《数字医疗与人工智能(AI)-2020版》
2020-04-15 10:58:57   来源:麦姆斯咨询   评论:0   点击:

据麦姆斯咨询介绍,人工智能(AI)正在深刻变革医疗诊断。最新的研究成果表明,人工智能软件可以针对皮肤、眼睛、耳朵、肺、乳房等部位的各种疾病,实现基于图像的快速、准确的诊断。人工智能技术的发展可以实现自动化诊断和分诊,更快地处理以加快转诊过程。

Digital Health & Artificial Intelligence 2020

购买该报告请联系:
麦姆斯咨询 王懿
电话:17898818163
电子邮箱:wangyi#memsconsulting.com(#换成@)

《数字医疗与人工智能(AI)-2020版》

据麦姆斯咨询介绍,人工智能(AI)正在深刻变革医疗诊断。最新的研究成果表明,人工智能软件可以针对皮肤、眼睛、耳朵、肺、乳房等部位的各种疾病,实现基于图像的快速、准确的诊断。人工智能技术的发展可以实现自动化诊断和分诊,更快地处理以加快转诊过程,尤其是对于急诊情况,可以释放专家资源,在任何地方提供最佳的准确性和更广泛的适用性。这将是具有深远影响的开创性发展。毫不意外,很多创新厂商正顺势而为,争先恐后把握人工智能技术的发展红利。

英国知名研究机构IDTechEx在本报告中研究了这一趋势,全面考量了健康医疗领域的数字化和人工智能应用趋势。本报告概述了针对皮肤、眼睛、心脏、乳房、脑、肺、血液、遗传疾病等各种病症的基于人工智能的最新诊断技术。这些诊断技术所使用的数据源非常丰富,包括皮肤镜图像、眼底图像、OCT、CT、CTA、超声心动图、心电图、乳腺造影、病理切片以及低分辨率手机图像等。本报告还筛选并重点介绍了寻求利用这些技术进步来实现诊断和分诊过程自动化的创新厂商。

突破性技术

大量资金正流向开发人工智能工具的初创公司和大公司的研发团队,以基于从RGB图像到CT扫描、ECG信号、乳腺造影和病理切片等众多数据源,加速和/或改善各种疾病的检测和分诊。最新的研究表明,与经过培训的专家和专业人员相比,人工智能软件可以更快、更经济、更准确地完成这些任务。

现在这种趋势正在不断升温,因为,(1)数字化医疗的数据源正在迅速增加,提供了丰富的算法训练来源,并且,(2)人工智能算法尤其是经过训练的深度神经网络技术的进步,使软件能够解决过去无法完成的任务。

本报告概述了许多此类进展,并突出介绍了那些正在把握机遇的重点厂商。此外,本报告还特别概述了两类具体的病例:眼科疾病和皮肤疾病。

眼科疾病

糖尿病视网膜病变是一种影响眼睛的并发症。来自印度的研究人员近期表明,人工智能软件可以准确地解读视网膜眼底成像照片,从而使大规模筛查计划能够检测出糖尿病视网膜病变。这种软件经过训练可以进行多种二元分类(binary classifications),为每个患者分配风险等级。其算法基于超过14万张图像进行了训练和调整,使搭载该算法的设备的灵敏度和选择性,能够比肩并超越训练有素的人工专家。该软件的灵敏度和选择性分别达到92.1%和95.2%。

显然,该应用有巨大的商业前景,许多厂商正在寻求该领域的人工智能应用。例如来自美国爱荷华州的IDx,该公司也设计并开发了一款检测糖尿病视网膜病变的算法。IDx的人工智能系统的灵敏度和特异性分别达到87%和90%。早在2017年,它就在美国的10个不同地区,对900名患者进行了测试。

IDx人工智能诊断系统

IDx人工智能诊断系统

光学相干断层扫描成像(OCT)是眼科诊所非常常见且有效的测试方法,它可以生成眼底组织的高分辨率(5 um)3D地图,但需要专家分析才能解读。OCT现在是最常见的成像检查之一,仅在2014年,美国医疗保险人群就进行了535万次OCT扫描。如此大的检查数据量在处理和分诊时会造成积压,在紧急情况下可能会导致治疗延迟,危及病患。

DeepMind(谷歌)展示了一种基于3D OCT图像自动进行分诊处理的算法。他们的算法设计具有一些独特的功能。它包括两个阶段:(1)分割网络和(2)分类网络。分割网络输出标记的组织分割图。基于分割的图像,第二网络输出50多种眼部疾病的诊断概率,并提供转诊建议。第一部分分割网络在877张人工分割的图像上进行了训练,第二部分分类网络在14884张确定诊断和转诊决策的训练组织图上进行了网络训练。该数据库是目前全球最好的医疗眼科数据库之一。

DeepMind如何帮助眼科疾病的诊断

DeepMind如何帮助眼科疾病的诊断

DeepMind如何帮助眼科疾病的诊断 这种两步设计的优势在于,当OCT设备或图像清晰度发生变化时,只需要重新训练第一部分即可。这将有助于提高算法的通用性。而对于端到端的训练网络,整个网络都需要重新训练。 DeepMind证明,它们的人工智能算法在转诊建议方面的表现达到或超过了视网膜疾病专家的水平。其转诊决策的错误率为5.5%,甚至超过或比肩那些除了OCT,还有眼底图像和患者病历参考的专家。此外,在转诊急诊病例时,其人工智能在选择性和敏感性方面击败了所有视网膜专家和验光师。显然这还只是人工智能显露身手的第一步,却是真正打开应用大门的重要一步。 皮肤疾病 德国海德堡大学(University of Heidelberg)的研究人员证明,经过训练的深度神经网络(该研究基于谷歌Inception v4 CNN架构),可以基于皮肤镜检查图像识别黑色素瘤。他们的研究表明,当灵敏度设置为与人类临床医生相当的水平时,该软件算法的特异性比人类临床医生高10%。该软件算法可在63.8%的特异性下实现95%的高灵敏度。

检测皮肤癌

这是令人鼓舞的结果,表明此类诊断可以利用人工智能算法实现自动化。事实上,多家公司正在皮肤科疾病领域探索。例如,来自荷兰的SkinVision公司,该公司正尝试利用相对较低质量的智能手机照片来提供皮肤癌的风险等级。他们利用来自多个国家的3.1万用户超过13.1万张照片进行了算法训练。训练图像的风险等级,由皮肤科医生标注。研究表明,该算法检测恶性肿瘤的灵敏度为95.1%,特异性为78.3%。数据结果还不错,但特异性还有待提高,因为它可能会为部分患者带来不必要的恐慌。

SkinVision利用人工智能检测皮肤癌的智能手机APP

SkinVision利用人工智能检测皮肤癌的智能手机APP

当然,商业案例不仅仅局限于癌症检测。Haut.AI是一家来自爱沙尼亚的公司,该公司提出利用照片来跟踪皮肤动态并提供建议。例如,它们的人工智能算法可以仅利用匿名用户的眼角照片,来提供简单且准确的生理年龄预测。其深度神经网络基于8414张标记真实生理年龄的匿名高分辨率眼角照片进行了训练。对于年龄在20至80岁之间的特定人群,其人工智能算法预测结果的平均绝对误差为2.3年。

Haut.AI利用眼角照片预测生理年龄

Haut.AI利用眼角照片预测生理年龄

当然,该领域还有更多的初创公司。有些公司专注于健康诊断,而另一些公司则寻求利用人工智能来打造量身定制的护肤方案和产品推荐。每个目标功能的市场路径以及监管壁垒,自然会有所不同。

本报告概述了人工智能在一系列医疗诊断中的最新技术和应用,还筛选并讨论了在该领域寻求商业化的各厂商的最新进展。此外,本报告还全面审视了数字医疗的大趋势,详细介绍了相关生态系统,并提供了数字医疗各个方向的关键趋势、机遇和前景,包括:远程医疗、远程病患监控、数字治疗/医疗器械/软件即设备、糖尿病管理、消费者基因检测、护理智能家居以及诊断中的人工智能等。

若需要《数字医疗与人工智能(AI)-2020版》报告样刊,请发E-mail:wangyi#memsconsulting.com(#换成@)。

相关热词搜索:数字医疗 人工智能

上一篇:《锂离子电池技术及市场-2020版》
下一篇:最后一页