主持人和线上嘉宾

　　南方网讯（记者/邹长森）3月6日下午，CCF YOCSEF广州分论坛采用“腾讯会议+微信社群”方式在线举办大湾区IT创新论坛：合二为“医”、“智”胜千里，探讨智能技术+医学数据的机遇和挑战。

　　本次论坛由中国计算机学会CCF主办，CCF YOCSEF广州学术委员会协办。CCF YOCSEF广州候任副主席、广东工业大学智能信息处理研究所副所长孙为军，现任主席华南师范大学教授郝天永担任本次论坛的执行主席,候任主席中山大学副教授王昌栋、学术秘书吴一冰担任讨论区执行主席。南部战区总医院放射科主任欧陕兴教授、中山大学健康医疗大数据国家研究院副院长周毅、广东省第二人民医院互联网医院副主任医师任妮娜做引导报告。武汉大学中南医院学术交流中心主任俞思伟做特邀分享。

　　论坛包括嘉宾引导发言和思辩讨论两个环节，250余名听众报名加入论坛微信群。国防科技大学汪昌健副教授、西南交通大学副教授滕飞、南京邮电大学副教授刘天亮、北京陆道培血液病医院执行院长李定纲、中日友好医院放射科主任医师马国林、广州市公共服务评估学会秘书长高建伟、华南农业大学副教授黄栋、广东省物联网技术重点实验室陈新博士，以及广州、深圳、成都、长沙、武汉、西安、南京各地分论坛代表等来自学术界、医疗界和产业界的一百二十余专家学者参与了线上会议思辨。

　　疫情当前，智能技术是“实力担当”还是“力所不及”？

　　新冠病毒抗疫战中，不断有高科技的智能医疗设备涌现，在一定程度上缓解了医疗资源不足的现状。但是，这些基于智能技术的设备究竟提供了多大的帮助，是否真如外界所传的那么神奇？

　　欧陕兴认为，AI影像这次确实是实力担当，很快的切入到前方的疫情当中，并且做出了重要贡献。同时，他也指出，AI影像随着应用场景的不同，技术层面也不断的在迭代，需要与临床进行深度融合才能发挥的更好，跨界才能够真正使实力担当落到实处。“这次抗疫AI技术既是机遇也是挑战，机遇是基于数据标准化和跨界协同来高效、准确地解决临床痛点问题，挑战则是技术和跨界合作问题。”他表示，AI要实现和医疗的共享共赢，需要聚焦原创技术、融合资源人才， 跨界畅通生态,以及专注临床市场。

　　周毅也认为,AI影像和信息化都发挥了很好的作用，但人工智能总体来说是力所不及。首先，数据汇聚不易难以支撑更多研究。其次，新冠对于防控系统是未知的传染病。疾病分析能不能达到专家级的级别也是一个问题。“不过，5G网络如何支持人工智能，还有很大前景可以挖。总的来说，在多个专业领域人工智能才刚刚开始，还有很多机会。”周毅说。

　　俞思伟表示，AI影像目前走在最前面，主要归因于有很好的研究算法基础、大量高质量的数据、标准和规范的优势。但相对来说，影像数据的隐私不是特别强，医院影像科室有一定自主权和院外机构开展合作研究。这次疫情中，远程心电辅助检查也有一定的应用，但总的来讲，智能技术问题确实是很多。也正因为如此，AI才有下一步发展的机遇。在应急预案制定方面，有知识图谱、语义相关的技术应用，但是难度比较大，发展空间也非常大。

　　医疗大数据如何管理？

　　此次疫情波及全球，大规模的医疗数据被智能抓取或主动上传，这些隐私数据如何在共享、利用中得到切实的保护成为全社会普遍关注的问题。

　　欧陕兴认为，数据共享、开放需要全方位建立政策，并用技术去解决数据共享中的数据泄密问题，数据应用中隐私保护问题。周毅建议，医疗数据要强化管理。大数据是七分管理三分技术，管理涉及法律法规等问题，技术包括数据标准、隐私保护、访问权限等。

　　在数据挖掘和利用方面，俞思伟认为应从溯源、共享和机制这三个方面来解决数据共享。这次疫情可能会对个人健康档案的建立和管理产生积极的作用。数据挖掘需要数据质量保证，数据质量的前提是要做到同质化应用。在算法和算力上，他认为，“算法更多的还是拿来主义，需要在算法上做一些创新，算力则问题不大。”

　　欧陕兴认为，数据挖掘是一个不断升级和迭代的融合问题，要源于临床、高于临床，最后回归临床。

　　线上听众发言称，预警对疫情防控来说更加重要，应该从时空轨迹数据的分析挖掘上面来解决最初的预警，然后精准的控制传染源和分析传播路径。

　　智慧医疗如何实现？

　　人工智能可以为预防医学、治疗医学、康复医学提供很好的决策，目前，互联网+医疗内涵更加丰富了，但“智”还是处于初级阶段。

　　周毅认为，“轻问诊”的关键是远端信息的获取和基于医学专家的决策，要上升到智能系统的话，还有一段路要走。“智”对于医疗卫生通过辅助诊疗系统、云端智能系统等方式提供运筹支持，存在困难但也是机会。

　　当然，智慧医疗首先要解决的还是人的问题，归根到底是要大量招揽人才。国内疫情逐步趋于稳定，在全国范围内的抢人大战愈演愈烈。在智慧医疗领域，更可谓求贤若渴。任妮娜认为，智慧医疗需要更多人工智能专家参与到互联网+医疗健康的共同建设中来，以刚需为导向，小步快跑、快速迭代。

　　俞思伟建议，做IT的人，要深入和医学融合，和临床的专家去沟通，才能找到共同的合作点。精准医学、智慧医院管理、远程心电诊断等，都有很成功的应用。他认为，真正的临床辅助决策，它的难点在于构建相应的知识图谱，这个方面有待突破。在预防医学，在公共卫生这一块，一定是人工智能和大数据发力的一个很重要的战场。

　　合二为“医”，路在何方？

　　AI是基于大数据的科学，这与医疗效果、方案基于大规模病例研究，从路径上来看几乎是高度重合的，这使得两者合作成为可能。那么，通过AI得出的诊断结果、诊疗方案是否优于医生？其可靠性如何？

　　业界普遍认为，AI辅助诊断结果的可靠性还需要辩证看待，其主要的定位还是“辅助”。马国林认为，人工智能不管它的结果有多好，它都不能称之为诊断，主管的专家才是最后诊断，这是一个很重要的问题。诊断和辅助诊断是不一样的，所以现在互联网远程会诊必须强调要医疗单位为主体，将来会落到主体专家上面。俞思伟也认为，IT就是一个辅助设备，减少人的差错和误诊。最终的决策是人，因为法律主体肯定是在医生，这点是不变的。

　　欧陕兴认为人工智能筛查病变的最终可信度，有的地方要超过专家，有的地方不如专家，这个跟认知度有关，但是它达不到最顶级的水平。

　　此外，AI的诊断还需要有一个正确的逻辑，有“可解释性”。黄栋认为，当两个因素连续100次都同时发生的时候，首先它是有关联的，但是，关联关系不一定是因果关系，关联和因果其实是一个区分的因素。“AI模型需要有可解释性，有利于提升医生对AI辅助诊断的信任和安全感。”刘天亮说。