李成平作者

迭迦科技发布远程智能辅诊系统,手机上传乳腺彩超图片实时反馈准确率可达94%

目前,中国的医疗AI主赛道似乎已经被占满,但市场上还有一些遗珠有待发现。迭迦科技就是其中一个。迭迦科技于2018年底成立,是一个远程智能辅诊平台。它们用半年时间,成功研发了一款能够自动分析乳腺彩超图片并实时反馈结果的智能诊断系统,且这一系统准确率高达94%,超过了有经验的超声医师。

如今,迭迦科技已经拥有一系列完善的人工智能产品,其涉及领域涵盖了乳腺病变诊断、胸部疾病定性等领域,可对视网膜病变、黄斑水肿病变、婴儿身体指标风险、乳腺、甲状腺结节、细胞病理等实现快速诊断和风险评估。

为了对这家公司有更加深入的了解,动脉网记者专访了迭迦科技的CEO兼联合创始人陈玮博士。

主推DeepBC乳腺癌彩超智能诊断系统

DeepBC乳腺癌彩超智能诊断系统是全国首个在手机端对乳腺彩超图像进行智能诊断的系统。当患者在拿到彩超图片及报告后,可以通过“迭迦科技”微信公众号的乳腺癌彩超智能检测系统进行复查。患者上传手机拍摄的彩超图像照片,系统会自动分析图像,并即时反馈效果,患者可通过手机查阅报告。这一系统“二次保障”了诊断结果的准确性,可防止“漏诊”。

乳腺癌是影响女性健康的最主要的恶性肿瘤之一。根据 Globalcan(全球癌症观察站)2012年数据,中国女性乳腺癌发病率虽在全球处于较低水平,但由于我国人口基数大,女性乳腺癌发病例数和死亡例数分别占全球发病和死亡的11.2%和9.2%,在世界范围位居前列。乳腺癌的早期预防格外重要。目前,在乳腺癌发展早期介入治疗,仍然是乳腺癌控制的基石。

乳腺组织位置表浅,干扰因素少,乳腺超声检查是目前常用的乳腺癌筛查方式。陈玮博士说:“现目前的问题就是,大医院医生日常工作负荷太大,无法抽出时间特意为患者解读彩超图片。”另外,彩超解读比较依赖医生的个人经验和医疗水平,基层医院医生在经验和诊断能力可能稍有欠缺。

人工智能某种意义上可以算作是复制了专家的经验。”陈玮博士向动脉网介绍,DeepBC乳腺癌彩超智能诊断系统能够防止因医生经验水平欠缺出现误诊,并且可以解决超声医师人力不足的问题。

三大模块+8145例样本

DeepBC乳腺癌彩超智能诊断系统基于人工智能深度神经网络建立,可为彩超医生提供快速可靠的乳腺彩超良恶性辅助诊断服务,由图像降噪模块、图像分类模块、防漏诊模块三大模块构成。

图像降噪模块可以显著降低手机拍照时弹性形变、倾斜、噪点、光线条件差、抖动等因素带来的影响;图像分类模块能对彩超照片进行细分;防漏诊模块基于对抗学习算法,针对乳腺恶性病变,可有效降低漏诊率。

漏诊是乳腺癌诊断中的一大难题。DeepBC乳腺癌彩超智能诊断系统是基于对抗学习算法开发的专用防漏诊系统,针对乳腺恶性病变特征不明显的彩超图片进行二次诊断,漏诊率可降低59.46%。

三大模块帮助DeepBC乳腺癌彩超智能诊断系统在技术商领先一筹,权威的数据来源使得这一系统在辅助诊断领域更站的住脚。

陈玮博士介绍,迭迦科技背靠华西医院,收集了来自2667位病人的8145例样本,并由华西医院乳腺外科权威专家对数据进行标注,以此建立了一个强大的数据库,所有标注均有病理检查结果对照。庞大的数据量带来了极高的诊断准确率

经测试,DeepBC系统乳腺癌诊断系统在与人类医师对比测试中大幅领先,正确率高达94.48%。此外,迭迦科技与四川大学、华西省立医院护理儿童医院等多个专家级团队建立了紧密的合作关系。

据了解,DeepBC乳腺癌彩超智能诊断系统收费标准为100元一次。迭迦科技通过与快速问医生、多家互联网医院平台,以及与华西医院、四川省人民医院等实体医院开展合作的方式,为DeepBC乳腺癌彩超智能诊断系统的市场推广扫清了障碍。该系统自2019年初进入市场以来,C端客户范围现已辐射全国20余个省市,达到了逾十万的用户量。

陈玮博士还提到,迭迦科技正在建立乳腺癌风险预测模型,模型产品是一份由16个问题组成的调查问卷,由华西等多家医院专家开发。迭迦科技将利用这套模型将业务延展到对乳腺的全生命周期的管理,达到对整个健康管理服务的全产业链的触及。

陈玮博士告诉动脉网,迭迦科技已深入开展智能医学大数据研究,研发了一系列智能医学产品。

迭迦科技的产品线

产品研发的底气来自于专业的团队

迭迦科技的产品线涉及领域能如此广泛,与创始团队的能力和经历密切相关。

陈玮博士介绍,迭迦科技的团队主要有三部分组成:拥有资深运营经验的管理团队,四川大学人工智能技术团队,以及由华西等医院顶级专家组成的医生团队。

2018年底,在四川大学的支持下,四川大学机器智能实验室(MILab)的成员成立了迭迦科技。随后,迭迦科技以四川大学计算机学院院长章毅教授为核心,机器智能实验室(MILab)为依托,汇聚人工智能与医疗领域的海内外顶级专家和高端人才,尝试将科研中的成果逐渐运用于更多的医院,用人工智能技术去解决现有医疗体系中的技术难题与资源难题。

据悉,机器智能实验室(MILab)由章毅教授成立,已在国际比赛上数次夺冠。4月19日,机器智能实验室(MILab)团队斩获全球医疗影像大赛LiTS冠军,刷新了LITS(Liver and Tumor Segentation Challenge,肝脏肿瘤病灶分割挑战)纪录。这一纪录曾被腾讯优图实验室、健培科技等一流人工智能团队所占据,机器智能实验室(MILab)在其已有的优秀纪录之上再次拔高了AI肿瘤分割的dice值。

现目前,迭迦科技坐拥与四川大学华西医院、四川省人民医院、成都军区总医院、成都市妇女儿童中心医院的专家团队,能够深入医生需求,了解患者感受,并由此为依托打造人工智能产品。

“‘实现AI嵌入硬件技术,搭载进入器械’是迭迦科技短期的目标。在未来,迭迦科技将向构建AI产品研发生态圈的方向发展,建立完整的‘数据-技术-产业’产业链,深耕国内市场的同时,开拓国际市场。”陈玮博士向动脉网透露,迭迦科技正在开展天使轮融资,以加大产品研发和推广的力度,以及引进专业人才,强大队伍力量。

动脉网
动脉网

专注医疗产业服务平台

产业计算机视觉智能通信智慧医疗迭迦科技
1
相关数据
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)

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

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

图像分类技术

图像分类,根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

腾讯机构

腾讯科技股份有限公司(港交所:700)是中国规模最大的互联网公司,1998年11月由马化腾、张志东、陈一丹、许晨晔、曾李青5位创始人共同创立,总部位于深圳南山区腾讯大厦。腾讯由即时通讯软件起家,业务拓展至社交、娱乐、金融、资讯、工具和平台等不同领域。目前,腾讯拥有中国国内使用人数最多的社交软件腾讯QQ和微信,以及中国国内最大的网络游戏社区腾讯游戏。在电子书领域 ,旗下有阅文集团,运营有QQ读书和微信读书。

http://www.tencent.com/
推荐文章
暂无评论
暂无评论~