返回 登录
0

当生命科学遇到云计算——IBM Bluemix医疗行业应用沙龙精彩回顾

3月17日,“当生命科学遇到云计算——IBM Bluemix医疗行业应用”沙龙在上海建国宾馆成功举办。本次活动由IBM Bluemix主办、CSDN联合主办,汇集全球医疗、制药、基因、生命云、健康、生命科学、医院等领域的技术专家、学者、产业精英、投融资机构杰出代表,聚焦云计算在生命科学中的实践和应用创新,为与会各方奉上了精彩绝伦的技术盛宴。

图片描述

物联网、移动互联网、大数据、云计算等新一代信息技术的快速发展,为智慧医疗提供了强大的技术支撑。利用物联网技术对医疗信息、设备信息、药品信息、人员信息、管理信息等信息的采集、处理、存储、传输、共享等,可使医疗物资管理实现可视化,从而有效管理医疗物资,实现医疗安全。那么如何才能将云计算、大数据与生命科学和医疗更好地结合?如何将这些先进技术在医疗行业中真正落地?本次活动,我们就这些话题邀请了IBM全球云计算顾问任力欣、IBM Bluemix大中华区技术实践主管黄英杰、重庆奥菲科副总经理秦强、上海联影医疗科技有限公司软件开发主管李建功四位专家进行了深度解读,带来生命科学与技术的激烈碰撞,迸射思维的火花。

任力欣:《全球云生态发展及医疗行业技术热点方向》

图片描述
IBM全球云计算顾问 任力欣

云计算与生命科学、医疗健康领域到底有什么样的关系?中间有什么样的结合点?我们来谈谈IBM对这些方面的一些想法。

从IT的角度来看,前几年中国整个医疗的生态是割裂开的,即使引入云之后仍然是分散的云,云之间的协同包括云之间的资源交互性很难体现出来。最近通过行业性的调研我们发现,医疗健康行业已经呈现出产业融合的趋势,云之间资源交互和服务交互,从而形成真正的云生态。这也为行业内的IT公司带来了新的机会。如何把握住这次机遇?从技术的角度有三件事是十分重要的:

  1. 寻找合适的切入点。确定产业融合和新生态的切入点,对于创业公司抑或是传统的IT公司,都是定位和转型的基础。
  2. 注重研发提速。技术更新非常快,所以要有更好的技术来帮助我们把想法快速变成应用交付市场,反复迭代。
  3. 引入新技术。不用传统的技术手段再重复传统的事情,我们需要融入新技术,以最低的创新成本快速上云。

IBM在医疗领域做过很多投入,包括公有云、私有云、混合云的技术,包括Watson、认知计算、Blockchain,这都是我们现在为医疗领域准备的一些技术能力。我们希望把这样的技术能力,与合作伙伴一起,建立新的生态链,希望技术能够推动医疗产业实现变革,这是我们的目标。

黄英杰:《助力云端生命科学产业升级及行业案例演示》

图片描述
IBM Bluemix大中华区技术实践主管 黄英杰

我们必定是要借助机会进行产业升级,那机会从何而来?从微观层面,在院前院中和院后的完整过程中,云平台能够更有效地去解决健康管理的问题,提升诊断效果,完善诊疗方案。从宏观层面,立足三个维度:云平台能够细化诊疗环节、步步监管;能提供通用的解决方案,促进精准医疗和数据保障;能够提供例如医疗病理图片的专业解读,辅助医疗。

那么我们将来可以做一些什么事情?时下越来越看重数据的角色,数据对于现在的医院来说是宝贵的财富,那我们应该怎样把数据利用起来?有了数据,我们可以借助认知技术进行数据处理,深入挖掘信息,通过分析工具找出脉络,然后利用渠道去跟踪更多的数据。

通过一些丰富的案例能够发现,在国外Watson的使用是非常常见的,里面有很多认知场景、物联网场景、分析场景,比比皆是。那其实在中国我们也可以找一些新的切入点,包括最开始提到的宏观和微观层面。最后我们其实还可以研究可穿戴设备,引入云端去做用户的跟踪。

秦强:《医疗行业云端实践经验》

图片描述
重庆奥菲科副总经理 秦强

从产业投资的角度,我们来看看医疗和人工智能的整个环境。人类历史上其实经历了四次革命,第一次是蒸汽革命,第二次是电气革命,第三次是计算机革命,还有一个新的革命就是关于人、关于生命、关于医疗的革命,这是由于有了计算机技术、基因测序,从而有可能出现的一个新的大变革。

刚才提到了很多Watson,那么Watson究竟能做什么?把它简单提炼出来主要包括:第一,它是通过大量的客观影像、医生诊断和经验,建立的认知学习模型。第二,凭借强大的自然文本和自然语音识别能力,只要给到客观的数据包括影像、基因、生化检测等数据,Watson就可以给出它的诊断,同时能够自动跟踪市场上最前沿的病例、文章和研究结果向医生推荐最佳治疗方案。在整个过程中,高质量的医疗数据是所有人工智能的基础,也是目前国内所有医疗大数据/人工智能团队的核心痛点。

在我看来,随着医疗人工智能产业的快速成熟,未来会逐渐分化出四类主要参与者:

  1. 医疗数据收集者,主要是从医院等专业机构搜集大量的原始/脱敏数据;
  2. 医疗数据整理者,主要是将原始数据/脱敏数据进行深度加工,比如医生做的肿瘤标注、客观数据标签处理等等,使之成为数据运算团队可以处理的材料;
  3. 医疗数据运算者,这是目前国内大多数医疗人工智能创业团队做的工作,绝大多数是利用已有的算法基于处理后的客观数据进行运算,建立模型并商业化,而在未来的几年内有可能会迅速沦落为一个熟练工的功能,其价值将会迅速下降;
  4. 核心算法开发者,目前主要是以谷歌、亚马逊等公司为代表,国内只有极少数团队有能力开发核心算法,这些是需要基于强大的数学功底才能出成果的。

在一个比较长的阶段来看,第1和第2这两类市场参与者可能合二为一,并且在市场中处于主导地位,而目前第3类市场参与者虽然在风口上,但是没有了高质量的数据可能会成为无源之水。奥菲科现在已经是医疗数据的收集者,成为医疗大数据的做市商,但是会进一步向下延伸,成为医疗数据的整理者,支持更多人工智能团队的发展和产品的商业化。IBM Watson在美国每年花费数亿美元采集数据,将来中国的市场一定会更大,IBM的Bluemix平台可以成为所有这些数据交易的交易所,只有有了交易所奥菲科的做市商功能才会最大化。

圆桌论坛:《医疗行业云平台案例分享》

图片描述

圆桌讨论环节邀请了任力欣、黄英杰、秦强、李建功四位嘉宾,共同探讨了云计算与生命科学和智慧医疗的关系、智慧医疗的行业发展趋势及突破点、客户需求的变化、目前的医疗行业主要面临的挑战等问题。

评论