复方卡力孜然酊的价格是多少 https://m.39.net/pf/a_5229029.html作为医生确定癫痫患者的病种分类和调整治疗方案的重要依据，脑电图的监测结果具有重大的临床意义。但在真实临床场景下，还存在患者多、专家少、监测时间长等问题。
中国抗癫痫协会年发布的数据显示，中国的癫痫患者总人数不少于万，而脑电图的监测结果，是医生确定癫痫患者的病种分类和调整治疗方案的重要依据。《癫痫临床治疗指南》认为，根据癫痫发作的控制情况，患者每半年至1年就要复查1次脑电图；如果病情控制得不好，则需要不定期或随时复查，每次监测的时长从2小时至24小时不等。
5月9日，由阿里健康人工智能实验室研发的“癫痫脑电分析引擎”产品正式上线。经医院神经内科王玉平主任测试，该引擎在辅助医生判断癫痫患者的各类异常放电、发作类型和综合症等方面作用显著，最高可将脑电图分析时间缩短七成。阿里健康透露，该引擎本月就将在其合作的脑电中心和医疗机构投入应用。
从40min到10min，解决脑电图检测痛点
在“癫痫脑电分析引擎”上线前，国内在癫痫AI领域的探索还主要集中在学术界，如基于脑电图癫痫发作自动检测，基于脑电图的睡眠自动分期、癫痫间期异常放电自动检测等。
阿里健康人工智能实验室许娟博士表示，过去医生分析癫痫患者两小时的脑电图约需要25至40分钟，其大量精力消耗在查找异常放电上。而阿里健康研发的“癫痫脑电分析引擎”，使用深度学习算法结合传统算法，可自动检测多种癫痫异常放电，产品性能更稳定，在多种工作环境下的适应能力也更强。
据测算，在颞叶癫痫等实际场景下，阿里健康的AI引擎只需5分钟即可处理完成两小时的脑电图数据，再经过医生核查，一份分析报告10分钟内即可完成。许娟认为，利用节约下来的时间，脑电中心将有机会联接更多的基层医疗机构，为更多患者提供帮助。
王玉平在测试了阿里健康“癫痫脑电分析引擎”后认为，该引擎已经处于行业领先地位，并有意愿深入探讨脑电远程服务体系的建设。“脑电图监测是癫痫诊断和治疗的必要手段，受到读图人才和监测数据量庞大的限制，专业的脑电监测并不是很普及。人工智能引擎将有效地提高医生判读脑电图的效率，服务更多患者。”她认为，随着人工智能的发展，“医生+AI”的工作方式将在越来越多的临床应用领域涌现，从而解放医生的“生产力”，让医生有机会把更多精力投入到科研和服务患者上来。
从ET医疗大脑1.0到,2.0，阿里健康AI医疗发展之路
阿里健康高级副总裁柯研曾表示：“我们一直认为，结合了人工智能技术和专家智慧结晶的医疗AI，能帮助基层医生做出更科学、更高效的决策，并不断获取最前沿医学知识，提升自身医学技能，从而让更多的病患受益，这也是阿里健康发展医疗AI‘DoctorYou’的初心。”
年3月，阿里云推出ET医疗大脑，是一个开放人工智能系统；此后，阿里云联合合作伙伴启动了天池医疗AI系列赛。在阿里云推进开放人工智能系统的同时，阿里健康的医疗AI医院、政府展开落地合作。
年7月，阿里健康正式发布医疗AI“DoctorYou”，系统包括影像检测引擎、辅助诊断引擎、慢病管理引擎等。
年8月，阿里健康与常州市合作医联体+区块链试点项目。
年10月，阿里健康又宣布与浙江大医院合作医学人工智能实验室，计划利用三年时间建设医联体数据平台、医疗人工智能影像辅助诊断平台、医疗大数据智能科研平台、医学人工智能临床决策支持平台等。
年3月，阿里巴巴人工智能实验室（A.I.Labs）发布AliGenie人工智能系统2.0版本，以及更加小巧的智能音箱“曲奇”、天猫路由以及投影仪天猫魔屏三款硬件。其中天猫精灵与阿里健康合作，能够识别4万种常用药，以及药的保质期，避免老人眼花出现吃过期药的情况。
年5月，“瑞宁助糖”人工智能医生正式上线，该人工智能医生由中国工程院院士、上海交通大医院副院长、国家代谢性疾病临床医学研究中心主任宁光团队，与阿里健康人工智能实验室共同研发。
年9月，阿里健康与阿里云联合宣布共建阿里医疗人工智能系统“ET医疗大脑”，并将其升级为2.0版本。这一举措被认为是阿里医疗AI能力的整合。
在ET医疗大脑2.0的共建中，作为ET医疗大脑的底层技术架构，阿里云将负责智能云的建设和计算能力的拓展；阿里健康将作为ET医疗大脑的应用开发层，承担医疗人工智能引擎和系统的研发和落地应用。
海量数据收集加持，AI医疗信息化不断延伸
传统医疗靠的是医生在医学专业院校的学习和临床经验的积累，而AI医疗靠的是医疗里海量数据和云计算能力，在海量数据的支持下，AI可以不断的训练临床思维，医院提升科研水平，提高诊疗能力。所以，医疗数据信息的收集变得尤为重要。从阿里健康AI医疗布局来看，医疗信息化在不断的开拓和延伸。
随着智慧医疗的推进，健康数据的产生渠道发生了翻天覆地的变化。为了收集这些广泛的数据并将其集合在一起，每一家企业都在向万物互联时代迈进。预计在年，医疗大数据的数据量每73天便会翻一倍。要驾驭如此大量的数据，依靠传统的数据分析手段难以收获成效，或许需要AI来帮简化这一过程。
阿里健康人工智能实验室主任范绎曾表示：“要避免在未来海量的数据中迷失自我，我们必须尽早拥有成熟的筛选能力。在过去的时间里，医生大量的影像标注工作，为我们打下了一个很好的基础。我们不可能为了单单的医疗数据去开发AI，而应该着眼于医疗的切实问题。医疗领域有三个最难解决的问题：一是优质医生资源稀缺；二是优质医疗资源分配不均；三是中国人口老龄化。对于这三个问题，AI都能提供一定的帮助，而政府、企业、医院也都应为之出力。”
“基层医生服务能力不强，人工智能辅助诊疗能弥补资源不足的问题，提升医生服务水平。”中国社科院人口与劳动经济研究所社会保障研究室主任陈秋霖认为，“医疗人工智能可以提高医疗诊断的精准程度，也可以替代一些高精尖手术中的操作，还可以在一些医疗服务中替代部分人力资源，从而降低医疗费用。”
人工智能学习的数据从临床来，还得转换成结构化格式，然后做出模型，按照临床诊疗思维训练、学习，算出结果。数据是关键，各个学科数据的标准化程度，影响着人工智能的应用程度。
依图医疗总裁倪浩也表示：“医疗数据不标准是一个普遍性的问题。虽然影像是标准化较好的一批数据，医院还是差别很大。医院设备不一样，数据维度也不一样。高质量的数据非常少见，需要花费更多的算法，先将数据结构化才能使用。”
当然，目前仍有部分人对AI医疗的安全性存在一定的怀疑，毕竟国际上的有些先例反应了AI医疗当下还存在一定的风险。但可以预见的是，随着医疗大数据的不断完善和算力、算法的提升，AI医疗也会在不断发展中走向成熟。
图片来源网络
