赵泓维作者

合作医院RSNA投稿超300篇,推想科技AI科研平台发力临床验证

在全球的放射学者心目中,RSNA(北美放射学年会)无疑是个神圣的舞台。

这是世界上最大的放射学会议,拥有来自世界各地的影像设备公司的最新的技术和产品的展示,也有来自世界各地的放射学者的最新的科研成果的发表。对于任何想在RSNA发表自己科研成果的放射学者来说,向RSNA进行投稿是走上世界放射学舞台的第一步。

近日,动脉网从推想科技独家获悉,2019年推想科技AI学者科研平台InferScholar® Center及科学家团队,助力多家临床合作医院共完成RSNA投稿超过300篇(RSNA投稿截止日为芝加哥时间4月10日,现已截止)。而就在一年前,这个数字仅为6篇。

推想科技用户投稿分布

据RSNA2017稿件统计结果显示,这一年共收录了340篇,中国学者投放的稿件已在当年创造历史新高。这一数字距推想与合作医院投稿数量仅相差不到40篇。

AI科研亟需临床验证

从2012年科研人员再拾起淡忘的卷积神经网络算法,到如今各类人工智能产品落户医院,仅仅过了不到8年。一切或许还是发展得太快了,科研仍需要时间验证,产品亦需要科研的支持。

在2019年春节期间,RSNA最新的旗舰杂志《Radiology:Artificial Intelligence》上,杂志主编Charles博士就曾写道:“现在百家争鸣的时代,各家公司都宣称自己具有某种功能的AI系统,但是这些系统是否能够达到他们宣传的效果,必须要经过非常严格的临床验证。” 

事实上,RSNA 2018的200篇入选人工智能(AI)板块的摘要(包括口头发表、海报展示)中绝大多数是基于某种AI算法的技术可行性实验(technical feasibility study),也就是对某个模型做一些微调,通过小样本数据进行测试,更偏重概念验证(proof-of-concept)方面的初步探索, 而基于成熟商业AI产品的临床科研验证文章极少。

而早在2018年夏季,推想科技创始人&CEO陈宽就开始考虑AI学科建设和规模化临床验证性科研的布局,几个月后创建了致力于用AI深度学习技术与医生一起进行临床验证性科研合作的推想iCR,在短时间内迅速组建了由海外归国的博士后、国内顶级医院的设备专家、AI深度学习科学家组成的iCR团队,邀请了原GE医疗中国CT影像研究中心 (CTRC) 主任和首席科学家沈云博士担任iCR院长。

加入推想后的沈云博士立刻投身于基于InferScholar® Center的创新之中:“目前大部分医学AI的科研课题都偏重于用AI算法进行概念性验证,以临床为中心、真正通过临床验证的研究却凤毛麟角。而医学是最严谨、讲究实证的学科,医学AI也不例外——任何成果在应用于患者之前,都需要严格的研究、在有同行评议的期刊上发表结果、以及在真实世界环境中的临床验证。

推想科技全球临床科研合作学院(iCR)院长、首席临床科研合作科学家

沈云博士

因此,医学人工智能的发展亟需更多医者投入到相关研究之中,加速真实世界环境的临床验证,用科研成果对现有AI的发展佐以证明。InferScholar® Center在正推动这一过程实现。

爆发式增长背后的科技力量

投稿数量的剧增来源于推想科技借助深度学习技术设计的AI科研平台InferScholar® Center,这一平台开创了规模化临床验证性科研的先例,为任何想做科研的医者提供傻瓜式数据分析平台,研究各类医学命题。

据沈云博士介绍,300余篇RSNA投稿文章摘要均包含由医院用户基于推想科技AI产品和技术进行的临床验证性课题。这些课题分布于CT肺、CT骨疾病、CT脑疾病、DR骨龄等部位的病种。例如其中西部某三甲医院投稿的非镇静儿科CT检查就是一篇典型的验证性研究。

深度学习、影像组学等多种功能,软硬件一体的推想AI科研平台InferScholar ® Center为此次RSNA投稿提供了平台和技术方面的支持,大大提速了科研大数据的利用率和利用速度,使规模化的临床验证成为可能。

具体而言,医学专家可自主选择孵化AI的数据、模式、逻辑参数等,将让AI更加契合医疗业务特性,并从临床角度获得更多科研成果。

这一产品的推出顺应了医者当下的需求:越来越多的医学研究者不仅希望使用AI产品,也希望结合自身的医疗大数据和临床经验优势,进行AI方面的自主临床研究。

而对于本次300篇RSNA投稿的阶段性胜利,沈云博士表示:“这是AI深度学习技术进行规模化验证性科研的起点,而与推想科技合作的每一家医院、每一位影像学者都是其中的参与者和见证者。我们希望未来有更多影像学者参与其中,与我们一起共同开启AI规模化临床验证性科研的新纪元!”

关于沈云

沈云博士是原GE医疗中国CT影像研究中心 (CTRC) 主任和首席科学家,工学博士、医学博士,东京女子医科大学客座讲师,陕西中医药大学终身科研教授。沈云博士具有独到的科研合作模式和理论,奠定了CT科研的标准,在日本和中国的影像界都有很高的地位和影响力。

动脉网
动脉网

专注医疗产业服务平台

产业医疗深度学习卷积神经网络推想科技
相关数据
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。

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)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

卷积神经网络技术

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

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~