AI 之火,可以燎原:盘点那些年重磅的人工智能产品

每年都会有资本和市场追逐的几个关键词。今年,人工智能从 Alpha Go 战柯洁、无人驾驶、语音识别等逐渐烧热到医疗领域。医药经理人刘谦曾这样描述过人工智能与医疗不断融合后,医疗界的态度 :

所谓树大招风,医疗界对 AI 的态度分为两极。

乐观派捧上天的心态,动辄「人工智能即将取代 XX 职业」、「XX 即将失业」,甚至人工智能将统治人类,颇有 5-6 年内让医院关门让医生失业的架势;

悲观派对 AI 的质疑就没有间断过:算法不高级、数据质量差、难训练、「人工智障」和缺乏使用场景等等,说它是医生的辅助工具就已经算客气的了。

现在,医疗 AI 究竟发展的怎么样了?一位研究互联网 + 医疗健康行业布局的健康管理人员,整理了她这些年了解到的一些应用在医疗上的比较火热的人工智能产品。

影像科、皮肤科首当其冲

人工智能发展至今,已涉足医学影像、基因检测、临床手术、辅助决策等多个医疗领域。其中,医学影像属于介入较早且卓有成效的板块之一。

轻松识别糖尿病早期视网膜病变的 AI

2016 年,Google DeepMind Health 团队给自家 AI 喂养了 12.8 万副视网膜眼底图像,打造出一只可以轻松识别糖尿病早期视网膜病变的 AI。

这项技术,让那些可能将在 3 年、5 年甚至 10 年后失明的糖尿病患者,获得了宝贵的提前治疗机会。

在验证实验中,研究组请来了 8 位眼科专家,与 AI 一同识别 9,963 张眼底图像。结果,AI 以高达 97.5% 的灵敏度和 93.4% 的特异性惊艳四座,诊断能力堪比专业医师(后者为 96.1% 的灵敏度和 93.9% 的特异性)。

图片来源:Google research Blog

皮肤病智能诊断 AI

视网膜病变检测,仅仅是 AI 介入医疗诊断的冰山一角。2014 年至今,经过深度学习的 AI 们,已先后在皮肤癌、乳腺癌、先天性白内障、心脏病、脑部肿瘤等病灶识别技术上有所建树。

今年 5 月,丁香园、中南大学湘雅二医院、大拿科技共同宣布就皮肤病人工智能辅助诊断达成独家战略合作,并发布和展示了由三方联合开发的「皮肤病人工智能辅助诊断系统」。

经过数月的科技攻关,目前已研发出了较成熟的红斑狼疮人工智能辅助诊断模型。该模型对红斑狼疮各种亚型以及其鉴别诊断疾病能进行有效地区分,其识别准确率超过 85%。

AI 皮肤癌检测

图源: Stanford university 官网

识别甲状腺 B 超的 AI

在今年,知名电商大佬就发布展示用于甲状腺结节病灶识别的 AI。

经过训练后,它可以在十几秒内处理完一张甲状腺 B 超,借助计算机视觉技术,这套算法可以对甲状腺B超快速扫描分析,圈出结节区域,并给出良性与恶性的判断,大大节省了医生的诊断时间。

一般来说,人类医生的准确率为 60%~70%,而当下算法的准确率已经达到 85%。可以说是相当于给医院配了一个 24 小时不休息的「实习医生」。

辅助诊断不甘其后

在医疗人工智能刚开始的时候,做影像学和皮肤学相关的人很多,但慢慢地,更多的人开始把目光转移到辅助诊断上。

肿瘤领域的专家 AI

在肿瘤方面,做得最出色的当属 IBM 旗下的 Waston 肿瘤医生。这位在 2012 年就通过美国执业医师考试的 AI 老前辈,可以在 17 秒内阅读 3,469 本医学专著、248,000 篇论文、69 种治疗方案、106,000 份临床报告。

Waston 能够提供包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、子宫癌等疾病的诊断和治疗方案,匹配度达 90%,是目前最成熟的辅助诊疗系统之一。

2016 年,随着浙江省中医院沃森联合会诊中心成立,Waston 肿瘤医生正式落户中国。目前,这位兢兢业业的医生正活跃在多家医院的一线岗位上呢。

手机里的 AI 医生

Triage 是手机里的「家庭医生」,如它的名字一般,行使着「连接医患,帮助医生进行患者分类」的职责。

具体来说,就是经过深度学习后,它可以在面诊前通过与患者对话、问诊等获取患者信息,从而实现分诊。

不仅如此,Triage 还能协助完成治疗方案分析,同时为患者提供常见病的处理建议。可以说是现实版的「大白」了。

智能穿戴方便生活

提到智能穿戴,就不得不提到 Google,他们在智能医疗行业深耕多年,不仅成立专注于 AI 研究的团队 DeepMind Health、Google Fit 和 Verily,还曾发布「随着血液流动的纳米机器人」这种几近科幻的产品,脑洞之大,着实为行业带来不少灵感。

在智能穿戴上,主要有 Google Glass、检测人体癌细胞微粒的医用测癌腕套、可监测血糖的智能隐形眼镜以及为帕金森患者研发的智能平衡勺子 Liftware Level 等,都为医疗带来了极大的便利。

Google 的智能隐性眼镜和 Liftware Level 勺子

除了 Google,Microsoft 也有自己引以为豪的智能穿戴。他们的 Seeing AI 制作了一款供视力障碍人群使用的智能眼镜。这款眼镜可以自动识别眼前的人和物,通过语音描述给佩戴者,结合相应的 APP,甚至可以读出文本。

它的出现,让这个世界对盲人来说不再遥不可及。

Seeing AI 团队盲人工程师

Saqib Shaikh 佩戴自己研发的产品

深度学习,离不开大数据

一只性能稳定,预测精准的乖巧 AI,身后必有完善且高质量的数据支持。

近期,来自哈佛医学院的 Kenneth D.Mandl 教授就在知名大刊 JAMA 上发文,对辅助医疗决策的数据系统构建提出大胆设想:

想要达到辅助诊疗的目的,依靠现有的电子健康档案是远远不够的,为此,我们需要构建一个临床信息共享(Clinical Information Commons,CIC)系统。

这个系统可以实现个体健康档案、生物样本、基因序列、医疗保健、行为方式甚至生活环境等数据的高度整合。

用于辅助诊断的 CIC 系统,图片来源:JAMA 官网

患者与系统方签署协议后开始共享个人数据,在今后的若干年内,数据将保持动态更新。

对于医生和科研人员来说,这些数据既可用于诊断决策,又可用于医学研究,为嗷嗷待哺的 AI 们提供高质量的「营养餐」,自不在话下。

而对于患者来说,一方面,他们是数据的贡献者,另一方面,他们也是 AI 深度学习完善后的最大受益者。

总之,目前国内的医疗人工智能产业总体起步较晚,产品也相对单一。但国民不断增长的医疗健康需求为 AI 催生了广阔的发展空间,相信在不久的将来,国产人工智能会带给我们更多惊喜。

作者|萨清,杭州师范大学健康管理硕士,参与课题「互联网+医疗健康行业布局研究」,发表 SCI 论文四篇

编辑|燕子

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171227B0CD1S00?refer=cp_1026

扫码关注云+社区