直击RSNA |透视医疗AI应用场景 斯坦福教授详解价值归位路径

2017
12/15

+
分享
评论
健康界
A-
A+
汇医慧影在RSNA大会期间接到来自日本、美国、澳大利亚等国家的一些厂商和机构的合作申请,成为RSNA2017的一道亮丽风景线。

在全球AI竞赛中,由众多AI公司组成的中国选手队一直处于国际领先地位,这一点在今年的RSNA(北美放射年会)上可以得到印证:已经有不少外国厂商和国际院校正在积极寻求和中国优秀AI机构的合作机会。作为国内AI领先企业之一,汇医慧影在大会期间接到来自日本、美国、澳大利亚等国家的一些厂商和机构的合作申请,成为RSNA2017的一道亮丽风景线。

另一个有意思的现象是,在由汇医慧影和美国斯坦福大学医学院放射肿瘤系AI实验室联合发起的“中美医学影像人工智能前沿峰会”会上,不少硅谷AI顶尖人才慕名而来,并向汇医慧影CEO柴象飞发出了求职申请,以求登上AI的高速列车。

作为一家全球化布局的AI公司,汇医慧影一直高度重视技术、人才、交流的国际化工作。由汇医慧影和斯坦福大学医学院Department of Radiation Oncology AI Lab联合发起的“中美医学影像人工智能前沿峰会”在硅谷召开,旨在加强AI的国际化交流,来自全球顶尖的影像专家、AI专家荟聚一堂,就医学影像创新和人工智能场景融合做深入热烈的探讨。

会议主席由斯坦福大学医学物理中心主任、汇医慧影首席科学家邢磊担任。中华医学会放射学分会前主任委员、复旦大学附属华山医院终身教授冯晓源,北京大学第一医院放射科主任王霄英,斯坦福癌症研究所生物医学信息学主任Daniel L. Rubin,华中科技大学同济医学院附属同济医院放射科教授、主任医师王良,华中科技大学附属协和医院放射科教授杨帆和福建医科大学附属协和医院影像科教授薛蕴菁,汇医慧影CEO、美国斯坦福大学博士后柴象飞等多位跨领域跨学科的专家出席会议,并做了主题分享。

(注:以下为与会嘉宾主题分享的核心内容整理版本,仅供各位参考、交流。)

放射医生其实是数据科学家

美国医学信息学学院研究员、斯坦福癌症研究所生物医学信息学主任Daniel L. Rubin副教授做了“AI与癌症定量分析”的主题分享。

Rubin教授着重强调了放射组学分析中高度标准化与影像注释的重要性。他说:“放射组学或机器学习可以应用于疾病探测、病灶分割、诊断、治疗选择(个性化医疗)、疗效评估和临床预测,尤其是后三者将极大地受益于深度学习。”

在模型训练方面,Rubin教授认为,相比二维影像,放射医生更愿意采用三维数据,这是因为三维影像数据可以提供更多的层析信息,更为精准。但深度学习所需的硬件成本高昂,且难以获取大量标记后的训练数据。因此,未来影像将因GPU的容量而被重新定义。

Rubin教授还提到放射学将会成为多学科的交融点,放射医生实际上是数据科学家。在他看来,计算机可以更好地帮助放射科医生整合各类信息,看到人眼看不到的巨大信息。当然,挑战依然存在,如何进一步提高放射组学的可靠性,以及如何将诸如病理学、基因组学等学科更好地与放射学有机融合是当前主要课题。

医生应积极参与和人工智能的合作

中华医学会放射学分会前主任委员、复旦大学附属华山医院终身教授冯晓源做了“放射学未来”的主题分享。

冯晓源认为,中国已经提前进入老龄化社会,医疗模式正在从以疾病为中心转变为以人的健康为中心。尽管中国政府在各级医院大力投入,购买新型影像诊疗设备,但由于医疗资源分配不合理问题继续存在,县级医院即便有设备,人才依旧匮乏。解决这一问题需要调整思路,从人才集中型向技术集中型发展。“借助现代化手段,过去利用人力来解决的问题,之后可以用技术和智能来解决。人工智能帮助影像科医生减少程序性、机械性、重复性工作,提高效率和准确率。“

同时,冯晓源还提到,影像医学属于体内诊断,而体内诊断往往是看到病灶的第一个环节。不过影像科的主要工作是发现病变,影像科医生并不参与疗效评估和随诊等相关工作。“我们希望未来影像科医生能更多地参与治疗,在疾病诊断中成为领导者,并且医生应该积极参与合作,这是为人类健康事业最后一公里贡献的关键一步。当然,实现这些需要各医院之间要打破信息壁垒和体制壁垒,进行信息共享、大数据共享。而且,精准诊断、治疗方案、预测预防都有赖于大量的有效数据。“

AI价值最大化:生在医院,养在医院,用在医院

随后,北京大学第一医院放射科主任王霄英做了“AI在医院影像科室的临床实践”的主题分享。

王霄英分析认为,AI在影像科其实不叫AI,而应被称为Informatic Tools,即发掘各类信息价值的工具。“假如把AI比作孩子,那么AI的出生和养育可能需要依靠汇医慧影这样的公司,然后医生来用。然而现在的情形是,AI的出生、养育和价值的发挥都要基于医院,同时借助于公司良好的技术支持。“

王霄英的观点是,对于公司来说,要持续提供支持把AI抚养好,且这种支持要来源于医疗数据并契合医院的需求,两者相辅相成才能为AI的高速发展提供优良的环境。只有当医疗数据在医院和公司之间流动起来,才能发挥出巨大的作用,并成为AI发展的基石。

同时,王霄英还表示,当前我们面临的挑战依然很多:临床需求复杂性、数据屏障、算法问题、放射医生的真实需求和体验问题,在大的临床应用布局下,产品能够得到放射医生们的认同才能更好地实现其价值。不过,王霄英仍然看好医学人工智能的未来,可以帮助临床解决实际问题。

深度学习可以辅助放射医生进行前列腺癌的诊断

华中科技大学同济医院放射科教授王良做了“深度学习在多参数磁共振成像的前列腺癌自动诊断应用”的主题分享。

王良说,PCa(前列腺癌)不仅是古代人类的病痛,更是当代人类的杀手,且近年来在我国的发病率呈明显上升趋势。PCa的诊断、鉴别诊断、治疗疗效评估对指导患者治疗方式的选择和提高患者预后意义重大。

通过全自动MR成像,对PCa患者进行分类,并对比深度学习和非深度学习分析方法的结果,可以发现,相比非深度学习的方法,深度学习可以更准确有效地甄别前列腺癌和非前列腺癌。同时,可以通过人工设计相关纹理特征值提高诊断的准确度。

AI真正解决临床需求需要打破成见

汇医慧影CEO、斯坦福大学博士后柴象飞在母校斯坦福大学做了压轴分享,他的报告主题为“人工智能在医学影像中的应用与实践”。

柴象飞表示,影像是一个千亿级的庞大市场,AI天生适合医学影像。从筛查到治疗诊断,影像穿插整个环节,AI从影像进行是一个很好的切入点。AI快速发展最核心的创新是GPU,可以带给影像很大的发展空间。

汇医慧影沿着影像的两个方面,从影像表现的诊断意见,到影像的预后预测。两件事同等重要,目前前者大家研究的更多,不过商业价值和临床价值非常有限,后者的可能性和想象空间更大。柴象飞表示,汇医慧影已经在后者上有了相对成熟的应用,结合放射组学和深度学习的新产品,已经落地了700多家医院,比如和深圳人民医院合作了一组早期新辅化疗的研究。

柴象飞还提到,目前深度学习的数据量无法达到世界顶级水平,AI数据都是数百万上千万的数据量。汇医慧影现在利用传统小数据的模型应用医疗行业,是一件多方共赢的事情:既可以推进科研产品快速转化,还能帮助医院解决临床需求。不过这需要医疗从业者们的共同参与。

后记:

在本文整理编发之际,国务院关于“促进新一代人工智能产业发展三年行动计划”出台,指出会进一步推动医疗影像辅助诊断系统的落地:推动医学影像数据采集标准化与规范化,支持脑、肺、眼、骨、心脑血管、乳腺等典型疾病领域的医学影像辅助诊断技术研发,加快医疗影像辅助诊断系统的产品化及临床辅助应用。

政策持续利好之下,作为行业领先的人工智能影像公司,汇医慧影已向市场交出一份漂亮的产品和业绩成绩单:提升效率方面,乳腺疾病影像诊断可节约至少70%的时间,胸片节约将近50%的时间;诊断准确率超过95%;覆盖更多病种,包括胸部CT的防漏诊断,乳腺钼靶检测,脑梗、脑出血核磁分析等(这几类偏筛查型);可支持包括肺癌、乳腺癌、结肠癌、直肠癌、胃癌、宫颈癌、卵巢癌、鼻咽癌、前列腺癌等在内的多癌种的诊断和治疗。

2017年以来,汇医慧影先后落地超过700家医院,完成多个产品线的开发上线,并于10月底完成数亿元B轮融资,成为行业最大玩家。也因此,汇医慧影得到市场各方的青睐,先后斩获2017年度中国人工智能产业十大成长力企业、2017年度最具商业价值人工智能公司TOP50、2017年度中国医健产业独角兽、最具成长潜质50强等众多殊荣。同年5月,汇医慧影力敌众多对手,作为唯一一家医学影像AI企业,成为腾讯AI加速器首期学员。

不感兴趣

看过了

取消

本文为健康界原创,任何机构或个人未经授权均不得转载和使用,违者将追究法律责任!
关键词:
RSNA,斯坦福,AI,人工智能,影像,数据,医生

人点赞

收藏

人收藏

打赏

打赏

不感兴趣

看过了

取消

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

相关文章

推荐课程


社群

  • 医生交流群 加入
  • 医院运营群 加入
  • 医技交流群 加入
  • 护士交流群 加入
  • 大健康行业交流群 加入

精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏作者

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×
打赏

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!