肽积木用 AI 辅助医生「看片」, 诊断糖网病速度提升 20 倍

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

雷锋网(公众号: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。如果你想参与我们的评选,可点击「报名」链接,或通过邮箱xinzhizao@leiphone.com联系我们!


本文作者:王金许

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
|
26天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
1月前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第42天】本文将探讨人工智能(AI)在医疗诊断中的应用,包括其优势、挑战和未来发展方向。我们将通过实例来说明AI如何改变医疗行业,提高诊断的准确性和效率。
|
4天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
18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与挑战
随着人工智能(AI)技术的飞速发展,其在医疗领域的应用也日益广泛。从辅助医生进行疾病诊断到提供个性化治疗方案,AI技术正在改变着传统医疗模式。然而,AI在医疗诊断中的应用并非一帆风顺,面临着数据质量、模型可解释性、法规政策等一系列挑战。本文将从AI在医疗诊断中的具体应用场景出发,探讨其面临的主要挑战及未来发展趋势。
|
27天前
|
机器学习/深度学习 人工智能 算法框架/工具
探索AI在医疗诊断中的应用
本文将带你深入了解人工智能如何在医疗诊断领域大放异彩。我们将一起探讨深度学习模型如何助力医生进行疾病预测,以及AI技术如何提高医疗图像分析的准确性。文章还将展示一些实用的代码示例,让你更直观地理解AI在医疗诊断中的应用。
41 5
|
28天前
|
人工智能
AI在医疗诊断中的应用
随着科技的不断发展,人工智能(AI)已经逐渐渗透到我们生活的各个领域,其中包括医疗领域。AI的应用不仅可以提高医疗服务的效率,还可以提高诊断的准确性。本文将通过一些实例,详细介绍AI在医疗诊断中的应用。
|
29天前
|
机器学习/深度学习 存储 人工智能
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第43天】随着人工智能技术的飞速进步,其在医疗领域的应用日益广泛,特别是在疾病诊断方面显示出巨大潜力。本文将深入探讨AI技术如何在医疗诊断中发挥作用,面临的主要挑战,以及未来可能的发展方向。通过分析具体案例和最新研究成果,我们将揭示AI如何助力医生做出更准确、更快速的诊断决策,同时也会指出目前技术和实践中存在的局限性。
45 2
|
29天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗诊断中的应用与挑战
本文旨在揭示人工智能(AI)技术如何革新医疗诊断领域,提高疾病预测的准确性和效率。通过分析AI在图像识别、数据分析等方面的应用实例,本文将探讨AI技术带来的便利及其面临的伦理和法律问题。文章还将提供代码示例,展示如何使用AI进行疾病诊断的基本过程。
|
25天前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用与挑战
随着科技的飞速发展,人工智能(AI)已经渗透到各个领域中,其中包括医疗行业。AI技术在医疗诊断中展现出了巨大的潜力和优势,但同时也面临着一些挑战和问题。本文将探讨AI在医疗诊断中的应用以及面临的挑战,并通过代码示例展示AI如何帮助医生进行疾病诊断。
27 0
|
29天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的最新应用
探索AI在医疗诊断中的最新应用
下一篇
DataWorks