立即注册找回密码

QQ登录

只需一步,快速开始

微信登录

微信扫一扫,快速登录

手机动态码快速登录

手机号快速注册登录

搜索
小桔灯网 门户 资讯中心 人工智能 查看内容

人工智能医疗前景有多大?

2017-9-20 00:32| 编辑: 小桔灯网| 查看: 2042| 评论: 0|来源: 医药经济报

摘要: 日前,在2017“互联网+”数字经济中国行·广东峰会上,腾讯公司正式发布了人工智能(AI)医学影像产品——腾讯觅影。自此,BAT三巨头在人工智能医疗领域均有所布局。得益于深度学习算法在视觉识别上的突破,智能影像 ...

日前,在2017“互联网+”数字经济中国行·广东峰会上,腾讯公司正式发布了人工智能(AI)医学影像产品——腾讯觅影。自此,BAT三巨头在人工智能医疗领域均有所布局。得益于深度学习算法在视觉识别上的突破,智能影像识别明显受益。今年早些时候,谷歌发表了两篇医学影像科技类文章,继AlphaGo之后,再次引爆了AI+医疗的热潮。于是,智能影像识别成为不少公司在医疗领域竞相角逐的武器。
    医疗行业数据电子化程度较高、数据较集中,且质量较高,将大概率率先实现大量的人工智能场景应用。
                                  
    从食道癌切入影像领域
    “中国的食道癌早期诊断率非常低,这就是为什么我们这么重视开发AI来进行早期诊断和治疗。”中山大学医院管理处处长、广东省食管癌研究所所长傅剑华称,中国每年发生食道癌病例占全球的55%,食道癌是严重影响人民健康的一个非常重要的癌种或疾病。
    傅剑华指出,引入腾讯觅影,利用人工智能技术辅助医生对食管癌进行筛查,可以有效提高筛查准确度,促进准确治疗,有望攻克早期食管癌难筛查的世界难题,也有助于消除不同地区医疗水平的差异,给患者提供水平一致的诊断和治疗。
    据介绍,他们收集了6万多张图片,其中有病理诊断的有2万多张,通过模拟,对它进行训练。采用双盲随机方法,由不同级别的医生进行循环评分标注后,交由腾讯AI技术团队进行图像处理、增强,借助深度学习技术,让腾讯觅影具备筛查可疑食管癌的能力。
    第一阶段就是要通过这个软件来验证筛查的准确率。实际上,关键问题是后续的工作,目前深圳市南山医院已经开展了这项工作,“如果它的准确率仍然可以达到95%,我想我们就成功了。”傅剑华提到。
    同时,腾讯“互联网+”医疗负责人常佳在现场提到,公司还发起成立了人工智能医学影像联合实验室,并启动全球首个应用AI医学影像的食管癌早筛项目的临床预试验。中山大学附属肿瘤医院(广东省食管癌研究所)、广东省第二人民医院、深圳市南山区人民医院成为首批加入联合实验室的合作医院。常佳表示,人工智能医学影像联合实验室将致力推动人工智能技术在医疗领域的研究和应用。下一步,还计划利用腾讯觅影展开食管癌公益筛查,推动医疗资源共享,除了食管癌早期筛查,未来也将支持早期肺癌、糖尿病性视网膜病变、乳腺癌等病种筛查。
                                  
    AI医学影像技术兴起
    无独有偶,阿里和百度此前也借助AI进入医疗领域。
    由阿里健康开发的医疗AI“DoctorYou”将医学知识和人工智能技术结合,自动识别并标记影像诊断中的可疑肺结节,提高医生工作效率。据了解,该系统包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训系统等。
    而百度在今年年初调整医疗业务部门的时候,百度医疗事业部智能小e团队和拇指医生团队转入AI体系。调整之后,原百度医疗事业部总经理李政将转至AI团队,充分利用人工智能技术,结合智能小e和拇指医生的业务方向,加速推进探索人工智能在医疗领域的解决方案。
    在国外,医疗初创公司AiDoc融资成功,并成功用人工智能技术辅助医生进行医学成像分析,目前还在探索医学与更多学科的结合,包括计算机视觉、深度学习和自然语言处理算法等。Arterys的心脏MRI医学影像分析系统Cardio DL获得欧洲及FDA认证批准用于临床;谷歌用深度学习协助病理学家检测癌症,准确率在89%。
    不难看出,影像检查设备和诊断识别引擎是目前医疗AI主要集中的创新领域,基于光学图像和像素图像的大数据智能辅助诊疗决策系统开始在临床应用。方正证券分析认为,AI在医疗领域应用的产业雏形已现,大量创业公司活跃于医疗领域。全球AI医疗“基础+技术+应用”比较完整的产业结构已形成,大公司逐步完善在技术壁垒较高的基础层和技术层的布局,创业公司扎堆于应用层面,形成遍地开花的良好局面。
                                  
    离落地还有多远?
    尽管产业雏形已经形成,但实际上AI智能影像识别能否真的推开,依旧还需要观察。此前,有业内人士告诉记者,筛查的准确率是建立在足够多的样本数量上的。AI在识别身体不同部位的影像时,能力会有所差别。心电图、眼底图像的难度最小,最好识别,而核磁图像总体质量不稳定,存在着大量干扰性的尾影,可变因素非常多。如何获取足够多的样本图像,突破图像种类和病人种类的限制?
    腾讯AILab高级研究员孙钟前对此作了详细的解释。“其实目前这种标注的数据是匮乏的,在这样的情况下,我们就面临一个矛盾,没有这样一个癌症区域的标注数据,但我们又希望得到一个非常精细化的特征。该如何解决这个矛盾?”在他看来,公司目前没法获取有非常精准的病变区域标注的影像,但对他们而言,却很容易获取一张图像判断是否包含癌症,这样一来,通过一个图像全局的标签,可以基本得到一个模型。尽管由于数量不足导至虚拟模型数量不够,但在现有的图像中他们能够保证所有的特征都是精准的。“我们要思考的是,怎么能够把这种少量、精准的图像也强化到癌症识别里?如果能解决,即使有少量的标注数据,我们也可以不断地去提升。”
    “另外,我们也可以观察到,实际上尽管AI智能影像识别技术发展迅猛,但进入医院临床的还是不多。”一位不愿具名的业内人士提醒。
    实际上,AI技术在医疗领域落地牵涉的因素比较多,包括医生、运营、技术人员和伦理学家。在国内,真正进入临床还有一段距离。作为一个高投入、低产出的领域,如何打通医院引进医学影像AI,才是接下来落地要面临的挑战。 
  

声明:
1、凡本网注明“来源:小桔灯网”的所有作品,均为本网合法拥有版权或有权使用的作品,转载需联系授权。
2、凡本网注明“来源:XXX(非小桔灯网)”的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。其版权归原作者所有,如有侵权请联系删除。
3、所有再转载者需自行获得原作者授权并注明来源。

鲜花

握手

雷人

路过

鸡蛋

最新评论

关闭

官方推荐 上一条 /3 下一条

客服中心 搜索 官方QQ群 洽谈合作
返回顶部