人工智能造就医疗影像未来,推想科技用5秒节省医生30分钟的工作
发布时间:2020-11-02 01 来源: 互联网
[ 导读 ] 一个医院每天做影像检查的人有大几千,比如胸部 CT , 一个病人至少要200多张图片,甚至300多张图片,一张图片看3秒钟的时间,看完一个病人,最起码要十几分钟到半个小时。

华中科技大学同济医学院附属同济医院放射科主任夏黎明教授这么介绍了放射科医生的工作。

而他在2016年与推想科技合作后发现,11万张的X光片,三千多份CT,推想科技的设备只需要5秒钟,X光片找到病灶的正确率是超过 92%,CT是超过95%。

推想科技自成立以来,就汇集了一支全部由中国人组成的全球顶尖数据科学团队,其率先推出的AI-DR(智能X线辅助筛查产品)、AI-CT(智能CT辅助筛查产品)、AI-Scholar(深度学习科研平台),已在北京协和医院,武汉同济医院、上海长征医院、大连大学附属中山医院等投入试用,为放射科医生大幅度提高了审片效率与准确率,也为医学影像科研提供了一键式的深度学习算法 。

中国青年天使会会长,英诺天使基金创始合伙人李竹表示,“在医疗方面,‘医生+人工智能=完美’。随着人类社会的曲折期的到来,移动互联网的方便快捷,在模式创新与技术创新的对比下,AI医疗是皇冠上的明珠,推想科技是明珠中的一颗,是连接创新者,发现未来的开拓者。”

5秒钟出结果,成为医生的第二个眼睛

医疗影像的识别分析工作,对于人工智能的需求也越来越强烈。目前我国医学影像数据的年增长率约为30%,而放射科医师数量的年增长率约为4.1%。放射科医师的数量增长远不及影像数据的增长。这意味着放射科医师在未来处理影像数据的压力会越来越大,甚至远远超过负荷。 

通常,患者的就医流程是:一线临床医生根据患者的情况确定检查手段及检查部位,由技师操控机器,做完检查,电脑自动传送图片到影像诊断医生的电脑。

影像医生根据传输影像图像的表现,同时参考患者的临床表现、体格检查及其他的化验检查,综合考虑分析,最后得出结论,再由相应科室医生进行治疗。

所以对于影像科医生而言,他们的日常工作主要是和医学图像打交道,而读图刚好是基于深度学习人工智能的专长。

一般一个患者需要扫描200层,1毫米或者2毫米层厚的肺部图像,医生根据这些图像,判断结节的位置、大小、良恶性,通常阅读需要10多分钟。

使用推想AI的产品5秒钟就可以出结果,并标注出结节的位置。虽然人工智能的结节识别速度很快,但是结节的良恶性目前尚不能判断,具体性质还需要医生去做判断。

实体工作流程为,医生将病人数据录入推想科技的系统,将结果与医生的判断结果对比,如果存在明显差别,就进一步回顾阅读确定。这样可以提高报告的准确率,节省医生的宝贵时间。

据相关数据表示,人工智能精准医疗平台降低医生的漏诊率超过50%,特别在一些比较疑难的结节上,大幅度提升医生诊断效率,相较与医生使用产品的结果显示,诊断CT的速度提升3倍。

中华放射学会副主任委员、上海长征医院放射科主任刘士远表示,“随着人工智能产品进化,敏感度和准确性越来越高,降低影像科医生犯低级错误的概率,推想科技人工智能精准医疗平台类似于影像科医生的助手,提高医生工作效率和工作质量的提高,给予医生更多便利,未来将是必然的方向。”

专注于医疗影像行业 ,深入解决实际需求

推想科技的创始人兼CEO陈宽,就读于美国芝加哥大学,先后师从Gary Becker、Robert Fogel、James Heckman、Lars Hansen等四位诺贝尔奖得主。

谈到最初将深度学习技术应用于医疗影像领域,陈宽回忆到,“那个时候我沟通的行业非常多,包括银行、政府、保安等等,其中有一次我做 PPT 演讲的时候,我拿出一个脸像识别来做演示,演示结束之后,有一个放射科医生走过来,说你做的脸像识别非常有价值,但是能不能帮助我们放射科医生解决这么一个问题——他当时提出来使用深度学习技术帮助放射科解决问题。于是我就走访了各家医院,发现这样一个需求是真实存在的,也是一个痛点,既影响了医生工作也影响了患者的幸福。”

不为众人所熟知的是,中国的放射科医生平均每日要用肉眼判断数万张的放射影像,他们工作强度大,内容单一,但又是医疗诊治中至关重要的一环。推想科技就想做一个人工智能精准医疗平台,利用全球最先进的技术,与医生共同开发最贴合实际诊疗需求的应用场景和数据模型。

于是,以此为起点,陈宽将全部注意力投入到深度学习在智能医疗影像的应用中。“在 2015 年初的时候,其实在医疗行业几乎没有什么人谈论机器学习,也没有人谈论深度学习,很多医院对新的技术特别感兴趣,但是真正愿意投入大量的时间和精力做合作的医院非常有限。”

直到2015年4月,陈宽成功说服了四川省人民医院——这也是推想科技第一家合作医院。陈宽和小伙伴两三个人全部进入医院当中,在医院周围租了一个特别破的公寓,每天跟医生一起上班,一起下班,一起加班,一起解决医院里面IT 出现的问题,包括假期的时候,大家都在放假,医院的急诊其实还继续开着,陈宽等人还跟着医生一起在加班。

“这个过程非常漫长,基本上工作的环境也不太好。但是,就是在这样一个过程当中,我们才逐渐摸索出了深度学习非常前沿的技术,非常先进的概念,以及我该怎么样在医院相对比较传统、相对比较保守、相对比较注重安全、隐私的一个独特的 IT 环境里面生根发芽并且产生价值。我们发展到今天,其实这样一种经验对我们来说帮助也是非常大的。”陈宽说道。

能够深入到行业里面,了解专家、了解日常写报告的医生面临的痛点,了解医院IT 系统当中所有不同的生态,如何跟生态当中不同的人打交道,这其实是做人工智能创业者面临的最大挑战,陈宽和推想科技在这个挑战面前成功地证明了自己。

有了四川省人民医院初步的经验、初步成果之后,推想科技就开始逐渐的发展,从2014年到2017年间,推想科技就已经开始北京协和、武汉同济、上海长征、大连中山等医院有了深度的合作。

推想科技在医疗影像辅助诊断上取得的积极进展,也获得资本市场的青睐。 2016年2月,推想科技获得英诺资本、臻云创投和快的CEO 吕传伟天使轮1250万的融资。2017年1月,推想科技获得红杉资本领投、广发证券联合投资的A轮5000万融资。

未来已来,做医疗影像的领军者

推想科技希望自己的产品可以帮助医生进行诊断和自动生成诊断报告,在提高诊断准确率的同时,帮助医生减负。于是他们一边完善自己的算法模型,一边与医生沟通,帮助医生生成初级诊断报告,如果医生不满意,他们就在原来的基础上更改。

随着算法模型的不断完善,迭代速度不断加快,服务领域也逐渐向头部、腹部、股骨头、病理、超声等领域延伸。覆盖100多种疾病。因为有了在胸部疾病的经验,其他领域的研究速度将大大加快。

现在推想科技的产品在心肺领域自动生成的检验报告与医生的报告相似度在90%左右,而且现在推想科技基本上每三天就可以迭代自己的产品,精确度越来越高,这也是推想科技目前的竞争优势。

目前,推想科技的智能医疗影像系统INFERVISION已经在数百家基层医院上线,并根据不同病种和场景,借助实际产生的数据迅速迭代与更新当中,应用场景覆盖X光、CT、MRI、超声、病理影像等。

陈宽表示,从人到智人,再到较为先进的超人,未来会使用各种各样的手段来提升工作效率,使用各种智能化的产品提高来自我能力,推想科技在智能化的浪潮当中,目标是帮助医生从医逐渐进化成智医,让更多的医生使用人工智能精准医疗平台技术,利用最先进的技术放大诊疗能力,提供更好的诊疗服务。

Copyright © 2012-2020  www.irhp.cn 版权所有   
声明:本站部分资源内容为站内原创著作,也有部分基于互联网公开分享整理,版权归原作者所有。如侵犯到您的权益,请联系本站,我们会尽快处理,谢谢!