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，预计明年会有超过20款硬件接入我们的产品。随着越来越多的健康检测产品进入家庭，人们对家庭场景里的健康自查自测开始有了更多的需求。我们也一直在思考，未来家庭场景下的健康服务会是怎样的，我们简单归纳四个方面：

首先，我们希望实现精准便捷的生命数据采集。比如：如果在家中就能进行C反应蛋白和白细胞总数等炎症因子检测的话，感冒生病时，自己在家里就能初步判断感冒发热的类型，省去了医院数小时的奔波。其次，实现真正的全生命期健康数据管理,让数据真正为我所用。第三，足不出户就能获得全方位的健康服务。比如，通过移动app可以邀请远程牙医生和耳鼻喉医生进行虚拟会诊，通过一种新型的健康检测设备能让医生身临其境的远程“查看”状况。第四，在AI支持下获得聪明的健康建议。比如，对于希望减重的人群，AI医生会结合个人的饮食、运动、睡眠、乃至肠道菌群的个性数据给出最佳的减重建议，并全程跟踪管理。我们要实现以上的服务场景，核心是要构建一个开放、精准、AI赋能的移动健康IoT平台。

移动健康IoT平台的核心能力，将主要体现在“两端”。一端是实现生命数据采集的IoT检测终端，另一端是实现数据分析与智能决策的AI健康云端。下面我会和大家分享我们在这“两端”上的技术实践和思考。首先，在健康IoT检测终端方向上，我们的重要发力点是生物芯片技术。

生物芯片是指在硅基，玻璃基，或高分子材料等芯片载体上，搭载特定的生物试剂，从而实现针对包括细胞，蛋白，核酸，和小分子等在内的生物标志物的检测平台。通过微加工等技术，生物芯片实现了将通常在实验室内复杂的生物检测流程集成到了微小的芯片结构上，极大提高了检测效率，并使自动化的操作流程成为可能。从检测样品来看，生物芯片可以实现血液、尿液、唾液、呼吸道分泌物等生物样本的检测。从检测技术平台来看，生物芯片上可以实现生化诊断、免疫诊断及分子诊断等检测手段。基于以上两个维度我们看到利用生物芯片技术可以对流感、糖尿病、心脑血管等多种健康问题进行快速检测诊断。

更进一步，我们以生物芯片技术为基础，面向不同的检测需求开发“阵列、磁珠、微流控等”多技术手段融合的检测终端产品，形成家庭场景下的即时检验技术能力。我们希望通过研发多指标、微型化和智能化的即时检验终端产品，将以往只有在医院才能完成的检测项目更多的带入社区和家庭。

与此同时，生物传感技术与可穿戴技术的融合，催生了大量诸如戒指、手环、手表、心电贴等可穿戴式的生命体征检测设备。这类检测终端具有更好的连续体征监测能力，可以对诸如血氧、心率、睡眠、血压等生理参数进行连续监测，形成的连续时间线数据与生物芯片等及时检验设备获取的医疗级时间点数据，整体构建了家庭场景中多层次的量化生命数据。

在现实需求中，特点人群的健康问题往往需要对一组生命参数的持续监测与闭环管理。例如针对慢性呼吸系统疾病人群的运动问题，他们需要运动康复但运动不能过量，需要围绕运动、呼吸、血氧、心率变异性及空气质量等指标，构建整合的健康IoT终端解决方案。未来，我们将与生态链合作伙伴一起，面向不同人群及场景的健康需求，积极推出整合的健康IoT终端解决方案，并在技术上实现连续、实时、融合的生命数据采集与闭环管理。以上是我们在健康IoT检测终端方向的一些实践和思考。归纳起来：我们以生物芯片技术为基础研发多参数、微型化的家用即时检验终端产品，配合可穿戴生物传感技术，实现家庭场景点线结合的医疗级生命参数采集能力。进一步的，我们需要对于采集的健康数据如何进行解读分析，预测潜在疾病风险，并基于算法进行个性化健康干预。这一切都有赖于一个AI赋能的健康云平台的支持。

我们正在构建的健康云平台主要有三大核心能力。首先，是服务连接的能力。在云端实现用户、医生、线上健康服务、及线下诊疗机构业务流程连接。第二层是健康大数据管理能力。个体全生命周期健康数据被汇聚到云端形成完整的个人电子健康档案，档案数据不但包括家庭场景采集的健康检测数据，也将包括从BOE数字医院、智慧诊所等医疗机构获取的检查检验等临床数据。个体的电子健康档案数据会在充分的授权与隐私包含机制下进行分析，以便让用户获得个性化的健康服务体验。此外，临床指南、医学文献、以及各类专业知识库等开放数据也将汇聚于云端。第三层是智慧健康决策的能力。主要通过AI医生服务引擎，赋能医患两端，帮助医患更好的进行健康决策。具体的讲

AI医生引擎，通过整合图像识别、自然语言处理、知识图谱等多项AI技术能力，正在形成覆盖健康服务多场景的AI算法及系列产品，具体包括：导诊推荐、评估预测、影像判读筛查、用药指导、慢病管理、患教随访六个核心场景。例如，在评估预测方面，目前AI医生引擎主要以糖尿病、眼底疾病以及心脑血管疾病的筛查及风险预测为切入点。我们自主开发的眼底影像分析算法，未来有潜力对个体发生心脑血管疾病的风险进行早期预测。在患教随访方面，我们将开发健康知识问答服务，以自然语言交互的方式将科学有益的健康知识精准送达用户。同时，我们也将为医生开发智能随访AI助手，帮助医生自动回答专科领域的常见诊疗咨询问题，提升医生的服务效率。

这里要特别提到，京东方目前在医疗影像AI方面也做了不少工作，我们目前更多关注在眼底影像的识别、筛查与辅助诊断方面，我们在医疗影像AI方面，已经拥有业界领先的糖尿病视网膜病变和青光眼单病种检测系统，基于大量高质量临床标注数据开发的AI眼底疾病筛查系统算法检测精度达到了业界领先水平。后续，我们将开发具有更先进水平的多病种AI眼底疾病筛查系统，实现同时诊断多种常见的眼底疾病，精准给出病灶的位置、类型等信息，辅助医生决策。从而更好的满足实际临床需要。

当前，以深度学习为代表的人工智能技术在影像识别、语音识别等感知型学习任务上取得的了惊人进展，医疗影像辅助诊断领域的应用也由此有了迅速发展。深度学习方法端到端的黑盒特征，使得基于其开发的算法虽然性能优异，但很难给出医学逻辑上的直观解释。当越来越多的健康医学决策由深度学习算法参与完成时，人们不禁会问，这一决策的医学逻辑是否合理，是否与经典的临床指南和专家共识相兼容。下面的两篇报到分别是《自然》和福布斯针对人工智能黑盒问题的探讨。人工智能算法的可解释性在医学领域应用时有着现实的意义，人们希望AI算法知其然，更知其所以然。相比较而言，人工智能传统的决策树技术，以及近年来不断发展的知识图谱技术，恰恰能与深度学习模型形成应用互补。

基于此，我们采用数据加语义知识双驱动的技术思路，围绕AI医生服务引擎，提出综合运用深度学习/机器学习、规则知识库，以及知识图谱技术的技术路线。机器学习方法在疾病分类及预测等数据驱动模型构建过程中仍然是主要方法，但分类预测及健康干预方案的选择结果将进一步参考从临床指南、专家共识抽取的规则化专家知识。同时基于医疗健康大数据学习得到的医学图谱中所表达的概念实体及语义关系将在智能问答等应用领域提供模型解释及语义支持能力。

这张图展示了BOE健康云端平台的总体技术架构。以上我从技术的视角和大家分享了移动健康IoT平台在IoT检测终端以及AI健康云端“两端”上的工作和思考。

展望未来，随着生物传感以及人工智能技术的快速发展，政策空间的打开，以及消费升级推动下健康服务市场的不断成熟，京东方移动健康事业迎来了巨大的发展机遇期。借用《孟子》的一句话，"虽有智慧，不如乘势，虽有镃基，不如待时"。BOE移动健康IoT平台作为一个开放共赢平台愿意与各位合作伙伴一道乘势而为，共创共享健康物联网发展的新机遇。

谢谢大家。

分享让更多人看到