AI醫(yī)學(xué)影像行業(yè)調(diào)研學(xué)習(xí)教案

1、會(huì)計(jì)學(xué)1AI醫(yī)學(xué)影像行業(yè)調(diào)研醫(yī)學(xué)影像行業(yè)調(diào)研行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第1頁/共16頁行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn) 影像數(shù)據(jù)快速積累，已具有開發(fā)應(yīng)用規(guī)模我國每天產(chǎn)生的影像數(shù)據(jù)以PB計(jì)算，占到醫(yī)療行業(yè)數(shù)據(jù)的90% 影像醫(yī)生產(chǎn)能負(fù)荷重和部分地區(qū)醫(yī)生影像診斷水平偏低，而人工智能大有所為放射科醫(yī)師數(shù)量存在缺口，醫(yī)師的疲勞或經(jīng)驗(yàn)不足可能造成誤判政策助推醫(yī)療大數(shù)據(jù)開發(fā)應(yīng)用2016年6月，國務(wù)院辦公廳印發(fā)關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展指導(dǎo)意見第2頁/共16頁行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第3頁/共16頁行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析

2、公司盤點(diǎn)醫(yī)生方面 大幅減少讀片時(shí)間，降低誤診概率，提高診療水平患者方面 有效減少診療時(shí)間，享受大型三甲醫(yī)院的高水平醫(yī)療醫(yī)院方面 對(duì)大規(guī)模的數(shù)據(jù)加以利用，建立整體的數(shù)字化平臺(tái)，提高醫(yī)院的核心業(yè)務(wù)能力，推進(jìn)醫(yī)院之間的數(shù)據(jù)共享智能識(shí)別解決行業(yè)痛點(diǎn)智能識(shí)別解決行業(yè)痛點(diǎn)：第4頁/共16頁 傳統(tǒng)的醫(yī)學(xué)圖像處理方式是由工程師們創(chuàng)造一套規(guī)則，算法根據(jù)規(guī)則對(duì)圖像進(jìn)行處理。但由于規(guī)則很難窮盡，所以對(duì)于現(xiàn)實(shí)中多變的情況準(zhǔn)確率不高。 而深度學(xué)習(xí)則無需人工特征提取，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)訓(xùn)練，促使其掌握診斷能力。醫(yī)學(xué)影像智能診斷行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第5頁/共

3、16頁2016年2月，谷歌DeepMind成立DeepMind Health部門，正式將人工智能技術(shù)應(yīng)用于醫(yī)療健康領(lǐng)域，獲英國倫敦帝國理工學(xué)院、倫敦皇家自由醫(yī)院和英國國家醫(yī)療服務(wù)系統(tǒng)（NHS）數(shù)據(jù)的支持。Google牽頭，歷時(shí)8個(gè)月，54名美國眼科專家，將128,175張視網(wǎng)膜照片分級(jí)，利用CNN算法，訓(xùn)練自動(dòng)檢測糖尿病視網(wǎng)膜病變和視網(wǎng)膜黃斑水腫，達(dá)到最低值為87%的靈敏度與特異度。Google與Verily公司開發(fā)用來診斷乳腺癌的病理人工智能，在于病理學(xué)家基于靈敏性和假陽性和乳腺癌病例分析競爭中，人工智能的準(zhǔn)確度達(dá)到88.5%，而頂級(jí)病理學(xué)家的準(zhǔn)確率為73.3%。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)

4、挑戰(zhàn)投資分析公司盤點(diǎn)第6頁/共16頁IBM Watson可以在17秒內(nèi)閱讀3469本醫(yī)學(xué)專著、24.8萬篇論文，69種治療方案、61540次試驗(yàn)數(shù)據(jù)、10.6萬份臨床報(bào)告。通過海量汲取醫(yī)學(xué)知識(shí)，包括300多份醫(yī)學(xué)期刊、200多種教科書及近1000萬頁文字，IBM Watson已在短時(shí)間內(nèi)迅速成為腫瘤專家。2013年， Watson與斯隆凱特琳癌癥中心（MSKCC）合作，推出腫瘤解決方案Watson for Oncology。2014年底和2015年底，Watson for Oncology先后進(jìn)駐泰國曼谷的Bumrungrad InternationalHospital和印度第三大醫(yī)院系統(tǒng)Ma

5、nipal Hospitals。2016年8月，IBM與我國21家醫(yī)院簽署IBM Watson for Oncology的合作意向協(xié)議，并于同年12月成立聯(lián)合會(huì)診中心。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第7頁/共16頁病理切片，通過過萬張圖片訓(xùn)練，AI區(qū)分膠質(zhì)瘤和非膠質(zhì)瘤的準(zhǔn)確率達(dá)90%。nAI對(duì)神經(jīng)假體進(jìn)行精確控制，倫敦帝國理工學(xué)院則嘗試了利用支持向量機(jī)這一算法，將此前85%的精確度提升到了97%。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)2017年1月，Nature設(shè)立子刊Nature Biomedical Engineering, 連發(fā)數(shù)篇AI報(bào)道：第8頁/共16頁行

6、業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第9頁/共16頁訓(xùn)練集需要事先標(biāo)注。由于大多數(shù)標(biāo)注依賴人工識(shí)別，因此數(shù)據(jù)標(biāo)注將耗費(fèi)較大量人力和時(shí)間，還要求醫(yī)療機(jī)構(gòu)的頂級(jí)醫(yī)生參與進(jìn)來。國內(nèi)外公司基本都處于不斷收集影像數(shù)據(jù)的階段，仍在豐富病種多樣性和擴(kuò)大影像數(shù)據(jù)規(guī)模，從而優(yōu)化影像智能診斷的準(zhǔn)確度。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)第10頁/共16頁由于單一幾個(gè)病種的分析作用有限，就會(huì)造成漏診。因此，只有在分析病種達(dá)到足夠多數(shù)量之后，漏診風(fēng)險(xiǎn)才會(huì)降到可接受范圍之內(nèi)。除了數(shù)據(jù)量級(jí)和覆蓋病種多樣性以外，數(shù)據(jù)有效性也很重要，即擁有影像圖像、病灶重點(diǎn)標(biāo)示、診斷報(bào)告、影像專家經(jīng)驗(yàn)等形成的閉環(huán)數(shù)據(jù)。

7、醫(yī)院是當(dāng)前最大的醫(yī)療數(shù)據(jù)集聚地，因此，看好與多家大型醫(yī)療機(jī)構(gòu)深度合作的企業(yè)。行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)覆蓋多病種的有效數(shù)據(jù)庫是前提第11頁/共16頁行業(yè)需求核心技術(shù)應(yīng)用概覽難點(diǎn)挑戰(zhàn)投資分析公司盤點(diǎn)算法是處理和解讀影像數(shù)據(jù)的成功關(guān)鍵影像數(shù)據(jù)標(biāo)準(zhǔn)化以及數(shù)據(jù)模型的構(gòu)建，需要公司研發(fā)團(tuán)隊(duì)長時(shí)間技術(shù)積累以及對(duì)醫(yī)學(xué)影像的深度理解，其質(zhì)量的高低反映在影像智能分析的準(zhǔn)確性和穩(wěn)定性?？春脫碛蠭T/數(shù)學(xué)和醫(yī)學(xué)影像強(qiáng)背景的企業(yè)，最好是擁有數(shù)學(xué)/IT+醫(yī)學(xué)影像復(fù)合型人才團(tuán)隊(duì)。目前，我國的影像智能分析公司基本處于合作醫(yī)療機(jī)構(gòu)醫(yī)生對(duì)產(chǎn)品算法模型檢驗(yàn)完善階段。影像智能分析公司潛在客戶多目前我國影像智能分析公司主要定位于：（1）為醫(yī)療機(jī)構(gòu)提供影像智能分析應(yīng)用，充當(dāng)醫(yī)生的第二雙眼或者使醫(yī)生眼睛更具穿透力；（2）