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