当前位置:首页 > 业务领域 > 污水处理 >

【亚博体彩买球】一眼万年:AI眼底筛查为什么能够成为AI医疗中的“落地之王”

编辑:亚博买球官方网站 来源:亚博买球官方网站 创发布时间:2021-02-13阅读8417次
  本文摘要:医学影像仍然是AI医疗行业的热点领域。

技术

医学影像仍然是AI医疗行业的热点领域。通过深度自学习算法,建立医学图像数据模型,构建医学图像智能分析。

现在每年在计算机视觉的学术论坛上都有关于各种疾病的图像数据分析的比赛,在肿瘤、心血管疾病等大量领域,AI阅读的准确率和速度已经达到了人类。但是在一系列AI医学影像项目中,AI眼底图像仍然是一个非常特殊的不存在。相比其他项目,AI眼底筛查软件的落地速度提升很快,多到很多人想象不到。

由DeepMind在伦敦摩尔菲尔德眼科医院联合销售的AI眼底筛查技术,需要构建在30秒内识别多种疾病,被称为DeepMind未来将商业化的首个AI项目;百度还高调向基层医院捐赠了数百台AI眼底筛查机,让技术需要以套餐的形式应用到现场;目前,AI医疗创业公司VoxelCloud-Retina眼底筛查解决方案voxel technology的“voxel cloud-Retina眼底筛查解决方案”已登陆中国多达130家MMC(国家标准化代谢病管理中心)。这种推广效率和速度不能降低到“落地之王”。今天我们要辩论的问题是,AI眼底筛查如何从实验室走出现实,未来不会呈现什么样的南北?从眼底到身体,为什么我们需要更高效的眼底筛查?通过眼底影像检查,可以识别出大量的眼底疾病。

既能反映糖尿病视网膜恶性肿瘤、青光眼、老年斑等一系列眼底疾病,又能反映恶性肿瘤及高血压、糖尿病等慢性病的积聚。但是对于眼底影像检查的普及,并没有给出这项技术的价值。原因在于两个方面。

第一,眼底疾病的病灶小且不同,不同病灶之间的区分度低。目前,全国有能力看电影的医生相对较少。同时,在大多数医院的架构中,眼底筛查被归为眼科,眼科医生很难对内科等疾病和糖网病、高血压等内分泌疾病进行后续医疗。

但离开眼科后,其他科室的医生很难没有阅读眼底图像的能力。此外,据《2017年中国公共卫生和计划生育统计资料年鉴》统计,我国约有4亿慢性眼疾患者,但眼科医生只有3.6万人,门诊人数1.1亿,住院人数450万。糖尿病视网膜恶性肿瘤患者往往不能及时了解病情,因此在滤过前早期治疗是快速疾病管理的关键。

但如今医疗资源无法满足市场需求,导致很多患者直到晚期才找到化疗,但往往为时已晚,给国家医保带来了很大的不必要费用,严重影响了这部分人群的劳动能力。在医疗资源日益紧张的情况下,如果需要高效利用眼底筛查的能力,不仅可以帮助患者及时发现病情,还可以帮助慢性病管理更加高效,让更多的人享受高效的医疗体验。正是在这种对立中,体素技术找到了机会。《AI医生》教学计划:眼底筛查如何智能化?Voxel Technology的眼部产品总监在一次专访中提到,Voxel Technology和很多AI医疗创业公司一样,已经发现了眼底筛查技术的价值,市场上也没有公开发表的眼底图像数据集,可供企业分析挖掘。

具体来说,AI眼底筛查的构建过程是通过专业的医学知识对数据进行标记,挖掘并训练出一个疾病分类网络,包括针对不同病变的分类模型和疾病识别模型。但问题是,当每个人面对一定程度的已发表数据集时,如何在技术上构建差异化优势?在体素技术研发AI眼底成像项目之初,基本没有企业做这个研究。从2017年开始,很多创业公司开始开发这个项目。然而,自去年年底,当体素技术的人工智能眼底筛查项目 提到原因,体素科技的眼部产品总监告诉了他一些细节。

首先,体素的技术自主性不断扩大了提供眼底图像数据的范围。除了应用于已发布的数据集之外,体素技术还在试图着陆时极大地扩展了数据提供的范围。

特别是作为一家跨越上海和洛杉矶的跨国创业企业,体素技术可以识别非常丰富的不同种族的眼底数据,增强模型的准确性和普遍适用性。而其他企业专注于单病种(糖网病)的研发,体素技术已经开始研发全病种。

一般眼科医生在获得患者的眼底照片后,通过阅读基本本能就可以识别患者的疾病。所以AI技术如果真的能辅助医生进行临床,就要不要有只读疾病的能力。尽管如此,体素技术还是不断减少眼底图像的数据标记,将其划分为几十上百个具有不同聚焦方向和聚焦类型的疾病组。

这就从均衡产生的只有疾病的数据出发,构建了多任务模型的训练。目前,体素科技的AI眼底筛查软件不仅能识别糖尿病视网膜病变恶性肿瘤、糖尿病黄斑水肿、青光眼、白内障、年龄相关性黄斑变性的特征,还能识别微血管瘤、视网膜内出血、硬堆积、棉絮斑、视网膜外出血、新生血管、激光斑、玻璃体疣、透明玻璃体等十余种恶性肿瘤。

体素技术的整个疾病体系极大地扩展了AI眼底筛查的应用范围,但很多患者去医院检查时可能并不知道自己患的是什么病。如果AI眼底筛查技术需要尽可能选择多种疾病,无疑会提高医疗效率。

同时,在落地过程中,体素科技发现,由于眼底照片的拍摄属于人类操作者,所以不会有太多的不确定性,比如光线强弱、眼底摄影设备的图像质量不同等。这可能导致AI歧视不被允许甚至完全失败的可能性。一般来说,算法模型的鲁棒性较差,对应用环境的拒绝度高。发现这个问题后,Voxel Technology通过训练质量控制模型来对模型进行概化,加强了对不同设备产生的数据的收集,从而大大提高了模型落地时的应对能力。

其中,体素科技的眼部产品总监也提到了一个很有意思的点:很多初创公司在做AI眼底筛查项目的时候,往往会专注于提高单个数据集内算法模型的准确性。而体素技术更注重算法在真实场景中的显示,发现问题,解决问题很大。这样一来,专注于单个数据集显示出来的AI算法就不会有一些“高分低能”了,而是落地就会表现不好,自然不会被市场淘汰。

但体素技术在第三方测试中的敏感度高达97%,在3个月内获得了红杉资本牵头的数千万美元投资和腾讯的1亿元投资,2018年9月又获得了鸿泰资本的5000万美元投资。超越象限:AI眼底筛查带来的健康公平性,也可以从资本的密集关注中展现出AI眼底筛查所体现的落地价值。

从体素技术创造的“AI医生”的故事中,我们可以发现,AI眼底筛查最重要的一个特点就是,它为很多疾病关上了智能临床的大门。比如高血压、糖尿病等慢性病,或者青光眼等眼部疾病,早期难以发现,以前一直无法通过医学影像进行医疗和追踪管理,无法通过医学影像进行管理,这意味着无法通过计算机视觉提高效率。

然而,随着人工智能眼底筛查对眼底筛查的影响数据的大量挖掘和利用,它与更好的疾病相关联,这意味着眼底筛查超出了眼科的原始象限,这极大地扩展了这种疾病筛查方法的能力范围,并使慢性病的医疗成为可能 眼底筛查一体机的形式需要让操作者慢慢上手,需要应用到眼科以外的其他科室,一些非三甲基层医院和社区医院,即使没有高度专业化的医务人员参与,AI眼底筛查技术也可以辅助医疗。体素技术作为MMC眼底筛查AI技术的第一个接受者,上线近一年,为130个MMC中心筛查了多达28000名糖尿病患者,每月筛查量多达4000人,阳性率33%,帮助MMC更好地管理糖尿病患者眼底并发症,大大提高糖尿病视网膜恶性肿瘤(糖网全称)的早期筛查亲体率,也将大大提高糖网患者的化疗效果,增加糖网的有效性。这样,AI眼底筛查不仅超越了有限的医疗资源带来的效率承受能力,也超越了医疗资源生产带来的医疗难度,降低了患者的医疗成本。

很多三四线城镇的患者不用回北上广的大医院,可以在一体机上享受方便的眼底疾病筛查。由于整个过程缓慢方便,患者也可以提高检查频率,管理自己的慢性病。由此带来的健康性和公平性也是很多其他AI医学成像技术无法比拟的。中国工程院院士、上海交通大学医学院院长宁光也赞同体素技术的ai眼底筛查技术。

体素技术在某种程度上是基础医学临床分析能力的匹配,也极大地提高了人们的生活质量和老年人的劳动能力,其潜在的社会价值在某种程度上也是非常难得的。这也是2018年Voxel Technology需要再次获得数千万美元融资的原因,以经济寒潮著称。

“健康中国”战略明确提出,到2030年,要建成规模16万亿元的健康管理产业。在建立这一目标的过程中,自然需要人工智能眼底筛查作为降低慢性病管理成本的关键技术。

眼底筛查技术的研究将被引入到整个健康事业的建设中。除了经济效应,背后的公益效应也不容忽视。

所谓的“看一万年”,今天的AI对眼底筛查数据的积累和它的技术正在改变未来人们管理自己健康的方式。


本文关键词:体素,医疗资源,糖网,亚博买球APP

本文来源:亚博体彩买球-www.surusgeo.com

0593-70430897

联系我们

Copyright © 2010-2014 晋中市亚博体彩买球科技有限公司 版权所有  晋ICP备66202962号-4