“黑天鹅”,正在改变 AI 落地医疗领域的加速度

简介: AI 阅片的技术,因疫情而提速,但也有可能因为「证」而再次回归常态。

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

编者按:本文来自微信公众号“极客公园”,作者 在野,36氪经授权转载。

三月中旬,意大利的疫情已经爆发。推想科技的两名员工在阿尔卑斯山脚下的德意边境,他们驱车准备前往罗马,去医院部署新冠肺炎 CT 的 AI 检测系统。

推想是一家 AI 医疗公司,主要利用 AI 进行医疗影像诊断,俗称 AI 阅片。针对新冠疫情,虽然核酸检测是金标准,但由于等待时间长、试剂盒不够、假阴性等原因,CT 成为重要的早筛及辅助诊断工具。

意大利不是推想唯一的海外援助对象,推想也不是疫情期间国内唯一一家将技术输出至海外的 AI 阅片公司。阿里云、数坤科技、汇医慧影也都有所行动。比如,数坤科技以一体机的形式对外捐赠,阿里云面向全球医院免费开放了新冠肺炎 AI 诊断技术的 API 接口。

疫情之前,AI 阅片技术在医疗产业内的落地正经历缓慢的推广过程,处在大面积商业化的前夜。疫情的爆发,让医疗系统看到了 AI 技术的优势。AI 阅片是否会在疫情期间加速落地应用?回答这个问题需要从两方面考量。

爆发前夜:需要时间,需要「证」

AI 阅片不是新技术,疫情爆发前,它已经走过了四五年的时间。和安防一样,医疗是 AI 视觉技术成熟后的主要落地场景。在此期间,如依图、深睿、推想和数坤等公司相继成立,大公司如腾讯、阿里、华为和平安等也开始布局。

总的来说,AI 阅片有两大作用,一是帮助医生发现微小病灶,二是快速得出量化指标。通俗一点说,医生拿到一个 CT 片子,需要从上到下、从左到右非常仔细地查看,发现结节、阴影等病灶后还要手动测量大小、形状、面积,耗时耗力,且浪费医生的专业能力,属于医生不得不做的脏活累活。AI 阅片能够简化这一过程,且作用显著。

v2_803a4b5520c744ac93e43eb2f0018f93_img_000_jpeg

疫情期间,数坤科技的新冠肺炎辅助检测系统正帮助武汉地区医院医生诊断|数坤科技

尽管如此,想要医疗系统理解并为之买单,还是件难事。目前,几乎所有的医疗 AI 公司都没有形成大规模商业化,市场仍处于爆发前夜。

究其原因,一是临床诊断不比科研,面对生命需要非常可靠的准确度和性能,AI 可不可信,能不能在医生不参与的情况下独自工作,需要时间打磨和验证;其二,临床应用需要相应的资质,例如在我国需要获得医疗器械准入许可,按照最新法规,这类辅助诊断软件大多被归入三类医疗器械,属于核准等级要求最高的一类。

疫情爆发后,AI 阅片的重要性凸显。将系统部署在影像科,能够分钟级判断患者的感染几率,在第一时间采取隔离措施,避免等待出片过程中患者在医院内移动带来的其他人员的感染风险。

在如此大规模的人类传染病背景下,时间意味着生命。也正是如此,AI 阅片从一个增效工具变成了刚需工具,并多次在政府的疫情防控工作报告中被提及。

从国内到海外

增援海外的 AI 阅片系统多是在国内被实际验证过的。

疫情爆发前期,国内各家 AI 阅片公司动作出奇的一致。1 月中旬疫情苗头初显,各家纷纷开始构建自己针对新冠肺炎 CT 检测的 AI 系统,并大多在 1 月 31 日前后正式交由医院使用。

AI 系统的构建需要大量的训练数据,这也是为什么从构建到上线需要半个月的时间。公司需要和自己的合作医院配合,让系统从足够多的新冠病人 CT 影像中充分学习,才能达到足以辅助医生工作的准确率。

以推想科技为例,CEO 陈宽告诉极客公园,由于此前推想的产品阵列中就有针对肺部的影像检测,因此其新冠肺炎辅助筛查系统是从已有的肺部检测系统迭代而来。

他表示,通过与武汉同济、武汉中南等医院的合作,系统得以快速迭代并推出。随着在海内外的不断应用,该产品也在日趋成熟。

还有一些公司此前没有布局肺部影像,也参与到 AI 抗疫中来。数坤科技的主打产品聚焦心脏及头颈的影像 AI 检测,在肺部影像方面布局较晚。CEO 马春娥告诉极客公园,数坤的新冠肺炎检测系统是疫情开始后从零构建的。值得一提的是,数坤的系统在影像之外联合了患者的流行病学史以及武汉接触史等外围信息,用多模态融合的方式提升诊断准确率。

像数坤和推想这样的头部 AI 阅片公司,多有自己的医院阵地,在此前的合作中已经建立信任关系,因此疫情爆发后能够迅速采取动作。据悉,推想的系统在武汉同济医院、北京市海淀医院、华西医院等上线应用;数坤的系统在武汉市中心医院、北京地坛医院、佑安医院等上线。

疫情蔓延至海外后,这些被国内抗疫验证过的系统被打包送往疫情严重的国家和地区。一方面是危急关头下的人道主义救援,另一方面也将我国的 AI 产品推向海外,在一定程度上起到催化市场的作用。

v2_1f9763c9f96d4b5d928528f54dc12d05_img_000_jpeg

驱车10小时后,推想科技的新冠肺炎辅助检测系统部署至意大利罗马生物医学自由大学附属医院|推想科技

快车道需要什么?

很多时候,商业的创新来源于一个初始的概念,它包含着一种美好的设想。然而在落地过程中,总会遇到需要克服的问题。有时是需求不明确,有时是市场没有被充分教育。

AI 阅片目前属于需求明确,但市场未被充分教育的阶段,这需要耐心和时间。疫情在全球肆虐带来悲剧的同时,也为 AI 阅片技术提供了施展的空间。对于 AI 阅片公司们来说,这也算是危机中的转机。

然而和其他行业不同的是,AI 阅片的商业化需要相应资质,这成为横亘在 AI 阅片公司们前进道路上的障碍。在我国,CT 影像的辅助筛查系统需要取得国家食品药品监管总局发布的第三类医疗器械经营许可证,产品才能以医疗器械的形式进行销售。相应的,在欧洲有 CE 认证,在美国有 FDA 认证。

2019 年,国家开放医疗 AI 公司相关软件产品的三类证申请,行业普遍的看法是 2020 年头部公司将获批。因此,尽管疫情黑天鹅将 AI 阅片行业撞出常规车道,但要想在快车道持续行驶,还要看资质什么时候下来。

「从宏观来看,疫情对医疗行业接受 AI 的意识肯定有推动,但其实疫情结束了,一切还是会回归常态」,一位不具名业内人士如此表示,他显然并没有那么乐观。

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-14
本文作者:极客公园
本文来自:“36Kr”,了解相关信息可以关注“36Kr

相关文章
|
21天前
|
机器学习/深度学习 人工智能 自然语言处理
Baichuan-M1-14B:AI 助力医疗推理,为患者提供专业的建议!百川智能开源业内首个医疗增强大模型,普及医学的新渠道!
Baichuan-M1-14B 是百川智能推出的首个开源医疗增强大模型,专为医疗场景优化,支持多语言、快速推理,具备强大的医疗推理能力和通用能力。
169 16
Baichuan-M1-14B:AI 助力医疗推理,为患者提供专业的建议!百川智能开源业内首个医疗增强大模型,普及医学的新渠道!
|
4天前
|
人工智能
科技赋能妇产医疗,钉钉联合打造小红 AI 患者助理
复旦大学附属妇产科医院与钉钉共同打造的 AI 助理“小红”上线。“小红”孵化于钉钉智能化底座,通过学习复旦大学附属妇产科医院的 400 多篇科普知识,涵盖妇科疾病宣教、专业产科指导、女性健康保健等问题,能够为患者提供妇科疾病、产科指导、女性健康保健等知识的专业解答。
51 10
|
1月前
|
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。
149 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
|
28天前
|
人工智能 监控 安全
设计:智能医疗设备管理系统——AI医疗守护者
该系统将结合人工智能技术与区块链技术,实现对医疗设备的智能化管理。目标是提高医疗设备的管理效率,确保医疗设备的数据安全,优化医疗资源的配置,提升医疗服务质量。
|
30天前
|
存储 机器学习/深度学习 人工智能
昇腾AI行业案例(六):基于 PraNet 的医疗影像分割
欢迎学习《基于 PraNet 的医疗影像分割》实验。在本实验中,你将深入了解如何运用计算机视觉(CV)领域的 AI 模型,搭建一个高效精准的医疗影像分割系统,专注于息肉分割任务,并利用开源数据集对模型效果加以验证。
33 1
|
2月前
|
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。
172 31
|
2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挑战
本文深入探讨了人工智能(AI)技术在医疗领域的应用现状、面临的挑战以及未来发展趋势。随着科技的飞速发展,AI技术正逐渐渗透到医疗行业的各个环节,从疾病诊断、治疗方案制定到患者管理等,都展现出巨大的潜力和价值。然而,AI技术的广泛应用也带来了数据安全、伦理道德、法规监管等一系列挑战。本文旨在通过分析AI技术在医疗领域的实际应用案例,揭示其优势与不足,为推动AI技术在医疗领域的健康发展提供参考。
237 23
|
3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:未来已来####
本文深入探讨了人工智能(AI)技术在医疗领域的革命性应用,重点分析了其在疾病诊断、个性化治疗、药物研发及患者管理等方面的突破。通过具体实例展示了AI如何提升医疗服务效率与质量,同时讨论了伴随技术进步而来的伦理、隐私与数据安全等挑战,并对未来AI医疗的发展趋势进行了展望。 ####
104 20
|
2月前
|
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。
110 13
|
2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。
106 2