AI醫(yī)學(xué)影像行業(yè)調(diào)研學(xué)習(xí)課程

1、“AI+醫(yī)學(xué)影像” 行業(yè)調(diào)研行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第1頁/共16頁第一頁，編輯于星期五：九點(diǎn) 五十四分。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn) 影像數(shù)據(jù)快速積累，已具有開發(fā)應(yīng)用規(guī)模我國每天產(chǎn)生的影像數(shù)據(jù)以PB計(jì)算，占到醫(yī)療行業(yè)數(shù)據(jù)的90% 影像醫(yī)生產(chǎn)能負(fù)荷重和部分地區(qū)醫(yī)生影像診斷水平偏低，而人工智能大有所為放射科醫(yī)師數(shù)量存在缺口，醫(yī)師的疲勞或經(jīng)驗(yàn)不足可能造成誤判 政策助推醫(yī)療大數(shù)據(jù)開發(fā)應(yīng)用2016年6月，國務(wù)院辦公廳印發(fā)關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展指導(dǎo)意見第2頁/共16頁第二頁，編輯于星期五：九點(diǎn) 五十四分。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公

2、司盤點(diǎn)第3頁/共16頁第三頁，編輯于星期五：九點(diǎn) 五十四分。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)醫(yī)生方面 大幅減少讀片時(shí)間，降低誤診概率，提高診療水平患者方面 有效減少診療時(shí)間，享受大型三甲醫(yī)院的高水平醫(yī)療醫(yī)院方面 對大規(guī)模的數(shù)據(jù)加以利用，建立整體的數(shù)字化平臺，提高醫(yī)院的核心業(yè)務(wù)能力，推進(jìn)醫(yī)院之間的數(shù)據(jù)共享智能識別解決行業(yè)痛點(diǎn)：第4頁/共16頁第四頁，編輯于星期五：九點(diǎn) 五十四分。 傳統(tǒng)的醫(yī)學(xué)圖像處理方式是由工程師們創(chuàng)造一套規(guī)則，算法根據(jù)規(guī)則對圖像進(jìn)行處理。但由于規(guī)則很難窮盡，所以對于現(xiàn)實(shí)中多變的情況準(zhǔn)確率不高。 而深度學(xué)習(xí)則無需人工特征提取，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對神

3、經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)訓(xùn)練，促使其掌握診斷能力。醫(yī)學(xué)影像智能診斷行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第5頁/共16頁第五頁，編輯于星期五：九點(diǎn) 五十四分。2016年2月，谷歌DeepMind成立DeepMind Health部門，正式將人工智能技術(shù)應(yīng)用于醫(yī)療健康領(lǐng)域，獲英國倫敦帝國理工學(xué)院、倫敦皇家自由醫(yī)院和英國國家醫(yī)療服務(wù)系統(tǒng)（NHS）數(shù)據(jù)的支持。Google牽頭，歷時(shí)8個(gè)月，54名美國眼科專家，將128,175張視網(wǎng)膜照片分級，利用CNN算法，訓(xùn)練自動(dòng)檢測糖尿病視網(wǎng)膜病變和視網(wǎng)膜黃斑水腫，達(dá)到最低值為87%的靈敏度與特異度。Google與Verily公司開發(fā)用來診斷乳腺癌的病理人工

4、智能，在于病理學(xué)家基于靈敏性和假陽性和乳腺癌病例分析競爭中，人工智能的準(zhǔn)確度達(dá)到88.5%，而頂級病理學(xué)家的準(zhǔn)確率為73.3%。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第6頁/共16頁第六頁，編輯于星期五：九點(diǎn) 五十四分。IBM Watson可以在17秒內(nèi)閱讀3469本醫(yī)學(xué)專著、24.8萬篇論文，69種治療方案、61540次試驗(yàn)數(shù)據(jù)、10.6萬份臨床報(bào)告。通過海量汲取醫(yī)學(xué)知識，包括300多份醫(yī)學(xué)期刊、200多種教科書及近1000萬頁文字，IBM Watson已在短時(shí)間內(nèi)迅速成為腫瘤專家。2013年， Watson與斯隆凱特琳癌癥中心（MSKCC）合作，推出腫瘤解決方案Watson fo

5、r Oncology。2014年底和2015年底，Watson for Oncology先后進(jìn)駐泰國曼谷的Bumrungrad InternationalHospital和印度第三大醫(yī)院系統(tǒng)Manipal Hospitals。2016年8月，IBM與我國21家醫(yī)院簽署IBM Watson for Oncology的合作意向協(xié)議，并于同年12月成立聯(lián)合會(huì)診中心。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第7頁/共16頁第七頁，編輯于星期五：九點(diǎn) 五十四分。 AI識別先天性白內(nèi)障研究，我國中山大學(xué)的臨床試驗(yàn)，利用CNN算法，通過410張各種程度的先天性白內(nèi)障圖片和476張正常圖片訓(xùn)練，診斷準(zhǔn)

6、確率達(dá)92.45%。 AI對腦瘤病理切片的快速診斷，利用多層感知機(jī)算法，用拉曼散射顯微鏡生成高度模擬傳統(tǒng)的HE染色病理切片，通過過萬張圖片訓(xùn)練，AI區(qū)分膠質(zhì)瘤和非膠質(zhì)瘤的準(zhǔn)確率達(dá)90%。 AI對神經(jīng)假體進(jìn)行精確控制，倫敦帝國理工學(xué)院則嘗試了利用支持向量機(jī)這一算法，將此前85%的精確度提升到了97%。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)2017年1月，Nature設(shè)立子刊Nature Biomedical Engineering, 連發(fā)數(shù)篇AI報(bào)道：第8頁/共16頁第八頁，編輯于星期五：九點(diǎn) 五十四分。醫(yī)學(xué)的特殊性：醫(yī)學(xué)本身就是一個(gè)未被完全認(rèn)知的領(lǐng)域，信息的不完全透明，在疾病的癥狀與

7、結(jié)果之間沒有嚴(yán)格的對應(yīng)關(guān)系，不同疾病之間也沒有清晰的邊界，而且還會(huì)存在同時(shí)發(fā)病的情況，這也導(dǎo)致不能像AlphaGo一樣在明確的規(guī)則下算清所有變化。醫(yī)學(xué)影像圖像對比度普遍較低，不同組織或正常組織與病變組織之間邊界模糊 ，血管、神經(jīng)等微細(xì)結(jié)構(gòu)分布復(fù)雜，醫(yī)學(xué)中個(gè)體差異及小概率事件發(fā)生是很普遍的。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第9頁/共16頁第九頁，編輯于星期五：九點(diǎn) 五十四分。 數(shù)據(jù)獲取：數(shù)據(jù)是深度學(xué)習(xí)算法所需的核心資源，僅掌握算法而缺乏數(shù)據(jù)無法獲得較好的訓(xùn)練結(jié)果?，F(xiàn)階段，我國的醫(yī)療影像仍處于從傳統(tǒng)膠片向電子數(shù)據(jù)過渡的階段，大量影像資料尚未數(shù)字化，而且醫(yī)院之間的數(shù)據(jù)共享和互通程度較

8、低。 數(shù)據(jù)標(biāo)注：在獲取數(shù)據(jù)的基礎(chǔ)上，深度學(xué)習(xí)結(jié)合先驗(yàn)知識對模型進(jìn)行訓(xùn)練，訓(xùn)練集需要事先標(biāo)注。由于大多數(shù)標(biāo)注依賴人工識別，因此數(shù)據(jù)標(biāo)注將耗費(fèi)較大量人力和時(shí)間，還要求醫(yī)療機(jī)構(gòu)的頂級醫(yī)生參與進(jìn)來。國內(nèi)外公司基本都處于不斷收集影像數(shù)據(jù)的階段，仍在豐富病種多樣性和擴(kuò)大影像數(shù)據(jù)規(guī)模，從而優(yōu)化影像智能診斷的準(zhǔn)確度。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第10頁/共16頁第十頁，編輯于星期五：九點(diǎn) 五十四分。醫(yī)學(xué)影像智能分析公司的核心競爭力在于影像數(shù)據(jù)的規(guī)模和影像數(shù)據(jù)的可解讀性由于單一幾個(gè)病種的分析作用有限，就會(huì)造成漏診。因此，只有在分析病種達(dá)到足夠多數(shù)量之后，漏診風(fēng)險(xiǎn)才會(huì)降到可接受范圍之內(nèi)。除了數(shù)

9、據(jù)量級和覆蓋病種多樣性以外，數(shù)據(jù)有效性也很重要，即擁有影像圖像、病灶重點(diǎn)標(biāo)示、診斷報(bào)告、影像專家經(jīng)驗(yàn)等形成的閉環(huán)數(shù)據(jù)。醫(yī)院是當(dāng)前最大的醫(yī)療數(shù)據(jù)集聚地，因此，看好與多家大型醫(yī)療機(jī)構(gòu)深度合作的企業(yè)。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)覆蓋多病種的有效數(shù)據(jù)庫是前提第11頁/共16頁第十一頁，編輯于星期五：九點(diǎn) 五十四分。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)算法是處理和解讀影像數(shù)據(jù)的成功關(guān)鍵影像數(shù)據(jù)標(biāo)準(zhǔn)化以及數(shù)據(jù)模型的構(gòu)建，需要公司研發(fā)團(tuán)隊(duì)長時(shí)間技術(shù)積累以及對醫(yī)學(xué)影像的深度理解，其質(zhì)量的高低反映在影像智能分析的準(zhǔn)確性和穩(wěn)定性。看好擁有IT/數(shù)學(xué)和醫(yī)學(xué)影像強(qiáng)背景的企業(yè)，最好是擁有

10、數(shù)學(xué)/IT+醫(yī)學(xué)影像復(fù)合型人才團(tuán)隊(duì)。目前，我國的影像智能分析公司基本處于合作醫(yī)療機(jī)構(gòu)醫(yī)生對產(chǎn)品算法模型檢驗(yàn)完善階段。影像智能分析公司潛在客戶多目前我國影像智能分析公司主要定位于：（1）為醫(yī)療機(jī)構(gòu)提供影像智能分析應(yīng)用，充當(dāng)醫(yī)生的第二雙眼或者使醫(yī)生眼睛更具穿透力；（2）為影像設(shè)備商提供算法模型，使影像設(shè)備更智能化。第12頁/共16頁第十二頁，編輯于星期五：九點(diǎn) 五十四分?？萍季揞^布局醫(yī)療人工智能領(lǐng)域行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第13頁/共16頁第十三頁，編輯于星期五：九點(diǎn) 五十四分。 科大訊飛 研發(fā)醫(yī)療影像輔助診療系統(tǒng)，用于輔助影像醫(yī)生閱片，勾畫腫瘤病灶區(qū)域，減少誤診和漏診。已

11、經(jīng)與安徽省立醫(yī)院建立合作，共同開展深度學(xué)習(xí)在高發(fā)癌癥醫(yī)學(xué)影像檢測中的應(yīng)用，目前其影像系統(tǒng)已經(jīng)可以識別3mm以下的病變區(qū)域。2017年將繼續(xù)加大研發(fā)力度，將應(yīng)用領(lǐng)域從肺部CT影像檢測擴(kuò)展至乳腺X光圖像、MRI圖像檢測等，預(yù)計(jì)2017年底產(chǎn)品將步入臨床應(yīng)用階段。 東軟集團(tuán) 基于“影像設(shè)備+信息化軟件+影像云”完整布局，切入醫(yī)療影像智能識別領(lǐng)域。設(shè)備上，東軟集團(tuán)面向各級醫(yī)院提供CT、磁共振、數(shù)字X線機(jī)、彩超等影像設(shè)備；軟件上，公司提供包括HIS、CIS、LIS、EMR、PACS、RIS、CAD，遠(yuǎn)程會(huì)診服務(wù)等在內(nèi)的醫(yī)療信息軟件；公司2015年建立影像云，滿足醫(yī)生遠(yuǎn)程會(huì)診、多點(diǎn)執(zhí)業(yè)、醫(yī)患交流等需求。在前后端完整布局的基礎(chǔ)上，公司切入骨密度智能輔助分析、乳腺智能CAD分析等軟件進(jìn)行影像識別，同時(shí)提供3D影像輔助手術(shù)等影像識別服務(wù)。2017年5月，東軟集團(tuán)和