在中国医疗人工智能发展迅速,Airdoc已经完成数百万张影像的识别

简介:

2018年3月27日,英伟达举办的GTC 2018 在美国加州圣何塞市召开,吸引了全世界各地的人工智能从业者的广泛关注,中国医疗人工智能企业Airdoc亮相演讲。

2018年3月27日,英伟达(NVIDIA)举办的GTC 2018 (2018年度GPU技术大会)在美国加州圣何塞市召开。本次为期数天的大会吸引了全世界各地的人工智能从业者的广泛关注。在3月29日的日程中,中国医疗人工智能企业Airdoc的代表在25分钟的演讲中详细介绍了人工智能技术在医疗领域的发展及应用现状,来自中国顶级公立医院的眼科专家以案例的形式给听众描述了人工智能在医院临床中发挥作用的真实情况。

Airdoc人工智能助力基层医疗

来自上海长征医院眼科的李由教授作为专家代表出席本次大会,并详细讲解了人工智能在医院临床中的具体应用——即人工智能技术如何帮助医生的日常工作。

在中国医疗人工智能发展迅速,Airdoc已经完成数百万张影像的识别

图 | 上海长征医院李由教授

中国医疗资源分配不平均,大多数优质医疗资源都集中在大城市和大医院中,很多偏远地区缺乏优质医疗资源。李由教授曾多次跟随医疗队的支援活动走进高原、新疆和西藏等边远地区,那里不仅缺少药品和医生,而且很多人到医院支援点需要花费很长时间。李教授曾经去过的宁夏海北藏族自治区,有几位妇女双目失明,一辈子没有离开过大山。当地残联的工作人员花了3天时间骑马接他们来找李教授就医,但是由于他们的糖尿病视网膜病变时间太长,已经失去最佳的治疗时机。

交通、环境和经济问题困扰了很多患者,仅仅靠医生支援活动无法有效解决问题。为了改善基层的就医环境,长征医院和Airdoc合作研发了慢性病人工智能算法,医院专家在大量的视网膜图片上对病变部位进行逐一标注,每一张图经过多名眼科专家交叉标注,这样训练出来的算法,其准确率和三甲专科医院的专业眼科医生的水平相当。

李由教授介绍到:“现在长征医院将Airdoc的算法部署在合作的众多基层医院,患者在基层医院拍摄了眼底照片之后,很快就能在自己手机上收到人工智能判读和医生确认的筛查报告——不仅能看到疾病识别结果,有必要的情况下还可以保留视网膜照片将来进行对比。”

浙江患者盛老先生就是在与长征医院合作的当地县医院, 通过Airdoc人工智能慢性病识别系统快速识别出糖尿病视网膜病变后,及时转诊到上海长征医院进行主动干预治疗,现在他的视力已经恢复得非常理想。

Airdoc人工智能社区慢病筛查

中国现有约1,200万糖网患者,他们可能面临早晚失明的危险,另有白内障患者超过1亿,40岁以上青光眼患者超940万。这些疾病导致平均每一分钟就有一个人失明,给患者和家庭带来沉重的负担。眼科医生数量有限,还有20%的县级医院因为没有眼科医生而无法设置眼科,失明不仅成为一个巨大的社会问题,更是一个严重的医疗难题。

在中国医疗人工智能发展迅速,Airdoc已经完成数百万张影像的识别

图 | Airdoc产品经理Emma分享

为了解决基层慢病的筛查发现问题,Airdoc先后从多家国内外顶级医院收集了百万张眼底照片,请多名眼科专家交叉标注,并且选择共同标注作为金标准。在大量数据的基础上构建多层卷积神经网络,此间英伟达强大的GPU为医学人工智能领域算法的研发提供了强有力的技术支持。

Airdoc研发成功的人工智能慢病筛查算法,可以自动识别多种常见眼底疾病及糖尿病、高血压眼底病等全身慢病。在灵敏性和特异性等主要指标上,获得了和人类医生完全相当的结果。

Airdoc产品在中国已经陆续应用在社区、医院、工厂、办公室和体检中心等地,给中老年人、慢病患者、白领员工和工厂工人等各种各样的人群做慢病筛查,覆盖了北京、上海、广东、新疆、海南、安徽等众多省市,2017年通过算法已经完成对200万张医学影像的高效准确识别。

于此同时,Airdoc提交了中国第一个医疗人工智能CFDA3的申请材料,鉴于Airdoc在医疗AI领域的贡献,公司被选为人工智能学会智慧医疗专委会常委单位。

Airdoc眼科产品经理Emma Xu说,“临床应用的成功是对一个产品的最高肯定,在过去三年间,从被质疑到被肯定已经被应用,Airdoc的坚持得到了市场的肯定,我们一直希望人工智能技术能够像空气一样平等,每个人都可以享受最优质的医疗服务。”


原文发布时间: 2018-03-30 14:49
本文作者: 氢传播
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
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、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
88 0
|
20天前
|
机器学习/深度学习 人工智能 搜索推荐
医疗领域的人工智能:诊断和治疗的革命
医疗领域的人工智能:诊断和治疗的革命
161 84
|
4天前
|
人工智能 API
MMedAgent:专为医疗领域设计的多模态 AI 智能体,支持医学影像处理、报告生成等多种医疗任务
MMedAgent 是专为医疗领域设计的多模态AI智能体,支持多种医疗任务,包括医学影像处理、报告生成等,性能优于现有开源方法。
46 19
MMedAgent:专为医疗领域设计的多模态 AI 智能体,支持医学影像处理、报告生成等多种医疗任务
|
22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。
107 31
|
22天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
186 10
|
29天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
88 9
|
1月前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
|
1月前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
48 2
|
1月前
|
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与前景
本文探讨了人工智能(AI)技术在医疗领域的应用,包括疾病诊断、治疗方案制定、药物研发等方面。通过对现有研究成果的梳理,分析了AI技术在提高医疗服务效率、降低医疗成本、改善患者体验等方面的潜力。同时,也指出了AI技术在医疗领域面临的挑战,如数据隐私保护、伦理道德问题等,并展望了未来的发展趋势。
124 2
|
1月前
|
机器学习/深度学习 人工智能 机器人
AI技术在医疗领域的应用及挑战
本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的定义和分类开始,然后详细介绍其在医疗领域的具体应用,如疾病诊断、药物研发等。最后,我们将讨论AI在医疗领域面临的挑战,包括数据隐私、伦理问题等。