动脉网知识库

推想科技创始人陈宽:人工智能帮助基层放射科医生完成三甲医院级别的诊断

王晓行 2017-05-23 08:00

5月17日,动脉网“2017中国基层医疗创新实践论坛”如期举行,推想科技创始人陈宽先生受邀,以《让基层放射科医生完成三甲医院级别的诊断——人工智能的机遇与挑战》为主题,发表了精彩演讲,以下为演讲的内容:

 

IMG_8596.JPG

陈宽


在医疗影像这个领域,优质的医疗资源非常稀缺,分布非常不均匀,大型医院每天医生的工作都非常辛苦,但是漏诊,误诊的情况在所难免,一些偏远的地区虽然有好的医疗设备,但是由于缺乏有经验的医生,利用率并不高。

 

推想科技作为一家人工智能公司,致力于应用深度学习技术为医疗影像诊断提供快捷、准确的解决方案。我们拥有一支顶尖的数据科学团队,能够有效利用各类医疗数据(结构化,半结构化,尤其是非结构化数据)创造出具有临床价值的模型产品。

 

在接受动脉网采访的时候,陈宽表示,公司产品智能医疗影像系统INFERVISION已经在数百家基层医院放射科上线,智能X线辅助筛查产品、智能CT辅助筛查产品也进入到CFDA认证的最后阶段,有望今年内拿到

 

收费模式有两种,一种是将整套设备一次性卖给医院,另一种是将按此向患者收费,同时陈宽表是,医疗人工智能是对大多人来说还是一个新事物,相关部门也没有具体的定价标准,大家都在摸着石头过河,目前主要工作还是市场教育


>>>>

关于深度学习


深度学习最早出现在2006年多伦多大学教授Geoffrey Hinton发表的一篇论文中,当时没有特别多人关注这个技术,直到2011他的学生利用深度学习建立了一个模型,帮助无人驾驶车识别红绿灯,准确率达到99.44%,又在2012年的时候获得了人工智能大赛Imagenet的一个奖,才正式走进科学圈的视眼。

 

在医疗行业,15年前就有产品将传统人工智能技术应用在了医疗影像领域,但是陈宽在和国内医生接触的过程中发现,传统人工智能方法(传统CDA技术)效率低,会发生漏诊的情况,无论在美国还是在中国医院,被采购回来的以后,使用率并不高。

 

传统的人工智能算法需要需要大量专家手工指导计算机,如何进行识别,以肺结核为例,利用深度学习,只需要提供大量的数据,告诉模型哪些是肺结核,哪些是正常的血管断裂,哪些是正常的,深度学习算法会根据这些数据,慢慢的形成一个诊断的标准,自动完成这个诊断的工作。

 

总的来说深度学习不需要提取特征,只需要提供大量有效数据,算法会自己学习识别,传统的算法是提取特征识别,但是医学的情况十分复杂,特征并不能完全包含所有情况,比如说让一个女生扮成尼姑,传统的人工智能很难判断这个人是男是女。而深度学习就会想人一样判断出她是一名女生。

 

深度学习另一个优势是运算速度很快,以前三甲医院使用的传统人工智能预算一个人的CT需要30分钟,深度学习算法只需5-10秒即可以完成诊断。


>>>>

推想科技的三大服务


推想科技的产品目前可以提供三方面的服务:智能影像报告检验、智能辅助筛查、智能鉴别诊断。

 

智能影像报告检验

 

基层和社区医院的医生由于缺乏经验,有时候对自己写的医学检验报告缺乏自信,特别是疑难杂症,推想科技的产品可以帮助医生对报告做进一步的检查,在临床试验中,针对一大型三甲医院的160例被判定为“正常”的报告,推想智能报告系统检测出2例恶性肺癌病例 。

 

智能辅助筛查

 

医院每天面对的疑似病人那么多,但是其中真正患病的人数很少,肺癌的检出率甚至不超过1%。推想科技智能X线辅助筛查产品可自动判断平片中是否存在病灶,帮助医生合理有效地分配时间精力。推想科技智能CT线辅助筛查产品可自动标记出CT各层面上病灶的位置,辅助医生快速准确的完成CT诊断。这样医生就不用花那么多时间在健康人群当中,减少重复性劳动,把时间用在重大疾病的诊治上,还可以减低医生的疲劳度。

 

在诊断速度方面,一个医生完成20个病例的诊断需要3个半小时,利用推想人工智能产品就算是最低配置的电脑也只需6分15秒。

 

在诊断准确率方面,人工智能针对大小结节灵敏度是85%左右。主要是针对不同大小的结节,情况不同。推想科技2017年3月9日的测试数据显示,对于0-3MM的结节,推想科技模型敏感度为84.03%,3-6MM的结节模型敏感度度为88.31%,>6MM的结节模型的敏感度为100%


在现实中,医生的识别率要低很多,尤其是对0-3MM的结节,医生是很容易漏诊的,漏诊就会导致患者错过最佳的诊疗时机。这个服务队基层医生尤为重要,有了推想的人工智能,就相当于一个副主任医师在帮助他一起看病

 

智能鉴别诊断

 

第三个服务是智能鉴别诊断,简单来说就是人工智能不仅可以识别出结节并标注,还可以判断结节的良恶性,据陈宽介绍,这项技术还在研发当中,其定位还是帮助医生做判断,最后决定这个结节的良恶性的还是由医生结合临床来判断,推想产品不过是提供一种帮助。

 

>>>>

推想产品赋能分级诊疗


在医疗影像领域,分级诊疗面临着很大的挑战,推想科技的智能影像辅助诊断解决方案可以很好地解决这些问题。

 

首先是基层医院的影像诊断水平的有限,尤其是CT的诊疗,与三甲医院想比差距很大,推想科技的智能辅助诊断解决方案,以副主任医师的水平,补充稀缺的诊断资源 。

 

第二是基层医疗缺乏提升基层诊断能力的培训资源和工具 ,智能辅助诊断解决方案可以在影像上智能标记的病灶位置 ,在这个过程中医生也在向机器学习,提升自己的诊断能力。

 

第三是基层医疗机构拍片水平/诊断报告规范不统一,造成信息共享十分困难。而人工智能标准化的监督可提高技师的操作规范,保证影像质量,减少重复检查造成的资源费;并且智能报告系统也可实现报告的标准化 ,减少患者不必要的重复检查。

 

第四是目前医疗现状是缺乏标准化的转诊决策监督,以保证转诊指南的执行。而人工智能作为机器会严格参照转诊指南要求,给医生提供出标准化的转诊建议 。

 

在最后的总结中,陈宽表示,推想科技的产品路径是从预防医学到筛查到辅助医生的诊断,再到最后精准医学,使用基因、影像、单系列的数据帮助医生做出更加精准的判断。



注:文中出现的采访数据,均由受访者提供并确认。

声明:动脉网所刊载内容为动脉网及或相关权利人专属所有或持有,转载请联系tg@vcbeat.net。

还没有评论,快来抢沙发吧!