唐木 發自 浙江杭州
量子位元 報導 | 公眾號 QbitAI
“少年,
我看你骨骼精奇,
是塊練武奇才,
這裡有一本《如來神掌》……”
現在, AI就能判斷你是否骨骼精奇了。
而且這還不是概念或實驗室技術, 在浙江杭州, 國內首個“兒童骨齡智慧輔助診斷系統”正在成為浙江大學醫學院附屬兒童醫院的落地產品。
背後還有一個CV領域令人熟悉的名字:依圖。
骨齡檢測?顧名思義, “骨齡”是骨骼年齡的簡稱, 是青少年兒童骨骼發育水準同骨發育標準比較而得出的發育年齡, 它比年齡、身高、體重更能精確的反映出身體的成熟程度, 更加準確地反映個體的生長發育水準和成熟程度。
骨齡也是兒科醫生基礎診斷中的重要基礎資訊, 它是兒童生長發育和內分泌方面的關鍵指標。
除了能夠作為判斷兒童生長發育情況的主要指標, 更能夠通過骨齡判斷兒童是否早(晚)熟, 甚至根據骨齡和骨質發展情況預測未來的身高情況。
在檢測方面, 臨床上一般通過左手腕部的X光片觀察手部各個骨的發育情況來進行判斷。
AI帶來革新之前, 人類醫生通常使用GP圖譜法和TW法進行骨齡檢測。
但兩種人類醫生的方法都有局限。
GP圖普法的問題是主觀和誤差。
作為最早的完整圖譜骨齡鑒定法, GP圖譜法利用兩千多名美國人資料進行了臨床總結, 包含了完善的共性骨性特徵。 通過對應骨齡的標準圖譜與患者X片進行比較得出骨齡。
這種方法最大的優勢是臨床判別速度快, 但由於需要醫生的經驗來判斷, 使得結果存在很大的主觀性, 檢測的骨齡一般會存在一到兩歲的誤差。
△ 標準骨齡圖譜
TW法更精確, 但速度慢。
TW法運用更精確的定量判斷方法, 通過對手部多塊骨頭每塊8級的分級評定和加總, 查表得出對應的骨齡。 熟練的醫生進行完整的TW-3骨齡檢測一般需要15分鐘時間——聽起來不長, 但對於需求較大的醫院來說應用性弱。
△ TW法檢測
所以, 既需要精度、準確度, 又追求快速, 而且讀片驗片還是簡單重複的腦力勞動。
AI不上誰上?
AI骨齡檢測不過值得注意的是, 這不是一次AI“替代”人類的行為, 而是輔助醫生。 整個產品的從無到有, 也是一次“AI+人”的合作。
比如此次圍繞“兒童骨齡智慧輔助診斷系統”,
本質上, 這個系統產品是圖像識別技術在醫療領域的延伸和拓展, 通過深度學習對腕部X光片的圖像進行分析, 並將每一塊骨頭進行識別分類, 隨後對分類分數進行加總, 從而得到對應骨齡。
△ 依圖系統Demo截圖
那麼結果如何?
依圖方面稱,在萬張量級的訓練資料下,目前進入臨床使用的系統可以做到2s鐘內的檢測回應,並為醫生提供了詳細的判斷依據,包括每一塊骨頭的分級評定。當前在臨床診斷中醫生對於系統的診斷結果接受率已經達到了90%以上。
同時,系統還將在使用過程中不斷根據醫生的回饋結果,進行優化和調整,不斷提高診斷精度。
對話依圖在“兒童骨齡智慧輔助診斷系統”發佈儀式後,量子位也與依圖醫療骨齡檢測負責人林強,圍繞AI在醫療方面的應用進行了交流。
△ 林強
林強認為,AI在醫療方面的應用,涉及三個方面,可以用兒童生長發育的三個階段進行對比解釋。
第一是生育階段:
讓醫學問題到電腦表達的轉換。需要將臨床問題通過醫學的定義和到電腦科學的轉換,將問題表述為電腦能處理的形式。
第二是餵養階段:
通過優質的標注資料,不斷餵養深度學習演算法。在醫療領域,優質的標注資料是演算法得以學習、總結、提取經驗的材料,而這需要醫學專家的精心努力才得以完成。
第三階段是教育:
即醫療知識的體系的建立;智慧系統就像小孩一樣很多地方還需要完善,需要醫院專家的培育,在實際使用中接受醫生的回饋,通過不斷的學習建立完整的醫療知識體系結構和診斷標準。
其實,生育、餵養、教育,也是每一個新的AI應用必經的成長的過程,但在醫療行業中,這樣的類比聽起來更顯恰如其分。
而且值得一提的是,技術上來說,圖像檢測演算法已經逐漸成熟,但是對於特定的行業特別是醫療行業,高品質標注資料的獲取對於大多數人來說具有不小的挑戰。
所以在AI醫療的前進道路上,和醫院合作可能會是主要模式。
△ 浙大醫學院附屬兒童醫院與依圖戰略合作
依圖醫療方向最後再看下依圖這些年在醫療方面的嘗試。
這家CV為核心方向的初創公司,可以說從創立伊始就“自帶光環”了。一方面是創始人朱瓏被報導較多的“霍金徒孫”身份,另一方面也是依圖在圖像識別領域的突破。
比如今年7月的國際權威人臉識別供應商測試FRVT(Face Recognition Vendor Test結果中,依圖就獲得了四項測試的第一名,不僅超過了Google等公司,也擊敗了國際老牌安防巨頭Vocord。
這幾年來,依圖在醫療行業的探索主要圍繞三大方向展開:一是放射影像輔助,二是智慧輔助診斷,三是醫療大資料平臺。
比如推出的胸部CT智慧輔助診斷系統。在深度學習技術的支撐下通過對胸部CT影像進行智慧判斷,快速檢測出病灶及其臨床指標,並生成結構化報告輔助醫生診斷。這一產品在滬、浙、鄂等多所三甲醫院進入臨床工作流程。
又比如在臨床專家經驗和海量的病歷資料基礎上,通過深度學習建立了小兒常見病智慧輔助診斷系統,並對常見的手足口病、急性扁桃體炎等病症,實現了97%的準確率。
還有在醫療大資料基礎上的“智慧病例”搜索平臺,以及基於NLP和深度學習技術的臨床智慧科研平臺。
依圖醫療總裁倪浩告訴量子位,目前依圖醫療希望對於一個特定的科室進行深耕,比如目前就希望對於兒科進行深入的理解,這樣有助於開發出更多符合臨床實用的產品,同時對於公司本身來說某一細分領域的積累也有助於築起技術壁壘,深入的理解會帶來更強的競爭力。
除了醫療,依圖在安防、金融等領域也在通過AI、CV等切入,不過醫療會是其核心業務重點,在今年5月完成高瓴資本領投的3.8億元C輪融資時,創始人朱瓏對外表示:C融融資將主要用於人工智慧技術在醫療行業的核心技術研發、醫療行業臨床應用的拓展,以及人工智慧醫療團隊的建設。
誠摯招聘
△ 依圖系統Demo截圖
那麼結果如何?
依圖方面稱,在萬張量級的訓練資料下,目前進入臨床使用的系統可以做到2s鐘內的檢測回應,並為醫生提供了詳細的判斷依據,包括每一塊骨頭的分級評定。當前在臨床診斷中醫生對於系統的診斷結果接受率已經達到了90%以上。
同時,系統還將在使用過程中不斷根據醫生的回饋結果,進行優化和調整,不斷提高診斷精度。
對話依圖在“兒童骨齡智慧輔助診斷系統”發佈儀式後,量子位也與依圖醫療骨齡檢測負責人林強,圍繞AI在醫療方面的應用進行了交流。
△ 林強
林強認為,AI在醫療方面的應用,涉及三個方面,可以用兒童生長發育的三個階段進行對比解釋。
第一是生育階段:
讓醫學問題到電腦表達的轉換。需要將臨床問題通過醫學的定義和到電腦科學的轉換,將問題表述為電腦能處理的形式。
第二是餵養階段:
通過優質的標注資料,不斷餵養深度學習演算法。在醫療領域,優質的標注資料是演算法得以學習、總結、提取經驗的材料,而這需要醫學專家的精心努力才得以完成。
第三階段是教育:
即醫療知識的體系的建立;智慧系統就像小孩一樣很多地方還需要完善,需要醫院專家的培育,在實際使用中接受醫生的回饋,通過不斷的學習建立完整的醫療知識體系結構和診斷標準。
其實,生育、餵養、教育,也是每一個新的AI應用必經的成長的過程,但在醫療行業中,這樣的類比聽起來更顯恰如其分。
而且值得一提的是,技術上來說,圖像檢測演算法已經逐漸成熟,但是對於特定的行業特別是醫療行業,高品質標注資料的獲取對於大多數人來說具有不小的挑戰。
所以在AI醫療的前進道路上,和醫院合作可能會是主要模式。
△ 浙大醫學院附屬兒童醫院與依圖戰略合作
依圖醫療方向最後再看下依圖這些年在醫療方面的嘗試。
這家CV為核心方向的初創公司,可以說從創立伊始就“自帶光環”了。一方面是創始人朱瓏被報導較多的“霍金徒孫”身份,另一方面也是依圖在圖像識別領域的突破。
比如今年7月的國際權威人臉識別供應商測試FRVT(Face Recognition Vendor Test結果中,依圖就獲得了四項測試的第一名,不僅超過了Google等公司,也擊敗了國際老牌安防巨頭Vocord。
這幾年來,依圖在醫療行業的探索主要圍繞三大方向展開:一是放射影像輔助,二是智慧輔助診斷,三是醫療大資料平臺。
比如推出的胸部CT智慧輔助診斷系統。在深度學習技術的支撐下通過對胸部CT影像進行智慧判斷,快速檢測出病灶及其臨床指標,並生成結構化報告輔助醫生診斷。這一產品在滬、浙、鄂等多所三甲醫院進入臨床工作流程。
又比如在臨床專家經驗和海量的病歷資料基礎上,通過深度學習建立了小兒常見病智慧輔助診斷系統,並對常見的手足口病、急性扁桃體炎等病症,實現了97%的準確率。
還有在醫療大資料基礎上的“智慧病例”搜索平臺,以及基於NLP和深度學習技術的臨床智慧科研平臺。
依圖醫療總裁倪浩告訴量子位,目前依圖醫療希望對於一個特定的科室進行深耕,比如目前就希望對於兒科進行深入的理解,這樣有助於開發出更多符合臨床實用的產品,同時對於公司本身來說某一細分領域的積累也有助於築起技術壁壘,深入的理解會帶來更強的競爭力。
除了醫療,依圖在安防、金融等領域也在通過AI、CV等切入,不過醫療會是其核心業務重點,在今年5月完成高瓴資本領投的3.8億元C輪融資時,創始人朱瓏對外表示:C融融資將主要用於人工智慧技術在醫療行業的核心技術研發、醫療行業臨床應用的拓展,以及人工智慧醫療團隊的建設。
誠摯招聘