BOB官方网站平台
 
 
智慧医疗案例 智慧营业厅案例
智慧BOB官网医疗案例
来源:未知 时间:2021-03-17 04:09

  近些年来,由于人民生活水平的提高,大家比过去更加关注自身的健康水平,且更加愿意为健康进行投入消费。在这一年里,有越来越多的企业和研究者将目光投向了医疗健康领域,AI在这个领域的应用也进行着飞速发展,产生了诸多令人惊喜的成果,

  对于处在早期阶段的AI医疗,由于多种因素的作用下(大量影像数据易获取、误诊情况多发等),影像分析可以说是进展最快的一个场景,医疗影像分析可有效减少医生重复性工作,辅助医生有效降低误诊率,不过,这一应用对影像本身的数字化程度和有效数据量要求较高。

  当前医学影像正面临着困境:欧洲医疗卫生占国内生产总值的10%,我国大概只占5%左右,医疗数据超过90%来自医学影像。调查表明,美国医学影像数据年增长率为63%,放射科医师数量年增长率却仅为2%;而在我国放射科医师仅有8万多名,每年诊断14.4亿张影像,我国医学影像数据年增长率约为30%,而放射科医师数量年增长率约为4%;但需求却在不停地增加,预计到2020年,我国65岁以上老龄人口比例将达20%。面对爆炸式医学影像数据集和相当较少的、水平不一的阅片医师,医师疲劳、情绪等将会导致误诊、漏诊(来源:《中华医学信息导报》,2018.10.24),而将AI技术加以应用,则可以很好的解决供需以及成本的问题,同时提升整体的效率,从国家的层面也能很好的帮助优质医疗服务下沉,对重大疾病进行早诊早治,降低医疗和社会成本。

  人工智能在医疗影像领域的应用主要包含:图像或是检查的分类,器官、区域或是标记点的定位,目标及病理的检测,组织结构的分割,病灶区的分割,以及图像配准等,主要针对的疾病主要有肺结节、糖网、脑卒中等,应用方向主要有三类,即疾病筛查、病灶勾画、脏器三维成像。目前领域内各家公司发布的产品,大部分集中在肺癌、糖网、乳腺癌等重大疾病的筛查和早期诊断,虽然医学影像AI存在较高的技术和资源门槛,但竞争也同样非常激烈,还吸引了众多成熟企业加入,如阿里巴巴、腾讯、百度、平安科技、科大讯飞等。而初创的AI企业,如国内的依图科技、图玛深维、Airdoc等,他们今年的成就也很好地诠释了行业应用场景的发展。

  在今年RSNA上率先发布了care.aiCT智能4D影像系统以及癌症筛查智能诊疗平台。care.aiTM肺癌影像智能诊断系统是全球首个突破肺结节检测,实现斑片、条索、囊状影、胸腔积液等多种病灶的实时影像AI系统,将极大减轻放射医师工作负担;癌症筛查智能平台则依托于依图医疗以疾病为核心的海量多模态医疗数据,以及先进的AI影像、NLP技术,构造了一个集病灶检出,性状描述,恶性评估,临床决策,患者管理,疗效预测,随访评估和科研辅助等于一体的科教研管一站式平台,贯穿整个临床诊疗流程,涵盖了目前中国高危高发的几类癌种,比如肺癌、乳腺癌、宫颈癌、结直肠癌、胃癌等。经过多年落地实践,其良恶性鉴别诊断、自动历史影像对比、结构化报告等功能得到临床医师广泛认可,由AI出具的结构化报告临床采纳率已经达到92%。这一系统已经在多家医院服务医生,支持临床开展大规模疾病筛查行动。

  此外,在今年东方放射大会上,依图医疗与复旦大学肿瘤医院放射诊断科主任彭卫军教授团队携手展示了乳腺x线智能诊断系统。

  这套AI系统依据国际最新乳腺癌诊疗指南及国内专家共识,以复旦大学附属肿瘤医院万量级,带有病理确诊数据的病例为基础,经由专业医师标注团队和权威专家层层把关,可以在秒级内实现腺体分型、可疑病灶检出、征象识别、智能BI-RADS分级等功能,并一键生成结构化报告,为阅片医生提供一站式解决方案,其临床性能已接近资深的专业乳腺x线钼靶阅片医师,并仍然在临床真实环境中不断“摸爬滚打”,敏感性与特异性持续提升。

  11月9日的2018中华放射学学术大会(CCR2018)上,图玛深维发布了四款智能诊断黑科技新品——X线智能诊断系统(σ-Discover/Lung DR),用于胸腔DR图像,15种疾病的自动检测及定位,系统敏感度超过90%。能够自动判别各类病症,准确分辨健康群体,提高医生工作效率。具备良恶性风险评估功能,增加医生诊断信心;乳腺钼靶智能诊断系统(σ-Discover/Mammo),适用于钼靶影像成像,对钙化点的敏感度超过95%,对肿块的敏感度超过90%。智能识别乳腺病变,实现病变的精准定位。系统遵循BI-RADS指导,为临床治疗提供依据;脑卒中CT智能诊断系统(σ-Discover/Stroke CT),适用于钼靶影像成像,对钙化点的敏感度超过95%,对肿块的敏感度超过90%。智能识别乳腺病变,实现病变的精准定位。系统遵循BI-RADS指导,为临床治疗提供依据;肝脏CT智能诊断系统(σ-Discover/Liver CT),根据CT图像自动进行肝脏分割,智能检测肝部病变,包括肝部结节、肝硬化、脂肪肝等病变的位置、体积等信息。良恶性病变评估功能根据LI-RADS分级,指导愈后评估。四款智能新品已经在医院试用。其他产品如前列腺癌、骨折、糖网病等智能诊断系统均在紧张研发阶段。这一系列产品聚焦于肿瘤、心脑血管疾病、慢性病等中国患者发病率较高的领域,并且针对中国患者进行了定制化设计。

  同样是在CCR2018上,正式发布了Dr.WiseTM深睿医生四大品类六款产品,分别是Dr.WiseTM癌症早期筛查AI系统,包含最新一代肺结节AI辅助筛查和诊断系统、乳腺钼靶辅助筛查系统两款产品;Dr.WiseTM脑卒中AI检测分析系统,包含出血性脑卒中、缺血性脑卒中;以及深睿智能影像云Dr.WiseTMCloud,和Dr.WiseTM多模态科研平台。

  Airdoc研发了可以从视网膜影像中识别数十种慢性疾病和并发症的病变的人工智能慢性病识别算法:可以识别从糖尿病到心血管疾病再到视神经疾病等慢性疾病。该算法在视网膜病变识别准确率已经和医生诊断水平相当。并且在整个操作过程中拥有无痛、低成本和自动化等众多特点,它可以在全世界范围内为大人群提供健康服务。

  可以说,现阶段的医学影像AI,已经能从只能完成单点任务进阶到了能完成以疾病或者部位为中心的诊疗流程。

  综合性诊疗主要是利用NLP、计算机视觉、知识图谱等等各种技术,综合病人各维度信息以及医疗知识进行推理与诊疗,现阶段技术尚处于早期阶段,因为不论是数据还是政策支持,但正向远程会诊、智慧处方等进一步发展。

  IBM研发的人工智能医疗方案Dr. Watson(以下称“沃森医生”),目前以辅助治疗方案推荐为主,它的智能系统构架也比较完善。“沃森医生”更像是一件智能检索的工具,即依据文献、指南等医学资料对医生的诊断结果进行判别,在数据库中进行检索,从而获得治疗方案,节约了医生查询指南的时间。但是“沃森医生”仅以医疗文献、病例病史和医学影像为训练集样本,这一层次的样本数量有限,如果数据量不足,将导致“沃森医生”的诊断结果和治疗推荐方案与人类专家的结果出现一定的偏差,且它的治疗推荐方案可追溯不强。

  今年7月,外媒曝料称,沃森医疗机器人因为做出了错误诊断并开出了不安全药物。在曝光的案例中,一名65岁男性被诊断患有肺癌,同时伴有严重出血症状,沃森给出的建议是接受化疗并使用药物“贝伐单抗Avastin”——这是一款可能导致“严重或致命出血”的癌症药物,在临床上建议不要给患有严重出血的患者服用。

  在国内,发展远程医疗的主要目的是为了优化医疗资源配置,可以让三甲医院的医疗服务通过视频的方式传递至基层医院;而美国的远程医疗企业大多提供常规病种咨询及慢病日常护理服务,这种模式下,远程医疗服务商的成本非常低,可以不依托实体医院。同时远程医疗创业项目也多见于国外,如American Well、Micin、Tyto Care、Kry等,甚至是从宠物远程医疗切入的 FirstVet。但Avizia(美国一家端到端的远程医疗供应商)的一项调查研究表明,BOB官网美国只有18%的医疗服务提供者和患者使用过远程医疗服务,而每10名患者中就有8名不了解如何使用远程医疗,以及他们的医疗保险是否可以报销远程医疗产生的费用,可以看到,即便这个应用场景有前景,但现在还是处于初级阶段,不论是国内还是国外,尤其是国内基本很难找到企业落地项目的的一鳞半爪。

  医疗机器人的应用,可以提高可视化程度,提高医生手术效率,从而提高精度。AI已经可以帮助减少手术中的变数,因为收集数据和将数据集成到流程中的是同一个系统,这将在手术过程中为外科医生提供极大帮助。通过机器收集的物联网数据以及机器学习所收集的患者身体数据,辅助AI可拥有相当高的工作精度。当然,这些都是通过人为监督实现的。

  在手术中,机器人还会被用作自主仪器来取代传统钢制医疗器械,来更加平稳地执行某些动作。使用机器人的目的是减少与开放手术相关的组织创伤,这种方法旨在改善开放性外科手术,特别是在严重和危急情况下。与传统手术方法相比,AI辅助的手术具有更高的精确度,小型化,切口更小,失血减少,疼痛更少。由于会预先使用先进的机器学习技术对全身图像进行评估和分析,病患的恢复时间也被缩短了。机器人手术被证明可以让外科医生和专家更好地械和场地,医生也不会因为长时间站立而产生疲劳。

  药物研发,这个过程始终伴随着研发周期长、投入资金大、成功率低等难题与风险。新药研发是一个系统工程,从靶点的发现与验证,到先导化合物的发现与优化,再到候选化合物的筛选及开发,最后进入到临床研究。

  而AI的引入或许能有效地提高药物研发的效率, TechEmergence研究的一项表明,AI可以将新药研发的成功率从 12%提高到 14%,可以为生物制药行业节省数十亿美元。AI不仅能够挖掘出不易被发现的隐性关系,构建药物、疾病和基因之间的深层次关系;也可以对候选化合物进行虚拟筛选,更快地筛选出具有较高活性的化合物,为后期临床试验做准备。如在2015年,硅谷药物研发公司Atomwise基于现有的候选药物,应用人工智能算法在不到一天时间内就成功寻找出能控制埃博拉病毒的两种候选药物。研究和开发两大药物研发环节中,AI通过优化流程,图像识别、文本识别可以辅助进行靶点确认、筛选化合物/生物标志物、预测药物性能、预测药物晶型优化工艺开发流程等。除此以外对于挖掘药物新适应症、分析中药奇效成分及挖掘替代性药物等,人工智能也能起到一定提升效率作用。

  从短期看来,人工智能企业主要是提供单点的解决方案和产晶。长期来看未来将会有企业将全流程打通,最终出现由AI介入药物研发全流程的产物。

  今年5月,位于加州硅谷的Atomwise宣布完成了4500万美元的A轮融资。Atomwise公司成立于2012年,其核心技术名为AtomNet,是一种基于深度学习神经网络的虚拟药物发现平台技术,能以前所未有的速度、准确性、以及多样性,对小分子药物进行发现与设计。据估计,当下的高通量筛选机器人能在每天完成10万个化合物的筛选,而Atomwise的算法能将这一数字猛增到每天1000万-2000万个,提高两个数量级。过去几年里,这个平台取得了优异的成果。在Atomwise的官网上,我们看到了这样一个例子:利用其独有的技术,Atomwise在820万个小分子中,发现了一款蛋白互作,有望用于多发性硬化症的治疗。在AI的设计下,这款新药分子有着众多出色的成药特性——它能口服用药,也能穿透难以逾越的血脑屏障。在动物模型里,它更是展现出了良好的疗效。

  Benevolent AI是一家致力于人工智能技术开发和应用的公司,该公司的核心技术是一个叫做JACS(Judgment Augmented Cognition System,判断加强认知系统)的人工智能系统,可以更快更好的开发新药,避免代价高昂的临床试验失败。BenevolentAI目前的药物研发产品组合表明,它可以将早期药物研发的时间缩短四年,并有潜力在整个药物研发过程中,提高药物研发平均效率的60%。

  Insilico Medicine在全球率先运用生成对抗网路(GAN)和强化学习(RL)来开发新的药物分子,这项技术可同时运用于已知靶点的疾病以及未知靶点的疾病。除了与大公司合作开发药物之外,Insilico Medicine也同时在内部开展药物发现项目,专注于癌症、皮肤疾病、纤维化、帕金森病、阿兹海默病、渐冻症,糖尿病、肌肉减少症和衰老的新药开发。

  即便你是个从不生病身体健康的健身达人,这个应用场景想必你也躲不开。在人们日益关注自身健康的今天,如何监测自己的身体状况并及时作出改善才是关键。该场景一般与物联网结合应用,如手环、手机、电子体重秤等其他电子设备(尤其是智能穿戴设备),依赖生命大数据、环境因素、行为因素等多种数据去训练模型。也正是因为这一领域应用属于弱医疗,其容错率大大降低,风险性更小。不过,风险小的同时并没有降低对技术的要求,其考虑的环境更为复杂化,因此近几年的智能穿戴也并没有很大的发展。

  Keep于年底的技术开发日上推出了AI虚拟教练,所谓的AI虚拟教练指的是内容、数据、算法和场景四方面相结合的一套体系。首先利用体测计划了解用户的身体能力和运动能力,如心肺能力、有氧能力、体能情况、柔韧性、平衡性、肌肉耐力等,根据这些数据和用户设定的个人目标,AI虚拟教练还可以生成个性化的训练计划。

  在最新的3D数据检测应用中,Keep可以通过一个微信小程序启动手机摄像头,仅拍摄一个人正面、侧面两张全身照(需穿着尽量贴身),使用深度学习算法在云端的计算,检测出用户的体态问题,并推荐科学的解决方案。形体报告应用可以检测头部前引、O型腿、脊柱侧倾弯、头部侧倾、骨盆倾斜、高低肩、膝盖过伸等风险,并能标出正常、潜在风险和高风险三个风险等级。在姿态检测之外,Keep人工智能研究院还在进行图像内容检测等方向的研究。和很多 AI公司类似,Keep目前也可以对用户上传的照片和视频进行标注、分类分发,并识别其中的文字、水印,自动为这些内容打上标签。

  作为小米生态链企业的华米,近几年也是越做越强,其自有品牌Amazfit已成全球第四大智能手表品牌。今年下半年,华米推出了业界第一款可穿戴AI芯片,命名为黄山一号,其采用RISC-V架构,在RISC-V架构里面,华米加入自己的AI引擎。它分成四个部分:包括两个心电图引擎、一个生物特征识别引擎、一个心率的心脏病识别的引擎。其中,生物识别引擎可根据每个人的心脏情况,判断测试者是不是机主本人。

 
分享到:

联系我们

www.bob1712.com 仅限中国 9:00-20:00
微信二维码
Copyright © 2002-2017 BOB官方网站平台科技有限公司  苏ICPwww.bob1712.com  XML地图  网站源码