融到 3.8 亿的依图,正在人工智能医疗领域做什么?

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
NLP自然语言处理_基础版,每接口每天50万次
NLP 自学习平台,3个模型定制额度 1个月
简介: 上周(5 月 15 日),知名人工智能创业公司依图科技对外宣布,已于近日完成 C 轮融资。此轮融资高达 3.8 亿人民币,投资方包括高瓴资本、云锋基金、红杉资本、高榕资本及真格基金,募集到的资金将用于医疗核心技术研发、临床应用等方向。

专注安防、金融的依图为什么会选择踏足医疗?医疗影像鉴定场景有什么特点与难点?除了医疗影像鉴定,依图还在哪些细分方向有所布局?


针对这些问题,机器之心第一时间专访依图医疗总裁倪浩,得到不少有趣的答案。


「智能数字肺」,四万张图片与两秒钟


图像识别是人工智能技术落地的第一站,在医疗领域同样如此。


与安防场景的痛点相似,面对大量需要鉴定的医疗影像,人的精力显得非常有限。如果能运用图像识别技术帮助医生鉴定并给出一定的辅助诊断,在节约人力的同时,还可以减少因过度疲劳造成的误诊。


肺癌是所有恶性肿瘤中死亡率最高、发病率排名前三,同时发病后五年存活率最低的的疾病。因其早期表征不明显,引起病人的注意时大多已是晚期。发现肺癌的最佳方法,是让高危人群(特点是 45 岁以上、吸烟等)定期进行肺结节筛查。


鉴定一个人是否有肺结节病变,往往需要医生反复观察 200 张以上肺部横切面图像。浙江省人民医院放射科主任龚向阳曾在一次采访中表示,「一天有 200 个病人,医生就要看四万张图片,看两遍就是八万张…… 医生是非常疲倦的」。

微信图片_20211128181436.jpg

依图医疗总裁倪浩


在图片中寻找特征和特征之间的联系,正是深度学习的擅长之处。通过学习医院过往留存的影像和诊断数据,训练好的模型可以快速给出判断。与医生平均 10-15 分钟的诊断时间相比,模型「鉴定几百张图片只需两秒钟时间」。


除了给出影像判断,这款被称为「智能数字肺」的智能辅助平台还能生成文字版的诊断报告。目前已有多家顶级三甲医院采用「智能数字肺」平台,医生采纳诊断结果的比例高达 90% 以上。


「智能数字肺」的思路,是否能迁移到其他疾病或部位的诊断?倪浩表示「人体的部位非常多,我们在积极地将影像辅助诊断推广到其他方向,例如乳腺、腹部、脑部,涉及到新的影像类型如 MR、超声、钼靶等等。」

医疗影像之外,还在做 NLP 研究


在研发「智能数字肺」的同时,依图还开发了另一款针对儿科的辅助诊断系统——「咪姆熊」。


「咪姆熊」是一款供家长使用的手机 App。患儿家长只需根据孩子生病的情况,点击画面中对应小熊的部位,再回答细分的、与症状相关的问题,就能得到患儿的诊断分析和治疗方案建议。

微信图片_20211128181452.jpg

咪姆熊是广州市妇女儿童医疗中心官方卡通形象


与基于图像识别的「智能数字肺」不同,「咪姆熊」的开发完全基于文字资料——医疗病历。通过挖掘、学习庞大的过往病历建立模型,再与包含主诉、体查、家族病史、实验室检查结果等患者个人情况的模型相结合,「咪姆熊」能迅速给出诊断结果。目前「咪姆熊」支持近 60 种儿科常见疾病诊断,并能提供相应的治疗方法。


专注于 CV(计算机视觉)的依图,为何会涉足 NLP(自然语言处理)领域?在倪浩看来,对于深度学习来说,图像和自然语言处理在技术是共通的。「依图从来都不只是一家计算机视觉公司,我们自己的定位是人工智能公司」。


在 NLP 与医疗结合方面,依图已经取得两项重要进展。在文本提取方面,由于医生写作的自由文本(病历)如「病人持续发热,39 度,咽喉疼痛……」,很难被机器学习和使用。过去的方法是使用搜索引擎,但无法解决寻找类似「红细胞值在 A-B 区间的病例」等复杂问题。依图可以使用机器学习自动提取自由文本中的关键数据,将其转化为结构化数据。在帮助训练诊断模型的同时,还可以为医生提供病历回溯等功能。


在知识构建方面,依图可以让模型自动学习医学文献中的知识,并转化为诊断模型。被学习的医学领域权威文献包括「医学指南」,如心内科诊断指南、白血病治疗指南、肺癌治疗指南,以及在顶级杂志上发表的、在比较大的样本情况下做实验的文献。


目前「咪姆熊」已在广州妇女儿童医疗中心临床推行。虽然目标是提供给家长使用,但还是「规划一个比较长的时间,让医生先试用」。


踏足医疗,是因难得的历史机遇


尽管「人工智能公司」的定位是可以解释依图踏足医疗的条件之一,但显然缺乏足够的必然性。


倪浩笑称选择医疗方向一方面来自创始团队个人的就医体验,排很久队、诊疗时间只有几分钟,也无从判断医生的诊断结果;另一方面,每个人都希望见到专家,「医疗资源不平衡」已成为严重的社会问题。

微信图片_20211128181508.jpg

依图人工智能医疗产品的部分架构


「过去十几年,中国医疗行业的信息化做得非常好,积累了大量历史数据;人工智能技术也取得了巨大进展。场景、数据、技术具备,正是难得的、可以改变行业的历史机遇,因此我们决心去做。」观察了两三个月,去年下半年依图正式决定踏足医疗领域。通过几个月设计和开发,便推出「智能数字肺」、「咪姆熊」两款已经目前落地临床的产品。


明明是严谨的医疗领域,为何落地如此之快?推行中会不会有很多困难?


预想中会被医生抵触的「智能数字肺」系统,意外地得到了放射科医生的欢迎。「在医院演示时,医生会拿出自己的片子用系统诊断,大概半小时左右就会决定用这套系统……大家认为确实能提供帮助,并不是炒概念。」

微信图片_20211128181526.jpg

依图创始人朱珑、林晨曦


「我们原来预想的困难,在实践中发现并不是困难。同时依图拥有的不仅是深度学习技术积累,在怎样进入一个行业上也有不少业务层面上的积累。」


除了「智能数字肺」、「咪姆熊」,依图还在开发临床治疗辅助系统、数据可视化系统、个性化疾病预测等多款医疗产品。在医疗领域投入如此大精力,该如何平衡过往的金融、安防业务?或者,依图是否有意全面转向医疗领域?


「安防、金融、医疗都在高速发展中,需要通过招聘各个方向的人来平衡……我们正在非常快速的吸纳专业人才。」微信图片_20211128180742.png



点击阅读原文,报名参与机器之心 GMIS 2017 ↓↓↓

微信图片_20211128181541.jpg

相关文章
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】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技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
11 1
|
1天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在医疗诊断中的应用
【10月更文挑战第36天】随着人工智能技术的飞速发展,其在各行各业的应用日益广泛,特别是在医疗领域。本文将深入探讨AI技术如何革新传统医疗诊断流程,提高疾病预测的准确性,以及面临的挑战和未来发展方向。通过具体案例分析,我们将看到AI如何在提升医疗服务质量、降低医疗成本方面发挥关键作用。
71 58
|
9天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
111 59
|
1天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
16 10
|
1天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。
|
3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及其未来趋势
【10月更文挑战第34天】随着人工智能技术的飞速发展,其在医疗领域的应用也日益广泛。本文将探讨AI技术在医疗诊断中的具体应用案例,分析其对提升诊断效率和准确性的积极影响,并预测未来AI在医疗诊断中的发展趋势。通过实际代码示例,我们将深入了解AI如何帮助医生进行更精准的诊断。
|
3天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
【10月更文挑战第34天】人工智能(AI)技术正在改变医疗行业的面貌,为诊断过程带来前所未有的效率和准确性。通过深度学习、神经网络等技术,AI能够分析大量数据,辅助医生做出更快速、更准确的诊断决策。然而,AI在医疗领域的应用也面临着数据隐私、算法透明度和医疗责任等一系列挑战。本文将探讨AI在医疗诊断中的具体应用案例,分析其面临的挑战,并提供对未来发展方向的思考。
|
5天前
|
机器学习/深度学习 人工智能 搜索推荐
探索AI在医疗诊断中的革命性应用
【10月更文挑战第29天】 随着人工智能技术的飞速发展,其在医疗领域的应用已成为推动现代医疗服务创新的重要力量。本文旨在探讨AI技术如何在医疗诊断中发挥其独特优势,通过分析AI在影像诊断、疾病预测和个性化治疗计划制定等方面的应用案例,揭示AI技术如何提高诊断的准确性和效率,以及面临的挑战和未来发展趋势。
23 1
|
6天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与前景
本文探讨了人工智能(AI)技术在医疗诊断领域的应用现状及其未来发展前景。通过分析AI技术如何辅助医生进行疾病诊断、提高诊断准确性和效率,以及面临的挑战和伦理问题,本文旨在为读者提供一个关于AI在医疗领域应用的全面视角。
|
6天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。