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

赵泓维 作者

新基建如何推动医疗AI行业再进化?业内大咖为你详解幕后逻辑

从90年的规划算起,中国的大规模基础设施建设路径已经走了30年。当时间进入21世纪第二个十年,“铁公桥”带来的GDP增长已略显疲态,重复建设与基建边际成本上扬不仅阻碍了资源的有效流动,甚至有可能催发泡沫,恶化经济下行时期的产业风险。基于此,中央抛出“新基建”一词,试图引导陈旧的制造业向高端转变。

但产业的变革终归缓慢,很难有城市愿意率先跨出第一个大步,直到COVID-19疫情事件这一催化剂的出现。这时,寓意着高端科技发展与新经济增长点的“新基建”成了改变现状的一根稻草。

背后的原因可归纳为两个,其一为自动化等创新技术的缺失导致的低生产效率,必须加速进行工业变革;其二则是全球范围内,肉眼可见的经济下行。

那么,为什么“新基建”可以解决上述两个问题?

追其究竟,我们现已可以预见下个时代的技术发展逻辑,发展5G、AI、IoT等技术是加速筑造智慧城市、智慧工业、智慧医疗的必经之路,用美国工业机器学习初创企业Instrumental创始人的一句话可以描述第一个逻辑:“疫情让我们意识到自动化的必要性,在电子制作方面,市场推动我们在未来的18个月内完成五年的创新。”

其次是政策推动,2020年5月7日,上海市政府发布《上海市推进新型基础设施建设行动方案(2020-2022年)》,文件梳理排摸了新基建下未来三年实施的第一批48个重大项目和工程包,总投资预计高达2700亿元。届时,上海已成为全球首个出台新基建具体规划的城市。

浪潮之下,医疗无疑是这波建设之中关注的重点领域,建设变革中提到的5G、大数据中心、人工智能均是近年来科技医疗发展重点。其中,人工智能技术正与5G、大数据不断结合,协同远程医疗拓宽基层医疗诊断能力、辅助大数据挖掘寻找隐藏的奥秘……

如今政策、战略准备已就绪,医疗人工智能企业站在了发展的三叉路口前。

新基建下,究竟需要怎样的人工智能

运用人工智能帮助医生进行辅助诊断如今已不是新鲜事,诸如依图医疗等医疗AI企业早已将相关应用置于上百家三甲医院之中,或是基层医疗之上。但这并非新基建的常态。

用依图医疗副总裁方骢博士的话来讲,新基建新在跨技术边界的技术融合与点状应用的闭环连接。

以影像学AI为例,如果仅是单单制造一个影像识别的独立应用,它只能活在实验室里。而为了打破空间上的限制,AI可以同5G联合,将诊断功能下放到有通讯条件的基层地区;为了打破流程上的限制,AI可以与大数据联合,开发单器官全病种的应用。跨边界以涌现新能力。

点状应用闭环连接则是一种超越现阶段人工智能布局的状态,横向来看,这需要将就诊全流程结合,将患者病史、临床症状、体征以及其他相关辅助检查相结合;纵向来看,单一疾病可能在多个器官中表现出征象,需要系统性地看待患者病情。

虽未有成品,但两个方向的研究均在进行。

以依图医疗开发的脑卒中急诊及康复智能管理系统为例,该系统结合了5G的优势和依图医疗的全栈式产品矩阵——将5G通讯应用在120云平台实现AI云智能问诊,以确定脑卒中可能。

覆盖患者就诊全流程,首先合理配置120急诊的卒中专用出诊车接诊,接诊后结合卒中地图筛选合适收治医院,可在救护车上实现院前诊断及院前CT检查并将数据同步至目标医院卒中中心;卒中中心可以利用AI秒级判读CT影像以确定后续临床处理方案,救护车通过5G智能规划交通路径并快速送往目标医院,实现远程会诊,并在救护车上开始必要的病人家属宣教;出院后基于人体关键点识别技术,可实现院外康复降低病人负担。 

5G技术的融合也被依图应用于在癌症早筛领域。由于阅片医师匮乏等多方面因素、基层医院在阅片效率、精度、一致性与城市地区均有差距,但受限于网络传输能力,基层医疗机构产生的放射影像无法及时传输至区域阅片中心或第三方阅片中心,远程阅片应用一直受到较大限制。而5G通讯技术具备高带宽、低延时、高可靠等诸多特点,依据海量、低延时的信息传输能力,以往局限于院内分享的影像信息将有望实现实时传输,并实现实时诊断,并具备实时远程诊疗的潜力。 

“不过,这些应用对于基层建设仍存在高要求,”方骢表示,“如今AI技术的实际应用仍然在解决点状需求,只有加快速度把基础层搭好,才能构建出更有效的高层应用。” 

疫情期间以及4个方向的战略发展

脱离概念,“新基建”仍要回到“基”字上。在大健康领域,重疾、慢病、儿科、重大公共卫生事件响应体系便是人民之基,医疗新基建便要落足在这里。 

“长期以来,重疾不断地为医保带来支付压力,为患者带来生活压力。以恶性肿瘤为例,即便技术的进步提高了肿瘤后期患者的生存率,但处理这一病种的最佳方式仍是将其尽早扼杀,这个时候,基层早筛便至关重要。”方骢表示,“这类早筛一定需要落到基层,以我国的人口数量,二级及其以上医院不可能肩负如此大量的早筛。” 

要实现这样的愿景,最大的问题来源于医疗资源的匮乏,这也是依图医疗为基层医疗体系开发AI辅助诊断系统的原因。而在新基建时,依图医疗需要将这种筛查方式标准化,并与公共卫生防御体系相结合。 

“以我们的AI防癌地图举例,重疾早筛通常按照年龄对人群进行划分,例如,55岁以上的男性,50岁以上的女性,国家希望这部分人群每年进行一次筛查。我们将要做的便是在提供AI辅助诊断系统的同时,帮助公卫体系建立一个筛查数据库,通过数年的积累,计算出该市区的各类肿瘤患病率。在这一背景,我们对比不同年份的数据,就能了解不同癌种的患病变化情况。一方面,如果出现了某一癌种患病人群的激增,我们能够尽快开始调查;另一方面,这将帮助政府制定医疗策略,帮助合理配置医疗资源,让更多患者在需要时能找到相应的医生。” 

同样的原理也可应用于重大公共卫生事件的预防之上,只要数据库收集到了高传染病形式的数据结构,系统就自动提出警报,这将极大提高公卫预警能力,毕竟,数据不会说谎。

疫情期间,依图医疗正式发布“区域传染病智能防控解决方案”,基于依图医疗自主研发的公卫大数据平台,融汇自然文本处理、语音识别计算机视觉知识图谱等AI及大数据技术,通过对于区域人口多维度全周期健康数据进行智能化采集、治理与分析,智能发现、上报、态势预测、智能决策支持等多种智能,完善传染性疾病的三级预防体系。

此外,通过类似的方式,依图医疗还建立了慢病管理平台,为儿童量身打骨龄AI判读系统。总的来说,依图正努力通过人工智能与大数据建立应用闭环,提升医疗整体能力。 

依图的设想,能走到什么程度?

抛开“新基建”三个字,依图医疗的“防癌地图”计划早在一年前便奔着类似的前景向前推进。2019年一年时间,“AI防癌地图”已点亮广东、福建、河南、浙江、重庆、湖北、辽宁等多个省市,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。 

接下来依图医疗紧跟“新基建”思路,将这些单点式的AI赋能成果平台化、标准化,将AI辅助诊断技术与云影像平台、区域疾控中心等中枢,为基层区域形成系统化的人工智能方案,将过去的“广”度转化为“深”度。

依托于依图医疗布局各大三甲医院的资源优势,以及依图科技在芯片与数据安全上优势,依图医疗在新基建的人工智能赛道上拥有足够的先发优势。全新动力之下,依图医疗的表现值得期待。

动脉网
动脉网

专注医疗产业服务平台

产业新基建医疗AI依图医疗AI逻辑
相关数据
依图科技机构

依图是一家世界领先的人工智能公司,以AI芯片和算法技术为核心,研发及销售含AI算力硬件和软件在内的AI解决方案,全面解决机器看、听、理解和规划的根本问题,为AI发展和应用普及提供高性能、高密度和通用算力,满足云端数据中心、边缘计算和物联网不断增长智能计算需求,并将芯片技术与算法技术结合,形成在AI算力技术及产品领域的领先优势。在AI芯片领域,创新芯片架构通过融合通用计算和深度学习计算实现端到端处理能力,具备高性能及低功耗优势。在AI算法领域,在计算机视觉、语音和自然语言理解等领域处世界前列。

https://www.yitutech.com
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。

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。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

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。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

推荐文章
暂无评论
暂无评论~