cookieOptions = {...}; .AI + 醫療,打造全流程智慧醫療 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

2020年1月10日 星期五

Machine Learning For Medical Image Analysis - How It Works


0935-970-603 施正偉

源:企业网D1Net

如何將新興技術賦能業務營運幾乎成為當代 IT 管理者孜孜不倦的話題,「賦能」,似乎已經成為數位化時代中,各大峰會論壇必不可少的關鍵詞彙。

作為新一代科技革命和產業變革的核心驅動力,人工智慧儼然已成為新興技術的典型代表,理所應當的開始為醫療、金融、安防、教育、交通等傳統行業帶來了新的機會。

「醫療人工智慧是一套漫長的路,不是一兩年就能看到成功的,還需要大量的實踐,將模型應用在醫院、患者和醫療機構中,不斷累積經驗,完善模型。」

醫療科學家表示,過去五年中在醫療領域就做過很多人工智慧的投入,包括診前做疾病的預測、疾病的篩查,診中做智慧的輔助診斷和輔助治療,診後做隨訪,試圖利用 AI 技術賦能醫療診前、診中、診後全流程。

圖源:图虫创意

診前疾病預測
疾病預測是一個很重要的問題,中國有超過 3 億的慢性病患者,透過預防等手段控制病人的數量,延長病人患病時間能夠大幅度提高人民的生活品質並降低費用。目前疾病預測有三大技術挑戰:

1. 醫療數據多模態,維度高,如何從成千上萬維度中尋找關鍵的風險因素

2. 時間序列分析,患者醫療數據不是單次,可能有三到五年甚至更長的數據,如何從疾病演進中,預測各類事件的發生

3. 可解釋性,醫療的模型要求醫生能夠信任和理解。

「目前在做兩步的疾病預測方案:融合深度學習、整合學習,包括時間序列分析各種方法,建構精準的疾病預測模型,要求教現有的模型精度提升 50% 以上針對非線性模型做各種因子分析,幫助醫生理解。」

將這類模型用在了兩個領域:人群趨勢預測(例如對對岸中國都會人群做流感和手足預測)、針對心血管、糖尿病、呼吸系統、慢阻肺和腎病四大疾病,做出超過 40 個疾病預測,覆蓋五個省市中的 2 億人群,進行早期乾預和治療。

醫學影像輔助篩查
病患人診斷技術大,醫生相應的負擔和工作量也大。平人工智慧需要從醫學影像切入,提高醫生的效率,提升醫生看片的品質,要求覆蓋人體九大系統,透過 40 多種模型覆蓋多模態影像,無論從頭部、內分泌、心血管都是最全面的醫學影像方案。

針對提高醫生效率,透過智慧病理影像技術,對病原細胞分類,生成報告,讓醫生去修改,以提高醫生的工作效率。在品質方面,透過對人眼底 3D 掃描,利用系統自動篩查,最後呈現給醫生和患者篩查,提示患者就診,提高篩查效率和品質。

疾病的輔助診斷和治療
分級診療能夠平衡基層醫療資源,但如何保證基層醫療機構的診療品質,仍然是個重點。基層醫療機構的醫生,受限於自身能力和經驗,而分級智慧治療技術,能夠協助其在就診時,提供最好的診斷和治療建議。

「分級智慧治療技術的系統核心,需要提供數據庫和知識庫。」,在長時間的的業務累積和經驗沈澱的過程中,依託豐富的數據庫和知識庫,建構強有力的智慧診療系統。

然而智慧診療系統(也就是醫學大腦)的建構並不簡單,需要分為兩步:第一步需要將文獻和知識庫變成圖,並找到內在關係,構成一個龐大的知識圖譜,為整個疾病診療過程,搭建主框架。第二步透過大量的病例、影像檢查查驗結果,讓知識圖譜變成一個持續學習的系統,為基層隱身一步步,提供精確的診療方案和建議,提高醫生診療能力。


AKD 寰楚專業級全系列監控設備

0 意見: