依图医疗「AI 防癌」这一年:累积服务数十万人,早筛出疑似高危50余人

从产品落地临床,到助力科研,依图医疗亮出过去一年的成绩单。

作为近年来放射学领域最为瞩目的技术进步,医疗 AI 在放射领域的广泛应用正在深刻改变放射学的进步历程,越来越多的医疗 AI 产品落地临床,进入早筛、诊断、随访、科研等各个领域,成为临床医师的好帮手与「第二大脑」。

上周,国内一年一度的放射学盛会——全国放射学学术大会(CCR2019)在国家会议中心隆重召开,近万名来自全球的放射医务工作者、科研人员、厂商云集北京,就放射学最新进展展开交流。

大会期间,国内医疗 AI 企业,依图旗下医疗子公司依图医疗围绕「AI 防癌地图」进行周年成果汇报暨多组学智能科研平台发布,披露「AI 防癌地图」周年成果以及科研平台建设领域的最新突破。

中:中华医学会放射学分会主任委员、北京协和医院放射科主任金征宇教授;右二:中国医学科学院肿瘤医院副院长周纯武教授;左一:广州医科大学附属第二医院放射科副主任兼番禺院区微创介入科主任张振峰教授;左二:依图医疗副总裁方骢博士;右一:依图医疗副总裁石磊

「依图医疗」,背靠依图视觉识别的技术优势,擅长医学影像分析,能够用 AI 读取医学影像报告,智能甄别诊断影像情况,并给出相应的治疗意见。

目前,依图 AI 医疗影像系统已经应用于全国 300 余家医院,覆盖肺癌、乳腺癌、宫颈癌、胃肠疾病等众多病种。其中,胸部 CT 智能 4D 影像系统 care.ai 已实现了从病灶检出到管理的全流程智能化。

去年 11 月,依图医疗启动「AI 防癌地图」项目,计划在未来 5 年内投入 1 亿元项目资金,联合数百家医疗机构,建设覆盖多个癌种的智能早筛平台,覆盖 19 个省市自治区,为基层民众开展癌症早筛。推动肿瘤诊治从「病种治疗」治疗向「早筛早诊早治」进步。

产业、学术两条腿并进

过去一年里,「AI 防癌地图」已点亮广东、福建、河南、浙江等多个省市,累计服务数十万人次,实施肺癌智能早筛 5000 余次,筛出疑似高危患者 50 余人,成效显著。

在赋能基层肺癌早筛的同时,依图医疗在科研领域也取得相应进展。

此次发布会上,融汇依图医疗最新科研理念的 care.ai 多组学智能科研平台正式亮相。

相较于市面上大部分单纯基于医学影像既有低维特征提取、综合、分析的科研平台,care.ai 多组学智能科研平台创造性的引入「多组学」概念,将深度学习技术前置于高维信息提取过程,协助医学专家探索更高维的医学信息世界,将「小样本亦大数据」的科研梦想变为现实;同时,将影像、文本、基因、病理等多模态信息引入科研流程,贴近科研需求,为科学研究提供全面且完善的 AI 助力。

「大数据的理想与小样本的现实是医疗科研常存在的矛盾。医疗数据的信息密度越来越高,衡量医疗数据价值的维度早已不能局限于样本量,单位样本的数据信息密度已成为临床研究新的价值维度。顶级的 AI 技术具备了越来越高的智能密度——深度提纯和解析数据价值的能力,充分挖掘有限数据中包含的海量信息,让曾经的「小样本」数据成为「大数据」。」

依图医疗副总裁石磊在谈及多组学智能科研平台时表示,「依图的 care.ai 多组学智能科研平台,实现了「让算法设计特征,让算法优化训练,让算法设计算法」的技术创新,将助力医学专家更加高效、便捷的开展多组学智能研究,加速成果产出。」

落地基层病患

作为此次发布会的开场之作,「AI 防癌地图」周年成果汇报吸引了众多专家的目光。启动后的一年中,「AI 防癌地图」真正做到了落地基层病患人群。

在福建宁德,67 岁的李奶奶第一次接受了「医生+AI」的 LDCT 肺癌智能早筛,在恶性结节扩散前,通过腔镜微创手术将恶性结节消灭在萌芽之中……

在河南新野,1000 余名高危人群中,9 例高危阳性结节患者被发现,并且在上级医院的支持下建成省内首个县域肺结节早筛中心及多学科诊治中心,「大病不出县」不再只是梦想……

在广东番禺,继 2018 年的 1323 例高危人群智能早筛之后,2019 年,又有 1271 名高危患者接受了智能肺癌早筛,更为可喜的是,177 名在 2018 年筛出的高危人群主动接受随访,民众对于肿瘤早筛的抗拒正在慢慢融化……

金征宇教授对「AI 防癌地图」的持续深入给予了肯定评价,他表示,放射医师是肿瘤早筛的重要力量,AI 技术在癌症早筛中的应用也越来越纯熟,经验越来越丰富,相信随着 AI 防癌地图在更多省市的落地,中国的肿瘤早筛防治水平将进一步提升。

中华医学会放射学分会主任委员、北京协和医院放射科主任金征宇教授致辞发言

「care.ai 胸部 CT 智能 4D 影像系统实现了从病灶检出到管理的全流程智能化,能够为肺癌诊断提供多维度肺结节管理助理,大大提升了肺癌早筛的效率与精度,以及诊断结果的一致性,」作为多次智能早筛行动的领导者,张振峰教授表示,「随着 AI 防癌地图的持续开展,早筛意识开始深入人心,民众对于肺癌早筛的接受度越来越高,甚至出现了不少主动随访的人群,癌症筛查终于开始从医生的『快来查』走向患者主动的『我要查』。」

守着数据金矿卖石子儿—如何变革?

此次发布会上,另一个明星产品同样吸引了众多参会专家的目光——care.ai 多组学智能科研平台。

事实上,「科研平台」并不是一个新概念,甚至多年以来,各种形式的科研平台已屡见不鲜,并凭借单一维度数据,尤其是影像数据的标注和流程化训练方面取得了一定的科研成果。

但在更深层次的多组学高维信息的提取,智能化算法架构的构建上一直难以取得实质性突破,其研究成果局限于单一领域的单一维度,低水平重复建设现象严重,模型搭建耗时漫长,迁移学习成本居高不下,难以满足日益复杂的临床科研需求,堪称「守着数据金矿卖石子儿」。

「信息的提纯和解析贯穿每一项科学研究的始终,医学研究往往需要整合多维度数据才能有所突破,对于多维数据的整合能力,高维信息的提取能力,数据分析的智能化水平直接决定了科研效率与成果水平。」

谈及建设该平台的初衷时,石磊表示,「AI 赋能的影像已成为各学科研究中最具价值的证据来源,跨学科、多模态数据的整合已成为「AI-based」科研趋势,构建「影像+」多组学的科研平台,能够助力影像科医生超越影像,开展更丰富的临床研究。」

依图医疗副总裁石磊发布多组学智能科研平台

多组学智能科研平台的建设挑战极大,对于建设者的医学问题理解、AI 综合能力、合作伙伴等都提出了极为严苛的要求。

「依图医疗拥有世界级的医疗人工智能技术及应用经验,其在计算机视觉、自然文本处理、知识图谱技术等多领域的深厚积淀是该平台最为雄厚的技术支撑,」石磊强调,「我们致力于科技创新,期待携手更多的医疗机构和专家深度合作,助力医学科研发展。」

产业依图医疗
相关数据
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)

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。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

迁移学习技术

迁移学习是一种机器学习方法,就是把为任务 A 开发的模型作为初始点,重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务,虽然大多数机器学习算法都是为了解决单个任务而设计的,但是促进迁移学习的算法的开发是机器学习社区持续关注的话题。 迁移学习对人类来说很常见,例如,我们可能会发现学习识别苹果可能有助于识别梨,或者学习弹奏电子琴可能有助于学习钢琴。

推荐文章
暂无评论
暂无评论~