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

助力肺癌患者大病不出县,推想科技发布肺癌全周期解决方案

如果能将防、诊、治、管补齐,哪怕是一个县医院,也能做到大病不出县。但实现诊疗一体化,并不是件容易的事。患者就医需要穿梭于多个科室,每个科室所关注的点不同,如何将早期肺癌的发现和治疗反映成各个科室(包括院长层面)所关心的一些指标和方向?这些都是需要大量时间去反复磨合以及在内部沉淀的。

撰文 | 太浪

恶性肿瘤(癌症)已经成为严重威胁中国人群健康的公共卫生问题之一。

国家癌症中心 2019 年 1 月发布的最新一期全国癌症统计数据显示,恶性肿瘤死亡占居民全部死因的 23.91%,且近十几年来恶性肿瘤的发病死亡均呈持续上升态势,每年恶性肿瘤所致的医疗花费超过 2200 亿,防控形势严峻。其中,肺癌是全世界发病率和死亡率最高的。

8 月 3 日,医疗 AI 创企推想科技正式发布「基于 AI 的肺癌全周期智慧解决方案」(以下简称「肺癌全周期方案」),构建人工智能「防、诊、治、管」全生命周期的人工智能辅助诊断及决策系统。

1 基于AI的肺癌全周期智慧解决方案

推想科技的肺癌全周期方案底层架构包含一个基于 AI 的肺癌科研平台、以及两个数据中心(依托影像数据库、临床数据库)。

据介绍,为了实现 AI 早筛、诊断以及治疗/愈后随访,推想科研团队联合推想 AI 产品开发团队及项目合作医院,先是共同构建了肺部结节病种大数据中心(包括肺结节影像数据库和肺结节临床数据库);然后,基于肺部结节病种大数据中心开发出肺结节智能诊断系统和肺结节智能决策系统,进而构建出肺癌病种大数据中心;最后,依托肺癌智能病种库、肺癌影像数据库和肺癌智能知识库,进一步开发出肺癌早期智能诊断系统、高级智能决策系统,治疗预后随访系统。

在这样的架构设计下,在 AI 预防肺癌早筛方面,推想可以将医院里的非结构化数据进行结构化处理,降低肺癌的假阳率和漏诊率,可以对肺癌高危人群提供生活习惯建议和个体化的体检方案。

在 AI 辅助诊断方面,可以对结节进行精准检出,辅助医生进行诊断,实现前后片的对比,对结节密度进行分析,结合医院习惯进行个性化设置,最后输出结构化的图文报告,实现 AI 全流程辅助诊断。

在 AI 治疗路径决策和预后随访方面,依托临床数据库,可以匹配治疗路径,最后实现对不同患者提供最优的治疗方案,并实现对治疗方案后的预测。推想还提供患者随访系统,可「一键提醒」医生,将随访系统与医院 APP 对接后,还能同步提醒到患者。

推想科技创始人兼 CEO 陈宽表示,针对肺部疾病的诊断是一条完整链路,肺癌全周期方案的发布是为了补全诊疗一体化这条链路,「如果能将防、诊、治、管补齐,哪怕是一个县医院,也能做到大病不出县。」

但这并不是件容易的事。推想科技做这件事,花了两年时间,打磨自己的产品,提高 AI 肺结节筛查的准确率;同时,在医院内打通诊疗一体化的流程。

患者就医需要穿梭于多个科室,每个科室所关注的痛点或者观点可能都不同。如何想办法将不同科室串起来?如何将早期肺癌的发现和治疗反映成可能各个科室(包括院长层面)所关心的一些指标和方向?比如,医院有医保降费的指标要完成,医院想留大病患者在本院接受治疗等。而这些都是需要大量时间去反复磨合以及在内部沉淀的。好在和老客户反复沟通、反复迭代、反复磨合后,他们终于慢慢打通了这条路径。

目前,推想科技已经与辽宁锦州医科大学附属第三医院以及山东聊城市第二人民医院等十几家医院(地市级医院、县级医院为主)共同验证了这款产品的可行性。

「我们能看到,已经有非常确定的数据和非常确定的在医院的验证,我们这一整套体系的确可以做到诊断出更多早期的癌症患者、带来更好的治疗效果、以及对患者进行很好的管理。」陈宽说,比如,大连中山医院的名气起来了,治疗肺结节一定要到他们医院去,「那我就觉得,这可能表示我们做到位了。」

2 商业化:绝大部分战斗力已经瞄准基层医院

「我们过去几年的重点确实是放在顶级三甲医院,但那并不是我们的最终(长期)目标。」陈宽表示,「绝大部分战斗力已经瞄准基层医院。」

肺癌全周期方案不仅多在地方医院试点,商业化也更侧重于基层医院端。

陈宽说,最开始创业,就是希望用最顶级的医院技能训练人工智能,最终提供给偏远地区的医院,提升基层医院医生的能力,「服务那边的老百姓」,解决医疗资源矛盾最典型和最突出的地方的问题。

但瞄向基层并不意味着这套系统对三甲医院失去了价值。陈宽表示,上海很多放射科医生即使不值夜班,也不得不熬夜,「干不完那个活」。第二天早晨八点,又开始第二天的工作。而疲劳状态下的工作质量很难保证。AI 则可以帮助这些三甲医院的医生解决产能问题,让他们准点下班创造条件。

瞄向基层也并不是指做慈善。「我们肺癌全周期智慧解决方案当中肯定有商业化价值的点。」陈宽说,「一定程度上,你可以说,它既是一个技术的突破,同时背后也蕴含着内部运营模式以及商业方式的突破。」但具体某一板块赚钱,他并未透露。

他称,医院是有刚需的。只要能够给整个医院包括它上层的医保体系带来价值,自然而然,在这些环节中,就能够获得商业价值。但核心还是:AI 是否能在临床环境中也保持足够好的稳定性,以及是否真的能持续产生价值。

推想科技的商业化一直在推进中。前段时间,他们的人工智能学者科研平台(包括信息化平台)成功进入华西医院(全国第二)一定程度上也是在推进商业化的发生。毕竟,临床和科研,是医院和医生的硬需求。

3 还是得契合国家想做的方向

关于收入预期,陈宽表示,有,但没到公开的时候,「肯定还是和政策的开放程度紧密相关的,最终还是得契合国家想做的方向。」比如,实现医保控费,同时提升疾病诊断的效果。

2019 年 7 月 5 日,国务院印发《关于实施健康中国行动的意见》,《意见》中明确提出:「实施癌症防治行动……推进早筛查、早诊断、早治疗,降低癌症发病率和死亡率,提高患者生存质量……到 2022 年和 2030 年,总体癌症 5 年生存率分别不低于 43.3% 和 46.6%。」

「早发现、早诊断、早治疗」听起来容易、做起来难。

受限于医疗资源不足,资源配置不均衡等问题,我国不同地区、不同医疗机构之间在癌症早诊早治的器械平台和技术水平方面差异较大,为癌症防治工作带来很大挑战。

但随着 AI 的发展,政策制定者对 AI 寄予厚望。7 月,中央全面深化改革委员会第九次会议上强调,开展区域医疗中心建设试点,主要任务是在北京、上海等医疗资源富集地区遴选若干优质医疗机构,通过建设分中心、分支机构,促进医师多点执业等多种方式,在患者流出多、医疗资源相对薄弱地区建设区域医疗中心,充分运用人工智能、大数据等先进技术,推动优质医疗资源集团化发展,更好满足群众医疗服务需求。

「到这个阶段,中央都已经很明确表态了。接下来其实就是比较大胆的、比较创新的地方,就去尝试。最终,可能某一个地方试出来的模式就会成为中央在全国推广的一个样板。」陈宽说,「这是我认为这个行业的一个发展,推进得多快或者多慢,直接影响着我们企业的核心发展。」

陈宽表示,作为一个在医疗行业落地、生根发展的企业,他们的思路是,一定要用最先进的技术解决最民生的问题,紧贴国家的发展方向,紧贴医疗行业的目标,将价值发挥到最大。

而且,医疗 AI 产品的商业化也跟国家的政策相结合。任何一个创新性的临床型产品,只要涉及到临床环节,必然要经历政策开放的阶段。每一个政策的节点、政策的开放,可能都意味着医疗 AI 市场的打开。

但医疗 AI 产品的商业化,需要企业、专家、学者、医院,包括监管部门共同推进,企业能做的事情就相对比较有限。陈宽说,把技术打磨好,把研发、技术实力沉淀好,对他们来说也是最重要的事情。

4 产品战略:一横一纵

陈宽还介绍了推想科技的产品战略——「一横一纵」。

横向,针对不同疾病延伸。乳腺癌是推想科技在癌症方面的下一个攻坚对象,乳腺癌是第二大癌证、女性的第一大癌症。「我们想先把社会成本最高的这些问题解决了,然后再逐渐往外扩张。」陈宽说。

纵向,针对每一个疾病出一个完整的全流程解决方案。肺癌是第一个产品,未来,会有越来越多的全流程解决方案出现。

「如果有别的团队在做其他一些疾病,能更快给患者带来福音的话,我们其实也都很欢迎。我们其实是可以合作的,并不是说,和其他的 AI 公司一定是一个竞争的状态。」陈宽说。

推想团队 2015 年成立,2016 年 1 月设立北京推想科技有限公司,是国内最早投身医疗影像 AI 的公司之一,从肺结节智能筛查切入医疗 AI 市场。四年来,利用深度学习技术分析 DR、CT 及 MRI 等医学影像数据,发布了多款 AI 辅助筛查产品、一个 AI 学者科研平台及针对 DR 儿童生长发育的智能解决方案,已完成 C1 轮融资。

产业医学影像计算机视觉深度学习大数据技术
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)

知识库技术

知识库是用于知识管理的一种特殊的数据库,以便于有关领域知识的采集、整理以及提取。知识库中的知识源于领域专家,它是求解问题所需领域知识的集合,包括基本事实、规则和其它有关信息。

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

推荐文章
暂无评论
暂无评论~