新闻速递

2月24日-2月26日，由国家卫生健康委医院管理研究所主办、《中国数字医学》杂志社有限公司承办的“2022中华医院信息网络大会（CHINC）暨中国医疗信息技术展览”在深圳举行。香港中文大学（深圳）副校长、深圳市大数据研究院院长罗智泉院士受邀出席主旨论坛，并发表《医疗健康领域的数字化创新》主题报告。

罗智泉院士的主题报告围绕数字医疗领域的创新化探索现状及前景，从数字医疗的发展历程、AI应用分析、研究成果等多方面阐述了人工智能赋能数字医疗对于现代化医疗服务综合能效提升的重大意义，他指出，新一代医疗人工智能通过算力+算法+大数据的方式，优化医疗健康诊治服务和管理，释放医疗资源，提高群众就医体验。

罗智泉院士详细介绍了当前数字医疗的研究热点和最新科研进展，包括华佗GPT、基于扩散模型的病理切片样本生成技术、病理图像细胞核分类方法、医疗文本处理及结构化、肝纤维化智能诊断、结肠镜息肉检测和分型的计算机辅助诊断系统、基于CT/MRI的腹部多器官分割七个案例。他提到，数字化及智能化技术的发展对于医疗技术的提高有重要的作用。

最后，罗智泉院士提到数字医疗发展面临的四大挑战：医学术语和临床问题定义不统一、高质量的标注数据匮乏、数据计算复杂度高、计算量大及可信医疗人工解决方案缺失。为此，国家卫健委、深圳市卫健委和深圳市大数据研究院携手共建国家健康医疗大数据研究院（深圳），香港中文大学（深圳）成立了医学院，积极响应健康中国战略的号召，期望通过数字化、智能化医疗技术，更好地提高医疗服务质量和效率，助力中国智慧医疗的建设和发展，满足广大人民群众的健康需求。

华佗GPT

以2.5B GPT (1/70 of ChatGPT)为模型，通过采集一亿问答医疗文本，形成最大的中文医疗数据集，致力于提供便捷有效的医疗咨询服务和患者情感陪伴。

基于无条件扩散模型生成分割标签和有条件扩散模型生成病理图像，解决因病理切片标注成本过大而导致的样本量缺乏的问题。深圳市大数据研究院在NeurIPS(2022) 多模态高分辨率显微图像的弱监督细胞分割比赛中获得亚军。

对病理图像中的每个细胞核尤其是肿瘤细胞精确预测类别，旨在减少医生的误判率，减轻医生的负担。

超声最常用的是影像学检查手段检测准确性依赖医生的主观经验，不同医生之间差异性非常大，需要智能客观的检测方法。该项目依托AI算法在非脂肪肝纤维化智能诊断，为医生提供更准确的判断。

利用最新的人工智能和深度学习的方法，以2D结肠镜图片为主要输入数据，训练结肠镜息肉检测和分型诊断模型，开发具有实时息肉检测、分型、肠道定位、镜头速度与肠道干净度等综合肠道信息处理平台，辅助内镜医生提高病灶检出率，提升消化道系统早癌筛查能力。

跨模态大规模预训练腹部多器官分割模型，可高效迁移到下游任务，对提升模型生产效率极为重要，可直接用于手术导航的手术规划及病灶定位。鉴于腹部多器官精细标注数据的稀缺性，专家标注成本巨大，基于注意力机制，提出一种新的半监督学习方法，用于提取有/无标注图像的语义信息，同时利用数据内在一致性来训练整体网络，仅用少量有标注数据和大量无标注数据训练也能无限接近全监督算法的模型性能。