孔德兴

教授  博士生导师

浙江大学数学科学学院求是特聘教授、博士生导师
浙江大学医学院附属第一医院双聘教授
浙江大学应用数学研究所所长
浙江大学理学部图像处理研发中心主任
大数据算法与分析技术国家工程实验室杭州创新中心主任
国家卫生健康委《国家医学图像数据库》工作组副组长
中国人民解放军总医院（北京301医院）客座教授
上海交通大学兼职研究员、英国Northumbria University客座教授等职

孔德兴教授：在大范围内，医学人工智能面临的主要挑战有以下四点：

第一，数据本身的挑战性，如合法化和合格性。到现在为止，我们国家对数据如何使用，如何和医院合作，还没有形成一个法律法规，这方面仍需要规范。此外，中国的病人很多，数据量很大，但数据质量方面有待提高，比如有的数据信息不完整，有的数据被污染。

第二，技术方面的挑战性。目前，大家多是采用深度学习来进行分析，并取得了很大的成果。但人工智能并不等于深度学习，深度学习在医学上虽然取得很大的成果，但仍碰到很多的困难，包括可解释性、深度学习架构的搭建以及迁移问题。实验室进行人工智能分析和深度学习训练，训练数据都是医生标注的一些非常精的数据，但医院里面很多数据是没有处理过的数据。如何将实验室数据下开发的产品应用到医院，迁移问题值得考虑。

第三，数据的孤岛问题。人工智能需要大量的数据，但很多医院的数据并没有共享，孤岛问题是困扰大数据落地应用推广的关键问题。此外，应用的模式，即如何让老百姓相信人工智能，如何让人工智能走到千家万户，也很重要。

最后，法律法规。到目前为止，国家应该对人工智能从法律法规方面给予推进。中国的食品药品监督管理局还没有发放人工智能产品。

孔德兴教授：人工智能和医疗的结合主要体现在以下几个方面：首先，在诊断方面，医学人工智能可以和早发现早诊断进行完美的结合，未来可能会出现诊断机器人；第二，在治疗上，医学人工智能和新一代的医疗设备用于医学，如智能的手术机器人，尤其是专科机器人。像德尚韵兴医疗科技研发的超声机器人，可以模仿医生的扫描手法对浅表器官，尤其是甲状腺、乳腺等结节进行扫查，并进行良恶性初步的诊断；手术机器人，可以在完成诊断后同时进行手术规划，如活体肝移植手术规划、射频消融微波手术规划，手术路线设计等。第三，康复和愈后的陪护，我们称为护理机器人，医院的护理人员有时候非常忙碌，人工智能和生物工程的结合应用到护理，可以形成康复机器人和护理机器人。

孔德兴教授：我建议医学专家积极参与到人工智能的发展浪潮里。医生在医疗人工智能领域中的作用至关重要，第一，医生要发现问题，提出需要解决的临床的痛点和难点；第二，人工智能的应用过程中需要医生深度参与，比如医生要提供数据，进行数据标注和手术方案的指导，以及手术的规划设计。同时，我也呼吁技术专家、企业界要配合医生把这件事做好做扎实，一步一步向前推。

孔德兴教授：医学人工智能是未来的发展方向，将为健康中国和国家的分级诊疗提供巨大的技术支撑。数理医学是新的交叉学科，其将数学技术、物理原理通过计算机这一桥梁和医学做深度交叉，通过医学的检测手段，给医生提供更多有用的信息和有价值的知识，同时还可以利用现代医学数据帮助我们分析疾病的发生机制，预测疾病的演化。

数理医学可以为医学人工智能提供理论指导。第一，可以通过数理方法研究疾病的发病机制。如发热，利用病人已有数据，通过数理医学分析发热是否由感染引起，可以为医学人工智能诊断提供有价值的信息。第二，分析疾病演化规律。如乳腺结节的随访，可以避免过度治疗。此外，在筛选高危、易发生癌变的人群上，数理医学也发挥很重要的作用。第三，医学人工智能和临床结合起来，可以产出一些比较好的成果或开发医疗设备，数理医学可以在理论上给予指导，在方法上提供技术支撑。第四，人工智能到应用也还存在一些需要解决的问题。首先，我们需要探索一个最有效、最经济的一个方法，让老百姓相信和理解人工智能。深度学习算法的可解释性很差，它属于黑箱算法，在输入一个病人数据得出结果的过程中，并没有告诉你为什么会有这个结果，其理论依据是什么？这与临床看诊不同，判定一个人是否有肝癌，我们可以获得影像和活检的依据，因此医生看诊是有依据的。而人工智能算法，尤其是深度学习的可解释性比较差，在这方面，数理医学可以提供一些理论解释和依据。第五，可迁移性。数理医学有很多办法，如样本的增广，样本的迁移，迁移算法，迁移技术，可以为人工智能专家提供一些理论和技术上的支撑。因此，数理医学不仅对临床医学有巨大的帮助，对医学人工智能也会提供巨大的支持。