覆盖70%以上的第三方检验机构,定位“排阴”,深思考找出医疗AI靠谱商业模式

作者:王晓行 2018-06-25 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

近日,由中华医学会、中华医学会病理学分会主办,中南大学湘雅二医院协办的中华医学会第十六届全国细胞病理学会议在长沙召开。

 

深思考技术负责人李亚伟以《人机协同,突破宫颈癌筛查瓶颈》为题,进行了精彩的演讲,阐述了在深思考AI系统的协助下,医疗机构如何更好地解决宫颈癌筛查的问题。

 

据动脉网了解,深思考核心团队由中科院自动化所、软件所、计算所、微电子所等中科院院所、清华大学、海外知名大学人工智能方向的科学家与领域业务专家组成。公司研发的人工智能宫颈癌辅助筛查系统筛查敏感性达到98.4%,特异性99.77%,可实现90秒分类70000个细胞,1-3分钟自动出具初筛报告。目前已经覆盖70%以上的第三方检验机构,病理样本大数据超过百万份。

 

图片11111111111111111.png

北京医院病理科主任刘东戈教授莅临深思考展台指导

 

基于以上了解,动脉网采访了深思考CEO杨志明博士,对深思考进行深入跟踪报道。


>>>>

中科院的团队背景


近几年,深度学习技术推出之后,人工智能迎来了新的发展高潮。另外,医疗大健康对普通民众来说是刚性需求,国家政府也是高度重视,但我国医疗资源分布不平衡,迫切需要新的技术来缓解和解决这些问题,所以,作为中科院软件所人工智能方向的博士,杨志明及其团队将创新创业的方向聚焦在了医疗大健康领域。

 

之所以选择宫颈癌筛查,杨志明表示,当前癌症在中国乃至全世界发病率偏高且在逐年增加,尤其像宫颈癌、乳腺癌等。我们需要迫切解决一个重要问题——宫颈细胞学筛查现状。目前国内医疗和医生资源严重不足,中国病理医生与人口比例仅为 1:70000,而美国为 1:2000。

 

另外人眼阅片费时费力,每张片子约5-10分钟,每天最多阅片约100张,阅片数量多,阅片压力大,阅片人员由于疲劳和技能水平及主观判读等因素造成敏感性仅有65%左右。

 

尤其是在基层,按照政府要求,基层医疗机构要完成当地人们的两癌筛查工作,由于技术和专业人员的不足,两癌筛查工作压力巨大。利用AI赋能的方式可以快速提高基层的医疗服务能力,满足基层的筛查需求。


据记者了解,深思考拥有多种AI能力,聚焦于解决刚需问题,构建医疗大健康解决方案。深思考人工智能同时具备三种AI核心能力(自然语言处理与理解、计算机视觉、深度学习处理器),这是一般AI公司所不具备的。针对医疗大健康市场需求,杨志明博士及其团队运用三种AI武器,提供端、云两种解决方案。

 

>>>>

“云”、“端”两种模式结合的解决方案


针对基层宫颈癌筛查技术难度大,筛查率低的情况,深思考人工智能iDeepWise针对宫颈细胞辅助筛查的产品化有 “云”和“端”两种形态模式的解决方案。

 

9999999999999999999.png 

“云”模式:“宫颈细胞AI筛查云”,深思考建立了Cervical Cancer sCreening Cytology Cloud (C6)云 。基层医院可以通过病理扫描仪、显微镜等设备接入C6云, C6云由云端AI服务器集群组成,病理扫描仪或显微镜接入后,系统会自动的分析病理细胞,进行分割、检测、分类等AI任务,并在1-3分钟内给出筛查报告。

 

高适应性:该系统可以适配绝大部分厂商的终端病理扫描仪,适配绝大部分耗材染液生产厂商产生的病理细胞图像。目前市场上做宫颈细胞制片的第三方机构、医疗机构林林总总,制片方法、耗材、染色并不完全相同,样本中的细胞团簇也屡见不鲜,深思考通过优化AI模型的自适应与学习来分割团簇细胞,适配不同样本。

 

杨志明博士表示,产品服务化是深思考非常注重的商业模式,产品服务化能够使得产品大规模应用,所以在研发之初,深思考团队不但对敏感性、特异性等功能性指标做了极高的要求,而且也对高适应性、易用性、用户体验等非功能性因素也做了重点深入的研发

 

在易用性方面,深思考确保无论是三甲医院的专家,还是基层医疗机构的医生、第三方体检和检验机构的工作人员都可以非常方便的使用。并且将系统无缝集成到医生的工作流程中,不会让医生感觉到额外的操作,一句话就是透明简便易用。

 

“端”模式:深思考基于自主研发的医疗领域专用AI芯片M-DPU的优势,将医疗领域常用的视觉算法与M-DPU结合形成一站式解决方案。通过将M-DPU植入合作方的众多医疗器械中,形成医疗器械的“AI大脑”,赋能医疗器械。

 

“云”和“端”两种模式的解决方案,使得AI医疗算法模型能够离线、高性能、高精度运行在医疗终端设备中,其中算法部分包含诊疗中的医疗影像识别与医学图像的自然语言描述与交互两部分,通过深度学习人工智能技术实现对两癌(宫颈癌、乳腺癌)筛查、问诊(术前咨询、术后康复指导)等功能。

 

杨志明告诉动脉网,“云”和“端”两种模式的解决方案,其核心优势可归结为:


高速度,90秒分类70000个细胞

高性能,分类精度高达99.3%

高通量,单次装载扫描1~480样本

多片源,适配主流多种制片方法

多适配,适配主流多种扫描设备


>>>>

功能定位于排除阴性(健康)


面对定位的问题,杨志明表示人工智能落地难,关键还是对AI这块的一个定位和期望。

 

与市场上很多企业不同,深思考将自己的产品定位为排除阴性(正常与健康的样本)杨志明表示,深思考的宫颈癌筛查系统,最终实现的功能是 “阴阳分流”,把阴性的样本排除,把剩下的可疑样本进一步做检查确认

 

这样产品功能定位,最关键的是如何保证不出现假阴性


杨志明博士告诉记者,为了确保不漏诊,深思考一方面从算法模型避免假阴性存在,本着“宁可错杀一千,不可放过一个的原则”来打磨自己的算法模型,确保不遗漏。

 

这样会造成让假阳性率略高,面对这种情况,杨志明表示,目前深思考新版系统的排阴率为81%,这就意味着基层医生如果使用深思考的产品可以减少81% 的读片量。提高排阴率是深思考一直研发的重点,未来深思考会一直优化这个指标。


>>>>

覆盖70%以上的第三方检验机构


杨志明告诉动脉网,随着医疗卫生体制改革,医保控费、大病防患于未然成为医疗行业各方关注的事情,因此体检筛查的量会越来越多。

 

目前深思考主要为医院、第三方体检和检验机构提供技术服务,尤其是第三方检验机构,他们的筛查数量巨大,对技术的需求非常迫切。

 

深思考通过为这些机构高并发大规模的宫颈细胞筛查,获取技术服务费,收费方式也是多种多样,可按照筛查数量,也可打包服务。

 

因为现实中很多基层医疗机构的病理检验都是交由第三方检验中心来做,所以在未来发展中,深思考在市场方面会着重与第三方检验机构合作,目前在第三方检验机构的覆盖率为70%以上。


另外,深思考也与数十家知名三甲医院共建病理科,共同打造智慧病理科,利用AI技术赋能病理科,让AI技术在医疗领域实现靠谱的商业模式,真正落地医疗大健康,最终普惠国民大众。

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