摘要:AI医疗风口正盛,且看依图科技旗下战将如何布局

AI根基深厚,师出名门的依图医疗如何出击?| 爱分析访谈-ifenxi

调研 | 张扬 晴空

撰写 | 晴空

AI影像诊断产品在各类赛事中崭露头角之后,近日《自然医学》上刊登的一篇名为《使用人工智能评估和准确诊断儿科疾病》,将以NLP技术驱动的儿科智能辅助诊断推至聚光灯下。

AI模型与五组由不同年资医生组成的小组进行PKAI模型的诊断准确率超过了两组年轻医生。本次论文所述的是依图医疗与广妇儿联合科研团队在NLP领域两年积累的成果。

依托三大核心技术,为医院提供从检查到治疗的闭环解决方案

从时间维度来看,成立于2016年的依图医疗是一家年轻的公司,但依图科技是国内在计算机视觉、自然语言理解、自然语音识别三大AI核心领域均具备世界级水准的AI企业。作为依图科技在医疗领域的布局者,依图医疗AI技术也是行业中流砥柱。

依图医疗于2016年底发布肺癌影像智能诊断系统,此后,陆续布局儿童骨龄、胸部CT、乳腺等领域,形成影像辅助诊断临床智能决策产品体系。

2016年底到2018年,依图医疗与广妇儿深度合作,相继推出包含辅助诊断、预问诊等产品在内的智能互联网医院平台。

覆盖临床智能决策和智能互联网医疗平台的依图医疗并没有止步,2018年与华西医院联合打造了人工智能肺癌病种库,用于医院科研以及临床辅助诊断。

至此,依图医疗运用计算机视觉、NLPAI技术,形成临床智能决策(影像辅助诊断)、智能互联网医院平台(儿科就诊流程智能解决方案)、以及医疗大数据智能解决方案三大产品线,为医院多科室提供检查、诊断、治疗、以及科研的闭环解决方案。

打通医疗多维数据,三大产品线齐发力

AI根基深厚,师出名门的依图医疗如何出击?| 爱分析访谈-ifenxi

临床智能决策系列产品主打AI影像辅助诊断,包括肺癌、儿童生长发育、乳腺X线、乳腺超声、卒中多学科和甲状腺这七款影像智能诊断产品。

智能互联网医院平台,即儿科就诊流程智能解决方案,覆盖了98%的儿科常见病,打造AI导诊、AI 预问诊、AI辅诊、AI 随诊等一系列辅助工具,覆盖诊前、 诊中和诊后全链路,旨在优化儿科门诊就医路径。

医疗大数据智能解决方案,基于全院级数据构建知识图谱,实现智能搜索引擎,用于医疗数据的处理、分析,当前主要通过构建单病种数据库,提升医生科研效率。

同时基于全院多维医疗数据打造的智能病种库,介入临床智能辅助决策,目前已推出肺癌多学科智能诊断系统 ,能够实现风险预测、分型分期、治疗方案建议、预后评估等功能。

其中,智能医学影像产品主要是基于影像数据打造,而另外两大产品线则综合了包含单病种、专科病历文本数据,以及影像诊断结果数据在内的与临床诊断、诊疗流程相关的数据。

依图医疗副总裁方骢博士表示,只有将全院级数据打通,并按照应用场景需求进行治理和训练,才能为医院提供真正有用的闭环解决方案。

主攻三甲医院,全院级解决方案具备竞争优势

目前这三大产品线已覆盖几百家医院,其中医疗大数据智能产品布局医院大部分为有较强科研需求的三甲医院,主攻医院科研预算和信息化预算。

智能医学影像产品目前处于申请CFDA认证阶段,当前主要在三甲医院试用,未来会逐步向基层医疗机构下沉。

当前,AI影像和医疗大数据均处于商业化初步验证阶段,大部分创新性企业专注于其中的一个方向。

而依图医疗的思路是打通医院底层数据,从全院级层面出发,覆盖专科诊断、治疗、科研等场景,其中科研场景已有部分营收,从商业化落地角度来看,具备较强的竞争力。

而且依图医疗有超过百人的研发团队,以及来自GPS和医疗信息化知名厂商的销售团队,团队产品团队也囊括医学背景人才。综合来看,在技术实力、产品能力、商业推广层面都具备竞争优势。

AI根基深厚,师出名门的依图医疗如何出击?| 爱分析访谈-ifenxi

近期,爱分析对依图医疗副总裁方骢博士进行了专访,就依图医疗的业务布局,以及医疗AI在院内场景的落地方面进行深入探讨,现将部分精彩内容分享如下。

方骢,依图医疗副总裁,武汉大学学士,UCLA药理学博士,麻省理工(MIT)生物工程硕士和麻省理工斯隆管理学院(MIT Sloan) MBA。曾在世界最大生物制药公司Amgen负责运营管理,曾任上海吉玛生物科技有限公司北美地区执行销售总监。

三大核心技术支撑,释放医疗数据价值

爱分析:依图进军医疗是出于怎样的考虑?

方骢:2012年依图开始在安防领域发力,不管是语音识别、自然语言处理技术,还是CV技术,底层技术架构的能力非常全面。

深耕安防及金融多年,在上述领域内取得了辉煌的成就,但这并不妨碍医疗业务成为依图的下一个战略重点,依图坚信AI的未来在医疗,世界级的医疗难题将诞生世界级的解决方案。

因此2016年,我们开始了在医疗领域的业务探索,成立依图医疗。目前我们的业务主要集中在3大领域,智能影像、医学大数据智能、互联网儿科产品。

20186月,以NLP技术、医学图谱和医学语义理解这三项技术为支柱的单病种智能数据库落地华西医院。

基于这个产品,依图医疗提出了一个非常鲜明的观点,医疗数据不是AI的基础,AI是医疗大数据的基础。没有处理过的原始数据,只能是数据量大,而不是大数据,无法释放价值。

只有经过人工智能解析、处理的医疗数据才能被称之为真正意义上的医疗大数据,只有以此为基础,采用人工智能技术,才能开发出智能科研、临床质控、远程医疗等更多顶层应用。

想要充分挖掘中国海量医疗数据的优势,就必须以人工智能为基础,推动临床数据的解析、清洗、结构化,唤醒沉睡的文本数据,打通信息孤岛下的影像数据,建设真正意义上医疗大数据网络,并通过人工智能,充分挖掘医疗大数据的潜在价值,造福更多患者。

爱分析:打造单病种数据库,对于数据、技术方面有哪些要求?

方骢:依图医疗与华西医院共同发布国内首个肺癌临床科研智能病种库,也是当今肺癌领域最大的肺癌智能病种库。该病种库纳入了华西医院2009年至今收治的病理确诊肺癌患者的全维度脱敏临床数据。

通过先进的人工智能技术,以患者为中心,收录肺癌患者的影像、病理、基因检测、病历文本等多维数据,并对这大量非标化、非结构化的临床数据进行清洗、解析与重构,实现可视化、结构化,打造真正的医疗大数据。

这样的单病种数据库,能够使科研数据提取效率成倍提升,大大减少了科研流程中的人力劳动,为人工智能肺癌综合诊断应用的研发打下了坚实的基础。

爱分析:依图医疗如何看待当前AI影像的应用方向?

方骢:分为两个方向,一个是做深,一个是做全,不管是做深还是做全,我们选择产品有两个标准。

一个是能够解决临床痛点,临床痛点的定义是,如果不做或者做的很差,会对社会造成严重负面影响。

举个例子,我们选择做做肺癌,不做成人感冒。因为感冒可能致死率没那么高,肺癌如果做到早期诊断,能让五年致死率有明显下降,能够救很多人,这是我们衡量的一个标准。

还有一个标准是影响的人群要大,同样是做癌症,我们选择了致死率高的病种。

但是我们没有一开始就做后端的放化疗,靶区勾画,虽然它在我们的研发管线里面,但是没有作为第一期成熟推出的产品。

我们第一期推出的产品是早期癌症筛查,早癌筛查针对的人群就不是临床患病人群,而是高危人群,所以针对的人群特别大。

爱分析:举例来说,如何理解做深和做全?

方骢:以肺部疾病举例,结节是肺部病灶的一种,而且很大程度上早期肺癌是以肺结节的形式存在的,基于此,依图医疗完成了临床场景的闭环。

医生现在看低剂量CT,不仅仅是看肺结节,还要看有没有斑片,有没有炎症,有没有肺部积水,胸膜部分有没有其他病症,也就是看整个肺部位所有病灶。

如果一个人工智能解决方案,能够看全肺的,社会价值和商业化价值都会很大。

做深,是能够应用于更多的场景,比如能够用在大健康环境中,服务于大样本人口的普适性筛查。我们刚刚发布的AI防癌地图计划,实际上就是从医院的相对封闭的场景,到能够用在大样本人口的普适性筛查。

这种情况下,产品服务的对象就是整个民众,不仅仅是服务于医疗机构。

此外,通过与爱康的战略合作,依图医疗已经在大健康领域形成非常成熟的解决方案,作为体检套餐提供给更多的人群。

不断扩展产品线和应用场景

爱分析:依图医疗有儿科全科解决方案和单病种专科解决方案,两者产品开发过程的区别体现在哪些方面?

方骢:两者的难点不太一样。

肺癌单病种数据库的难点更多的是前期数据的处理,对于医学的理解的难度相比于全科疾病要低一些,比如在做医学定义的时候,只需要肺癌专家就可以完成。

但是数据前期处理是比较困难的,因为多源异构数据的处理涉及到很多质控清洗、标注,过程很复杂。

而儿科的难点并不在于数据的整理和搜集,难点在于AI技术的综合性。

比如,患儿的家长口述症状,要用语音识别技术,转变成文字,接着用自然语言处理技术,结构化、语义理解,再用医学数据库判断疾病。

这个过程中需要有交互,通过图片、视频等形式,确认具体症状。因为小孩症状很多都是定性描述,所以产品开发了很多交互,以便能够尽量准确的描述症状,这个很难。

爱分析:依图医疗儿科产品具体能够解决哪些问题?

方骢:我们的产品需要基于海量病历数据、医学知识库及口述语料库, 应用领先的NLP技术及深度学习算法,做到能够通过对于文本及语音的智能分析进行智能预问诊、智能病史采集以及AI病历的自动生成。

针对我国儿科紧张的供求关系,能为患儿及其家长减少就诊等候时间,加强医患沟通,辅助医生精准诊断。

依图医疗的儿科智能互联网医疗平台产品线贯穿预约挂号-候诊-问诊-诊断-取药-疾病康复全流程。

“AI导诊“AI预问诊“AI诊前检验“AI语音病历“AI辅诊“AI随访等多款产品。做到了从端到端的打通,从患者患儿家长描述症状,到出诊断报告的就诊全链路。

爱分析:从研发和应用场景来看,单病种数据库和诊断系统之间的逻辑关系是什么?

方骢:它们不是并列关系,而是前后关系。

先有了单病种数据库,才能在单病种数据库上去孵化智能肺癌诊断系统。因为在单病种数据库上,还需要人工智能算法训练模型,加入专家诊疗经验、更多的临床数据,从而成为可以用于临床的诊断系统。

爱分析:打通三甲医院全院数据,打造单病种数据库之后,会通过将模型下沉实现商业模式落地,还是可以在三甲头部医院实现商业落地路径?

方骢:单病种数据库针对全国顶级三甲医院,他们有非常强的科研诉求。

比如像华西这样的顶级三甲,我们的肺癌临床科研智能病种库能做到业务数据到科研数据的全链路自动转化流水线系统,告别手工导出、手工提取和手工录入,实现诊疗数据精准化结构化,让科研数据制备迈入万量级工业化时代。

而且,数据库的意义,绝不仅仅是的某一个需求点,而是可以通过这套系统,孵化出具有CDSS决策功能的临床辅助诊疗系统。

即基于海量真实病历数据,结合医学文献、临床知识库等资源,利用分布式存储和计算、自然语言处理、深度学习,神经网络等技术,合作开发面向临床医生的辅助决策系统。完善临床决策支持体系,助力医疗同质化、开展医疗业务协同、可以全面提升区域相关疾病的防治及科研水平。