采用 AI 技术的医疗创业公司大量涌现


肽积木用 AI 辅助医生「看片」, 诊断糖网病速度提升 20 倍

雷锋网【新智造】按:过去的两年里,采用 AI 技术的医疗创业公司大量涌现。 调研公司 CB Insights 今年跟踪报道了 106 家主打 AI 技术的医疗公司,报道指出医疗 AI 已实现辅助诊断,慢性病管理和制药等领域潜力巨大。雷锋网(公众号:雷锋网)也曾报道国内一些基于 AI 技术的医疗创业公司,此次,作为「新智造成长榜 2017」的参与者,我们采访了以 AI 辅助医疗影像诊断的新型创业公司肽积木,通过其创始人柏文洁,主要讲述了该公司在技术和产品等方面的发展情况。

肽积木用 AI 辅助医生「看片」, 诊断糖网病速度提升 20 倍

肽积木创始人柏文洁

柏文洁是一名大数据领域的连续创业者,曾是大数据公司信柏科技和时趣互动运营核心创始成员,在大数据、人工智能产品、运营和推广等业务环节都具有丰富经验。

因为之前一直在做大数据,而从大数据转到人工智能其实是比较自然的过程。但大数据在分析过程中,应用点还是显得比较单薄一点,而人工智能它可能在更大程度上能够落到一个结论层面。所以我们在这个点上想用人工智能和医疗来做结合,来看看具体的应用场景到底是什么样。

将 AI 与医疗结合的创业项目林林总总,但成立于 2016 年 7 月的肽积木却选择了从对糖网病的眼底阅片切入,以人工智能辅助医学影像诊断。其实,Google 旗下人工智能子公司 DeepMind 也将人工智能的触角伸到了医疗层面,其首先选择的领域就是糖网病的筛查。而在国内,也有不少于 10 家创业公司在糖网病的筛查诊断上有所布局。

据世界卫生组织(WHO)的报告,中国约 5 亿人成年人处于糖尿病前期,糖尿病患者约有 1.1 亿人,约 1/3 糖尿病患者(约 3700 万)患有糖尿病视网膜病变(简称「糖网病」),其中有1/3(约 1200 万)面临失明的风险。而另一方面,中国医疗资源的匮乏,使得基层社区甚至没有眼底设备进行筛查。这也是柏文洁选择介入这个庞大市场的原因,他们的目标就是要提高医生效率,同时平衡医疗资源。

肽积木用 AI 辅助医生「看片」, 诊断糖网病速度提升 20 倍

在技术层面上,肽积木将深度学习技术应用于医疗影像识别。他们独创了 PL-NET(基于局部信息的深度识别网络)算子,将深度网络应用于病灶识别标记、病程判断及病理分析中。具体技术优势主要体现在以下几个方面:

  • 速度快。医生读片一般需要 3-5 分钟,而肽积木利用 AI 技术在 13-15 秒就可以完成一张眼底图片的病灶标记。整体上包括病例生成、病灶判断和分级都不超过 30 秒,能够最大限度提升医生的效率。

  • 稳定性好。机器在阅读眼底图片时具有一定的识别性,实际场景应用在某种程度可能会超过医生。

  • 准确率高。在特定数据集上的准确度超过 97%。

雷锋网新智造了解到,肽积木通过与医院及医疗机构合作,已累积获得超过 20 万张标准医学影像,其中包括眼底照片、X 光、CT 和深度脱敏诊断结果。下一步肽积木会将人工智能辅助诊断技术应用到 X-光胸片和胸部 CT 等更多领域。

产品方面,肽积木推出了人工智能辅助阅读医疗影像平台,构建了医疗大数据人工智能训练平台。此外,面向 C 端客户的人工智能眼底读片 APP 也已经正式上线。

医疗影像诊断机器人是一款面向不同医疗机构的低成本高效辅助阅片工具,利用人工智能技术,可实现秒级精准阅片,并可根据影像结论实现疾病诊断、分级诊断、病灶标识、病例自动生成、治疗方案建议及病情发展预测等全环节的诊疗辅助工作。

医疗大数据人工智能训练平台,包含数据的整合清洗、标记平台的标记、机器人快速训练和标准接口应用四大模块。在实现对医疗影像及标注数据的高质量采集的同时,可开放给从业医生进行数据标注并训练成辅助诊断的机器人,辅助科研成果形成。

面向 C 端客户的 APP——Doce 糖尿病自查利器,病人可以根据自己在医院进行相应检查得到的图像,上传至肽积木的 APP,从而快速获得患病等级及病灶分析,即获得第二诊断意见。柏文洁曾在雷锋网硬创公开课上表示,肽积木使用的数据基本都由三甲医院提供,机器的准确率基本上能持平顶尖医生。

肽积木用 AI 辅助医生「看片」, 诊断糖网病速度提升 20 倍

柏文洁解释说,肽积木推出 APP 主要是为了获取用户,提高知名度。「至少在这个领域内,在 C 端我们是第一家能够推出人工智能 APP 来做第二诊断意见的公司」。

不过,考虑到糖尿病患者大多是中老年群体,为给用户提供便捷服务,目前他们获取 C 端用户的方式更多围绕公众号进行。通过在社区医院做免费的联合眼底筛选活动进行线下推广,这在一定程度上也加大了工作量,效率也不是很高。对此,柏文洁表示,「AI 还真得落地,我们不能飘在天上,这在逻辑上不太可行。我们宁可去做重一点,做一些线下(推广)的事情。」

由此,可以看出肽积木采用的是 B+C 的商业模式,在 C 端,他们通过收费服务向用户提供诊断意见。而在 B 端,已经与 20 多家三甲医院和基层医疗机构进行了合作。肽积木希望打通整个医疗环节,能够帮助医院来进行分级诊疗,提升整个医疗系统的运转效率。

我们的远景其实特别简单,就是希望利用人工智能技术能够平衡医疗资源,而不仅是提升医生效率。尤其在基层或者社区,那里其实并没有足够好的资源。我们可以通过 AI 学习三甲医院的技术,哪怕学到 80% 都能够帮助到糖尿病患者,把分级诊疗真正做好。或者说,让普通的病人不需要去三甲医院排队,就能够享受到我们的优质服务。

目前,肽积木团队 10 人左右,公司核心团队的大数据行业平均经验超过 3 年。在营收方面,他们希望今年达到盈亏平衡。今年 4 月,肽积木获得了某医药集团的数百万天使投资,新一轮融资也已启动。

雷锋网正在启动“新智造成长榜2017”评选活动,我们将对人工智能与机器人行业进行大规模报道、梳理和调研,并联合数十家著名投资机构根据这些创新公司的技术实力、商业能力和成长性进行深度评选,最终从多个领域分别选出一些极具潜力成长性的创新公司。

本文作者:王金许2017-06-07 08:28
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值