雅森科技CEO陈晖:AI赋能医院要注意产品普适性和法律法规的问题|论坛演讲

作者:王晓行 2017-09-21 08:00

{{detail.short_name}} {{detail.main_page}}

{{detail.description}} {{detail.round_name}} {{detail.state_name}}

{{detail.province}}-{{detail.city}}
{{detail.setup_time}}
融资金额:{{detail.latest_event_amount}}{{detail.latest_amount_unit}}
投资方: · {{item.latest_event_tzf_name}}
企业数据由提供支持
查看

医疗对于人工智能具有强烈的潜在需求。目前,全球人工智能+医疗“基础+技术+应用”较为完整的产业结构已初步形成。新技术要想真正引起行业变革,不仅需要政策、技术、人才等多方面的协同配合,还需要企业的探索和时间的积累。为了探求健康医疗大数据和人工智能的未来发展和落地方案,2017年9月16日-17日,2017长江产业论坛(秋季)暨医疗健康大数据与人工智能大会在武汉会议中心盛大开启。

 

在本次大会上,雅森科技CEO陈晖以《人工智能落地与应用》为题,分享了雅森科技在医疗人工智能领域的思考与做法。以下为动脉网独家整理的精彩演讲内容:

 

嘉宾介绍


陈晖长期从事于商业智能、数据分析以及大数据产品的设计、运营与管理。在担任雅森科技CEO之前,曾就职于HP、IBM、联想集团等跨国企业,在企业战略、产品创新与经营管理积累了丰富的实践经验和行业洞察。

 

微信图片_20170920160948.png

陈晖

 

雅森科技定位于医疗影像市场的人工智能分析。我们看到过去十年究竟是什么催生了医疗影像以及人工智能的发展:在医疗产业,辅助诊断高速发展是大势所趋;在设备市场,无论是原来的巨头“GPS”,还是如今的联影、东软等国内厂商,这些企业都得到飞速的发展,设备的采购额今年可以达到2300多亿人民币。

 

影像设备的增长催生了两个行业:一个是第三方独立影像中心。从全景到平安,在资本的推动下,第三方独立影像中心发展迅速。另一个影像云远程读片,得益于移动互联网的发展,影像云远程阅片的普及程度也很高。

 

两大行业的快速发展背后都面临一个问题:影像数据以集合式增长背后,有资质、有能力基于影像做诊断的医生培养速率十分缓慢。在这个大背景下,未来十年围绕医学影像诊断的人工智能行业有很好的发展环境。

 

>>>>

AI+医学影像发展的三大阶段:筛查、诊断、预测

 

雅森科技将人工智能+医学影像的定位分为三个阶段:第一是筛查。这种需求通常由一些基层医院的体检中心提出,在这个阶段,创业公司主要解决的就是效率问题。

 

用户做完筛查之后,如果发现了可疑病灶,就势必进入到第二个阶段,诊断。要想做出准确的诊断,仅靠单一的影像筛查是不够的,我们需要引入放射信息、临床信息、过往病史等六到七种数据才能完成最后的诊断。

 

完成了单个病人的诊断以后,创业公司可能会发展到第三个阶段,疾病预测。中国人一生大部分的医疗费用都花费在临终前的12个月。目前,我们没有办法对于老年慢性病做出超早期的预测,所以是否能有办法做到这一点,这是人工智能和医疗结合重要的一个方面。


>>>>

数据是AI+医疗高速发展的最根本的推动力


AI+医疗行业的参与者有很多,比如AI技术创业者、医生、投资人等,这些人中谁才是这一波人工智能医疗变革的推动力?雅森科技有一个结论:谁拥有有质量的数据,谁才是人工智能和医疗高速结合发展的最根本的推动力。

 

过去十年中国医院信息化发展非常快,一些二线城市医院信息化的水平和集中程度之高超乎想象。过去十年的CT数据、PET数据、生物电讯号、超声等一系列多种多样的数据有非常大的沉淀。但是这些沉淀的数据很多没有发挥自己的价值。

 

医院沉淀了这么多类型的数据,这些数据是可以综合应用到临床检查与治疗的。雅森拥有一个非常典型的多模态、多数据源的产品实践——老年痴呆疾病(阿尔茨海默症)早期人工智能诊断和预测系统。

 

我们用三方面数据来做机器学习的模型,这些数据包括核磁数据、脑电数据、量表数据。我们基于这三个数据打造了一个多模态神经网络训练模型,这个产品可以提前两三年预测老年痴呆病发的可能性以及确认病情发展的阶段。


>>>>

AI赋能医院


创业公司在帮助医院AI化的过程中会面临一个困境,自己在实验室里面用数十万的数据研发的产品被用到三线、四线城市的时候,准确性很差。究其原因是实验室里数据质量比较好,地方医院采集的数据噪声高、空间位置不好、操作中也有一些问题,实验室的产品并不一定可以在实际应用场景中解决问题。

 

雅森科技的做法是先帮助医院完成底层数据的标准化,这里面,不同源的数据、不同种类的数据进行整合。第二在整个医联体医院做好数据质量的把控,至少确认数据是否可以在AI系统上使用。在数据质控之后,公司还要解决教研、设备多元化的问题,这些问题解决之后,才可以让实验室的产品落地

 

另外一个挑战是医院系统AI化的过程中合法合规的问题。很多创业者的早期产品不可避免的采用了一些网上开源或者公开的数据集,如果创业者对医疗行业认知不足,产品往往偏计算机化,而忽略了安全性、法规性的问题,公司的检测标准是否符合中国的临床指南的问题。

 

其实,不管是医院还是创业者本身,都要注意合法合规的问题。这其中包括公司事先去医院搜集数据的合法性,数据是否脱敏,是否有据可依等。

 

产品到了运行评估阶段还要看临床中有哪些问题需要解决法律法规的问题。这些基本的问题不能忽略,否则在商业化落地当中会功亏一篑。

 

基于以上的思考我们提出了平台化的产品雅森天玑™,它包含了三个内容:第一,数据平台;第二,数据收集、数据池化、预处理、加载算法、输出结果的流程化软件平台;第三,为医院提供质控服务。这三个方面的内容加在一起,就是雅森天玑™整个平台构成的核心。通过产品的整合帮医院做好质控,最终形成面向医院的临床辅助,而不是面向单一科室的辅助。

 

雅森天玑™智能医疗平台目前已经与一家医联体医院正式签约并实施,在这个平台上我们帮助医联体建立医院自己的临床辅助AI平台。

 

我们最近经常思考,在技术问题解决之后商业化落地之前靠什么东西去衔接。就像特斯拉汽车的出现,如果我不做充电站,特斯拉汽车跑的再好也是广告商的产品。

 

所以我们建立平台以后期望形成一个产、学、研良性循环的过程,医院数据库的数据每天都在更新,这样系统和医生每天都可以接触新的知识。在人工智能和医疗行业的结合过程中,真正拥有数据的医院才是整个AI医疗事业的推动力。

如果您想对接动脉网所报道的企业,请填写表单,我们的工作人员将尽快为您服务。


注:文中如果涉及企业数据,均由受访者向分析师提供并确认。如果您有资源对接,联系报道项目,可以点击链接填写基本信息,我们将尽快与您联系。

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。转载请联系tg@vcbeat.net。

分享

微信扫描二维码分享文章

企业
对接
商务
合作
用户
反馈