图为京东方移动健康IoT平台事业群AI医生与移动健康研究院副院长王玉峰发表演讲

人民网北京11月7日电 京东方全球创新伙伴大会·2018（BOE IPC·2018）在北京盛大开幕，全球相关领域专家学者、企业高管齐聚北京，共同探讨物联网细分领域应用、技术及未来趋势。京东方移动健康IoT平台事业群AI医生与移动健康研究院副院长王玉峰参加移动健康论坛并发表演讲。

以下为演讲实录：

大家下午好，欢迎回到移动健康分论坛，刚才我们APP3.0已经发布了，明年会有20款硬件介入我们的产品。人们在家庭怎样进行健康的自查自测其实有了更多需求。我们其实也一直在思考，未来家庭场景里面健康服务会怎样，我们简单归纳四个方面。首先，我们希望获得精准便捷的数据采集。比如我们家里就能进行血常规一些检查，我们能初步判断感冒类型。第二，我们希望从真正的全生命周期的管理，真正做到数据为我所用。第三，通过手机APP能够提供全方位的帮扶。通过一个小设备就能让医生虚拟的看到我们的健康状况。第四，未来有AI的支持我们能够进行一些决策，比如对于那些减重的人群，AI医生会根据你的饮食、健康状况做出一个最佳的健康诊断的建议，并且全程跟踪你的实施情况。对于这样的一个健康服务愿景的实现，事实上依赖于一个开放、精准、AI赋能的移动健康IoT平台的构建。

我们理解这样的IoT平台事实上它的核心能力体现在两端。一端是实现数据采集的检测终端，另外一端是实现数据分析以及智能决策的健康云端。下面我将从这两端给大家分享一下我们在技术方面的实现和愿景。在检测终端方面我们工作的重要方向发力点就是生物芯片，生物芯片技术事实上就是实现对细胞、蛋白、小分子的生命标志物的检测平台。在生物芯片上通过比如说微加工技术可以把以往实验室里面一些复杂的生物检测流程集成在微小的结构里面，极大的提升我们的检测效率。

进一步我们从样本来看，我们实现血液、尿液，唾液乃至于呼吸道分泌物的检测，在技术平台来看，芯片的结构上，事实上我们能够支撑生化检验，分级诊断。基于以上两个维度我们可以看到在生物芯片这样技术平台上，我们能够实现流感、糖尿病，甚至一些心脑血管疾病的早期筛查。我们利用生物芯片这样一个技术平台，进一步面向家庭的检测需求，开发检测终端产品，把真正的及时检验能力带入家庭。通过智能化的检测产品最终把一些医院做的检测项目带入家庭。

刚才提到感冒检查的产品，这样的服务未来通过我们这样的设备就能在家庭里面提供自查自测。同时我们看到这两年随着穿戴技术以及生物传感技术的融合，催生了大量的手环等可穿戴的设备，能够实现持续的健康数据采集。尤其我们刚才提到的基于生物芯片这种检测设备点线结合形成了量化的数据生命的能力。在现实需求中我们知道，以特定人群的健康需求，其实是需要对一组生命数据指标的持续监测和管理。比如对于慢性呼吸系统疾病人群的运动问题，他的运动不能过量，怎么运用有效的管理，实施这个过程，我们需要对于一组指标的持续监测和管理，一套整体的解决方案。未来我们也会跟我们的合作伙伴一起，面向不同的人群，不同的场景的监控需求，提供个性化的产品。

以上我们就对IoT检测终端把我们的实现和愿景做了简单的梳理，归纳起来我们是希望通过以生物芯片技术为基础，开发多参数，智能化和微型化的检测设备，使得在家庭场景里面出现点线结合的多层次的生命数据采集的能力。但是我们光有数据采集能力不够，我们需要进行进一步的分析预测，包括对于疾病风险做预测。给出更加科学合理的AI赋能的监测方案，这样的能力事实上需要AI强大的云平台的支撑。我们目前正在做的这样一个云平台的规划包括三个方面，首先是服务连接的能力，包括在云端实现我们的用户、医生团队，以及各类在线服务和现在的BOE平台的连接。第二，是实现我们健康大数据的管理和分析能力。全生命周期在云端汇集成一个完整的数据，包括我们在BOE的数字医院，诊所，在临床的检查检验数据，甚至包括影像数据，整体这部分数据在有效的授权和保护层面下进行整合分析，包括用户实现健康管理和用户服务体现。第三个方面的能力是智慧健康决策的能力，这方面最终将通过我们的AI医生服务引擎来赋能，我们将通过整合图像识别，实现面向医疗服务多场景的算法，目前覆盖的六个场景如图所示。从导诊推荐，患教随访，评估预测，影像判别。评估预测我们更多从糖尿病、心脑血管疾病的评估筛查为切入点，我们现在目前做的疾病的算法事实上未来有潜力能够独立的对于心脑血管的疾病发病做服务。在患者随访方面未来我们也会开发一套基于智能问答的服务系统，这会开放给APP，开放给微信，把我们的科技健康通过处理的方法方便的传递给用户。同时我们给医生端构建一个AI助手，帮助医生回答一些常见的问题，搜集用户诊后的健康状况。

这里要特别提到，京东方目前在医疗影像方面的AI方面做了相当多的工作，我们目前更多关注在眼底影像的识别方面，目前有两种单病种的临床检测系统，并且在通过大量高质量的运用数据的训练和学习，我们目前在算法也是达到领先的水平。后续我们开发更加先进的一个检测算法，实现多病种的疾病的筛查。能够同时检测多种场景的疾病，并且给精确的标出位置，给出医生建议。我们未来有潜力去对慢病的早期筛查提供非常精准的一个诊断支持。

事实上基于深度学习为代表的人工智能技术在最近的三到五年里面蓬勃发展，特别是在语音识别等感知型任务里面取得了进展，推动了整个医疗影像支持诊断的快速发展。但是深度学习模型所带来的特征，使得基于开发的算法虽然性能非常优异，却很难给出医学解释。大量的医学决策参与决策人们不仅会问，这个决策到底医学逻辑是什么。跟目前的常规大家理解的这种临床指南专家共识是不是相同，对于这些问题在医疗领域的矛盾更加突出。以下是智能杂志刊发的两篇报道，就是报告人工智能的问题。事实上在医疗领域这个问题更加突出，人们其实是希望不同的算法“知其然”到“知其所以然”。相比较而言，人工智能传统的决策数据，以及最近几年蓬勃发展的知识图谱技术，它的应用领域和算法有很强的互补性。基于这样的考虑，我们提出数据驱动加知识驱动的双驱动的思路，围绕AI医生服务引擎提出了一种集成，归到知识库，以及深度学习，以及资源图谱的这样一种技术路线。在这样的技术路线下面，未来我们分类模型的训练上，数据驱动的训练任务中，仍然是以深度学习方法为主。

这张是语音平台的完整技术架构图，我们这里不做深度的介绍了，事实上我们在云端，会有不同的支持，以上我们相当于把我们在IoT终端和AI医生云端的整体的技术方案给大家做了一些交流和分享。展望未来，事实上随着生物传感以及人工智能技术的快速发展，以及在支付方式模式的变迁，特别是在消费升级支持下，慢病管理市场的打开，移动健康事业有了非常大的发展空间。这里用孟子的一句话，叫虽有智慧，不如乘势，虽有镃基，不如待时。我们的IoT平台，愿意和各位伙伴一起开拓健康的新时代。谢谢大家。

分享让更多人看到