AI黑馬切入醫療
作者： 王曉行
在人工智慧行業，提起依圖科技，大家會想到的是它幫助公安“看臉”破案，協助招商銀行“刷臉取款”以及杭州的“城市資料大腦”，但在醫療領域的突破和進展，大家知之甚少。
2017年2月14日，央視《走近科學》欄目講了一個醫療界“阿法狗”幫助放射科醫生工作的故事。紀錄片中，和浙江省人民醫院共同研發醫療影像智慧診斷輔助平臺的就是依圖科技。
帶著對這匹醫療人工智慧黑馬的好奇，動脈網記者去杭州做了實地採訪。
> > > >AI黑馬切入醫療
依圖科技創始人朱瓏曾陪家人去醫院，在候診室排隊很久，進到診療室裡，醫生和他講了不到3分鐘就結束了，他也無從判斷醫生給出的結果。作為MIT的博士，在醫生面前，朱瓏有種自己是一個“文盲”的感覺。那時候，朱瓏隱隱覺得哪裡不對，想著是不是有辦法改變這個狀況？
2016年，依圖科技進入醫療行業。此時，依圖已經為全國十幾個省公安廳提供人臉識別技術協助破獲案件上千起，
在與這些行業的合作和應用打磨中，依圖的底層演算法、工程能力日趨成熟，這正是依圖在醫療領域能“跑”的快又穩的基礎。
動脈網瞭解到依圖科技的創始人朱瓏是加州大學洛杉磯分校統計學博士，師從AlanYuille（國際電腦視覺屆奠基人之一）教授，從事電腦視覺的統計建模和計算的研究，之後在麻省理工學院人工智慧實驗室擔任博士後研究員，
朱瓏的搭檔、依圖科技聯合創始人林晨曦則是雲計算領域的專家，曾在阿裡雲搭建了國內最大的擁有自主智慧財產權的飛天分散式雲計算作業系統。
創始人朱瓏（左）和聯合創始人林晨曦（右）
依圖進入醫療，在短短幾個月內，先後開發了智慧影像診斷輔助系統和基於病歷資料的智慧診斷輔助系統。2016年9月，依圖與廣州婦女兒童醫療中心合作，開發了針對幼兒發燒診斷相關的虛擬醫生“咪姆熊”。
動脈網從公開資料瞭解到，“咪姆熊”是基於深度學習技術，通過對醫院的病歷資料的學習，建立的十幾種兒童常見疾病的診斷模型。
6個月後，基於依圖技術平臺的肺結節智慧影像輔助平臺在浙江省人民醫院的上線，依圖在醫療行業聲名鵲起。
> > > >“弱人工智慧”時代，讓醫生把重複性工作交給AI
在一次浙江省內醫院放射科主任的交流會上，專家們提到，當下仍是一個“弱人工智慧”時代，但在一定的範圍內，人工智慧是完全可以幫助醫生提高工作效率，幫助彌補一些由於工作疲勞或經驗不足，而導致的診斷效率低、準確性不夠高等問題。
事實上，作為一門經驗科學，放射醫學在高密度工作情境下，受限於醫生疲倦度和情緒等問題，的確是通過人工智慧新技術可以來協助解決的痛點之一。正因此，擁有大量資料的影像科成為人工智慧在醫療最先突破的點之一。
以一個二線城市的三甲醫院為例，專家醫生每天平均要讀大約200個患者的CT影像，每個患者檢查就將產生200張左右的影像檔，全部看一遍則要閱讀4萬張。這樣的工作量，即便對專家醫生來說，也是一大挑戰。
而如果人工智慧可以先做初篩，檢出病灶並對病灶進行描述界定，把人工智慧出的結果和醫生出的結果做一個比較，結果不同的再由專家把關，這樣可以有效減少專家的工作量。
依圖醫療專家鄭永升認為，醫療人工智慧產品是服務醫生的，只有走進醫生的工作才能真正瞭解他們的實際需求。最初，業界認為人工智慧是機器把專家的經驗學習過來，再去幫助基層醫生做診斷，但實際上即便是三甲醫院的專家們也非常需要。
> > > >依圖AI讀片，肺小結節識別率已超過90%
在醫療領域從“0”到“1”的過程中，依圖科技和此前每進入一個新領域一樣，不僅要面對“AI＋醫療”這件事本身的不確定性，更要理解醫療本身超高的複雜度。
以肺結節檢測為例，在臨床上存在著患者是有多種病灶的，這本身已經超越了簡單的檢測肺結節。
"在醫療領域，存在著大量像肺結節檢測這樣的場景。基於依圖目前建立的醫療人工智慧全鏈路研發平臺，在醫療專家的參與下，我們可以快速的將產品在醫療領域的各個細分場景推廣落地。讓醫療專家站在AI的肩膀上，共同推動醫學的發展，是依圖醫療的努力方向。"鄭永升對動脈網記者說。
在實際使用5個月時間後，浙江省人民醫院放射科與依圖科技聯合訓練出來的肺結節計算機智能檢測系統，電腦肺小結節的識別率就已經超過了90%，準確率達到95%。提高了肺結節的檢查精度，更大大節省了放射科醫生的工作負荷。
盯！最熱的醫藥資訊請保持關注「桃花島科技」
> > > >“弱人工智慧”時代，讓醫生把重複性工作交給AI
在一次浙江省內醫院放射科主任的交流會上，專家們提到，當下仍是一個“弱人工智慧”時代，但在一定的範圍內，人工智慧是完全可以幫助醫生提高工作效率，幫助彌補一些由於工作疲勞或經驗不足，而導致的診斷效率低、準確性不夠高等問題。
事實上，作為一門經驗科學，放射醫學在高密度工作情境下，受限於醫生疲倦度和情緒等問題，的確是通過人工智慧新技術可以來協助解決的痛點之一。正因此，擁有大量資料的影像科成為人工智慧在醫療最先突破的點之一。
以一個二線城市的三甲醫院為例，專家醫生每天平均要讀大約200個患者的CT影像，每個患者檢查就將產生200張左右的影像檔，全部看一遍則要閱讀4萬張。這樣的工作量，即便對專家醫生來說，也是一大挑戰。
而如果人工智慧可以先做初篩，檢出病灶並對病灶進行描述界定，把人工智慧出的結果和醫生出的結果做一個比較，結果不同的再由專家把關，這樣可以有效減少專家的工作量。
依圖醫療專家鄭永升認為，醫療人工智慧產品是服務醫生的，只有走進醫生的工作才能真正瞭解他們的實際需求。最初，業界認為人工智慧是機器把專家的經驗學習過來，再去幫助基層醫生做診斷，但實際上即便是三甲醫院的專家們也非常需要。
> > > >依圖AI讀片，肺小結節識別率已超過90%
在醫療領域從“0”到“1”的過程中，依圖科技和此前每進入一個新領域一樣，不僅要面對“AI＋醫療”這件事本身的不確定性，更要理解醫療本身超高的複雜度。
以肺結節檢測為例，在臨床上存在著患者是有多種病灶的，這本身已經超越了簡單的檢測肺結節。
"在醫療領域，存在著大量像肺結節檢測這樣的場景。基於依圖目前建立的醫療人工智慧全鏈路研發平臺，在醫療專家的參與下，我們可以快速的將產品在醫療領域的各個細分場景推廣落地。讓醫療專家站在AI的肩膀上，共同推動醫學的發展，是依圖醫療的努力方向。"鄭永升對動脈網記者說。
在實際使用5個月時間後，浙江省人民醫院放射科與依圖科技聯合訓練出來的肺結節計算機智能檢測系統，電腦肺小結節的識別率就已經超過了90%，準確率達到95%。提高了肺結節的檢查精度，更大大節省了放射科醫生的工作負荷。
盯！最熱的醫藥資訊請保持關注「桃花島科技」