首页 > 产经 > 正文

角逐医疗影像AI 健培技术、科普双推进

来源:21世纪经济 发布时间:2017-11-25 19:38:22 编辑:环球财经网
评论 点击收藏
导读:   日前,在《21世纪经济报道》主办的“2017中国大健康产业峰会”上,杭州健培科技带来最新的医疗成绩单:已拥有200多家医院客户,50多家三甲医院使用其研发生产的阅片

   日前,在《21世纪经济报道》主办的“2017中国大健康产业峰会”上,杭州健培科技带来最新的医疗成绩单:已拥有200多家医院客户,50多家三甲医院使用其研发生产的阅片机器人,平均医院诊断量80例/天/家。并承担国家级重大专项2个、市级重大专项1个。

 
  健培科技创始人程国华告诉21世纪经济报道记者:“去年上半年AlphaGo围棋比赛一下子让大家都知道了人工智能,紧接着我们去年下半年就做了医疗影像的人机大战,让更多人看到这个技术,让更多的创业者进来。今年医疗人工智能更加火了,越来越多的公司进来做影像大数据,我们也开始忙不过来。”
 
 
  今年以来,医疗人工智能市场的竞争迎来一番新景象,腾讯、阿里、谷歌、微软等科技巨头均大手笔进场,各色创业者和医疗机构也通过融资支撑研发或者是生存,相关产品逐渐遍布产业链各环节。
 
  即便如此,医疗人工智能应用尚处起步期,从研发、落地到产业化都布满痛点,如国内的医院“信息孤岛”使得医疗数据这一门槛长期高伫,产业转化也面临行业监管空白、未建立配套审批体系等问题。
 
  从医学影像到人工智能
 
  健培一踏入医学影像领域,就基于影像大数据分析技术,对输出的医学影像进行重构与优化,使其成功的推出了第一个产品:数码云胶片系统,系统具有智能、环保、高效的特点。据了解,相比较传统进口胶片无法显示彩色影像、仅能储存一两年的缺陷,数码云胶片既可显示彩色影像的输出,也可永久储存。
 
  彼时,国内每年300亿左右的胶片市场中,95%的市场份额仍旧被柯达、爱克发、富士、柯尼卡四大胶片外企垄断。而数码云胶片作为新产品,市场占有率非常低,少于5%。
 
  后来,健培先后推出影像云、中医影像智能诊断系统等产品,并发布《智慧医学影像科技发展报告》。程国华告诉记者:“2012年刚开始进入医疗影像大数据分析的时候,市场非常早期,还没有医疗人工智能、医疗大数据这股风潮,我们也没有想好要用互联网的方式还是人工智能的方式,后来我们选择了人工智能。直到2015年,很多这个领域的参与者、创业公司都还没进来。”
 
  选择了人工智能之后,健培专注的领域依旧是医学影像。据了解,医院医疗数据中有超过80%的数据来自医学影像,这使其拥有深度学习的数据基础。而医疗机构也需要借助深度学习提高医生读片、诊断效率。
 
  成果很快就出炉。
 
  去年10月份健培科技公布了医疗人工智能的最新研发成果——具备深度学习、自我校准的“阅片机器人”,并与来自浙江省中医院和杭州市红会医院两名具15年工作经验的放射科医生,展开了人机大战,结果是1∶1战平。但机器人每次只用时都少于1分钟,效率明显高于人工。
 
  程国华进一步指出:“我们现在可以半自动化清洗、标注医疗数据,让我们的机器人可以进行快速训练。清洗包括自动化归类、半自动化标注、提取等技术,都是些算法,研发工具都是自己开发的,涉及具体的疾病有时候也借鉴国际上的算法和中国自己的数据库。”
 
  缺技术也缺科普
 
  跟以往不同的是,医学影像人工智能的创业者越来越多了。资料显示,人工智能在医疗领域的应用主要包括:辅助诊疗、医学影像、药物挖掘、健康管理、急救室和医院管理、可穿戴设备、营养管理、虚拟助手等。
 
  今年1月,总部位于美国旧金山的Arterys 宣布旗下产品Arterys Cardio DL获得FDA批准这是FDA批准的第一个用于临床的医疗人工智能产品,其用途正是用于分析心脏核磁共振图像。
 
  另外,针对人工智能肺结节检测,国际上的权威评测是LUNA(LUng Nodule Analysis,肺结节分析)。这项测试采用的数据来自美国多家医疗机构,并且由多名专家医生共同标注完成。在LUNA16的测试中,健培是国内最早获得此项冠军的团队,之后中国团队多次占据前三的宝座,健培科技、阿里iDST和讯飞不断刷新最高成绩。
 
  面对众多竞争者,程国华认为:“医疗这个市场足够大,不像互联网的商业模式那么扁平,医疗人工智能有围墙,每家医院都有自己的个性化需求,我们合作都是直接找医院的科室。而各个企业在探索研发过程中都能为医疗智能化、智慧化做一些开拓。”
 
  程国华指出,现在医疗人工智能比较明显应用场景为:医学影像大数据;新药研发,医药产业链条长,药品研发耗时、耗钱,可以通过人工智能解决时间和投入问题;疾病风险预测,涉及大量个人数据、基因数据等,可以帮助预测未来疾病;医院管理需要智能化,可以发现潜在性的医患矛盾发生、预警等;医生个人助理,人工智能在语言方面的应用,通过地方语言培训等来打造沟通场景。
 
  但挑战也是显而易见的。
 
  广受吐槽的是医疗数据,包括数据获取难、数据购买成本高、数据质量差等。国内目前获取数据的渠道主要是跟公立三甲医院合作,医院与医院的数据没有实现互联互通、区域数据没有共享等“数据孤岛”现象的存在成了主要的绊脚石。
 
  市场也仍需要进行医院、医生、患者教育。
 
  “2013、2014年推广的时候,没有一个医院愿意接受我们的人工智能产品,反而建议我不要做了,告诉我这个是没有未来的,”程国华回忆:“到现在我们还在通过论坛、人机对战等方式做科普,这个市场还需要进一步教育和培育,才能让人工智能真正在医疗领域应用起来。”
查看更多: