今天是:

实验室资讯网

基于 AI-DR 来谈, AI 医疗影像该如何落地?

实验室资讯网时间:2017-08-09 点击: 百度搜索

【导读】在演讲中,夏晨博士从产品的角度去分享了 AI-DR 对于医生、患者、医院的意义。......
TAG标签: 医疗影像 AI医疗影像 AI-DR

近日,北京大学医学部影像医学学系第二次学术年会在北京举行。当天上午举行了“医学影像与人工智能论坛”。推想科技的夏晨博士带来了《医疗人工智能的落地与应用案例》的主题演讲。

基于 AI-DR 来谈, AI 医疗影像该如何落地?

雷锋网了解到,夏晨博士在会上主要谈到了推想科技在 X 线的辅助筛查上面的应用,“主要是 AI-DR ,现在很多的人工智能公司都有 CT 的筛查产品,但 X 线的筛查产品还是比较少的。” 她认为,X 线设备的普及率是远高于 CT 的,同时检查费用也最低廉,放射计量也低于 CT/LDCT 。

在演讲中,夏晨博士从产品的角度去分享了 AI-DR 对于医生、患者、医院的意义。她表示,对于社区医院而言,数据量不够是一个“天花板”,医生无法得到充足的训练来获得经验;其次对于大医院的放射科医生来讲,他们每天基本上只能花1-2分钟的时候去完成 X 线报告的工作,医生就没有办法去很好的实现工作的精度要求;最后,对于病人来讲,很多人只是在Symptomatic(有症状)阶段才去进行影像检查或者医疗干预,因此怎么在病人就近就医时就能得到很好的服务,“上述的三点都需要人工智能进行介入和帮助,来提高天花板。”

以下为嘉宾演讲实录,雷锋网做了不改变原意的编辑。

夏晨:非常感谢洪主任的邀请来参加今天的“医学影像与人工智能”这个论坛,也非常荣幸的能够代表推想科技跟大家分享一下我们在过去大概两年半的工作。

首先,在座的并不是每一位都特别熟悉推想科技,我大概做一个公司的简介。

推想科技是一家什么样的公司?

我们专注做医学影像人工智能辅助诊断这一块。在过去几年里,已经实现了很多家医院的上线和试用,刚刚艾教授也跟大家分享了我们在同济医院上线的应用案例。

基于 AI-DR 来谈, AI 医疗影像该如何落地?

这是我们推想科技的大致发展历程:

在2015年,我们开始与四川省人民医院和武汉同济医院进行合作。

在2016年2月,我们开始与大连中山和上海长征医院进行合作;2016年10月是我们正式将产品在大连中山、上海长征、武汉同济进行上线使用的时间点,到现在医生使用的产品大概有超过8个月时间了。

之后开始与更多的医院展开合作。包括北京协和、湖南湘雅、北京天坛,其中山东聊城二院是 GE 肺癌筛查 total solution 的应用试点,我们提供了 GE 人工智能部分的服务。

2017年5月我们在产品发布会上正式将我们的三款产品推向市场,分别是:

第一款:AI-DR(X线的辅助筛查产品)。

第二款:AI-CT(CT影像的辅助筛查产品)。

第三款:AI-Scholar,主要是提供给医生,有科研需求的医生对深度学习也非常好奇,能不能通过操作的界面来实现深度学习的建模,发表一些科研文章。

我今天想要谈的是我们在 X 线的辅助筛查上面的应用,主要是我们的 AI-DR ,现在很多的人工智能公司都有 CT 的筛查产品,但 X 线的筛查产品还是比较少的。所以,借这个机会给大家分享一下。

我们也走访了很多医院,当我们来到大型三甲医院时,主任基本给我们的定调就是 X 线不是一个有前途的产品。

我们来看一下 X 线的情况:

第一:中国目前 X 线的情况,其实咱们不仅仅是看大型的三甲医院,咱们也去到了一些偏远的山区,看到了卫生所这样的基层医院,其实 X 线设备的普及率是远高于CT的。

所以, X 线影像尤其是胸部胸片的影像,它普及的地域和广度是非常广的。

第二: X 线的应用场景,比如体检、门诊、住院。在体检产品里,虽然大家都在推LDCT,CT筛查。目前来讲,大部分医院还是以 DR 胸片的检查作为体检里面必备的一个内容,它试用范围其实是更加广的。

基于 AI-DR 来谈, AI 医疗影像该如何落地?

对于病人来讲,它是一个检查费用更低的影像方式,尤其到一些偏远地区,病人会对200多块钱的 CT 检查产生迟疑,想要知道 CT 检查到底给我怎样更多的帮助。

此外,它的放射剂量目前来讲还是低于 CT ,其实它比 LDCT 检查的方式剂量还要少,基本上胸片是0.02毫西弗, LDCT 大概是0.5毫西弗。

行业对胸片检查是怎么看的?

我刚刚说的是一个大概的现状,我们也讲一讲行业内对胸片检查的观念。

其实2011年两篇大文章出来之后,基本上对胸片和胸部 CT 影像有了一个学界基本的定调,首先是 JAMA 研究报告指出,胸片的检查对降低肺癌死亡率根本没有什么明显的效果。随后《新英格兰医学杂志》又发表了一篇文章, LDCT 对肺癌的死亡率可以降低20%。

基于 AI-DR 来谈, AI 医疗影像该如何落地?

基本上这两篇文章出来之后,大家觉得就肺癌筛查这个领域来讲,应该推 LDCT 的筛查。

我的统计学老师告诉我,当我看到一份研究报告出现的内容叫 no difference(没有区别),我第一反映应该是 Do not accept null ,我对这个结果要有一个更加思辩性的判断。

到底是 DR 作为一个 X 线的影像,本身存在很大的问题,不能够反映这样的病变,还是说我们在使用过程中,人的视觉机制本身有一些瓶颈,导致我们很难从 DR 影像、 X 线影像、胸片影像上去发现这样的病变。

 AI-DR 实际应用案例分析

接下来,跟大家分享几例,我们在医院实际运用 AI-DR 过程中发现的几个病例,这个病例在座的医生可以仔细看一下,大家能不能够在影像上发现比较严重的病灶(给大家一些时间)。

基于 AI-DR 来谈, AI 医疗影像该如何落地?

在这样的一个位置,我们的 AI-DR 圈出了一个它认为是结节的病灶区,这其实是我们在一家 AI-DR 医院发现的病例,医生一开始的报告里并没有提及说在这个区域看到一些非常严重的病变,这样的争议案例,我们采用的是 CT 检查手段来进行验证。

大家也可以继续花一些时间看一下这个病例,在这个X线的胸片上,人工智能圈出了三个它认为是结节的病灶区,分别在左肺、右肺的上叶,还有一个是胃的位置,这个医生很快就排除它是个假阳性。

那这个左肺与右肺上叶上面的两个结节,其中左肺上叶的(结节)还是比较明显的,它的密度一下增加,然后形态学上也像是一个结节。

但是呢,右肺上叶的其实并不特别清楚,咱们放大看一下,其实并不是一个很明显的结节的影像特征,那  CT 的结果是什么呢?我们可以看到,在这边是半实性磨玻璃这么一个还比较大的结节。

对于这个案例,人工智能圈出来的位置,在右肺的下叶,我们放大看其实是能够看到一些密度的增加的,然后我们做一个 CT 的检查,看一下它所在的位置,可以看到其实隔肌有个阻挡,然后让这个病灶显的不是那么明显,但是人工智能可以发现它这个病灶的位置。

于是我们就开始有了疑问,X线是真的没有办法呈现病灶吗?还是说人眼的视觉机制没有办法在很短时间内判断这些特征并不是那么明显,对比度不是那么强的病灶位置?

所以,我们对于这个 X 线胸片要被淘汰,打了一个问号,当然它还是有局限的,像我们看到的所有案例,基本上它所发现的结节,都已经是2CM左右的一个比较大的结节,甚至是肿块的。

所以,它对于这些微小、早期病灶的检出,我觉得还是有局限的。其实在我们去讨论胸片这个技术的时候,医生认为胸片可能没有办法看到某些病灶的时候,我觉得另外可以思考就是机器和人在视觉机制、视觉识别上面的一些区别。

我这边还想跟大家分享的是,其实我们的人工智能并不是一开始就能实现这样一个检出的。这是另外一个病例,很明显的是大概三个结节的病灶,这个实性还是比较容易发现的,左肺上叶的两块,一个是靠近胸膜的膜玻璃,还有一个主动脉结上面的这个。

咱们看到病人的胸片时,也看到了他的CT常见的影像,那我们的模型表现如何?

在我们去年10月刚上 AI-DR 的时候,我们模型表现是这样的。

基于 AI-DR 来谈, AI 医疗影像该如何落地?

左边这个就是根本没有检出,然后还有很多的假阳性,到了今年三月的时候,把这个检出了,但是依然有一些假阳性。再到今年五月的时候,检出了这两个结节,但是依然还是没有检测到主动脉结上面的结节。所以,这个模型还有可以做的更好的地方。但是我们对它的期待是,随着它不断的去学习,不断的去进步,三个月之后、半年之后、一年之后会有一个怎么样的表现?这个是大家可以想像的一个空间。

当然,我们 AI-DR 不仅仅是看肺结节,我们实现了20多个标签的人工智能的辅助筛查,其中有一些标签我觉得是大型三甲医院的医生特别看中的,包括一些骨折的识别,气胸的识别,还有肺间的气胸,其实不仔细看还是容易漏的,气胸如果一旦漏诊的话,其实后果还是比较严重的。

AI技术能为医疗行业带来什么?

所以,从 AI-DR 这个产品的角度去想一想,对于医生、患者、医院有什么样的意义。

基于 AI-DR 来谈, AI 医疗影像该如何落地?

首先,对于社区医院而言。医生的经验或者诊断能力一部分来自学校的训练,另外一部分来自于实际病例累积的经验,但是我们到了这种社区医院,发现的是每天也就这么几个病人,他没有办法积累大量的经验。

所以,对能力的提升有一个天花板。然后对于大型三甲医院的医生又是怎样呢?

我觉得目前胸片科还是很大量的,基本上每个月是4万多的 X 线的诊断,我觉得45%的比例都是 X 线的胸片。

对于大医院的放射科医生来讲,他们每天基本上只能花1-2分钟的时候去完成 X 线报告的工作,所以,有些病变我觉得医生是不能够发现的,需要更多的时间,比如说去调整影像,仔细去看不同的疑似是病灶的地方,但是这个就需要花相当多的时间,对于医生已经那么繁忙的工作量来讲,就没有办法去很好的实现工作的精度要求。

对于病人来讲,我们大部分去医院的人群,其实按照人疾病的发展的一个过程,咱们基本上可以分为 Symptomatic (有症状)、 presymptomatic (早期症状)或者是 asymptomatic (没有症状)亚健康的状态。我觉得对于北上广这些发达的地方,大家对于一些 presymptomatic 或者 asymptomatic 阶段的身体还是比较在意的,会去采取措施让自己变的更加健康。但对于很多人来讲,他们只是在 Symptomatic 阶段才去进行影像检查还是医疗干预。所以,对于病人来讲,怎样通过在 Symptomatic 阶段,当他就近去到医疗机构,只有 X 线的诊断设备的时候,能够给到他最好的服务。

然后我们也在聊医疗体系,我觉得大家现在大方向还是会越来越变的更加先进,一定会越来越多的采取像MRI CT这样高端成像的技术去实现病灶的检出。

但是目前的现状来讲,我觉得X线设备的普及率还是非常高的,就现在设备的现状来讲,我们怎么样能够通过人工智能技术来进一步提高天花板。

其实我们推想科技6月份也是来到了日本,这里分享一点我们在日本的观察。

日本医生他们就是技师,技师就是拍片,然后放射科医生是需要跟患者进行沟通的,其实放射科医生大部分时间是在跟患者一起去聊,说我在你的影像上看到了什么,我觉得是什么,我觉得你接下来的干预会是什么样,我给你什么样的一些建议,他们会花大量的时间去跟病人去做沟通,其实是在其他国家和地区,放射科医生是有这样的一些职能,我觉得人工智能是可以在重复劳动上解放医生的精力,然后让医生有更多的时间去跟患者接触。然后提供一些更优质,更Personalized个性化的一些服务。

我的分享就到此为止,谢谢大家。

(本文来源:雷锋网 )

(责任编辑:Labtoday)

引用地址:

TAG标签: 医疗影像 AI医疗影像 AI-DR
顶一下
(1)
100%
踩一下
(0)
0%
免责声明: 除标明《实验室资讯网》原创外,本网部分文章转载自其它媒体,转载目的在于传递更多信息, 并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。 如其他媒体、网站或个人从本网下载使用,自负版权等法律责任。如涉及作品内容、版权和其它问题, 请在30日内与本网联系,我们将在第一时间删除内容!
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
栏目列表
推荐内容
手机查看本页
扫描二维码,
在手机上查看本页!