2018医疗人工智能报告:调研60家国内医疗人工智能企业产品落地情况,第一代产品已成熟

2017年9月,动脉网·蛋壳研究院发布了《2017医疗大数据人工智能产业报告》,回顾了医疗人工智能的前世今生,对医疗人工智能的能力、应用场景、成本结构,人才情况进行了深度剖析,为产业人士和监管机构提供了一份重要参考材料,引发了广泛讨论。

时隔一年,人工智能企业纷纷将产品移至临床,各细分病种/应用的研究不断深入,人工智能产品已经融入到了医疗流程的方方面面。

经过这几年的发展,一部分人工智能产品已基本成熟,商业模式清晰逐渐清晰,人工智能技术在医疗领域开始不断扩展应用边界,给医疗运行流程带来了很多有趣的尝试。

监管部门紧跟技术发展脚步,积极参与到产业升级的浪潮中,监管思路逐渐明晰,中检院已经完成眼底糖网彩照、肺结节影像数据库的建设,相关送审的三类产品超过30款,相信很快我们就能看到三类人工智能医疗产品上市。

同样时间节点,我们推出新一年度医疗人工智能报告,本份报告以医疗人工智能产品研发与应用、医生使用情况为主要内容。我们对主要人工智能医疗企业进行了调研,访谈参与人工智能产品研发/使用的医生,以行业视角,为大家呈现出目前我国医疗人工智能的发展现状及下一步研发方向。

通过走访调研,我们得出了如下的关键数据和结论:

1、中国医疗人工智能企业产品落地情况及在研管线。

2、主要医疗人工智能企业已经成熟一代人工智能产品,且商业模式逐渐明晰,医疗人工智能行业进入“跨越·再出发”阶段。

3、第一批肺结节筛查与糖网项目已经进入全面正向反馈阶段。

4、  监管部门反应迅速,与产业交流互动频繁,审评要点或近期出台。

5、 下一阶段,基层医疗将是本轮人工智能浪潮的最大受益者和主战场。

6、 人工智能企业的主要研发方向:对细分病种的增强覆盖和根据自身业务特点对新场景的探索。

7、健康医疗人工智能技术将成为社会的基础能力。

一、人工智能技术发展,不断拓展医疗应用边界

近代人类社会的飞速进步,主要依赖于三次工业革命。第一次工业革命以蒸汽机的改良为标志,第二次工业革命以电力的广泛应用为标志,第三次工业革命以计算机的发明和使用为标志。

三次革命显著改变了人们的生产生活方式,社会结构,甚至是世界格局。而以人工智能为代表的智能互联技术正成为第四次工业革命的推动力。

人工智能是赋予计算机感知、学习、推理及协助决策的能力,从而通过与人类相似的方式来解决问题的一组技术。

在过去,计算机只能按照预先编写的固定程序开展工作,而具备该等能力以后,计算机理解世界以及与世界交互的方式,将比以前大为自然和灵敏。

人工智能关键技术包括:

视觉:计算机通过识别图片或视频中的内容来“看”的能力。

语音:计算机通过理解人们所说的话并将其转录成文字的能力。

语言:计算机把握语言中的诸多微妙差异和复杂性(例如俚语和惯用语),“理解”话语含义的能力。

认知能力:计算机通过理解人、事物、地点、事件等等之间的关系来进行“推理”的能力。

人工智能的这些能力对应到医疗领域,医疗人工智能系统将具有各种形式的对话能力,这将有助于信息在个人之间流动,根据病史来了解病患,他能帮助医疗保健企业向消费者提供有吸引力的个性化医护建议。

人工智能系统有比人类更强的观察力和洞察力,可以快速加工大量医疗和病患信息,从而使得医师将更多时间花在病患身上。人工智能系统可提供基于综合信息的辅助建议,进而帮助决策并减少人为偏差。

人工智能系统根据最新的信息、结果和操作不断学习,有助于医疗专业人员作出更加明智、及时的决策,人工智能几无边界,意味着现有的医疗人工智能能力圈也将不断扩展,而这一切正在发生。

二、医疗人工智能政策趋势:监管与企业携手,标准数据库建立

2018年4月初,FDA(美国食品药品监督管理局)批准通过了IDx公司研发的首个应用于一线医疗的自主式人工智能诊断设备IDx-DR的软件程序,该程序可以在无专业医生参与的情况下,通过查看视网膜照片对糖尿病性视网膜病变进行诊断。

这个产品的获批上市经历了长达21年的时间。仅IDx和FDA在如何评估系统并确保其准确性和安全性方面的沟通,就历时7年。

美国近期批复的几款AI产品全都是走的Class II的认证流程,通过跟传统CDSS(临床决策支持系统)做等同对比证明安全有效性。中国的法规相对来说更严格,对临床评价的路径控制非常严格。

2018年8月1日起,我国新版《医疗器械分类目录》正式生效,把医用软件按二类、三类医疗器械设置审批通道。

《目录》指出,若诊断软件通过其算法,提供诊断建议,仅具有辅助诊断功能,不直接给出诊断结论,本子目录中相关产品按照第二类医疗械器管理。若诊断软件通过其算法对病变部位进行自动识别,并提供明确的诊断提示,则其风险级别相对较高,本子目录中相关产品按照第三类医疗器械管理。所以,目前我们所看到的AI产品,大多应属于第三类医疗器械。

为应对这一政策,我国大部分企业采取增删诊断功能的办法,将产品同时申报二、三类器械,目前多家企业已经率先获得了二类证书,目前希氏异构、雅森科技、汇医慧影图玛深维、推想、深睿、Airdoc、依图医疗等知名人工智能企业都在积极进行三类医疗器械的申报。

依图医疗表示,他们的全产品矩阵都在做三类认证,Airdoc送检了中国第一台装载待检人工智能AI软件的服务器。目前尚未有一款产品获得三类证书。

按照医疗器械注册流程,产品从申报到最终过审要经过产品定型、检测、临床试验、注册申报、技术审评、行政审批等六步。目前,申报三类器械的医疗人工智能产品大多停留在注册申报起步阶段。 

中检院作为国家监管技术支撑机构,承担了医疗人工智能产品质量评价与研究工作。光机电室凭借在医疗器械软件检测方面经验丰富的优势,专门成立AI小组承担此项工作。

人工智能医疗产品的审批一直是业界非常关注的问题,中国食品药品鉴定研究院光机电医疗器械检验室主任任海萍在一次公开演讲中提到:“我们做的比较特色的是一些新产品的尤其是没有国标、行标的新产品平台、检验方法、评价标准等研究的工作。中检院已经接受了来自全国各地的30到40个AI产品的申请,我们已做好了前期的工作。”

任海萍主任的观点可总结为三个方面,一是并不是所有的产品上市都要进行临床的实验,所使用的数据集来源于真实世界的数据可以用于临床前的评价和临床的评价,对临床的评价可以用前瞻性和回顾性的临床。

国家对AI医疗器械的产品,包括AI、医疗器械、软件,在质量评价上都有一定要求,目前中检院对AI质量评价主要依据以下三个3个指导原则:

  • 《医疗器械软件注册技术审查指导原则》

  • 《移动医疗器械注册技术指导原则》

  • 《医疗器械网络安全注册技术审查指导原则》

中检院规划的AI医疗器械检验体系有以下四个步骤:标准数据、体模测试、软件性能、模拟对抗,已经建立起了彩色眼底图像和肺部CT影像两个数据库。

数据库构建过程主要包括:数据收集、图像标注、数据管理三个步骤。软件设计开发过程中的数据治理要求同理。

眼底影像标准数据库

眼底影像标准数据库的建立相对较早,目前已经形成了一个包含6327病例规模的数据库。

肺部影像标准数据库

肺部影像标准数据库自2018年2月启动建设工作,4月开始在全国招募肺结节图像标定专家,5月初完成上述专家的在线考试选拔和培训,6月10日完成线下封闭标定工作,24位标定专家及15位仲裁专家共同完成病例的标定。

6月10日肺部影像标准检测数据集肺结节图像现场标定结束后,为尽快进入测试阶段,中检院光机电室AI小组于6月15日发出肺结节AI产品测试方案意见的征集通知,涵盖了在中检院送检的11家企业。

这11家企业分别是:健培科技、图兮深维、零氪科技、依图科技、云济科技、深睿医疗、汇医慧影推想科技、雅森科技、点内生物 c、翼展影领。

据了解,《深度学习辅助决策医疗器械软件审评要点》即将进入征求意见阶段。

三、人工智能落地情况分析:跨越,第一代产品成熟

自2011年Watson奠定其医疗的商业发展方向,已经有7个年头了,这七年人工智能发展风声水起,无数企业紧随潮流,深度学习算法也经过了多次换代,但浪潮过后,留下的无数先行者的遗骸。

现在,幸存者和后来者已经逐渐在医疗人工智能领域组成头部阵营,深度学习过程下各企业都能为自己的AI产品报出一个可喜的准确率数字,然而新的时代已经不再是一个唯算法的时代,衡量AI好坏的也再是一个数字或是人机大战的成果可以评判的。要想在这个圈子活下去,还得进得了医院。

现在,AI医疗产业的争夺聚焦于落地环节。延续我们在《2017医疗大数据人工智能产业报告》中对医疗人工智能应用领域分类办法:医学影像、病例文献分析、虚拟助手、新药研发、医院管理、健康管理、基因、疾病预测与诊断、智能器械,对于医疗人工智能企业进行了分类,统计了活跃在市场上的国内108家医疗人工智能企业的现有产品方向,并且对主要医疗人工智能企业采访调研,了解他们现阶段产品应用情况及下一代产品研发状况,获得了以下内容。

我们统计了这108家医疗人工智能的主要产品线,我们获得了如下人工智能产品方向及疾病图谱。

我们可以看到大多数人工智能企业选择了在医学影像、病例文献分析、健康管理、虚拟助手四个方向推出产品,肺结节筛查、糖网筛查两大热门方向遥遥领先,但同时有相当多的企业将目光投向了心血管类疾病方面,人工智能企业产品呈现出分散趋势。

根据Global Market Insight的数据报告显示,按照应用划分,药物研发在全球医疗AI市场中的份额最大,占比达到35%。

而智能医学影像市场则为第二大细分市场,并将以超过40%的增速发展,在2024年达到25亿美元规模,占比25%。这两个领域也是目前人工智能在医疗各个场景中应用最广泛的,接下来我们就以这两个场景为主线,为大家介绍中国人工智能的落地情况。

3.1亦步亦趋,医学影像走到了最前端

人工智能在医疗影像领域的应用主要包含,图像或是检查的分类,器官、区域或是标记点的定位,目标及病理的检测,组织结构的分割,病灶区的分割,以及图像配准等,主要针对的疾病主要有肺结节、糖网、脑卒中等,应用方向主要有三类,即疾病筛查、病灶勾画、脏器三维成像。

我们将就人工智能在目前最为火热的肺部筛查、糖网筛查、病灶勾画、脏器三维成像的应用情况。我们对主要涉足的疾病的企业做了简单统计,并对代表公司产品的落地情况进行了采访调研。

肺结节筛查

肺结节类医疗人工智能产品无疑是目前最热门的方向,截至2018年7月的不完全统计,仅在肺结节筛查领域,拿出具体产品的人工智能企业就超过20家,并且大部分拿到了投资。

中国年新增肺癌患者数量全球第一,年肺癌因素死亡人数全球第一,早筛需求旺盛,低剂量螺旋CT正被广泛推广;而从图像质量上来说,胸部CT图像分层薄、视野清晰、干扰因素少、病灶特征规律可循,是智能影像判读的理想用武之地,加之中国影像医师的稀缺及国家政策的大力推动,这一领域的应用基础堪称完美。

2017年,主攻肺结节检出的各大AI企业都交出了辉煌的答卷,敏感性一路飙升,95%、96.5%、98.8%……人类肉眼难以察觉的像素差别,在AI强大的算力面前无所遁形。

肺结节筛查类产品落地情况摘录

图:肺结节筛查类产品落地情况摘录,动脉网蛋壳研究院

临床上为了确保影像判读的准确性,通常由一名执业医师与副主任医师共同阅读同一个患者的胸片,影像医师在读片完毕之后,还需要上级医生复查一遍,签字确认。

AI的目的正是替代这个步骤中的第一环节,因为AI医生不仅“视力”极好,几乎可以看出每一个微小结节,同时,AI医生不知疲倦,不会出现视觉疲劳,看成千上万张胸部CT也不过毫秒之间。

目前人工智能肺结节筛查产品已经全面进入落地医院环节,我们可以看到,头部人工智能企业日均检查量已经超过10万例。

在合作方式上,因为目前没有明确的收费项目,肺结节筛查类产品主要以两种方式进入医院:一是以科研项目的方式同医院合作;二是同器械厂商合作,整体服务包的形式进入。

动脉网
动脉网

专注医疗产业服务平台

产业医疗AI报告智慧医疗
3
相关数据
依图科技机构

依图科技致力于人工智能创新性研究,是全球唯一获得美国国家标准技术局(NIST)、美国国家情报高级研究计划局(IARPA)两项人脸识别世界冠军的企业,在安防、医疗、金融、智慧城市、新零售、芯片等领域推出全球领先的创新技术和产品。 依图科技是国内的最大智能安防服务提供商,是破案最多、覆盖省份最多、服务警种最多的人工智能安防平台;依图是智能医疗领域领军企业,提供全球领先的AI影像辅助诊断系统、AI儿科临床辅助诊断系统和医疗大数据智能平台;依图是智能金融领域市场占有率最高的企业, 2016年全球首推刷脸ATM机,开创无卡交易的金融时代。

https://www.yitutech.com/
图玛深维机构

图玛深维由两位前高通公司深度学习和计算机视觉学专家创立,公司首将人工智能与深度学习技术引入到医学领域,是中国技术最领先的人工智能公司之一。我们的业务主要包括三大类:深度智能诊断,智能医疗数据分析,云端CAD。目前,公司已经在北京、苏州、上海、美国圣地亚哥设立了研发团队。图玛深维拥有世界前沿的深度学习技术,在人工智能肺结节检测、全自动病灶分割、良恶性分析、 影像组学提取、肺结节多周期随访等功能方面都遥遥领先于同类产品。现阶段,公司已经和 50家三甲医院的多个临床科室开展深度科研合作,并在不同产品线上做丰富和迭代。同时计划推出多类肿瘤疾病,心血管疾病,脑血管疾病自动检测的基于深度学习的诊断产品。

推想科技机构

北京推想科技有限公司,致力于采用人工智能深度学习的方法分析医学影像数据,期待为影像科医生提供精确、高效的辅助工具,从而让医生从繁重的重复性工作中得以解放。当前,推想科技已经获得来自中国、美国、日本和德国的数十家医院青睐。截至2017年9月,推想科技产品已辅助医生完成近20万例临床诊断工作。目前,推想科技已完成B轮融资,投资人包括红杉中国、启明创投、元生资本等。

汇医慧影机构

汇医慧影成立于2015年4月,是一家国家级医学影像人工智能高新技术企业。公司拥有图像深度学习的核心技术和多项专利技术,基于云计算、大数据、人工智能技术,构建了智慧影像云平台、数字智能胶片、肿瘤放疗云平台、大数据智能分析云平台和人工智能诊断云平台等五大平台,打造了医学影像的数字化、移动化、智能化,完成了从筛查、诊断、治疗到预后的闭环,是国内唯一一家以数据为驱动,从科研到临床全流程覆盖的高科技公司。截至2017年12月,汇医慧影已经接入700多家医院,包含北医三院、301医院、北京肿瘤医院等超过200家三甲医院和系列高端连锁医疗机构。并完成B轮超过2亿元融资。

www.huiyihuiying.com
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

推荐文章
暂无评论
暂无评论~