基于 AI 技术的医疗影像靠谱么?听听放射科的教授们怎么说

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

雷锋网消息,2017年7月22日,北京大学医学部影像医学学系第二次学术年会在北京国二招酒店举行,当天上午举行了“医学影像与人工智能论坛”。

基于 AI 技术的医疗影像靠谱么?听听放射科的教授们怎么说

雷锋网了解到,北京大学医学部影像医学学系成立于2016年9月3日。北京大学医学部医学影像学学系是以北京大学第一医院、人民医院、第三医院、肿瘤医院放射科为主体,联合其他北京大学所属临床医学院及教学医院相关教研室共同组成。

多位医院影像科专家、科研院所和创业公司参加了此次论坛。作为传统医疗行业的亲历者,他们如何看待  AI 在这个领域的前景以及发展方向,值得我们探究。

以下为几位演讲嘉宾的内容概要,雷锋网在不改变原意基础上做了摘要概述,供传统医疗行业从这也以及  AI 医疗从业者进行参考:

北大人民医院杜湘珂:AI进入医疗影像领域,一定是在单一、规律性强的领域

论坛中,北京大学人民医院杜湘珂教授进行了“医学影像中的人工智能技术”的主题演讲。杜教授表示,医学影像AI还处于“婴儿期”,但AI和人类相比在智能筛查方面的速度和准确性上都有很大优势,学术界和企业界已经出现了很多成果。

基于 AI 技术的医疗影像靠谱么?听听放射科的教授们怎么说

肺结节是早期肺癌的表现形式,在我国癌症死亡原因中,肺癌死亡率占第一位,肺癌的早期发现和治疗能极大提高病人的生活质量和存活率,对肺结节的筛查很重要。

杜教授认为,虽然AI在肺结节的检出上比人工快,但是肺结节的检出并不是那么简单,5毫米以下的小结节,尤其是1-3毫米的结节,情况更为复杂,并且肺本身的疾病分类就多达200多种,数据量非常庞大。“所以 AI 进入医疗影像领域应用的方向和切入点一定是在单一且规律性强的领域。”

同时,杜教授表示,“ AI 并不能完全替代医生。医生看病不止于看图这么简单,AI完成的仅仅是诊断环节中的一部分工作。同时,AI的盈利与能源消耗也是一个巨大的现实问题。IBM沃森医生与安德森癌症中心的合作已经暂停,花费了6200万美金。“

华中科技大学同济医学院艾涛:CT扫描是肺结节检测的“金标准”

随后,华中科技大学同济医学院附属同济医院的艾涛教授进行题为“深度学习与肺结节的智能识别”的演讲。

基于 AI 技术的医疗影像靠谱么?听听放射科的教授们怎么说

艾涛表示,CT扫描是肺结节检测的“金标准”,但是检测结节的难度也很大,在工作量巨大的情况下,大约39%的结节会被放射科的医生遗漏,同时良恶性的分类也是个很大的挑战。

他表示,深度学习算法是对人工神经网络的发展。多数算法是半监督式学习算法,用来处理存在少量未标识数据的大数据集。常见的深度学习算法包括:受限波尔兹曼机(Restricted Boltzmann Machine,RBN),Deep Belief Networks(DBN),卷积网络(Convolutional Network)。在这些算法的帮助之下,能够在提升效率的前提下,减轻放射科医生的工作量,但尽可能降低漏诊的比例。

除了学术界人士之外,大会还邀请了企业代表分享了各自公司在医学影像方面的应用。

推想科技CMO夏晨:如何让医疗人工智能进行落地

推想科技CMO夏晨博士进行了主题为“医疗人工智能的落地与应用案例”的演讲。夏晨博士从企业的角度分享了推想在技术研发和辅助诊断方面的应用情况。

基于 AI 技术的医疗影像靠谱么?听听放射科的教授们怎么说

雷锋网此前也多次对推想科技进行过报道。推想科技总部位于北京,是一家人工智能公司,致力于应用深度学习技术为医疗影像辅助诊断提供解决方案,推出了智能X线辅助诊断产品(AI-DR)、智能CT辅助诊断产品(AI-CT),智能深度学习科研平台(AI-Scholar),已在北京协和医院,上海长征医院、武汉同济医院、大连中山医院投入试用。

在早期肺癌筛查中,推想的智能 CT 以其并行运算能力,能够挖掘肺癌的核心特征点,判断不同序列影像是否存在疑似癌症的特征。通过与医生诊断对比,智能 CT 辅助筛查产品能够提升肺癌筛查的效率,同时人工智能对半实性与磨玻璃结节等早期肺癌征兆展现出了更好的敏感性,能够帮助放射科医生提升诊断的准确率。

此外,其智能 X 线辅助筛查产品能够对心胸部位的20多种不同病灶进行判断,既可以帮助体检医生迅速筛检出存在病灶的影像,又可以在门诊住院病例的诊断过程中迅速标识出病变位置。

飞利浦医疗临床科学部郭宁:医学影像的物理驱动——应用驱动——数据驱动

随后,飞利浦医疗临床科学部郭宁以“从医学影像来看大数据在智慧医疗中的价值”为题,从“医学引影像的发展历程”、“医学成像的挑战”、“影像组学特征提取的方法”等方面发表了自己的见解。

基于 AI 技术的医疗影像靠谱么?听听放射科的教授们怎么说

他讲到,在医疗影像100余年的历史进程中,经历了从物理驱动到应用驱动再到数据驱动的发展过程,推动这一过程的技术,已经让人类对疾病有了不同层次的认知,这些不同的认知则组成了全面的“治疗大数据”。在这样的背景下,就对影像提出了新的要求,需要从影像中提取更多的特征、获知更多的信息,并且实现从定性到定量的转换。

面对这些挑战,飞利浦在2016年推出了一个医疗影像处理平台(IntelliSpace Discovery), 该平台采用了网络式架构,不受时空的限制,可以进行图像的后处理,也可以兼容其他图像开发平台。他表示,近年来飞利浦也收购了一些图像后处理的公司,希望以此把基因测序的结果连接到飞利浦的基因组后处理平台。此外,他还与听众分享了飞利浦公司在肿瘤基因组和数字化病理等方面的解决方案。

通用电器医疗战略市场经理姚婉:行业场景和商业模式是 AI 技术应用的基础

最后一位演讲嘉宾是通用电器医疗战略市场经理姚婉,她发表了“肺癌早筛早诊解决方案及人工智能技术应用”的主题演讲。

基于 AI 技术的医疗影像靠谱么?听听放射科的教授们怎么说

她表示,人工智能之所以会火是和产业结构相关的,包括核心技术、算法、硬件芯片等方面的成熟。同时,人工智能离不开大数据,海量数据为人工智能提供发展的土壤。近几年人工智能有这么大发展是因为能够和行业场景进行结合,而不仅仅停留在技术层面。“一项好的人工技术一定是要解决实际临床问题,同时要有好的商业模式。”

在演讲中,她分享了人工智能深度学习技术原理:通过建立深度学习神经元数学模型,直接从海量医疗影像的原始像素出发,让模型自己挖掘有效组学特征,学习和模仿医生的诊断技术。

雷锋网了解到,中国的肺癌疾病形势严峻,近30年肺癌的死亡率上升了465%,肺癌患者中晚期发现比例达到了75%,而肺癌患者五年的生存率仅为17%,这就为肺癌疾病的早期筛查提出了要求。

她认为,基于这个背景,需要新的技术来辅助医生提升诊断效率,从而提升整体的治疗效果。人工智能是一个很好的技术,通过建立深度学习神经元数学模型,直接从海量医疗影像的原始像素出发,让模型自己挖掘有效组学特征,学习和模仿医生的诊断技术,由此达到目的。

演讲嘉宾的分享结束后,还就“人工智能医学影像在基层医疗有哪些应用前景”、“企业在人工智能医学影像方面的研发和体验”等话题进行了探讨。

雷锋网(公众号:雷锋网)后续还将发布此次学术论坛演讲嘉宾的精编内容,敬请期待。


本文作者:李雨晨
本文转自雷锋网禁止二次转载, 原文链接
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
【9月更文挑战第4天】赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
|
1天前
|
数据采集 机器学习/深度学习 人工智能
AI在医疗诊断中的应用
【9月更文挑战第15天】本文将探讨人工智能(AI)在医疗诊断领域的应用。我们将首先介绍AI的基本概念和其在医疗领域的潜力,然后通过一些具体的案例来展示AI如何帮助医生进行更准确的诊断。最后,我们将讨论AI在医疗诊断中面临的挑战和未来的可能性。
|
2天前
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:智能化的医疗新时代
在当今科技迅速发展的时代,人工智能(AI)正逐渐渗透到我们生活的方方面面。特别是在医疗领域,AI技术的引入不仅为传统医疗注入了新的活力,更为未来的健康管理和疾病治疗带来了无限可能。本文将深入探讨AI在未来医疗中的应用及其潜在影响,从早期诊断、个性化治疗到患者管理,全面解析AI如何改变我们的医疗体验。
|
2天前
|
机器学习/深度学习 人工智能 算法
AI与未来医疗:重塑健康产业的双刃剑
本文深入探讨了人工智能(AI)在医疗健康领域中的应用与前景。从AI的基础性应用如智能诊断、药物研发,到其在远程医疗、个性化治疗和患者管理中的角色,文章详细分析了AI技术如何提高医疗服务效率、降低错误率并增强患者体验。同时,文章也讨论了AI在医疗领域面临的伦理、隐私和安全挑战,以及解决这些挑战的可能路径。最后,本文展望了AI与人类医生合作的未来图景,强调了技术与人文关怀结合的重要性。
20 8
|
2天前
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:革命性的技术,触手可及的健康
本文探讨了人工智能(AI)在医疗领域的应用及其潜力。从诊断辅助、个性化治疗到药物研发,AI正在改变我们理解健康和疾病的方式。同时,本文也讨论了AI面临的伦理挑战和数据隐私问题,呼吁建立相应的法律法规来保障患者权益。最后,本文对AI在未来医疗中的角色进行了展望,认为AI将继续推动医疗领域的创新和发展。
19 8
|
4天前
|
人工智能 搜索推荐 算法
AI与未来医疗:智能化诊疗的新篇章
在21世纪的科技浪潮中,人工智能正迅速融入各行各业。医疗领域作为关乎人类健康和生命的重要领域,自然也不例外。本文将探讨AI在未来医疗中的应用及其潜在影响,从智能诊断到个性化治疗,再到医疗机器人和远程医疗。通过对技术实现原理、应用场景及未来展望的分析,揭示AI如何改变传统医疗模式,提高诊疗效率和准确性,为患者带来更好的医疗体验。
|
1天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗诊断中的应用:精准医疗的加速发展
【9月更文挑战第16天】随着人工智能(AI)技术的不断进步,医疗领域正经历前所未有的变革。本文探讨了AI在医学影像分析、病历数据分析和病症诊断预测等方面的应用,展示了其在提高诊断准确性、推动个性化治疗和促进医疗资源均衡分布方面的巨大潜力。AI正加速精准医疗的发展,有望在未来实现更智能、个性化的医疗服务,全面提升医疗质量和效率。
26 11
|
5天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用
【8月更文挑战第43天】本文将介绍人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和健康管理等方面。我们将通过实例和代码示例,展示AI如何帮助医生提高诊断准确性,加速药物研发过程,以及提供个性化的健康管理方案。让我们一起探索AI技术如何改变医疗保健的未来。
|
2天前
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:革命性的技术,重塑健康格局
本文探讨了人工智能(AI)在医疗领域的应用及其对未来健康的深远影响。通过分析AI在疾病诊断、治疗和预防方面的具体案例,揭示了这一技术如何提升医疗服务的效率和准确性,并展望了AI在未来医疗中的潜力。
9 1
|
4天前
|
机器学习/深度学习 数据采集 人工智能
AI技术在自然语言处理中的应用与挑战
【9月更文挑战第12天】本文将探讨AI技术在自然语言处理(NLP)领域的应用及其面临的挑战。我们将介绍NLP的基本概念、主要任务和应用场景,并分析当前AI技术在NLP中的局限性和未来发展趋势。通过实际案例和代码示例,我们将展示AI技术如何帮助解决NLP问题,并探讨如何克服现有挑战以实现更高效的自然语言处理系统。