医学影像AI可以解决甚么问题？

自2006年Hinton及其学生于《Science》揭晓了题为「Reducing the Dimensionality of Data with Neural Networks」的论文以来。

作者： 年夜康健派编纂来历： 亿欧2018-11-13 14:05:02

自2006年Hinton及其学生于《Science》揭晓了题为「Reducing the Dimensionality of Data with Neural Networks」的论文以来，虽然将神经收集的观点从头带回到公共的视线，可是仍旧没有获得年夜范围的使用，由于效果不睬想的问题使患上包孕学术界许多学者都心存疑虑，直到2012年ImageNet年夜赛冠军AlexNet的降生才真正打开了深度进修这个「炼金术」的年夜门（向于NIPS2017得到「时间查验奖」Test of Time Award的Ali Rahimi致敬），同时引发了工业界极年夜的热忱，浩繁以深度进修技能为焦点的草创公司如雨后春笋般于美国硅谷、以色列和海内涌现出来。

深度进修技能的成长间接促成了天然言语处置惩罚（NLP）以及计较机视觉（CV）两个范畴技能标的目的的前进，于语音辨认、呆板翻译、图象处置惩罚以及辨认上呈现诸多乐成、成熟的运用，而医学影像阐发作为计较机视觉技能于图象范畴运用的一个分支同样成为了较着的研究热门，来自2017年中揭晓于Medical Image Analysis的一篇文献上对于深度进修技能于医学影像阐发范畴的研究举行了统计。

可以看到，从2012年深度进修技能于天然图象范畴取患上冲破以后，于2015年最先年夜范围进入医学影像范畴，计较机视觉中的方针检测、实例支解、图象分类等几个重要技能于医学影像阐发中都有运用，并且笼罩了如MRI、CT、X-ray、Ultrasound等差别模态的数据，也涵盖了各类差别的部位。不只云云，上面给出的是学术论文数目上的漫衍，于论文的影响力方面，深度进修技能于医学影像阐发中的运用也获得了很年夜的承认，简朴罗列下近两年的一些主要研究成果就可见一斑。

如2017年1月斯坦福年夜学跨学科的研究团队于《Nature》上揭晓的「Corrigendum： Dermatologist-level classification of skin cancer with deep neural networks」 一文就哄骗深度进修技能，接纳近13万的临床数据举行练习，并于 21 位颠末认证的皮肤科大夫的监视下，测试了它于活检证明的临床图象上的机能。深度卷积神经收集于最多见癌症辨认和最致命皮肤癌辨认浙两个使命上的体现都到达了所有测试的专家的程度，证实了该人工智能的皮肤癌鉴定程度到达了媲美皮肤科大夫的程度。

再如2018年2月加州年夜学圣地亚哥分校张康传授团队于《Cell》上揭晓的「Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning」论文，用约10万张正确标注的视网膜光学相关断层成像术图象举行练习，于诊断眼疾时的正确性到达96.6%，此中敏捷性97.8%，特同性97.4%.这个事情同时也引入了迁徙进修的技能用在诊断视网膜疾病以外的其他疾病，于用预练习好的眼科AI诊断模子上接纳5000张胸部X线图象举行进一步练习，于区别肺炎以及康健状况时，正确性可以到达92.8%.

而与此同时一多量人工智能医学影像草创公司涌现了出来，据公然数据统计2017年海内医疗影像AI赛道总计融资跨越20亿人平易近币，单笔融资过亿的就无数起，于整个医疗人工智能范畴是股权投融资最活跃的标的目的之一，那末为何医学影像AI可以或许得到浩繁创业者、投资者的承认，吸引了云云多的本钱以及人材会聚到这个范畴。

这内里有几个条件：

1、技能进级

深度进修技能于图象范畴的冲破使患上于医疗影像中运用AI技能去辅助诊断成为可能；

2、供需掉衡

跟着人口老龄化的加重和平易近众康健意识的晋升，医学影像查抄次数每一年以30%以上的速率增长，而同时影像科大夫每一年的增加速率不到5%，这内里存于着严峻的供需掉衡；

3、市场范围

据《医疗影像的市场图谱以及行业成长阐发》推算，2020 年我国医学影像市场范围将到达6000 - 8000 亿人平易近币，此中即便诊断环节只占20%摆布，也是一个千亿级另外市场，同比美国，2018年医学影像诊断的市场范围将跨越100亿美元。

市场以及价值都很明确，那末医学影像AI现阶段到底能解决甚么问题？

现阶段的医学影像AI产物重要的运用模式是辅助大夫举行临床诊断，从产物分类上属在东西型产物，东西型产物的焦点就是高效的解决用户明确需求。

那末咱们简朴阐发下东西型产物的好坏，传统的东西型产物的上风是用户需求明确，使用处景纯粹，落地轻易，轻易做到极致化的体验，但这同时这些上风又致使东西型产物存于很年夜的劣势，由于使用处景单一以是用户使用频次少，由于用户需求明确，一但用户的需求得到满意即再也不使用，产物使历时间短，用户粘性差，这都使患上东西型产物每每于初期成长很是快，而且可以或许倏地占领市场，可是成长到必然的阶段，又会受限在范围化的贸易变现。

可是于医疗范畴，东西型产物的变现模式很是清楚，由于今朝医疗范畴年夜部门的产物都属在东西型产物，好比医疗器械，只有产物品质过硬，可以或许解决现实临床需求，而且可以切入来临床路径，就可以举行贸易化变现，以是医疗影像AI产物重要需要超过的门坎就是找到明确的用户需乞降使用处景，并举行落地。

咱们再来阐发用户需乞降使用处景，起首来看下我国恶性肿瘤的统计数据。

全世界每一年新发癌症病例1400多万，我国每一年新病发例约430万，相称在天天都有1万多人确诊癌症。此中肺癌以及乳腺癌别离为男性以及女性的第一年夜癌，而肺癌更是世界和我国病发率最高、灭亡率也最高的癌症，因为肺癌以及乳腺癌初期以及晚期的五年保存率有较着的差异，早诊断早医治可以或许显著降低灭亡率，对于在患者自身及其家庭以致社会都有难以权衡的意思。

可是使人遗憾的是，肺癌病发隐藏，比及呈现较着的临床症状如咳嗽、痰中带血、胸痛、发烧、气促、声音沙哑等常常已经经是晚期，数据显示今朝我国约75%的肺癌患者于确诊时已经属晚期，五年保存率仅15%，而发生远端转移的肺癌患者五年保存率更是不到5%，跨越对折的肺癌患者于确诊后的一年内灭亡，是以对于肺癌的初期诊断以及医治极为主要，NLST（National Lung Screening Trial）的研究成果显示对于在高危人群举行肺癌筛查，可以有用的降低灭亡率（Reduced lung-cancer mortality with low dose computed tomographic screening，New Engl J Med 2013）。

与肺癌比拟乳腺癌的医治效果较好，并且不易复发，美国癌症中央的数据显示乳腺癌五年保存率为89%，此中0-1期五年存活率靠近100%，可是于我国因为缺乏天下规模内的乳腺癌筛查工程，相较在美国年夜大都患者诊断时为0期I期，我国乳腺癌患者多为II期，而且III、IV期比例也高在美国。无数据显示即便于北京，82.1％的女性发明患乳腺癌时已经有较着症状，于0期以及1期的患者比例只要32%，并且我国乳腺癌的病发春秋较着低在外洋，有2/3的患者为45岁如下的中青年女性，笼罩年夜范围人群的乳腺癌筛查刻不容缓。

一样糖网（糖尿病性视网膜病变）也对于筛查有火急的需求，数据显示截止2015年我国糖尿病患者人数高达1.1亿，居世界首位，而糖网是糖尿病常见的慢性并发症之一，病发率约31.7%，是糖尿病患者致盲的最重要眼病。同时糖网病初期每每没有任何临床症状，而一旦有症状，病情已经较严峻，轻易错过最好医治机会，研究注解，糖尿病患者每一年举行1次眼底查抄，可以使掉明发生率降低94.4％。

可以看到上面三种庞大疾病都存于着年夜范围人群筛查的需求，这需要年夜量的人力以及资金的投入，而将AI技能运用到庞大疾病的初期筛查，则可以很好的解决人力以及成本的问题，同时晋升总体筛查的效率，从国度的层面也能很好的帮忙优良医疗办事下沉，对于庞大疾病举行早诊早治，降低医疗以及社会成本。这才是当前影像AI运用的重要落地场景，也是当前医学影像AI真正可以解决的问题。

跟着各人这两年来对于在医疗AI的探索以及理解，各家公司的产物包孕模式都于趋同，基在公然资料可以看到，今朝范畴内各家公司发布的产物，年夜部门集中于肺癌、糖网、乳腺癌等庞大疾病的筛查以及初期诊断，虽然医学影像AI存于较高的技能以及资源门坎，但竞争也一样很是猛烈，还吸引了浩繁成熟企业插手，如阿里巴巴、腾讯、baidu、安然科技、科年夜讯飞等。

进入范畴的公司都有其各自的特色，岂论是从非医疗范畴跨界而来的巨头，照旧从传统医疗范畴延长出来厂商，或者者是从0到1的创业公司，于医疗影像AI范畴耕作连续磨练着公司的技能威力、产物威力和商务威力，肆意方面的短板城市严峻制约公司的成长。医疗影像AI是一个很是有远景以及价值的范畴，以技能立异为焦点，从产物体验着手，务实的解决大夫于临床事情中面对的效率问题，让产物于临床事情中获得现实运用，进而造成依靠，����APP是当下最切实可行的路径。

存眷年夜康健Pai官方微信：djkpai咱们将按期推送医健科技财产最新资讯

7小时前