您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
医疗科技 正文
发私信给李雨晨
发送

0

AI+医疗「最佳掘金案例」榜单出炉,致敬寒冬中的“持炬者”

本文作者:李雨晨 2019-12-23 18:12 专题:2019 AI 最佳掘金案例榜单
导语:5枚勋章,让探路者不再踽踽独行

AI+医疗「最佳掘金案例」榜单出炉,致敬寒冬中的“持炬者”

如果说过去四年是人工智能商业化进程的上半场,那么即将结束的2019年,已正式把这个行业领入至下半场。

从2016年开始,基于深度学习的AI技术成为了革新各个行业的一大利器,医疗是其中最火热的领域之一。从“替代医生”到“辅助医生”,从“单点突破”到“全病种理念”,从“技术研发”到“商业落地”。短短三年时间里,AI医疗经历了一个急剧变化的过程。

2017年11月,雷锋网联合数十家风险投资公司、传统上市企业、机关单位领导以及海内外高校,启动了业内首个人工智能商业案例评选活动:「AI最佳掘金案例年度榜单」,从商业维度出发,寻找各个行业用户/客户问题解决能力强的最佳产品和解决方案。

在过去两届评选中,514家参选企业经过多轮的筛选与评审,最终60多家极具商业价值的公司成功从中脱颖,入选首届和第二届「AI 最佳掘金案例年度榜单」。

针对医疗AI各个细分领域的创新,今年「AI最佳掘金案例年度榜单」特设了五个“AI+医疗”奖项,深睿医疗、依图医疗、联影智能、推想科技、微软亚洲研究院,凭借各自优势在众多优秀竞争者中脱颖而出,分别荣获「最佳医学影像辅助诊断奖」「最佳医学科研平台奖」「最佳智能设备AI奖」「最佳肺癌全周期智能解决方案奖」以及「最佳全科医学智库奖」。

深睿医疗:最佳医学影像辅助诊断奖

今年是一个“寒冬”,投资环境坠入冰点。但是深睿医疗逆风而上,在今年6月宣布完成C轮数亿元融资。这一切,离不开深睿医疗对市场需求的敏锐感知。

深睿医疗以数据为基础,场景为核心进行深度优化,研究场景间的需求及其对应的最优技术实现路线和方案,开发出了适配各种场景及不同病灶的算法,在业内打造了全方位的AI辅助诊断产品体系,包括全肺、乳腺X线、脑卒中、复杂关节病变、儿童生长发育评估、胸部平片、头颈血管等各类人工智能医学辅助诊断系统,来满足医生的临床需求。

特别是全肺人工智能产品,属于单器官多病种的影像人工智能系统,改变了目前AI胸部CT应用仅局限于肺结节自动筛查,其他肺部疾病仍然需要医生人工诊断的现状,将AI应用由单病种检测拓展至单个人体部位-全肺的多病种检测。

该系统将提供包括肺癌在内的多种肺部征象和疾病从筛查检出、临床辅助诊断、智能随访的全周期AI辅助诊断,结合深睿医疗胸部平片AI辅助诊断系统,也可为医生提供呼吸系统AI辅助诊断解决方案。

同时,深睿医疗最新发布了Dr.Wise®头颈CTA AI医学辅助诊断系统,结合此前深睿医疗应对急诊卒中中心推出的Dr.Wise®脑卒中AI医学辅助诊断系统,也可为临床提供完整的神经系统AI整体解决方案。

今年的北美放射学年会上,深睿医疗除了展示全线医学影像AI产品, 同时也发布新品“Dr.Wise儿童生长发育AI智能一体机”。

这是深睿推出的一款AI智能装备,它运用了软硬件一体化设计,依托深睿医疗自主研发的深度学习核心算法和硬件设备小型化技术,将儿童生长发育评估“拍片-阅片-报告”流程优化至一个设备一站式检查的快速流程。

依图医疗:最佳医学科研平台奖

科研平台一直是依图医疗重点发力的方向之一。

2017年的北美放射学年会上,依图医疗就发布了“医学影像人工智能科研平台”,联合世界顶级科研机构,加速影像类应用从科研到产品的转化  。

2018年,依图医疗和华西医院合作构建了全球首个肺癌临床科研智能病种库。依图医疗CEO倪浩表示,构建智能病种库并不是最终目的,而是要基于华西医院高质量的数据,开展更大数据、更大样本的临床研究,探寻更多的医学规律和价值。

今年的全国放射学学术大会上,依图医疗再次进行自我革新,发布了最新的care.ai多组学智能科研平台。

相较于市面上大部分单纯基于医学影像既有低维特征提取、综合、分析的科研平台,care.ai多组学智能科研平台创造性的引入“多组学”概念,将深度学习技术前置于高维信息提取过程,协助医学专家探索更高维的医学信息世界,将“小样本亦大数据”的科研梦想变为现实;同时,将影像、文本、基因、病理等多模态信息引入科研流程,贴近科研需求,为科学研究提供全面且完善的AI助力。

依图医疗副总裁石磊博士表示,科研平台的目的是为临床医生提供能够满足复杂科研需求的科研工具,是一件一定要做的事情。

未来,依图医疗的发展将有几个非常核心的关键词:赋能基层、软硬一体、走向海外。

依图医疗副总裁方骢博士也表示,将围绕医疗AI产品的核心能力,不断开发出更多适配场景的解决方案,服务生态链上的不同环节,打造医疗AI良性发展的生态链条。

联影智能:最佳智能设备AI奖

影像设备是影像数据产生的源头,直接决定着影像的质量。影像的质量,又直接影响着医生的诊断和治疗。

联影智能联席CEO沈定刚教授表示,联影智能的思路是打造全栈全谱的AI、追根溯源的AI、瞻前顾后的AI,紧扣医疗的各个环节,提供跨影像模态,跨诊疗全流程AI赋能。

在“设备端的AI”这样的思路下,联影智能也推出了一系列亮点的技术。

联影智能uAI Vision “智能之眼”,可实时完成360°人体全动态捕捉、自动生成3D人像,让各类医学影像设备实现“一键智能”扫描。此外,uAI Vision还可赋能MI、MR、CT、RT、DR等多模态医学影像设备,实现全模态通用;凭借其嵌入式的AI运算单元,无须占用扫描设备主机运算资源,可轻松与设备实现数据传输,即插即用。

通过AI赋能,联影智能在磁共振加速扫描、PET-CT加速扫描与降噪、低剂量CT扫描等领域,也全面提高了成像速度和质量,提升设备性能。

联影智能推出新一代智能光梭成像技术平台ACS,在保证高清成像质量的同时,可减少近70%的磁共振扫描时间,实现百秒级优质成像,解决了磁共振扫描的三大核心难题——高效、高保真以及全覆盖。

PET-CT对癌症病灶的检测具有极高的临床价值与意义,但是扫描时间长。目前临床用PET-CT系统完成一次全身扫描约 15~20分钟。联影智能基于图像映射技术,开发了Hyper DLR重建技术,可有效去除因缩短扫描时间或降低扫描剂量所带来的PET图像噪声和伪影, 将PET-CT扫描时间减少约70%,使全身扫描可在5分钟内完成,并获得等同甚至高于目前PET-CT标准扫描时间所获得的图像质量。

降低和控制CT对患者的扫描剂量一直是临床上亟待解决的问题。基于图像映射技术,联影智能开发了uAI Deep Recon CT扫描降噪技术,在降低噪声的同时,最大程度保留细节信息,生成高清晰、高保真的图像,进而助力医生完成临床诊断。这项技术可在CT扫描中,在相同图像质量下,可减少85%的辐射剂量,而在相同剂量下,可以提高160%的低对比度可检测性。

沈定刚教授表示,联影智能将充分利用联影集团在医疗设备方面的优势,提供软硬件结合的AI解决方案,全面提高诊疗效率、提升诊疗精度,真正助力临床实践和科研。

推想科技:最佳肺癌全周期智能解决方案奖

2015年,推想在国内率先尝试利用AI技术进行肺结节影像的自动识别,围绕肺部疾病,推想科技打磨了三年。今年8月,推想又率先发布了“肺癌全周期智慧解决方案”。

推想科技CEO陈宽曾表示,“肺癌全周期解决方案”的想法在两年前就已经产生,肺癌全周期的解决方案是对已有产品线的补全,让肺部的诊断方案更加完善。

肺部CT的AI产品可以帮助医生进行更好的筛查辅助。但是,筛查出来的患者如何治疗、医院如何更好地提供服务,这是AI产品在实现单点突破后必然要做的一件事情。

“肺癌全周期解决方案”通过科研质控平台帮助医生AI科研创新和临床落地应用;为医疗机构建设“影像数据库”和“临床数据库”数据中心,实现数据统一化、标准化管理;最终通过AI医疗应用平台提供AI预防、诊断、治疗的全周期、规范化的肺癌解决方案。

同时,推想已经与辽宁锦州医科大学附属第三医院以及山东聊城市第二人民医院等合作伙伴共同验证了该解决方案的可行性。

推想科技CEO陈宽表示,肺癌全周期方案不仅在地方医院试点,商业化也更侧重于基层医院端。推想科技希望用最顶级的医院技能训练人工智能,最终提供给偏远地区的医院,提升基层医院医生的能力。

目前,推想科技绝的肺癌全周期解决方案已经在十几家医院里进行应用,未来会在更多的地方医院进行推广。

微软亚洲研究院:最佳全科医学智库奖

微软亚洲研究院是微软公司在亚太地区设立的研究机构,也是微软在美国本土以外规模最大的一个,在中国已有20多年的历史。在AI+医疗方面,微软作为一家平台公司,提供很多AI工具和解决方案,与此同时,微软亚洲研究院在AI领域拥有多年的技术积累,通过与医院、高校、制药企业等合作伙伴建立研究合作,以科技创新驱动健康医疗发展,最大程度发挥人工智能等前沿技术的价值。

日前,微软亚洲研究院代表微软公司与辉瑞生物制药集团正式签约,使用云计算和人工智能技术,以智能图片识别方式来帮助基层医生识别不同种类的真菌,开发‘AI+感染智能甄别’新模式以协助提升感染病原的检出率,共同推动基层感染性疾病的诊疗水平及抗菌药物的合理使用,实现抗感染的精准治疗。

微软亚洲研究院还参与了盖茨基金会等机构在疟疾方面的研究合作,帮助落后地区诊断疟疾。此前,专家需要用肉眼来观察统计被入侵红血球的数量,是一项非常繁琐的工作。现在,AI系统可以自动扫描玻璃膜片,统计疟疾细菌侵入的密度。如果膜片有很多层,系统还可以自动对焦,有效减轻工作人员的压力、减少人力带来的失误。

此外,微软亚洲研究院从2010年左右就开始钻研脑肿瘤病理切片的识别和判断,通过细胞的形态、大小、结构等特征去辅助分析和判断病人所处的癌症阶段,并且基于“神经网络+深度学习”的模式,取得了多项学术研究突破。除了脑肿瘤以外,该研究结果也可以扩展至其他疾病的二维医学影像的识别和判断,例如正在研究的肠癌等。雷锋网雷锋网

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说