2020年7月31日，由武汉大学计算机学院、武汉大学人工智能研究院、武汉大学人民医院合办的湖北省新一代人工智能重大专项研讨会在武汉大学计算机学院举行。本次研讨会通过深入分析人工智能的发展现状及趋势，以《基于健康大数据的智能医疗服务算法与应用》重大专项作为主题开展了项目启动会暨项目交流会。武汉大学科学技术发展研究院产学研合作处副处长赵龙飞，计算机学院党委书记黄治国，副院长（主持工作）黄传河，人工智能研究院常务副院长杜博、副院长刘娟以及相关学院领导和专家（课题组长）在研讨会上作了精彩的探讨与分析报告。研讨会由副院长李兵教授主持。

 图1  李兵、黄传河、赵龙飞、黄治国（如图由左至右）等领导为研讨会致辞

研讨会由杜博副院长对项目整体运行情况进行介绍后，袁志勇教授作了题为《多源异质健康大数据的采集、管理与预处理》的课题进度汇报。该课题研究的高效健康大数据采集、传输、存储与管理解决方案，可为医院疾病诊疗提供高效的平台工具，并有助于相关医疗部门对疾病信息的管控，为重大疾病的智能诊断与预测提供有效数据支持。汇报之后，各领导专家展开了讨论，其中黄传河副院长提到了重大专项的其它课题相应的要做一些疾病分析系统的应用，而当前课题的数据采集和这些任务关联性不够，如何把它们关联起来，怎样开发出一个完整的系统，是值得考虑的问题。

 图2  袁志勇教授作《多源异质健康大数据的采集、管理与预处理》的课题汇报

随后刘娟教授作了题为《基于健康大数据的重大疾病智能诊断算法及关键技术》的课题进度汇报。该课题能实现组织病理图片影像特征的机器自动提取并与组织形态学特征有效关联，可提供宫颈癌、心血管疾病、典型脑功能障碍等疾病的人工智能辅助诊断。相比人工诊断，不但能提高诊断工作效率 30% 以上而且节省医疗成本20%左右。能有效缓解医疗资源不足的问题，提高我国基层医疗机构的诊断水平。刘娟教授提到课题目前也存在着难题，人工智能辅助诊断需要大量的标注数据，需要有专业的医生来标注。如果仅靠人民医院一家医院的一个医生团队，难以完成这项工作。因此希望能从学校层面上发挥综合优势，加大与医学部的合作密度。

 
图3 刘娟教授作《基于健康大数据的重大疾病智能诊断算法及关键技术》的课题汇报

接着夏桂松教授作了题为《基于时空计算的疾病预测与分析》的课题进度汇报。该课题旨在实现多个时间尺度及空间尺度下各类重大疾病时空分布特征的快速计算，构建TB—PB级的重大疾病特征数据库，集成重大疾病演化预警服务系统，结合疾病的实时数据以及历史数据，计算疾病的时空演化特征及趋势，搭建响应速度低于1小时的监测平台。并且对发病因素与地理特征、气候环境等因素建立相关性模型，快速（个体时间为分钟级）生成疾病多因素相关性分析结果，进行辅助诊断（精度达到80%）。夏桂松教授也说明了目前的难题，在数据方面，高度依赖于前面两个课题的数据；在选择疾病方面，需要与其它课题配合选择有代表性或有数据优势的疾病；在算法验证方面，需要与后两个课题结合对算法进行最后的评估。

图4 夏桂松教授作《基于时空计算的疾病预测与分析》的课题汇报

然后杜博副院长作了题为《基于强化决策的医疗资源优化》的课题进度汇报。该课题在医疗效益、社会效益无明显改变的情况下，可提高调度效率（调度时间、调度路径长度）20%以上。通过分级导诊推荐系统将患者有效分流，可提升基层医疗机构的经济收益20%以上。通过院内资源调度算法，降低医疗资源等待时间，提升工作效率，为医院提供更多的经济收益，提升医疗资源利用率，降低患者的诊疗等待时间。通过特种医疗资源调度算法，可降低调度成本，提高区域内特种医疗资源的利用率，降低医疗资源的调度时间。汇报后，程帆教授表示人民医院也在进行类似的调度工作研究，希望这类具有很大社会价值的项目都能重点做好。

图5 杜博教授作《基于强化决策的医疗资源优化》的课题汇报

之后程帆教授作了题为《大数据智能综合医疗示范应用》的课题进度汇报。该课题围绕疾病病理生理特点，将前面的4个课题整合为统一的数据分析平台，建立疾病智能就医系统，使病患病情需要与医疗资源匹配度提升30%以上。并在武汉大学人民医院医联体网络内运行疾病智能就医系统。使网络内病患就诊效率提升20%以上，医疗资源利用率提升30%以上。建立以肿瘤及慢性病为代表的多种疾病特征数据库，对疾病进行多因素相关性分析，为就医平台提供医学诊疗路径及预警方案，确保系统自动诊断精度达80%以上，帮助区域综合医疗实力跻身全国领先水平。程帆教授表示，一方面，目前该课题对于前面的课题参与度不够，希望能提前参与到每个项目里面，如果近期有初步的成果可以投入到医院里面实际应用，防止未来模型做完了却落地困难。另一方面，医院目前缺少完整的医疗资源分配体系，医生通过电话进行分级转诊，效率低下，医院内的资源调度仍然有很大的提升空间。

图6 程帆教授作《大数据智能综合医疗示范应用》的课题汇报

各个课题汇报完后，与会专家们展开了热烈的讨论，纷纷建言献策，结合人工智能在各领域的经验分享了许多好的研究思路和工作方法，给出了许多具有前瞻性和建设性的指导意见。

图7 与会领导专家合影