人工智能进入下半场 汇医慧影欲逆势破局进入下半场 汇医慧影欲逆势破局

2018-08-20 佚名 健康界

从AlphaGo大战柯洁,到OpenAI血虐Dota2半职业选手,AI再次登上了历史的舞台。自2012年以后,得益于数据量的上涨、深度学习的出现的运算力的大幅提升,人工智能开始大爆发。然而,就在今5月,有报道称IBM 医疗部门大幅度裁员,规模达50%-70%;随后美国医学媒体STAT有消息传出,STAT拿到了来自时任IBM Watson Health副首席健康官的Andrew Norden的

从AlphaGo大战柯洁,到OpenAI血虐Dota2半职业选手,AI再次登上了历史的舞台。自2012年以后,得益于数据量的上涨、深度学习的出现的运算力的大幅提升,人工智能开始大爆发。

然而,就在今5月,有报道称IBM 医疗部门大幅度裁员,规模达50%-70%;随后美国医学媒体STAT有消息传出,STAT拿到了来自时任IBM Watson Health副首席健康官的Andrew Norden的文件,该报告显示正在使用Watson for Oncology(Watson肿瘤解决方案)的医生们提出了强烈的批评,指出 Watson经常提出不准确的医疗建议,这让IBM Watson陷入了历史以来最大的信任危机。最近更有媒体调研指出,不少医疗影像AI产品躺在医院“吃灰”。

医疗AI狂欢背后是新技术频频遭遇落地场景应用的尴尬,医疗AI到底是概念意淫,或者只是一场资本游戏?如果能实现技术场景落地,那么具备哪些特征的产品才能真正被医院接受,避免遭遇“吃灰”的命运?

以患者为中心,易用友好的产品不“吃灰”

当下人工智能发展趋势不可阻挡,从国外到国内,从资本巨头到科技巨头,已经在积极布局智能医疗产业。医疗影像AI被资本高度青睐,被认为将最先实现商业化,有望实现弯道超车。

目前,很多公司已经研发出辅助不同科室医生的产品,正在加速商业布局。然而经历了2017年到2018年上半年的狂欢后,医疗AI公司们似乎并没有交出一份漂亮的答卷。据悉,与浙江邵逸夫医院影像科合作的医疗AI公司已经达到了10家之多。

汇医慧影CEO柴象飞认为,AI医疗创业整体上还处于起步期,不管是在底层技术、还是产品创造力、产品体验上都还有很大的改进空间。目前医疗AI产品躺在医院“吃灰”有几个方面原因:

第一,是大家对医疗AI有着相对较高的期待,而目前AI医疗对速度的要求和目前医疗行业变革缓慢是现在最大的矛盾,整体研发周期较长。而医疗是偏传统的行业,有很多原始行业的特性,比如新药从研发到商品化可能需要10到15年,器械的研发是5到10年。

第二,目前大部分产品其实是在医院试用,易用度和友好度还有待考察,而且目前AI参与临床还太浅太少。AI公司不仅要以医生为中心去设计产品,把产品融入到医生的工作场景中去,还要符合医生的使用习惯,帮助医生提高诊断效率和准确率;此外,还要以患者为中心去设计产品,而真正能服务患者,提高患者的就医体验才是产品设计的终点,打造易用友好的医疗AI产品是制胜的关键。举例来说,汇医慧影在既有业务数字胶片基础上,给患者提供智能化报告解读服务,得到了医院和患者多方面的欢迎。

差异化竞争,冲破天花板

AI技术能够通过数据训练,掌握不同的专业知识,许多商业领域均可受益。人工智能医学影像,就是利用图像识别的方法进行以图识图的判断。医学当中可能有几类数据,主要就是影像数据和病理数据,用图像识别的方法就可以解决很多其中的问题。

肺结节筛查是目前大部分AI影像公司集中的一个领域,虽然AI能帮助找出结节,但在进一步的良恶性判断与报告意见出具方面,AI尚不能给出结论。而且,目前市场上的产品多集中在肺结节上,同质化严重。一个三甲医院可能同时安装10余家AI公司的产品,但经常使用的也就一两家,其他家的产品由于没有医生的反馈来进行优化,产品迭代缓慢,出现躺在医院“吃灰”的情况。

肺结节公开数据多,很多数据集可以直接下载,所以近两年大量公司开发出了肺结节筛查产品。但是,对于更为广泛的病种,AI产品的研发却步履维艰。新病种数据获取难度大,高质量数据需要专家进行合作标注,整个病种AI产品的研发周期较长。此外,在医疗场景当中单独识别图像这件事情并不足以满足医生的需求,疾病筛查和辅助诊断临床价值有限,要成为医生日常使用必不可少的工具,就要介入到到临床决策,医生更需要能覆盖全部医疗流程的AI产品。

因此,深入更多病种和参与更多医疗流程的产品,可能能得到更多医院和医生的支持和肯定,这可能是未来AI影像公司最重要的竞争优势。这一点上,汇医慧影独辟蹊径,希望以影像数据切入,让AI贯通影像科全流程里,实现从筛查到诊断再到治疗和预后全部环节里,完成一个服务闭环。

2017年,汇医慧影对外发布了三款比较常用的用于筛查场景的以图识图产品,比如CT肺结节的检测、胸部DR检测和骨折的检测,其训练模型当中不光是有图像的信息,还加上了很多患者临床的信息、检验的信息以及愈后随访的信息,其AI产品不仅能够实现病灶定位和标注,还可以参与肿瘤的分期分型,并能给医生的治疗决策提供支持。

2018年4月,汇医慧影联合301医院发布主动脉夹层人工智能平台AORTIST2.0,将新病种模型开发和单病种全流程覆盖进行了很好的结合。通过验证,AORTIST2.0的准确度远超常规手动测量,还提供主动脉扩张和复合终点事件预后预测结果。AORTIST2.0的表现基本上能够达到301医院这样的精准判断和预测水平,能够将40%的五年愈后降到15%,能够更加深入医疗的场景和决策化的流程。

柴象飞表示,医疗AI已经进入下半场,AI已经从1.0时代走向了2.0时代,这一点变化的原因是。“过去1-2年里,我们聚焦于为医生提高诊断效率而努力,今天我们发现,医疗服务的真正核心是患者,以患者为中心,打通从患者到医生再到医院这条服务链条至关重要。”

目前,汇医慧影正致力于打造一个在线化的影像中心,连接患者、医院、医生,为三者提供数字化、移动化、智能化的影像闭环服务体系,并试图构建一个能够持续孵化创新医疗服务的平台向纵深发展,尝试参与医疗治疗和预后随访环节。与此同时,最为行业头疼的盈利困境被汇医慧影以全链条服务商业模式打破僵局,杀出重围,跳出烧钱的魔咒,据悉汇医慧影2017年已经有一个漂亮的收入成绩单,已经被行业视为准独角兽、独角兽。

发起AI分级诊疗公益100家计划

中国医疗领域面临两个难题,一是医疗资源匮乏,二是医疗资源分布不平衡。根据中国卫生和计划生育统计年鉴数据,在我国所有医疗机构中,城市医院为28261个,基层医疗机构数量达到927147个,基层医疗机构是城市医院的32倍。

根据中国医学会的一份误诊数据资料显示,中国临床医疗总误诊率为27.8%,其中恶性肿瘤平均误诊率为 40%,而这些误诊主要发生在基层医疗机构。中国每年误诊总人数超过5700人,超过美国的4倍。

汇医慧影联合创始人兼COO郭娜表示:优质医疗资源的稀缺和匮乏是一个根本性矛盾,基层医院真正缺乏的是诊断能力,诊断能力是稀缺资源。人工智能作为分级诊疗落地的一个必然抓手,可以让基层民众享受到均质化的资源和服务。

在这方面,汇医慧影希望以医联体为载体,打通线上线下,为基层医院提供一整套服务,以郑州大学第三附属医院为例,汇医慧影以云计算、大数据、人工智能技术为基础,为其打造一整套妇幼联盟医联体智能影像中心,实现医联体内医学影像信息、诊断信息共享,推进医学影像资源和影像医疗资源的整合与共享,医联体内各妇幼医疗机构可实现影像数据上传、集中管理,以及影像信息、诊断报告的共享和调阅,最终实现优质医疗资源下沉。

郑州大学第三附属医院并不是个案。据悉,这样的医联体影像中心案例多达数十个。郭娜表示,为了进一步推动医疗AI在基层医疗机构的应用普及,大幅提升其诊疗能力,汇医慧影将于近日发起AI赋能分级诊疗公益100家计划,首先向100家基层医院提供为期1年的肺结节免费筛查服务。目前汇医慧影的肺结节筛查产品能已经快速实现病灶定位和标注,CT肺结节的自动识别准确率超过90%,在帮助医生提升诊断效率的同时,降低漏诊误诊率。

谈及从肺结节筛查切入,郭娜表示,这是基于当前国情和未来战略目标而定。一方面,肺癌可以说是中国癌症第一杀手。根据全国肿瘤登记中心发布的《2013中国肿瘤登记年报》披露,肺癌的年新发病例约60万。肺癌占城市全部恶性肿瘤发病率的20.48%,死亡率的27.05%;占农村恶性肿瘤发病率的18.05%,死亡率的22.42%,发病率和死亡率呈上升趋势。肺结节筛查能很好地帮助基层医院提供初筛服务。

另一方面,国家在大力推行分级诊疗政策,汇医慧影提供的医疗影像云平台,能为医联体和分级诊疗提供很好的云平台支撑,帮助基层医疗机构和城市医院之间实现数据和医生资源共享,真正实现“基层检查,上级诊断”,可以说是响应了国家分级诊疗号召。

正如柴象飞所说,“在整体医疗产能不足的背景下,医疗人工智能应用于基层不仅是当前刚需,环境也相对成熟。一是利用人工智能帮助医生提高诊断的效率,将医生从低效重复性劳动中解放出来;二是帮助基层医生提高诊断水平,降低基层误诊率。这条路尽管难走,但我们不能因为难干就不干,总得有人干,干才有价值,不干是没有任何价值的。”

目前,汇医慧影AI和影像云平台产品已经进入近800家医院,并在数百家医疗机构中广泛应用。可以说,AI+基层医疗机构是一对绝佳的“CP”,实现了AI医疗企业、基层医疗机构以及基层患者的多方共赢,对我国AI医疗产业的发展也具有巨大的推动作用。

作者:佚名



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. 2018-08-20 医者仁心5538

    学习了

    0

相关资讯

Nature Genetics:不靠试验,人工智能预测基因突变更加**

基因暗物质是指对生物界中的基因起决定性的物质。近日,科学家们开发出一种被称为ExPecto的新人工智能,可预测人类基因组中所谓“暗物质”区域的基因突变的影响。ExPecto还可指出特定的突变是如何破坏整个基因的开启和关闭的。

人工智能+影像应用深度研究报告发布

分析医疗影像面临的问题,梳理目前主流影像人工智能企业应用情况,总结影像人工智能行业发展主要瓶颈并提出建议。

人工智能技术可通过眼球运动判断性格

人们常说眼睛是心灵的窗户。一个国际研究团队日前利用人工智能技术,实现通过观察眼球运动来判断性格。

人工智能、大数据赋能医疗 12位大咖的观点值得一看

“人工智能在医疗上面有很多挑战,大多数人只看到了人工智能的一小块,这远远不够,你需要各种各样的技术。”IBM大中华区首席健康官陈彤在品途集团举办的2018·NBI夏季创新峰会上表示,一个成功的人工智能商业模型需要三驾马车并行,即人才储备、发展战略和服务的紧密结合。据统计,到 2025 年人工智能应用市场总值将达到 1270 亿美元,其中医疗行业将占市场规模的五分之一。我国正处于医疗人工智能的风

Bioinformatics:人工智能帮助预测混合用药的副作用

斯坦福大学的科研人员设计出了一种卷积神经网络,能够预测混合使用多种药物可能产生的副作用。 美国斯坦福大学(Stanford University)的计算机科学家设计出一种卷积神经网络,能够预测混合用药可能产生的副作用。 这项研究工作对患者具有重大的现实意义。通常,患者为治疗一种疾病或者减轻多种病情而服用的药物越来越多。但问题在于,我们对药物之间的相互作用知之甚少,由此带来了巨大风险。据研究

人工智能时代,我们到底怎样研发新药?

众所周知,新药研发风险大、周期长、成本高。国际上一般有“双十”的说法:10年时间,10亿美金投入,才能成功研发出一款新药。据2017年德勤发布的报告指出[1],成功上市一个新药的成本从2010年的11.88亿美元已经增加到20亿美元;相比之下,2016年成功上市一个新药的成本是15.39亿美元。