“黑天鹅”,正在改变 AI 落地医疗领域的加速度

简介: AI 阅片的技术,因疫情而提速,但也有可能因为「证」而再次回归常态。

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

编者按:本文来自微信公众号“极客公园”,作者 在野,36氪经授权转载。

三月中旬,意大利的疫情已经爆发。推想科技的两名员工在阿尔卑斯山脚下的德意边境,他们驱车准备前往罗马,去医院部署新冠肺炎 CT 的 AI 检测系统。

推想是一家 AI 医疗公司,主要利用 AI 进行医疗影像诊断,俗称 AI 阅片。针对新冠疫情,虽然核酸检测是金标准,但由于等待时间长、试剂盒不够、假阴性等原因,CT 成为重要的早筛及辅助诊断工具。

意大利不是推想唯一的海外援助对象,推想也不是疫情期间国内唯一一家将技术输出至海外的 AI 阅片公司。阿里云、数坤科技、汇医慧影也都有所行动。比如,数坤科技以一体机的形式对外捐赠,阿里云面向全球医院免费开放了新冠肺炎 AI 诊断技术的 API 接口。

疫情之前,AI 阅片技术在医疗产业内的落地正经历缓慢的推广过程,处在大面积商业化的前夜。疫情的爆发,让医疗系统看到了 AI 技术的优势。AI 阅片是否会在疫情期间加速落地应用?回答这个问题需要从两方面考量。

爆发前夜:需要时间,需要「证」

AI 阅片不是新技术,疫情爆发前,它已经走过了四五年的时间。和安防一样,医疗是 AI 视觉技术成熟后的主要落地场景。在此期间,如依图、深睿、推想和数坤等公司相继成立,大公司如腾讯、阿里、华为和平安等也开始布局。

总的来说,AI 阅片有两大作用,一是帮助医生发现微小病灶,二是快速得出量化指标。通俗一点说,医生拿到一个 CT 片子,需要从上到下、从左到右非常仔细地查看,发现结节、阴影等病灶后还要手动测量大小、形状、面积,耗时耗力,且浪费医生的专业能力,属于医生不得不做的脏活累活。AI 阅片能够简化这一过程,且作用显著。

v2_803a4b5520c744ac93e43eb2f0018f93_img_000_jpeg

疫情期间,数坤科技的新冠肺炎辅助检测系统正帮助武汉地区医院医生诊断|数坤科技

尽管如此,想要医疗系统理解并为之买单,还是件难事。目前,几乎所有的医疗 AI 公司都没有形成大规模商业化,市场仍处于爆发前夜。

究其原因,一是临床诊断不比科研,面对生命需要非常可靠的准确度和性能,AI 可不可信,能不能在医生不参与的情况下独自工作,需要时间打磨和验证;其二,临床应用需要相应的资质,例如在我国需要获得医疗器械准入许可,按照最新法规,这类辅助诊断软件大多被归入三类医疗器械,属于核准等级要求最高的一类。

疫情爆发后,AI 阅片的重要性凸显。将系统部署在影像科,能够分钟级判断患者的感染几率,在第一时间采取隔离措施,避免等待出片过程中患者在医院内移动带来的其他人员的感染风险。

在如此大规模的人类传染病背景下,时间意味着生命。也正是如此,AI 阅片从一个增效工具变成了刚需工具,并多次在政府的疫情防控工作报告中被提及。

从国内到海外

增援海外的 AI 阅片系统多是在国内被实际验证过的。

疫情爆发前期,国内各家 AI 阅片公司动作出奇的一致。1 月中旬疫情苗头初显,各家纷纷开始构建自己针对新冠肺炎 CT 检测的 AI 系统,并大多在 1 月 31 日前后正式交由医院使用。

AI 系统的构建需要大量的训练数据,这也是为什么从构建到上线需要半个月的时间。公司需要和自己的合作医院配合,让系统从足够多的新冠病人 CT 影像中充分学习,才能达到足以辅助医生工作的准确率。

以推想科技为例,CEO 陈宽告诉极客公园,由于此前推想的产品阵列中就有针对肺部的影像检测,因此其新冠肺炎辅助筛查系统是从已有的肺部检测系统迭代而来。

他表示,通过与武汉同济、武汉中南等医院的合作,系统得以快速迭代并推出。随着在海内外的不断应用,该产品也在日趋成熟。

还有一些公司此前没有布局肺部影像,也参与到 AI 抗疫中来。数坤科技的主打产品聚焦心脏及头颈的影像 AI 检测,在肺部影像方面布局较晚。CEO 马春娥告诉极客公园,数坤的新冠肺炎检测系统是疫情开始后从零构建的。值得一提的是,数坤的系统在影像之外联合了患者的流行病学史以及武汉接触史等外围信息,用多模态融合的方式提升诊断准确率。

像数坤和推想这样的头部 AI 阅片公司,多有自己的医院阵地,在此前的合作中已经建立信任关系,因此疫情爆发后能够迅速采取动作。据悉,推想的系统在武汉同济医院、北京市海淀医院、华西医院等上线应用;数坤的系统在武汉市中心医院、北京地坛医院、佑安医院等上线。

疫情蔓延至海外后,这些被国内抗疫验证过的系统被打包送往疫情严重的国家和地区。一方面是危急关头下的人道主义救援,另一方面也将我国的 AI 产品推向海外,在一定程度上起到催化市场的作用。

v2_1f9763c9f96d4b5d928528f54dc12d05_img_000_jpeg

驱车10小时后,推想科技的新冠肺炎辅助检测系统部署至意大利罗马生物医学自由大学附属医院|推想科技

快车道需要什么?

很多时候,商业的创新来源于一个初始的概念,它包含着一种美好的设想。然而在落地过程中,总会遇到需要克服的问题。有时是需求不明确,有时是市场没有被充分教育。

AI 阅片目前属于需求明确,但市场未被充分教育的阶段,这需要耐心和时间。疫情在全球肆虐带来悲剧的同时,也为 AI 阅片技术提供了施展的空间。对于 AI 阅片公司们来说,这也算是危机中的转机。

然而和其他行业不同的是,AI 阅片的商业化需要相应资质,这成为横亘在 AI 阅片公司们前进道路上的障碍。在我国,CT 影像的辅助筛查系统需要取得国家食品药品监管总局发布的第三类医疗器械经营许可证,产品才能以医疗器械的形式进行销售。相应的,在欧洲有 CE 认证,在美国有 FDA 认证。

2019 年,国家开放医疗 AI 公司相关软件产品的三类证申请,行业普遍的看法是 2020 年头部公司将获批。因此,尽管疫情黑天鹅将 AI 阅片行业撞出常规车道,但要想在快车道持续行驶,还要看资质什么时候下来。

「从宏观来看,疫情对医疗行业接受 AI 的意识肯定有推动,但其实疫情结束了,一切还是会回归常态」,一位不具名业内人士如此表示,他显然并没有那么乐观。

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-14
本文作者:极客公园
本文来自:“36Kr”,了解相关信息可以关注“36Kr

相关文章
|
1月前
|
机器学习/深度学习 人工智能 算法
未来AI技术在医疗领域的应用
传统医疗体系一直面临着挑战,而随着人工智能技术的不断发展,AI在医疗领域的应用正在成为一种新的趋势。本文将探讨未来AI技术在医疗领域的应用,包括诊断、治疗和预防等方面,以及AI与传统医疗模式的结合,展望未来医疗行业的发展方向。
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
未来AI技术在医疗领域的应用
随着人工智能技术的不断发展,AI在医疗领域的应用正日益广泛。本文将探讨未来AI技术在医疗领域的潜在价值和影响,以及其对医疗行业和患者的积极意义。
|
1月前
|
人工智能 安全 机器人
中科院香港创新院发布医疗健康AI大模型
【2月更文挑战第24天】中科院香港创新院发布医疗健康AI大模型
35 3
中科院香港创新院发布医疗健康AI大模型
|
2月前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战
【2月更文挑战第9天】随着人工智能技术的不断发展,其在医疗健康领域的应用日益广泛。本文探讨了人工智能在医疗领域的现状、优势和挑战,并针对AI技术在医疗中的关键问题进行了深入分析与讨论。
|
17天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗领域的革命性应用
医疗行业一直是人类关注的重点领域之一,而随着人工智能技术的快速发展,AI在医疗领域的应用正带来革命性的变革。本文将探讨AI在医疗中的重要作用,以及其对诊断、治疗和医疗管理的影响。
28 0
|
29天前
|
机器学习/深度学习 数据采集 人工智能
AI技术在医疗诊断中的应用与挑战
在当今信息时代,人工智能技术已经在医学领域展现出巨大的潜力和前景。本文将探讨人工智能在医疗诊断中的应用现状和未来发展,以及所面临的挑战和解决方案。
|
30天前
|
机器学习/深度学习 人工智能 搜索推荐
未来趋势:AI技术在医疗领域的应用与挑战
随着人工智能技术的迅速发展,AI在医疗领域的应用正逐渐成为现实。本文将探讨AI技术在医疗中的潜力与挑战,分析其对医疗行业的影响以及未来发展趋势。
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与展望
传统医疗模式面临着诊断、治疗和管理上的挑战,而人工智能技术的快速发展为医疗行业带来了新的希望。本文从医疗数据分析、个性化治疗、辅助诊断等方面探讨了人工智能技术在医疗领域的应用现状和未来展望。
17 3
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的革新与应用
在当今信息时代,人工智能技术的飞速发展为医疗领域带来了革命性的变革。本文将探讨人工智能技术在医疗领域的应用现状及未来发展前景,并分析其对医疗行业的深远影响。
25 1
|
1月前
|
机器学习/深度学习 人工智能 安全
AI在医疗诊断中的应用及其挑战
【2月更文挑战第21天】 随着人工智能(AI)技术的飞速发展,其在医疗领域的应用也日益广泛,特别是在医疗诊断方面,AI已经展现出巨大的潜力。然而,尽管AI在医疗诊断中的应用带来了许多好处,但也存在一些挑战,包括数据隐私问题、技术准确性问题以及法律和伦理问题等。本文将探讨AI在医疗诊断中的应用,并分析其面临的挑战。