• <dl id="3mj6b"></dl>

  • <dl id="3mj6b"><ins id="3mj6b"><thead id="3mj6b"></thead></ins></dl>
  • <output id="3mj6b"><font id="3mj6b"><nobr id="3mj6b"></nobr></font></output>
    <output id="3mj6b"></output>

    寻找 AI 医疗商业元年

    摘要

    在 AI 医疗崛起的过去几年,医疗影像和电子病历被认为是临床应用最核心的两大商业场景。尽管人工智能技术俨然在辅助诊疗领域初显身手,但眼下,很多产品仍受制于数据不规范,以及体验效果还不尽人意的情况。

    在过去的一段时间里,创世伙伴合伙人梁宇行走在一些三四线城?#26657;?#34987;「多到无法想象」的街头小诊所惊诧。他透过玻璃门窗,隐约看到五六名患者挂盐水,大夫坐在一旁的场景屡屡重现。这是当地?#29992;?#30340;基层医疗就诊环境的真实写照。

    自医院开设之日起,就肩负起?#20154;?#25206;伤之责任,注定了自身与一般商业性服务场所存在的巨大不同。尽管所有人无不期盼着,技术创新有朝一日能为传统医疗提效赋能,让优质的医疗资源充分得到合理分配,但在医院这种极度封闭的环境内,设备和服务提供商进入市场时,难免遭遇阻碍。随着人工智能技术的发展和产品的快速迭代,如何更好地把先进的 AI 产品?#24230;?#20020;床使用,降低医生重复性的劳动?#24230;耄?#26159;企业、资本和医疗从业者的关注焦点。

    作为投资机构,梁宇在看 AI 医疗赛道时,发现创业公司存在的普遍情况是「商业化没有取得突破」。从 VC 的角度来?#29627;?#20182;也一直在寻找「AI+医疗」的商业元年。

    在 AI 医疗走向崛起的过去几年,医疗影像和电子病历被认为是临床应用最核心的两大商业场景。尽管人工智能技术俨然在辅助诊疗领域初显身手,但眼下,很多产品仍受制于数据不规范,体验效果还不尽人意的情况。


    (电子病例的应用还处于早期阶段,如何抽取结构化和标准化的数据特征是关键 | AI创新者论坛)

    电子病历:数据不规范

    在医疗行业内,电子病例被认为是医疗处方下沉到地市级医院的正确认知和方向,清华大学统计学研究中心副教授俞声?#28304;?#28145;信不渝。但长久以来,我国的医疗基础设施、医学信息学与欧美发达国?#19994;?#24046;距较大。同样是数据,电子病例用到的数据和人工智能领域所谈论的数据截然不同。

    一般而言,电子病例的数据分为两类:一类是疾病诊断、手术等编码型数据;另一类数据涉及诊疗细节。后者需要结合医生的临床经验和知识储备,以自由文本的形式记录在病例内。作为存储用的数据,这一类数据和机器学习需要的数据类型差异很大。将这两种不同形态的数据「通用化」,中间横亘着一道狭长的沟壑。

    举个例子,心电通常以是波形图的形式呈现,AI 执行这项任务的难点,主要是医生在病例上对心电的各种症状和诊断描述不统一。「这些术语在英语体系下比较好用,毕竟其发?#25346;?#32463;有 30 年的时间,迄今累计有几百万种医学相关的概念,几千万条的医学术语,所以在欧美做医学语?#28304;?#29702;相对容易」,俞声如是说道。

    相比之下,中文的积累处于刚刚起步的阶段。「因为基础设施还没打好,如果做电文的电子病例分析,当务之急去建设并补全中文的医学术语库,搭建基础层以后,才能在上面获得更好的发展」,俞声?#36171;觶?#22522;于 AI 电子病例在结构化和标准化方面不能完全归一,眼下需要借助 AI 算法,把病例中与疾病相关的特征抽取出来,然后才能把大量的特征交给机器人去做深度学习」。

    医渡云大数据应用算法总监李林峰表示,若要将个体病患的完整病例整合起来,需要介入并打通几十个?#20302;场?#36825;里遇到的问题是,不同医院对病例的描述方式也千差万别。这就迫切地需要把各项大数据相结合,形成统一化的数据集,以便构建标准化的数据模型。

    据了解,医渡?#25340;?2013 年成立?#20004;瘢?#32047;计?#24230;?10 亿人民币,用于系统建设和数据分析工程,目前已经与 100 多家医院达成合作,帮助这些医院构建院内的大数据?#25945;ā?/p>

    AI 医疗的底层技术架构虽然已经比较成熟,但在很多专科疾病领域,由于疾病的复杂性和特征差异性,让机器在短时间成为全科专家是不可能的事情。因此,医渡?#25340;?#21333;例病?#26234;?#20837;,将每一种疾病需要抽取的相关特征,通过结构化的方?#25945;崛。?#24110;助医生建立数据库,从而针对这些数据做进一步的科学研究和临床分析。

    「在做电子病例研究的时候,数据的获取是很难的,而且是不规范的」,俞声表示,医学信息学基础设施的缺失对 AI 医疗的发展是重大的障碍,目前,清华大学统计学研究中心主要的工作方向集中于医学术语的?#23835; ?#33258;动识别、补全,建立能够应用于 AI 医疗和电子数据分析的术语库。

    另一方面,关于医学知识?#35745;?#30340;建设,如果要预测某种疾病,依照它的知识关系去?#23835;?#30456;应的变量,再去建模,而不是直接将所有变量扔到模型内直接预测结果。俞声希望到今年年底,完成第一批用于电子病例分析的中文医学术语的分析工作。

       在影像学的诊断过程中,一些信息不是从原始数据中获取,而是通过图像再处理产生 | 视觉中国)


    医疗影像?#21644;?#25918;使用

    过去一年,创世伙伴资?#26223;?#25237;?#25163;?#24515;向 AI 医疗倾斜。合伙人梁宇走访多家医院的影像?#21697;?#29616;,不少公司的产品挺好,可就是没有开机,「医生根本没有用起来」。很多创业公司对外宣称,产品进入了多少家医院,但让医生把产品用起来,并渗透进他们的日常工作,还有相当长的距离要走。

    回到产品本身,AI 产品?#24230;?#21040;临床应用时,医生之所以不愿意使用,根源在于「产品做得还不够好」,?#36171;?#29992;的系统没有?#24230;?#36827;来」,导致医生还依赖于工作站来看图像。这样的 AI 产品不仅没有帮助医生提高效率,反而在浪费医生的时间。

    另外,创业公司?#32422;?#20063;要把跟客户的交流,包括跟医院的合作,最重要的一点在于,能否做出真正打动医生的产品。如果这个产品在 100 家医院医生用得很好,国家不可能不去推这样好的产品在医院用。

    清华大学医学院生物医学影像研究中心研究?#38381;?#38177;海从事于心脑血管技术研发和临床运用研究工作,涉及医学影像的开发、临床应用、产业转化,他从临床医生的角度分析了对于人工智能的见解和想法。

    他认为在医疗活动中,影像学扮演的角色是疾病诊断,?#22797;?#30149;人进入到医院,到身体康复后走出医院,整个过程不仅是诊断,还涉及治疗的全过程」,人工智能在临床医疗的各个环节都可以发挥重要的作用,在疾病诊断环节,影像学只是其中的一部分,还有病理、血液检测等部分。

    因为模态很多,影像学相对复杂。例如肿瘤诊疗,从超声到 CT 完全由临床医生一人?#24202;?#20316;。赵锡海谈到:「X 光和 CT 都属于 X 射线,维度一样,因此这方面突破?#35759;?#36739;高。而磁共振的维度也比较多,成像序列比较多,方法也层出不穷,一个病人可能要扫描很多的序?#26657;?#20154;工智能分析起来比较困难。」

    王书浩表示,医疗影像的赛道目前还没那?#20174;导罰?#19968;方面是因为扫描后的影像体积大小在 1G 左右;另外,信息量非常大。病理医生至少在毕业后再学习 10 年才能达到资深水平,也足以?#24471;?#30693;识量的广度和强度,?#21103;?#22914;乳腺癌的?#20013;?#26377; 300 多种,让机器学习这些数据的?#35759;?#26159;非常大的」

    在影像学诊断过程中,有一些信息无法从原始数据中获得,需通过图像再处理之后产生。图像后处理本身就颇具挑战,这些信息输入以后再进行分析,是比较复杂的。如果要?#23835;?#26356;多的信息,目前比较好突破的是 X 光和 CT,而超声受操作者经验的局限,不容易在短时间内取得突破。    

    在与医生交流的过程中,王书?#21697;?#29616;病理科在中国是相对弱势且比?#19979;?#21518;的科室。所有病理科的医生无不在显微镜下看片子,数据没有机会被数字化,而人工智能病理对于这样的科室而言,无疑是革命性的概念,促使其从传统到数字化的转型。从医学角度来?#29627;?#30149;理是近乎于疾病本质的学科,病理医生又被称之为「医生的医生」。如果 AI 能够解决这样的问题,就能够和肿瘤治疗的一些本?#26159;?#20851;联,这将更加富有意义。


    AI医疗商业元年难觅

    虽然在商业化落地方面,业内目前?#24418;?#26377;明确的统一答案。不过,汇医慧影 CMO 张雪峰坚定地认为 AI 影像必须要走 ToB 路线,而不是 ToC。另外,「要用人做事,而不是做事用人」,要从公司的优势资源入手,才能做出落地的产品。

    李林峰则认为:?#36127;?#20135;品被用户认可需要兼具这两?#36136;?#24615;,一是解决用户刚需,二是技术发展得足够成熟。」在现阶段,医疗影像的相关产品是最适合在临床落地的应用之一,它或将成为 AI 医疗的爆点。医疗影像产品可以保证高速处理且全年无休,不仅能够缓解三甲医院的医生就诊压力,还能解决基层医院的实?#24066;?#27714;。

    从医疗活动的特殊性来看,从事 AI 医疗技术开发的企业,首先要了解医疗活动的特殊性。赵锡海?#24247;鰨?#21307;疗活动是一个高度受关注的行业,一旦出现相应的问题,整个社会反响都非常强烈,因此,一脚踏进医疗行业的创业者需要非常慎重。

    这种特殊性决定了诊治过程不是冰冷的医疗操作,而是包含了人文关怀在其中。未来,患者很难想象?#32422;好?#23545;的是一个没有感情的机器人,对其问询病史,做出诊断,采取治疗。

    此外不得不提的是,医疗活动涉及到大量病患的隐私,无论是电子病例还是医疗影像产品?#24230;?#20351;用,如何对数据进行处理,保证数据脱敏、去隐私化的处理,需要一套严密的操控流程和防范机制。

    当然,医疗活动必定遵从行业规范和监管。在现阶段的医疗活动当中,人工智能技术和产品的融入,需要人们很长一段时间改变观念。在政策法规方面,政府和行业内的合力破冰,是日后 AI 医疗大有可为的主力推手。

    ?#35745;?#26469;源:视觉中国、网易
    责任编辑:克里斯

    最新文章

    极客公园

    用极客视角,追踪你最不可错过的科技圈。

    极客之选

    新鲜、有趣的硬件产品,第一时间为你呈现。

    顶楼

    关注前沿科技,发表最具科技的商业洞见。

    北京pk10软件计划

  • <dl id="3mj6b"></dl>

  • <dl id="3mj6b"><ins id="3mj6b"><thead id="3mj6b"></thead></ins></dl>
  • <output id="3mj6b"><font id="3mj6b"><nobr id="3mj6b"></nobr></font></output>
    <output id="3mj6b"></output>

  • <dl id="3mj6b"></dl>

  • <dl id="3mj6b"><ins id="3mj6b"><thead id="3mj6b"></thead></ins></dl>
  • <output id="3mj6b"><font id="3mj6b"><nobr id="3mj6b"></nobr></font></output>
    <output id="3mj6b"></output>