当前的位置:泉州网站建设 > 新闻中心 > 互联网 > 正文

创投观察 | 医学影像AI到底可以解决什么问题?

来源:泉州网站建设   时间 : 2018-11-09 18:20  编辑 : 泉州网站建设

深度学习技术在图像领域的突破使得在医疗影像中应用AI技术去辅助诊断成为可能;

可以看到上面三种重大疾病都存在着大规模人群筛查的需求,这需要大量的人力和资金的投入,而将AI技术应用到重大疾病的早期筛查,则可以很好的解决人力和成本的问题,同时提升整体筛查的效率,从国家的层面也能很好的帮助优质医疗服务下沉,对重大疾病进行早诊早治,降低医疗和社会成本。这才是当前影像AI应用的主要落地场景,也是当前医学影像AI真正可以解决的问题。

但是令人遗憾的是,肺癌发病隐蔽,等到出现明显的临床症状如咳嗽、痰中带血、胸痛、发热、气促、声音嘶哑等经常已经是晚期,数据显示目前我国约75%的肺癌患者在确诊时已属晚期,五年生存率仅15%,而发生远端转移的肺癌患者五年生存率更是不到5%,超过半数的肺癌患者在确诊后的一年内死亡,因此对肺癌的早期诊断和治疗极其重要,NLST(National Lung Screening Trial)的研究结果显示对于高危人群进行肺癌筛查,可以有效的降低死亡率(Reduced lung-cancer mortality with low dose computed tomographic screening,New Engl J Med 2013)。

创投观察 | 医学影像AI到底可以解决什么问题?

创投观察 | 医学影像AI到底可以解决什么问题?

那么我们简单分析下工具型产品的优劣,传统的工具型产品的优势是用户需求明确,使用场景纯粹,落地容易,容易做到极致化的体验,但这同时些优势又导致工具型产品存在很大的劣势,因为使用场景单一所以用户使用频率少,因为用户需求明确,一但用户的需求获得满足即不再使用,产品使用时间短,用户粘性差,这都使得工具型产品往往在早期发展非常快,并且能够快速占领市场,但是发展到一定的阶段,又会受限于规模化的商业变现。

深度学习技术的发展直接促进了自然语言处理(NLP)和算机视觉(CV)两个领域技术方向的进步,在语音识别、机器翻译、图像处理和识别上出现诸多成功、成熟的应用,而医学影像分析作为算机视觉技术在图像领域应用的一个分支也成为了明显的研究热点,来自2017年中发表在Medical Image Analysis的一篇文献上对深度学习技术在医学影像分析领域的研究进行了统计,如下图所示:

同样糖网(糖尿病性视网膜病变)也对筛查有迫切的需求,数据显示截止2015年我国糖尿病患者人数高达1.1亿,居世界首位,而糖网是糖尿病常见的慢性并发症之一,发病率约31.7%,是糖尿病患者致盲的最主要眼病。同时糖网病早期往往没有任何临床症状,而一旦有症状,病情已较严重,容易错过最佳治疗时机,研究表明,糖尿病患者每年进行1次眼底检查,可使失明发生率降低94.4%。


分享人:深睿医疗联合创始人 李一鸣

市场和价值都很明确,那么医学影像AI现阶段到底能解决什么问题?

全球每年新发癌症病例1400多万,我国每年新发病例约430万,相当于每天都有1万多人确诊癌症。其中肺癌和乳腺癌分别为男性和女性的第一大癌,而肺癌更是世界以及我国发病率最高、死亡率也最高的癌症,由于肺癌和乳腺癌早期和晚期的五年生存率有明显的差异,早诊断早治疗能够显著降低死亡率,对于患者自身及其家庭乃至社会都有难以衡量的意义。

随着大家这两年来对于医疗AI的摸索和理解,各家公司的产品包括模式都在趋同,基于公开资料可以看到,目前领域内各家公司发布的产品,大部分集中在肺癌、糖网、乳腺癌等重大疾病的筛查和早期诊断,虽然医学影像AI存在较高的技术和资源门槛,但竞争也同样非常激烈,还吸引了众多成熟企业加入,如阿里巴巴、腾讯、百度、平安科技、科大讯飞等。

创投观察 | 医学影像AI到底可以解决什么问题?

可以看到,从2012年深度学习技术在自然图像领域取得突破之后,在2015年开始大规模进入医学影像领域,计算机视觉中的目标检测、实例分割、图像分类等几个主要技术在医学影像分析中都有应用,而且覆盖了如MRI、CT、X-ray、Ultrasound等不同模态的数据,也涵盖了各种不同的部位。不仅如此,上面给出的是学术论文数量上的分布,在论文的影响力方面,深度学习技术在医学影像分析中的应用也得到了很大的认可,简单罗列下近两年的一些重要研究结果就可见一斑。

随着人口老龄化的加剧以及民众健康意识的提升,医学影像检查次数每年以30%以上的速度增加,而同时影像科医生每年的增长速度不到5%,这里面存在着严重的供需失衡;

一、技术升级

创投观察 | 医学影像AI到底可以解决什么问题?

但是在医疗领域,工具型产品的变现模式非常清晰,因为目前医疗领域大部分的产品都属于工具型产品,比如医疗器械,只要产品质量过硬,能够解决实际临床需求,并且可以切入到临床路径,就能够进行商业化变现,所以医疗影像AI产品主要需要跨越的门槛就是找到明确的用户需求和使用场景,并进行落地。

原标题:创投观察 | 医学影像AI到底可以解决什么问题?

创投观察 | 医学影像AI到底可以解决什么问题?

再如2018年2月加州大学圣地亚哥分校张康教授团队在《Cell》上发表的『Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning』论文,用约10万张准确标注的视网膜光学相干断层成像术图像进行训练,在诊断眼疾时的准确性达到96.6%,其中灵敏性97.8%,特异性97.4%。这个工作同时也引入了迁移学习的技术用于诊断视网膜疾病之外的其他疾病,在用预训练好的眼科AI诊断模型上采用5000张胸部X线图像进行进一步训练,在区分肺炎和健康状态时,准确性可以达到92.8%。

猜你喜欢

泉州网站建设 | 南安网站建设 | 泉州汽车网 | 南安汽车网 | 泉州房产网 | 南安房产网 | 南安购物网 | 南安人才网 | 分类信息网 | 网站发布网

公司简介 | 商业合作 | 广告中心 | 联系我们 | Copyright © 2018 www.qzwzjs.com Corporation, All Rights Reserved.

闽ICP备18011963号 邮箱:info@qzwzjs.com 公司地址:成功街水岸帝景A区

服务中心: 0595-86036039 联系QQ:2076448248

天辉网络服务有限公司 版权所有