Select Language

AI社区

数据要素产业

AI如何应用于医疗器械?

12-21 15:35 TAG: AI 医疗器械

随着人工智能技术的发展,医疗健康产业正在进入智能医疗阶段,人工智能技术将全面应用和融入医疗健康全环节。医疗健康目前所应用的医疗设备,正在从信息化阶段走入智能化阶段,越来越多新兴医疗设备上应用了人工智能技术,为医疗产业带来诸多改变。

人工智能在医疗设备领域有一些新兴应用,而商业领袖和专业人士正在寻求提供有关这种技术影响的更多见解。

行业领先公司目前正在开发的人工智能应用类型。

创新努力的共同趋势,这些趋势对医疗保健未来的影响。

似乎为医疗保健专业人员提供最大价值的应用程序。

在展示应用程序示例之前,先了解一下在该领域的研究中出现的一些共同主题。

(1)慢性疾病管理 - 医疗机构正在使用机器学习来监测使用传感器的患者,并使用移动应用程序进行自动化治疗(例如糖尿病和自动胰岛素输送)。

(2)医疗成像- 一些公司将人工智能驱动的平台整合到医疗扫描设备中,通过减少辐射暴露来提高图像清晰度和临床效果(例如:通用电气医疗集团(GE Healthcare)肝脏和肾脏病变的CT扫描)。

(3)人工智能和物联网(IoT) - 一些公司正在整合人工智能和物联网,以更好地监控患者对治疗方案的依从性,并改善临床结果(例如,用于持续监测病情危重患者的飞利浦医疗保健解决方案)。

AI让糖尿病患者更有效管理病情

人工智能在慢性病管理上的应用,是作为医患沟通的桥梁,在减轻医生的工作的同时保证患者病情在已知、可控的情况下进行病情判断和处理。

糖尿病是一种主要的慢性疾病,影响着大约3030万美国人的身体健康。它是由持续的高血糖引起的,血糖是食用食物的主要能量来源。通常,由胰腺制成的激素胰岛素有助于葡萄糖转移到身体的细胞中以产生能量。如果体内缺乏胰岛素或供应不足,则无法很好地控制血糖水平。

美敦力公司是进入人工智能领域的医疗器械公司之一,旨在帮助糖尿病患者更有效地管理自己的病情,从而提高生活质量。2016年9月,美敦力公司宣布其Sugar.IQ应用程序是与IBM Watson合作开发的移动个人助理,将由其首批用户进行测试。

该公司概述了Sugar.IQ应用程序的三个主要功能:

洞察信息- 当应用程序发现与葡萄糖模式相关的行为时,将实时传递个性化消息,以帮助糖尿病患者了解特定行为和习惯如何影响他们的血糖水平。

血糖水平辅助 - 糖尿病患者可以要求应用程序遵循特定的食物或治疗相关的行动和事件。通过以下项目,Sugar.IQ将帮助发现这些项目对个人血糖水平的影响。

膳食记录 -应用程序将快速轻松地跟踪日志中的食物,以提供与膳食相关的见解,说明特定食物如何影响个人的血糖水平。

该公司声称,该应用程序通过分析美敦力葡萄糖传感器和胰岛素泵产生的数据,持续监测血糖水平。这些设备将连接到用户的身体上。最初建立在10000名糖尿病患者数据基础上的模型或算法正在得到改进,以预测血糖水平何时会超出健康范围。据报道,机器学习将用于进行预测分析。

在IBM公司合作案例研究中,美敦力糖尿病服务和解决方案的数据和信息学创新主管Huzefaneemuchwala解释了与此工作相关的目标和挑战:

他说,“美敦力公司提供了连续血糖仪和胰岛素泵等系统,这是一种主要由接受胰岛素治疗的患者使用的设备,用于监测血糖水平和直接向身体注射胰岛素。如果我们能够利用这些设备,并对个人的血糖水平提供持续的反馈,那么就有可能支持数百万人对其身体状况进行日常管理。”

与Sugar.IQ应用程序中使用的算法类似,该公司声称MiniMed 670G系统经过了算法培训,根据给定时间需要多少胰岛素,每五分钟自我调整基础(基线)胰岛素输送。

美敦力微型670G系统

根据2017年11月StarTribune公司的一份报告,强生公司退出了市场规模为17亿美元的胰岛素泵市场,使得美敦力公司在2019年之前将其市场主导地位提高到74%(之前为61%)。强生公司此前控制了约11%的市场份额。

人工智能技术在慢性病管理上的应用最重要的一环就是数据获取,随着社会的发展,可穿戴技术日益普及,这也意味着慢性病的相关数据——关于饮食、运动、睡眠和药物的所有重要的生物识别数据现在变得更容易获取。但数据获取后仍面临重大挑战,例如如何从大量数据中获取可操作的洞察力,并将其快速交付给用户,以便他们做出适当的决策。

关于慢性病的人工智能数据的治理,2019医学人工智能论坛上来自全世界多领域的医疗专家、人工智能专家将进行有针对性的分享和探讨。

有了人工智能,医学影像诊疗速度大大加快

在临床上,超过70%的诊断都依赖于医学影像,医学影像辅助诊断被认为是人工智能最重要的潜在创新应用之一。目前人工智能在医学影像领域的应用方向主要有两类,即图像病历分类、目标或病灶监测分割。

2017年11月,通用电气医疗集团和NVIDIA公司宣布在医疗器械行业获得了进一步的合作。通用电气医疗集团表示,它在全球市场上推出了500,000个成像设备。据报道,这两家公司参与了长达十年的合作伙伴关系,将NVIDIA人工智能平台与通用电气医疗集团的成像设备集成在一起。

合作双方表示他们正在使用人工智能来提高计算机断层扫描(CT)的速度和准确性。设计算法以重新组织当医生仅仅查看扫描时可能遗漏的微小的器官损伤模式。通过捕获这些更精细的细节,该技术有可能支持更快的诊断并减少错误。

CT扫描涉及通过计算机处理来组合来自同一物体的多个X射线的图像。与简单的一维X射线图像相比,CT扫描可以生成身体内部骨骼、血管和软组织的横截面图像或切片。

扫描速度越快意味着患者在辐射下暴露的时间越少,这有助于缩短治疗时间,并提高临床疗效。例如,这些公司提到新的CT系统(通过FDA批准的通用电气医疗集团表革命家族的一部分)比以前的系统快两倍,并且由于体积更大,可以更快地识别肝脏和肾脏病变。数据可通过NVIDIA的人工智能平台访问。

从这些新的CT系统可以看出,人工智能技术的应用加快了医学影像诊断的速度,同时提升了影像诊断的精准度,给医生的“阅片”和诊断方式带来改变。在2019国际医学人工智能论坛的5G时代的医疗健康和医疗机器人主题论坛上,来自国内的权威影像科医生,将对人工智能给医学影像带来的改变,进行全面介绍。

人工智能和物联网,让病情数据监测更及时

在慢性病管理部分,提到了可穿戴设备的普及对于数据获取的帮助。人工智能技术与医疗健康可穿戴设备的结合可以支撑的数据管理不仅仅应用于慢性病,还可应用于普通人的健康管理与疾病预防。

可穿戴设备通过物联网及人工智能技术广泛融合并应用于生活中,实现贯穿用户全生命周期的数据采集、监测,并对各项数据指标进行综合智能分析,服务于用户的健康管理。

作为数据获取基础的可穿戴技术是人工智能研究人员和设备制造商感兴趣的一个迅速增长的领域。行业分析师预计,到2019年,该行业市场规模将达到250亿美元。但是,在临床环境中使用可穿戴设备时,必须考虑一些重要因素。

可穿戴设备的可靠性和有效性是两个潜在的问题。这些设备通常基于这样的前提进行营销,即它们将在改善人们的健康和健康方面发挥重要作用。但是,大多数制造商无法提供有形证据来证明这些设备的有效性。

最近进行的关于用于跟踪身体活动的各种设备有效性的比较研究已经说明了不同装置之间在准确性方面的显著变化。据称这些设备的误差率高达25%,而这种差异是巨大的,而这反映了可穿戴医疗应用程序可能产生的问题。在将健康或医疗应用设备推出市场之前,其可靠性应该得到解决。

飞利浦医疗保健公司的IntelliVue Guardian解决方案是一种患者监护系统,它使用人工智能来预测患者何时可能发生危及生命的风险,以便进行有效的早期干预。该公司声称其早期预警系统结合了软件、临床决策支持算法和移动连接等技术,这是可穿戴设备发挥作用的地方。

例如,临床医生可以在患者手腕上安装一个内嵌传感器的无线装置,以跟踪诸如血压等生命体征。IntelliVue Guardian解决方案软件将使用机器学习技术,根据对类似患者数据的大型数据集进行培训的算法,识别患者生命体征的任何重大变化。如果发现了重要的变化,数据将传输到IntelliVue监视器或移动设备以通知护理人员。

物联网和人工智能技术的在医疗领域的应用不仅有以可穿戴设备为代表的健康管理设备,还有医疗检测类设备和养老监护类设备等多种品类。在2019国际医学人工智能论坛上,飞利浦等科技公司将带来最新的医疗应用设备的展示和介绍。

在医疗器械行业,AI大有可为

为了使医疗设备更加可靠、准确和自动化,人们越来越关注如何整合人工智能。医学成像是一个不断取得发展进步的领域,而临床上有效的可穿戴设备仍在不断涌现。然而,开发和改进支持慢性病管理和治疗的设备将很可能继续是一个主要关注领域。

随着患者坚持治疗成为慢性病疾管理的一大挑战,美敦力等主要医疗保健公司看到了实现患者接受药物过程自动化的机会。通过将坚持治疗的责任从患者转移到可靠的自动化医疗设备上,有可能减轻慢性病的经济负担,提高生活质量。

展望未来,数据科学家Francesco Corea博士预计将有两种趋势:

(1) 集成人工智能和虚拟现实的医疗设备

(2)用于医疗应用的人工智能设备的转换。

他指出,“如今有了一些使用医疗虚拟现实设备的公司的例子,但是与人工智能的集成和实时反馈(以及随后的适应)相结合并不简单。我看到的一类产品最初并不认为是一种纯粹医疗设备,但最终发展成为纯粹的医疗设备(例如生物特征支付等)。

这是因为,纯粹医疗器械的商业化周期往往相当长,并且需要更多的努力和更大的监管力度。需要创建具有商业可行性的用例,然后查看医疗影响,这对患者来说是非常有意义的。”

随着人工智能在医疗设备领域日益普及,如何证明安全性和有效性的过程将成为临床医生寻求实施器械、监管机构和设备制造商的重要考虑因素。