Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

赵泓维作者

人工智能影像圈地时代,谁将获得头筹?

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,无数初创企业紧随潮流,各类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,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。 

数据向好,医疗影像行业未来可期

无论在发达国家还是发展中国家,优质医疗资源的供需矛盾以及就诊病人流向不合理一直是世界性的医学难题。在日本,每100万人中有52台MRI、107台CT,面对数目庞大的影像设备,人才缺口却很严重。AI的引进将大大缓解了日本这一紧张局面,报告质量也会比之前更全面。

回顾国内,我国2017年医疗器械销售规模达4176亿人民币,其中诊断影像份额超过400亿人民币,医学影像数据的年增长率约为63%,能够诊断的医师数量增长远不及影像数量的增长,单以放射科医师为例,年增长率只有4.1%。而与此同时,中国的放射科医师每天至少需要看几万张,甚至十几万张医疗影像片子,严重供求失衡。此外,双审核下避免误诊漏诊尤为困难,据数据称我国医疗影像误诊人数高达5700万人/年。

首都医科大学附属北京友谊医院王振常副院长对现状感触颇深:“低年资的医生缺乏诊断经验,阅片质量整体较低;高年资的医生每晚得工作到9点,一周得工作7天,压力太大了。”

人工智能在医疗行业的应用让众人看到了希望,通过深度学习,机器将完成对影像的分类、目标检测、识别等工作,即便是微小的病灶也能以高准确度勾画,协助医生完成诊断;“误诊漏诊少了,医患矛盾也少了。”这是医生的直观体验。 

一位放射科主任悔恨的谈到:“因为漏查了父亲体内微小的结节,现在我也对他的病情无能为力,要是这样这项技术早发现几年,他也不会这个样子。” 

AI的落地是众望所归。

推陈出新,做医生所想

人工智能这种新型的技术如果没有在所在的医学领域扎的足够深,就很容易变成一个炒概念的技术。推想科技的CEO陈宽在前几日“AI领航者,推想100+”全球产品应用分享大会的演讲中谈到了AI发展的传播问题:“人工智能的呼声越来越高,但呼声越大,泡沫也就越来,浪潮之中总会夹杂很多随波的物质,我们推想不想自己去谈这个问题,我希望能把对人工智能评价的话语权交给医生。”

推想科技一直以来特别在意医生是否认可他们的产品以及医生的使用体验,三年风雨兼程,推想不断地推进其人工智能产品落地。动脉网记者在会后采访中问到陈宽,推想团队以一种怎样的频率进行交流,陈宽谈到:“我们300名余名员工中的260名研究人员轮流呆在医院,每天跟医生一起工作,是一个连续性的合作过程,所以没有频率这个概念。” 

现在,推想的影像类产品已经在全球多个城市近200家顶级医院落地,国内签约的医院也已经来到了三位数,据推想科技的统计数据可知,推想系统在医院的点击率超过了60%,不存在闲置的问题。这是一个里程碑式的成功,不仅意味着医院方面对推想产品的认可,同时也肯定了人工智能技术在医疗的落地是实在可行的,而推想在此走到了前列。

推想的产品及其布局

推想的产品主要包含四类:InferRead CT Lung肺部辅助筛查产品、InferRead CT Stroke脑卒中辅助筛查产品、InferRead DR Chest胸部辅助筛查产品、InferScholar Center医疗影像深度学习中心。

前三种产品分别针对肺部、胸部、脑部三类病症,而医疗影像深度学习中心则是对接的研究型医院的科研中心,满足医院AI科研的需求,帮助医生轻松完成个性化、差异化的世界前沿深度学习科研,包括跨学科的科研需求。 

这些产品均经历了多个医院多种数据的考验,满足人工智能产品要求的鲁棒性、易用性与安全性。在会议中,北京首都医科大学附属友谊医院副院长王振常谈到:“我们和推想科技的合作已经一年了,这一年我们之间已经对几万例的图像进行了分析,未来我们也会有更多数据与技术方面的合作,作为一个医生,我希望人工智能时代能早一点到来,也愿意为人工智能时代的推进尽一份力。” 

陈宽对于推想科技产品的布局做了简单的解释:“推想布局理念非常简单,哪一些领域可以最大程度地解决医生的问题,缓解他们的压力以及提高诊断的质量,我们就进入哪个领域。中国的三大死亡原因第一是恶性肿瘤,所以我们第一条产品线就是这个肺癌。第二大死亡原因是脑血管疾病,也就是我们第二条产品线,那么接下来的产品会走向乳腺、心脏、肝脏等疾病,逐步将推想的产品覆盖各个领域。” 

推想的产品均已申报了医疗器械II类及III类审批,是我国第一批申报AI产品审批的企业,推想不会将其所有系统都去追求III类审批,对它而言,相比现在申请III类器械的“荣誉感”,更重要的是将合适的产品落地在合适的地方。 

保持用户粘性是落地后的关键

所有人工智能企业都面临的着同一个问题,即过审后商业化的问题。是订阅制还是按阅片数量计价,这是AI企业在几乎瓜分完一流医院的今天不得不回答的一个问题。而在这个问题的背后,是医院方对商业化的态度问题。

未标题-2.jpg

 对于一套系统而言,医院完全可以选择在体验结束或产品通过后再去寻求质量差距不大而价格低廉的产品,解决这个问题有两个方法,一是保持足够高的产品粘性,二是寻求知识产权法的帮助。 

现在,推想在全球已经落地近200家医院。如何保持用户黏性,给予医院较其他产品更好的体验是推想一直以来的目标。一个三甲往往会尝试使用多个企业的AI产品,在这个过程的产品比较就非常直观。浙江省中医院副院长许茂盛在天津会上谈到:“我们医院使用了包含推想的两个AI产品,两个产品准确率不相上下,而推想的结构化报告更加细腻,且操作界面更受我们医生的欢迎。”

 当医生已经习惯由人工智能帮助他们来写结构化的报告后,手写报告的时代便一去不复返了。所以,当推想布局200家医院之后,它努力在做的,就是为这些医院提供更好的体验,提高推想的产品黏性。

同时,招标过程的透明性与知识产权的保护也非常重要,这不仅仅适用于推想,也适用于所有的人工智能企业。回到当下,AI企业所需要做的,就是争夺更多的医院落地,在这一点上,推想已抢得头筹。

国内外同步发展,100家国内医院签约意味着新的征程

中国在科技方面离美国差距还很远,可人工智能例外。在采访过程中,北美放射学年会医疗影像资源会主席Eliot Seigel告诉动脉网记者:“中国在人工智能领域的成就与美国相差无几,这可能是中国现阶段最有可能超越美国的技术领域。”

推想正是以此为目标,而其产品也已在世界各地落地。日本慈惠医科大学医院影像诊断科主任中田典生在“推想100+”会议上谈到:“我非常惊讶AI可以取得这么大的成就,早在2017年11月推想便获邀入驻日本国家战略特区高新科技科目,这是迄今为止唯一一家入选的中国AI企业。“西班牙赫罗纳图像诊断学研究院院长Salvador Pedraza Gutierrez认为:“在欧洲没有低剂量CT肺癌早筛政策的背景下,推想AI提供了一条从传统X光胸片影像中快速、有效的肺癌早筛方案。”

 在《G20国家科技竞争格局之辩》的系列报告中“人工智能+医疗实践”板块,推想科技紧随BAT巨头,成为中国AI医疗影像领域的最佳实践者。

屏幕快照 2018-08-28 下午2.42.46.png

 G20国家的“人工智能+医疗实践”(截取中、美部分)

作为国内年纪最大的医疗人工智能企业,三年半的时间中也看遍了AI企业的沉浮,大量的科研人员(现260余位,占比超70%)保证了推想整个企业的迭代。3月获得了3亿C轮融资后,推想又实现100家国内医院落地。 

本次“AI领航者,推想100+”会议不仅仅是推想对过去的一个总结,也是一个里程碑,预示着人工智能技术实实在在的进入了医院。未来,推想会将其产品推向更多领域,开启AI医疗影像的新征程,加速产品落地计划,为医疗作出自己的努力。

动脉网
动脉网

专注医疗产业服务平台

产业深度学习推想科技医疗影像
1
相关数据
推想科技机构
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。

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)

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

推荐文章
暂无评论
暂无评论~