AI医疗仍处探索阶段

作者:王倩 | 发表时间:2017-09-06 17:06:39 0 条评论

  误诊、漏诊是医患矛盾突出的原因之一,造成误诊、漏诊的情况又是复杂的。医疗影像做为医生诊断的重要判断依据,其作用尤为重要。于是,人工智能有了用武之地,其在医疗领域的应用,将辅助医生提升诊断准确率、替代医生进行重复工作。

  通过计算机深度算法辅助医疗诊断

  目前每年中国的医疗影像产生量大概是14亿份,中国的放射科医生只有84000人左右,医生们的工作负荷可想而知,这也成为误诊、漏诊发生的原因之一。英特尔专家指出,在临床,医疗影像是协助医生判断病情的重要信息,医疗数据中有超过90%的数据来自医学影像。从基因序列到影像分析,患者会产生大量的数据,医生需要从这些大量的数据中分析出患者的病情。通常在临床实践中,病理诊断方法需要大量成本,而且,培养一位优秀的病理专家所需要的周期相当长。

  AI的应用,会提升医院的诊断效率,为患者带来实惠。

  目前肺癌具有发病率高、死亡率高的特征,生存率仅有17%。不管是从政府层面,还是区域的治疗机构都非常重视肺癌的应对和防治。在临床实践中,肺癌一经确诊基本已经是中晚期。GE肺癌早筛早诊解决方案专家告诉《商学院》记者,人工智能辅助肺结节诊断的技术的出现实际上是应对目前中国放射科医生的巨大读片量的挑战,从而帮助他们快速地做相应诊断,降低漏诊。通过人工智能的深度学习能力,建立深度学习神经元数学模型,从海量医疗影像的原始像素出发,让模型自己挖掘影像组学特征,学习和模仿医生的诊断技术,为医生提供相应的诊断依据。

  人工智能辅助技术的介入,能够通过神经网络模型化,降低维度、相关特征的构建,进行参数求导,对肺癌结节进行识别,从而给出较为精准的建议。

  “从实际效果来看,人工智能辅助技术在肺癌筛查方面显示出了非常快的速度,辨别更微小病变的准确性也在提高。” GE医疗大中华区首席市场营销官王飚谈到,“一些阶段性成果显示,对于钙化结节,半实性+磨玻璃结节,人工智能自动识别的敏感度相对于一般的医师,它的识别率会高20%左右。”

  除了癌症之外,糖尿病也成为困扰现代人的常见病之一。英特尔医疗与生命科学集团亚太区总经理李亚东介绍,糖尿病性视网膜病变是糖尿病最常见的并发症之一,我国糖尿病患者目前已超过1亿人,且数量逐年增加,其中糖尿病性视网膜病变患者占糖尿病患者的三分之一左右。老年性黄斑变性是当前老年人致盲的重要疾病,大多发生于45岁以上,其患病随年龄增长而增多。糖尿病视网膜病变或者老年性黄斑变性,可通过定期眼科检查来检测,从而对其提前进行预防或者减缓。但是,现阶段在中国服务这一领域的眼科医生非常稀少,早期筛查开展比较少,同时,中国医疗资源的匮乏使得基层社区甚至没有眼底设备进行筛查。因此,通过技术创新对有风险的患者进行有效的早期筛查和发现,并及时治疗,以防止患者失明,显得尤为重要。

  英特尔与合作伙伴一道,开发DR和AMD人工智能识别系统,目前临床诊断正确率已达到90%以上。

  目前人工智能在医疗领域的应用主要包括:辅助诊疗、医学影像、药物挖掘、健康管理、急救室和医院管理、可穿戴设备、营养管理、虚拟助手等。仔细分析各个应用场景不难发现,人工智能所起到的作用依然是辅助作用。

  王飚强调,“人工智能技术只是辅助医师诊断,而不会替代医生,最终还会由医生给出诊断报告和治疗建议。”

热门文章
商学院微博
商学院二维码