基础平台：包括五大库数据及知识图谱平台。这个平台汇聚了平安各种医疗业务沉淀下来的数据，将其知识化后变成知识图谱，支持上层的各种分析和推理。
赛飞AI平台：让做医疗的数据科学家专注在自己的领域里，把AI的通用算法、分布式的训练加速、高性能压缩模型部署等通用问题交给平台来做。
首先来说一下，我们的五大库知识图谱。
在沉淀大量数据后，我们以疾病为中心构建知识图谱，把疾病的症状、检查检验、用药、关键的常用处方、疾病手术、疾病并发症、疾病风险因素、疾病和基因的关系，医院、哪个医生在哪个疾病领域比较擅长，发表过什么科研成果的信息都收集起来，构建出一个包含万的医学概念、3万的关系和0万医学证据的医疗知识图谱，支持后续所有的应用。
构建这样的图谱，我们把它总结为“四化”的过程。拿到数据后，要经过四个关键步骤：
第一步，去噪。去掉噪音，补全数据，提高输入数据的质量。
第二步，结构化。图谱里有大量文本数据，要做各种实体、关系进行抽取抽取，对文本进行分类、标签，让数据变得可用。
第三步，标准化。不同来源的医疗数据，对疾病、药品、检查检验的描述是不一样的。我们要用大量的NLP技术，将各种医学术语统一化、标准化，才能进行下一步的分析。
第四步，挖掘。利用各种算法，从数据中挖掘疾病的风险因子或者常用的治疗方法，这些信息最终会沉淀在我们的知识图谱里。
其次，我介绍一下赛飞AI平台，这个平台的目标要提供从模型训练到模型部署的一整套平台级服务，让医疗数据科学家专注在医疗领域，不用去考虑通用的问题。
赛飞的工作很多。举一个例子，我们在进行组织病理影像分析时，一个病理的影像大概有10亿像素，如果一个医生要很完整的把肾小球和肾小球里的内皮细胞、细膜细胞都标注完，一个小时都不能完成。
但是，所有的片子都有必要去标注吗？不见得。我们利用主动学习的方法，挑选信息量最大的片子。后来我们发现，标注52%的训练数据，就可以达到跟此前标注完所有数据差不多的效果。
再比如分布式加速。现在的NLP模型庞大无比，不管是现在最火的GPT-3拥有的上千亿参数，还是常用的BERT，都是几亿参数的大模型。我们参加ACL比赛时，用了赛飞分布式加速能力，在20天之内训练了次，不停把模型的精度推到极致，最后拿到冠*。
这就是分布式加速给模型训练带来的价值。
再比如模型压缩的例子，这是非常现实的场景：很多AI模型希望跟硬件进行整合，但是模型很大，硬件存储却很小。我们的一个眼底OCT模型大小是6G，一个OCT设备存储是2G，无法把这个模型放在存储里。最后，我们把6G的模型压缩到原来的四分之一，精度只损失一点点，最终完成软硬一体的计算。
当然，除了在医疗领域，赛飞还可以拓展变成更加通用的AI平台。
现在平安有16个子公司、42个部门、多名数据科学家在赛飞平台上完成2.5万次模型训练。同时，它是参加比赛刷榜的神器，我们拿了7个世界第一，利用这个平台，极大地加快建模速度，也有很多相应论文的发表。
说完底层的技术，我们再看上层的四个算法领域，其中大家比较熟悉的是影像。
平安的业务很广，如果聚焦在医疗AI的算法场景里，则是从疾病的预测、基于影像的辅助诊断、AskBob辅助诊疗和患者院外管理的四大场景，我们有大量的模型算法和工作。
从应用的角度来看，今年，平安所有的医疗科技服务有1.75亿次的调用，服务了1.6医院，43.8万名医生用户每天在使用我们的医疗科技服务。
疾病预测，预测的不是人的命运，而是人的生命。比如预测重症患者院内死亡风险、慢性病患者的并发症风险、人群发病风险。新冠疫情期间，平安医疗科技向国务院办公厅、各个部委提交了多期预测报告，预测什么时候新增发病人数会到顶，什么时候出院人数会急剧增加，最终死亡率是多少，从而帮助*府做决策。
在疾病的预测过程中，有非常多的关键技术：
一、数据修复。拿到条记录，要求所有的关键数据都有数值，最后剩下一条就不错了。我们在IEEEICHI参加了DataImputation的比赛拿了冠*，我们利用数据所谓的横向、纵向和斜向关系，分析数据之前、之后和相关检测检验的信息，猜测缺失的数据可能是多少，均有不错的效果。
二、特征工程。很多预测是从病例中进行挖掘，这里也有挑战：数据是多模态的，不像影像相对单纯。
在这次新冠疫情里，预测有60%的ICU患者发生了不同程度的脓*症，脓*症是ICU的第一大杀手。ICU里的信号非常复杂，有心率血压、脉搏等生命体征信息，并且时间序列是连续的。我们利用很好的多模态数据特征工程的方法，提前6个小时预测患者发生脓*症的风险，精度比目前最好的方法高20%，这个工作今年发表在重症医学顶级期刊CCM上。
三、可解释机器学习建模。很多医生是很难接受黑盒模型的，尤其是预测，本来就是在猜，如果怎么猜的都不知道，医生很难接受这个模型。我们的做法是将深度学习的方法跟医生比较能接受的生存分析survivalanalysis方法结合起来，利用SHAP等可视化的方法，把因素和结局的关系可视化出来。
比如右上角的图，有一个U字形，那是一个非常典型的例子，红色的表示当值在那个区域的时候，导致患者出现肾衰竭的风险，而绿色部分是保护性因素，值在这个区间的患者不容易发生风险，但它不是线性的。我们利用可解释的模型加上深度学习的方法，用算法定量、精准地把非线性的关系可视化出来，解释给医生，让他们更容易接受。
疾病预测应用案例
做预测模型有什么用？现在有两个面向用户的场景在使用：
第一个场景是面向C端用户。平安有最大的全球互联网医疗平台——平安好医生。我们把常见病（高血压、糖尿病、冠心病、脑卒中）的预测模型放在平安好医生APP上。平安好医生有几亿的用户，他们会填写数据预测，看看自己有什么风险，同时进行相应的管理。
第二个场景是针对老年人群体。我们在甘肃收集到万老年人数据。老年人出现高血压、糖尿病的比例占老年人口的40%，慢性病管理的挑战在于知晓率低，治疗率低。老年人不知道自己有病，或者有病也不会主动治疗。我们跟甘肃卫健委合作，用算法把这些人挑出来，通过甘肃家庭医生平台，让家庭医生有针对性找到高危老年人，对他们进行主动管理，提高疾病的知晓率和治疗率。
三是在珠海，我们利用多万居民的健康数据和12个疾病的预测模型，可以生成一个完整的风险评估报告。同时，我们会把相应患者的教育，以及可访问的健康服务跟风险因素挂在一起：哪些服务可以帮助降低哪些风险因素，让*府在进行疾病管理的时候变得更加精准，更有针对性。
第二个场景是面向医学影像，我们聚焦的是两类人群（基层医生和专家）、三个场景：
对于基层医生，我们聚焦质控和筛查。很多基层医生拍出来的片子位置不正、关键的器官不在里面、以及各种异物，这些片子拿到北京、医院也用不了。
我们在质控领域有很长的积累，在《NEUROCOMPUTING》、《SCIENTIFICREPORTS》上发表了一系列的文章，针对DR、CT、内窥镜等影像，发现质量问题后提示医生重拍，进而提高优片的比例，在内窥镜异物比赛上获得冠*。
另外，平安有六个检测中心，医院把数据传到平安影像云上，由平安的医生帮助他们阅片。利用质控的方法，不管是DR。还是CT，质量不好片子的比例下降了20%，让甲级优等片的占比达到98%，提高了基层片子的质量。
第二个场景是筛查，告诉基层医生患者的病情，医院看不了，医院就诊。
我举一个眼科OCT的例子。OCT类似于CT，是三维建模，会看OCT的医生很少，尤其是医院，五官科的医生往往是耳鼻喉科的医生，不一定是眼科医生。
我们在TVST、MICCAI等连续发表了一些文章，用算法对OCT的20多种病灶进行识别，并且做出紧迫性判断。提示医生患者没问题，或是有问题但只需要随访，或者是问题很严重，医院就诊，这是我们在筛查场景里发挥的作用。
我们在上海、深圳都建立医院为主、下设几十家社康中心的模式，在社康中心进行筛查。在这两个地方，我们发现，年龄偏高人群中有30%的人有不同程度的眼底病变，其中20%的人需要马上治疗。因此，通过平安的平台，我们可以将他们转医院进行干预。
第三类是辅助诊断，面向专科医生，对于很难很烦的事情，我们帮助他们加速。
这是肾脏病理的例子。一个医生做肾脏诊断时，需要对着10亿像素的片子数肾小球、有没有硬化，肾小球里面细胞的比例。一个医生数一个肾小球平均需要平均43秒，一个片子里有几十到一百个肾小球。
我们利用最近发表在病理学顶级期刊上的一套模型，跟国家肾病中心的四个肾内科医生进行了对比。结果模型的精度是92%，四个肾内科的医生平均精度是82%，同时，模型看一个肾小球的速度是0.6秒，而医生平均是43秒，我们把速度平均提升了70倍，精度提升了10倍。
因此，让医生基于AI模型提供结果进行判断，把琐碎的事情交给计算机，这是我们对AI的定位。
今年上半年，有多个城市使用了平安医疗科技的技术，影像辅助诊断的服务就有上亿次调用。
最后一个例子是宫颈癌TCT病理，我们将硬件与模型进行了整合，医院、第三方诊断中心合作一起应用。扫描仪会在2分钟内完成切片扫描，在40秒钟内对切片进行阳性、阴性的判断，同时会把三类高危的阳性切片按照高、中、低列出来，让医生