曾创年度医疗影像最高融资记录,这家公司正用AI诊断脑卒中

2018年11月 CCR(中华放射学学术大会)上,医疗AI创企图玛深维一连发布了四款新品。其中,脑卒中 CT 智能诊断系统(σ-Discover/Stroke CT)荣获「机器之心2018年度·三十大最具创新AI产品/解决方案」奖项。

图玛深维(12 SIGMA TECHNOLOGIES)成立于2015年,由两位前高通公司深度学习和计算机视觉学专家创立,专注于研发世界顶尖智能医学影像医疗辅助诊断系统及配套多元解决方案,目前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 。该公司曾创下2017年医疗影像AI最高融资记录(B轮,2亿元,软银中国领投)。

脑卒中 CT 智能诊断系统能帮助医生分析脑卒中患者 CT 影像,自动检出分割出血灶区域,测量出血容积,判断活动性出血,分辨脑实质内及脑外(硬膜下、硬膜外、蛛网膜下腔)出血。该产品助力临床治疗决策制订,把握手术黄金时机,辅助预后分析。

当在脑部 CT 扫描里发现出血的情况后,该系统会自动提高脑卒中 CT 的优先级,让急诊医生更快地做出反应,5分钟内返回报告。

目前,该产品的出血点检出率在 98% 左右,每套扫描里伴随的假阳性小于1个,主要应用在医院放射科室。临床科室、独立影像中心是图玛深维想要扩展的应用场景。

图玛深维联合创始人、首席技术官(CTO)高大山先生接受了记者的专访,不仅对这款产品的诞生过程做了详细介绍,也讲述了他们在这款医疗 AI 产品落地过程中遭遇难题并努力克服的故事。

脑卒中,又称中风、脑血管意外,是一种急性脑血管疾病,致死致残率高。

脑卒中分为出血性卒中和缺血性卒中。出血性脑卒中是由于脑部血管突然爆裂导致脑组织损伤,缺血性卒中(又称脑梗死)是由于血管阻塞导致血液不能流入大脑而引起脑组织损伤。

其中,缺血性卒中的发病率更高,占脑卒中总数的 60%-70% 。出血性卒中则预后差,死亡率和病残率均高于缺血性脑卒中。出血性卒中多发于50岁以上高血压动脉硬化病人,男多于女,是高血压死亡的主要原因。

脑卒中急性发作后,治疗诊断的窗口期短,医生通常要在几个小时之内必须做出一个治疗方案。一般是用头部 CT 确诊出血性脑卒中,用头部核磁来确诊缺血性卒中。当发现病人有类似出血性脑卒中的情况时,医生会先给他做一个 CT 扫描,找出出血病灶、判断其是脑实质内出血还是脑外(硬膜下、硬膜外、蛛网膜下腔)出血(因为脑部不同区域出血会有不同影响,治疗方法也不同),然后测量出血容积。对医生来说,测量出血容积是一个非常繁杂的工作。 

医生在 CT 图像上看出血灶,有时会漏掉一些微小的、不明显的出血灶。 CT 扫描是3D成像,3D成像相当于有很多个横切面要去看。医生还没有办法3D建模,想量出一个病灶的尺寸,需要挑一个最大的截面去量长径、短径;想在3D上量容积,还要在每一层勾画病灶的形状。

经过市场调研和需求分析后,图玛深维将产品方向定在了出血性卒中(脑出血)。

产品诞生记

「如果我们不跟医生去交流,只是自己闭门造车的话将会偏离市场。产品需求要来源于客户,最终要服务于客户。这样才能实现很好地落地,并建立对图玛深维产品的使用黏性。」因此,他们找来复旦大学附属华山医院为首的数十家医院,展开深度合作。

数据收集是开发 AI 产品的第一步。Garbage in, garbage out。

他们从各个医院收集训练数据。「不同的机器、不同成像数下获得的扫描会有一些轻微的不同,我们从各个地方收集到累计共愈万例的数据,统一做训练,这会对我们产品的鲁棒性有很大帮助。」

「在 CT 扫描中,我们的软件会自动对可能出血的病灶进行检测;检测到病灶后,如果病灶有出血症状,就排除缺血性治疗这部分的工作,主要集中在对出血灶的评估及治疗上。」高大山介绍,「我们这个产品,第一步,会先测出来出血灶的位置;第二步,对出血灶出血的区域进行定位;第三步,对出血容积进行测量。」

图玛深维脑卒中 CT 智能诊断系统(σ-Discover/StrokeCT)

针对医生可能会漏掉微小或颜色暗淡的病灶的情况,他们做出了高敏感度的算法模型。机器首先标注出多个区域,医生再在这个基础上去看片子,就会把漏掉的微小病灶、暗淡的区域找出来。同时,会把机器判断错误的标注去掉。

「医生会帮我们看机器检测做的好不好,并根据我们的诊断系统的检测结果上做二次标注。医生把我们算法有误差的地方(不该检测的/脑区分割不准确的地方)标注出来以后,我们的算法能够更有针对性地去学习应该怎样去做检测。」高大山说,「这其实是一个算法工程师不断和医生沟通的过程。」

为了更顺畅地与医生交流,了解医生的需求(他们看什么、找什么),图玛深维派出了具有生物医学工程背景的算法工程师。「特别是在医学影像领域,从医学成像到 AI 影像分析,都有相应的背景。」此外,公司内部还聘用了全职的放射科医生,在内部做影像学培训。

为保证数据标注的质量是最好的,他们找来中级职称以上的医师做数据标注,医师标完了之后,他们会再找专家医生(公司聘用的专家医生/从事共同项目研究的医生)迅速再核实一遍,看修改的对不对。「这样,保证我们数据标注的质量是最好的。」高大山强调。

当记者问及数据标注的成本时,高大山表示,「具体成本可能不太方便透露,但这方面我们的确投入不少。作为一家高科技公司,对技术的投入是我们公司发展的核心。我们公司融资的钱中至少 50% 以上是花在研发上的。」

目前,脑卒中 CT 智能诊断系统「仅需大概5秒就能把一个CT所有的结果做完,然后把结果反馈给医生,让医生很快知道病人大概的出血情况。」目前,该系统的出血点检出率在 98% 左右,每套扫描里伴随的假阳性小于1个。

对接RIS/PACS厂商可能是产品落地过程中的最大难题

使用产品时,减少流程里附加的动作,是医生的另一个需求。

为了让医生有更好的使用体验,图玛深维专门找了一家专业做影像浏览的软件公司合作产品界面,「甚至比一些小的 PACS 厂商的产品界面都专业,有非常强的功能,保证医生在使用的时候,不会有使用体验方面的落差。」

脑卒中 CT 智能诊断系统是一个独立的系统。为了让医生能在原有的工作流中只通过一个系统(RIS/PACS系统)判断出血灶、测量出血容积,需要将脑卒中 CT 智能诊断系统嵌入医院的 RIS/PACS 系统中。

(RIS系统:Radio Information System,是优化医院放射科工作流程管理的软件系统,一个典型的流程包括登记预约、就诊、产生影像、出片、报告、审核、发片等环节。

PACS系统:Picture Archiving and Communication Systems,影像归档和通信系统,是应用在医院影像科室的系统,主要任务是把日常产生的各种医学影像通过各种接口以数字化的方式海量保存起来,当需要的时候在一定的授权下能够很快调回使用,同时增加一些辅助诊断管理功能,在各种影像设备间传输数据和组织存储数据具有重要作用。)

但每个产品想要完全融入医生的工作流,都有一个沟通的过程。在回忆与 RIS/PACS 厂商对接的过程时,高大山感慨,「在考验我们产品的同时,也在考验着我们自己。」

图玛深维联合创始人、首席技术官高大山

在第一款产品(肺结节 CT 智能诊断系统)落地时,他们对接了上百家 RIS / PACS 厂商。在那个过程中,他们「一点点了解到一个现实」:

中国提供 RIS/PACS 系统的厂商有几千家,头部厂商至少十几、二十家,「大医院遇见东软、锐珂、上海岱嘉等大品牌的可能性比较大一点。但我们在对接中小型的二级医院或者更基层的医院,他们使用的 RIS/PACS 系统有的可能已经停止更新,版本较老。当下,一些 PACS 厂商已经濒临倒闭,有些厂商在转型,小的厂商没有那么多技术实力帮着做打通系统这件事。」

对于大的 PACS 厂商而言,其 PACS 系统可能在全国有几百上千家医院落地。「我们要和每一家医院对接。每次到医院对接的人还并不是同一个人,对他们来说也是消耗,可能它不能一家家(公司)来支持。

除了技术原因,有些厂商也有自己的顾虑,有一些公司考虑,自己要开发AI产品。种种原因造成了产品落地时的一些障碍。」

总之,「每一次对接,都是一件难度比较大的事情。」

记者了解到, PACS 传输协议标准化比较高,开发 PACS 系统的技术门槛比较低是导致这个现象发生的原因之一。只要懂软件的、搞过通信的,可能按照这个标准,就可以做 PACS 系统。另一个原因是,中国的医疗具有地方化特点,每个医院都在做一些独立的决定。一些小公司投标的时候说它标准化的东西都有,但最后实施的过程中有没有做到这一点,其实很难去考证。可能医院觉得用着行,其实也就用了。此外,记者还了解到,有些医院花钱买了一家公司的 PACS 系统后,好多年不付服务费,致使 PACS 厂商也不愿意再服务这些医院。

「我觉得,大家应该合力找一个解决方案,双方从设计源头开始就把接口打通。这是最通畅的一种方法。」高大山说,于是,他们找了几家大的、比较集中的企业一起做试验,与其 RIS 系统对接。

除了对接的方案,他们还有一些临时方案。比如,在没有对接好系统的情况下,将提示通过浮窗窗口的形式弹跳在电脑界面,用这样的办法让医生知道哪一套扫描是优先级更高的。

目前,脑卒中 CT 智能诊断系统已在30家左右医院落地,其中,1/3 的医院已经将该产品接入到 RIS 系统中,还有 2/3 正在沟通中。

下一步计划:在脑血管疾病诊断上越走越远

他们希望和更多的 RIS/PACS 厂商合作,让产品更容易落地。但落地不能光看企业,也要靠政府、医院(医生)等方面的力量一起推动。

「我们很期待将来有一个大的平台,最终能够建立一个区域级的比较规范性的网络,我们再在这个平台上去做一些(应用),难度就降低很多。对医院来说,接受度也会更高。

医院有医院的难度。毕竟 AI 产品很多、提供 AI 产品的企业也很多,各个企业推出的各类产品都在上线(比如,肺结节检测、宫颈癌筛查、眼底疾病检查、心脑血管多维智能诊断等)。医院方面是不是每家企业、每个产品都要对接一遍?其实大家都麻烦,这是个 N*N 的关系。这可能是产品落地面临的最大困难。」高大山说。

事情一点点有了转机。

1月19日,中华医学会影像技术分会主任委员付海鸿组织相关会议,「把 RIS/PACS 厂商和 AI 厂商叫到一起,在南京启动《 AI - PACS RIS 系统集成与接口规范解决方案第二次工作会议》,两边讨论一下各自的需求,看大家是否能够达成一个共识,有一个标准化的接口形式。这样,将来的成本就会大大降低。」

脑卒中 CT 智能诊断系统只是图玛深维与华山医院合作的第一个产品,他们在脑血管疾病方面签署了全面合作协议。接下来,他们将在核磁上对缺血性卒中进行评估,对缺血性卒中的体积进行测量(主要是半暗带的测量)。

脑动脉瘤是出血性卒中的一个早期表现,血管上形成的血管瘤一旦破裂会引起大面积出血。大概有 8% 的人群(40、45岁以上)罹患此病。怎样对脑动脉瘤进行长期监控,对其破裂的可能进行跟踪和评估,也是他们接下来的一个方向。

高大山说,「我们还在和瑞金医院(属于上海交大系统)合作,在核磁序列上看退行性的疾病,如帕金森、阿尔兹海默症等,帮助医生做更准确的诊断。」

更多采访内容以问答形式呈现:

1. 做这件事有补贴吗?

高大山:我们公司在苏州工业园区,作为重点扶持的 AI 企业,公司整体得到了不小的支持。我们申请的项目是做脑方面的,可以和华山医院一起去申请上海市的项目补贴。

2.目前,产品还有哪些地方需要改进?

高大山:医院对产品使用的方便性提出了一些需求,比如随访、对比等需求,我们的产品正在增加这一功能。

3.这款产品开发,与合作伙伴的合作是怎样的?

高大山:这个产品目前还是与医院的科研合作为主,我们的合作伙伴还包括 GE 医疗、英伟达、阿里健康等。

(1)作为 GE 的战略合作伙伴,图玛深维以独立的产品形态(脑卒中 CT 智能诊断系统),配合 GE 的 CT 销售。

(2)和英伟达的合作更多是在技术层面。在软件加速、系统底层的优势,底层的转变,硬件的驱动加速(GPU)方面,他们会给我们提供一些帮助。

英伟达在2018年11月底推出了 CLARA 开放平台,旨在帮助医疗行业构建和部署具有突破性的算法,实现医疗仪器的智能化和医疗工作流程的自动化。  

(CLARA 是一套以英伟达 Xavier 人工智能运算模块和英伟达 Turing 架构 GPU 为基础的运算架构,该架构辅以 CLARA 软件开发套件( CLARA SDK ),可以允许开发人员通过开发各种应用程序来处理现有系统的数据,加速研发进程。开发者可以将应用产品部署到嵌入式、预置式和云端等多种计算环境中。 )

我们的产品采用了 CLARA ,性能有了两到三倍的提升。 CLARA 对于产品的应用,尤其是将来云端的应用,有很大帮助。能提高整个资源利用率和产品的实施方便程度。

(3)和阿里的合作更加全方位,更多是在云端品牌的集成上。

阿里健康AI开放平台在去年十月份成立,他们想把这个云端平台与医院的底层系统对接,然后让第三方 ISV 在上面提供一些应用(APP),我们实际上就是第三方 ISV 。去年十月,我们在杭州签了一个战略合作协议,我们肺结节的产品、乳腺的产品、脑卒中的产品都在和他们做对接。

4.公司整个下一步的计划是什么?

高大山: AI 赋能医疗应是大势所趋。 AI 在医疗行业的应用主要集中疾病预防(project)、疾病诊治(produce)、资源配置(promote)、患者服务(provide)四大方面,包括疾病预测、智能决策、个体化精准医疗、慢病管理等。

我们通过从放射科,病理科,走进临床科室的价值跨越,未来打造智能服务平台,聚焦疾病诊治的全链条与患者的全流程病程管理,从筛查、诊断、治疗、回访等各个环节提供服务。

图玛深维凭借产品「σ-Discover/StrokeCT脑卒中CT智能诊断系统」荣获「机器之心2018年度·三十大最具创新AI产品/解决方案」,识别下方二维码阅读更多该公司相关动态。

产业数据集医疗
1
相关数据
高通机构

高通公司(英语:Qualcomm,NASDAQ:QCOM)是一个位于美国加州圣地亚哥的无线电通信技术研发公司,由加州大学圣地亚哥分校教授厄文·马克·雅克布和安德鲁·维特比创建,于1985年成立。两人此前曾共同创建Linkabit。 高通公司是全球3G、4G与5G技术研发的领先企业,目前已经向全球多家制造商提供技术使用授权,涉及了世界上所有电信设备和消费电子设备的品牌。根据iSuppli的统计数据,高通在2007年度一季度首次一举成为全球最大的无线半导体供应商,并在此后继续保持这一领导地位。其骁龙移动智能处理器是业界领先的全合一、全系列移动处理器,具有高性能、低功耗、逼真的多媒体和全面的连接性。目前公司的产品和业务正在变革医疗、汽车、物联网、智能家居、智慧城市等多个领域。

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。

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。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

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)

假阳性技术

假阳性是指模型因为种种原因把不应该分类成特定情况的人/物错误地分类到了该分类的情况。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

暂无评论
暂无评论~