Select Language

AI社区

数据要素产业

医学影像:精准筛查和分析重大疾病

近年来,数字医疗领域在原有基础上产生一个新的发展方向,即通过人工智能解读医学影像,目前,数字医疗产业正在加大该领域发展的投资力度。

医学影像容纳的数据信息非常丰富,就算经验较多的医生,在解读时也可能漏掉一些信息。因此,在医院放射部门就职的医生,需经过长时间的专业培训,在积累了足够经验之后才能上岗。相比之下,人工智能不仅能够缩短检测时间,还能提高影响解读的准确性,帮助甚至代替医生进行分析。

人工智能对医学影像的解读可分为两个阶段:第一个阶段为图像识别,第二个阶段则为深度学习。如今,随着“深度学习”技术的进一步开展,其图像识别的速度及质量都明显提高。例如,在影像解读及判断过程中,相对于整个X光照片,恶性肿瘤所占的面积通常很小,对医生来说,想要通过对图像的观察来评估其中某个面积很小的阴影是否为恶性肿瘤并不容易。人工智能则能够在预处理的基础上,将图片进行分割,然后在不同部位提取参数,以数据库中存储的信息资源为对照进行分析,在综合比对之后给出评估结果。

在诊断时,人工智能还会独立进行深度学习,以病历库中的案例为参考,进行智能化判断。人工智能的应用能够有效提高医学影像解读的效率,帮助医生节省更多的时间与精力。

近几年,在人工智能医学影像方面崛起并取得快速发展的企业不在少数。如Enlitic(深度学习公司),该公司在2014年落成,仅用一年的时间,其知名度就大大提高,在2015年入围“全球最智慧的50家公司”,并于同年10月完成千万美元的融资。

Butterfly(蝴蝶公司)也是该领域的知名代表,该公司计划推出一款智能超声应用,通过人工智能技术进行图像分析与解读,最终达到智能化诊断的效果。与此同时,该领域也吸引了众多投资者的关注,在世界范围内具有影响力的人工智能投资机构,都向智能医学影像企业进行注资,聚焦该领域的发展。

对比美国与我国医学影像的发展情况,可以以该领域的误诊案例规模为切入点进行分析,美国的误诊案例可达1200万/年,我国人口数量众多,误诊案例更是高达5700万/年,其中基层医疗机构是出现误诊的重灾区。

如今,我国的医学影像正逐步由传统胶片转换为电子胶片,美国则早已步入电子胶片时代。随着电子胶片的普及应用,医疗机构从医学影像中获取的数据规模迅速扩大,美国的数据增长比重达63.1%/年,我国则大约为美国的一半。

相比之下,无论是美国还是中国,放射科就职医师的增长比重都不到5%,远不及该领域的数据增长,导致专业人才不足。为此,每位医师都要承担更多的任务,难免影响其诊断效果,而人工智能的应用能够在很大程度上解决人才短缺问题。尽管与美国相比,我国的人才短缺问题没有那么严重,但我国庞大的人口基数也对人工智能解读影像提出了较高的需求。

人工智能除了能够服务于患者、医生及医疗机构,还将直接作用于医学影像初创企业的发展。换句话说,创业企业的竞争力与该公司是否拥有人工智能技术密切相关。在对该领域的企业进行调查后发现,采用人工智能技术的企业,可有效控制人力成本消耗。

若初创企业拥有人工智能技术,在公司未进行首轮融资前,其技术人员的数量可维持在20人以下,非技术人员与技术人员的比例大约为1∶2.6。而缺乏人工智能技术的企业,需要引入更多人力资源承担公司的业务运营,此时,其非技术人员与技术人员的比例大约为1∶1.1,团队成员数量需维持在40人左右。

我国的特殊国情决定了国内医学影像初创企业将云平台建设作为发展重点,但从宏观发展角度来思考,企业必须通过人工智能技术的应用来提高自身竞争实力。