尽管没有人喜欢和医院打交道,但往往又无法避免。
医疗资源相对紧缺加之分配不均,导致看病这件事情成为了一个老大难问题。小医院「看不了」,大医院「等不起」,是目前医疗行业真实的写照。
坦率来讲,如果想要在短时间内,解决医疗资源不足的情况,并不容易。而提升医护人员诊疗效率以及准确率,大概是现阶段缓解看病难可操作性最高的一种途径。
随着人工智能大潮的到来,越来越多的行业开始和 AI 进行融合,来探索全新的可能性,这其中也包括医疗。
数据显示,2015 年国内整个医疗信息化的市场约 230 亿,主要分为硬件、软件和服务,其中软件和服务市场大约为 73 亿。
权威机构预测,未来几年,我国医疗信息化规模将持续增长,到 2021 年,我国医疗信息化规模将超过 870 亿元,软件部分将有望达到 300 亿元。
事实上,由于医疗行业整体属于刚需,其受宏观经济的影响要小很多,加之人口数量的增长以及老龄化等问题的日渐凸显,行业的发展前景非常广阔。
也正是基于在语音交互技术上的积累以及对未来医疗行业走势的看好,2015 年的时候,科大讯飞开始着手 AI+医疗的产业布局。
时至今日,两年的时间过去了,科大讯飞在前不久召开的 2017 年年度发布会上,正式向外界公布了其所取得的一些实质性成果。
而在将产业实现落地的过程中,它们是如何去推进的,值得大家去思考与借鉴。
两年的时间,科大讯飞交出了一份怎样的成绩单?
「三款产品 + 一个平台」,这是科大讯飞在入局医疗行业两年以来,交出的答卷。其中三个产品分别为智医助理、影像辅助诊断系统、语音电子病历产品;一个平台为人工智能辅助诊疗平台。
智医助理
今年八月,在国家卫生计生委、安徽省卫计委的指导下,由科大讯飞和清华大学联合研发的「智医助理」机器人参加了 2017 年临床执业医师综合笔试测试,最终「智医助理」以 456 分,超过分数线 96 分的成绩,成功通过测试。
从实际应用层面来讲,智医助理所想要实现的目的是,基于深度学习技术,结合医学专业教材、临床指南和经典病例等资料,来辅助基层医生问诊,提出诊疗建议。
语音电子病历
尽可能减少医生们花费在书面工作上的时间,通过解放医生的双手来提高诊断效率,是语音电子病历最终想要解决的事情。
它是通过讯飞的人工智能语音识别、自然语言理解技术,结合定向麦克风,让医生在进行诊疗的同时实现病历的结构化录入,来实现提高医学文书工作效率和病历质量。
影像辅助诊断系统
这套影像辅助诊断系统的核心技术是基于图像识别和深度学习,同时结合医学专家诊断经验和大量样本数据,来自动从医学影像中检出病灶,并对良恶性作出大致的判断。
它的核心目的是大概除了用来解决大医院影像检查数量多、医师工作压力大等问题,也可以辅助基层医院,解决医师数量不足同时提供更高效的影像诊断。
人工智能辅助诊疗平台
人工智能辅助诊疗平台是基于语音电子病历、影像辅助诊断和智医助理之上来打造的一个相对综合性的平台。用来为大医院、基层医院、体检机构和基层医疗机构提供人工智能辅助诊疗。
「三款产品 + 一个平台」落地背后的逻辑
通过我们对语音电子病历、影像辅助诊断以及智医助理这三款产品的大致梳理,可以看到,实际上其每款产品都分别对应着一个核心的技术点。比如语音识别之于语音电子病历,医学影像之于影像辅助诊断,深度学习之于智医助理。
前不久高盛发布了一份 AI 研究报告,它们认为:「科大讯飞在中国智能语音产业占有最大的市场份额。其产品的垂直应用领域包括教育、公共服务、汽车、客服、医疗保健以及其他消费品。」
科大讯飞 CEO 刘庆峰也表示,截至目前,讯飞语音云平台上的语音和人工智能技术合作伙伴,已经由去年两会期间的 10 万突破到今年的 27 万,每天的访问人次由去年的 5 亿人次,增长到了现在的 32 亿人次。
显而易见的是,智能语音技术是科大讯飞核心的竞争力所在。尤其是在方言处理以及语音转文字方面,走的比较靠前。
另外,随着在讯飞开放平台「万物一听」智能硬件新品发布上带来了「MORFEI 麦克风」、二麦 DSP 芯片降噪方案及光学麦克风,这也意味着其在降噪方面已经拥有了足够多的技术积累。
从硬件以及技术层面上来讲,科大讯飞已经拥有了一套非常成熟的语音解决方案,这也是为什么其会在 2016 年的时候,率先推出了「云医声」这样一款产品的主要原因。
根据火石创造发布的《医学人工智能产业图谱和投资趋势分析》报告显示,目前国内可统计的医学人工智能公司达到 144 家。这其中,主要从事医学影像的公司有 25 家,医学影像已经成为了 AI+医疗产业中重要的分支。
相比语音识别,科大讯飞的影像技术的曝光度确实并不高。但事实上,2015 年科大讯飞就曾对外透露,其已经开始了在人脸识别等相关图像识别技术方面的研究,同时在 OCR 扫描中也达到了全球领先。
而科大讯飞在今年 8 月份国际医学影像领域的权威评测 LUNA 上,获得平均召回率 94.1% 的检测效果获得了该项评测的第一名,也再一次印证了过去几年这家公司在医学影像上确实走的比较靠前。
「其实学习推理不仅仅使用在交互的过程中,它自己的学习过程中也需要这种推理的能力。」这是科大讯飞智慧医疗事业部副总经理鹿晓亮对于未来它们在 AI+医疗上发展思路的描述。
目前医疗市场上大部分的医疗 AI,相比上个世纪 50 年代时的辅助诊疗系统其实并没有革命性的改变,依旧是产出一些人工整理的规则化结果。但显然,这样的模式从长远来看,很难更进一步。
想要在未来将 AI 与医疗进行更紧密的结合,实现全方位赋能,除了在医疗数据上进行大规模的积累,通过算法的演进,让机器拥有自主推理能力,是科大讯飞想要实现的目标。
科大讯飞智慧医疗事业部总经理陶晓东也曾坦率的讲到,目前他们在做的事情,正是通过卷积神经网络,来不断提升算法。
而其「智医助理」此次能够通过临床执业医师综合笔试测试,显然也从某种角度上反映出,在当前时间节点,科大讯飞在这部分已经取得了一定的成绩。
回顾科大讯飞在 AI+医疗上的产业布局,其实这家公司的发展思路很清晰。它们并没有选择大而全的铺开,而是基于自身在语音、影像以及深度学习方面的优势去输出了对应的产品。
目前 AI+医疗所面临的难题
国内的 AI+医疗尚处起步阶段,虽然在这部分的前期布局上,科大讯飞已经迈出了足够理想的一步,但在未来的发展过程中,不仅限于这一家公司,整个行业依旧面临着许多需要解决的问题。
相比面向 C 端的消费类行业,医疗行业特殊的地方在于,其技术壁垒和应用场景壁垒都要更高。需要承认的是,目前国内 AI+医疗的发展,依旧和国外一些企业存在一定的差距。
以 IBM Watson 平台为例,在过去的 2016 年,除了在癌症的诊断治疗方面继续发力,还涵盖了很多其他的领域,比如糖尿病等慢病、大健康、医疗影像、体外检测、精准医疗等等诸多方面。
一个现实的情况是,包括科大讯飞在内,目前国内绝大多数做医疗影像的公司都是从肺结节来入手,而且对外公布的识别准确率也非常高,达到了 90% 以上。
早些时候,历任 GE Healthcare Research Manager、飞利浦医疗放射解决方案首席架构师,如今是科大讯飞智慧医疗事业部总经理的陶晓东博士之前曾坦言,「为什么都在做肺结节?实际上说明大家的创新能力还不够,其次是大家能够得到的资源都很相似,因为肺部 CT 是公开数据最多的。」
现在一种观点认为,AI+医疗要落地,主要不是技术问题。但就事实而言,或许仅仅以简单的落地为目标,当前的技术足够支持企业走到这一步,但未来想要实现更长远的目标,需要走的路还很远。
另外,想打造一个全面的 AI 医疗平台,显然需要去获得更多不同种类以及数量的数据资源。
包括 IBM Watson 和科大讯飞在内,目前大家的做法是尽量与更多的大型医疗机构合作,来完成现阶段的数据积累,而如何获取足够多医学数据支持,是摆在大家面前的问题。
同时不可忽略的是,医疗行业的特殊性,决定了其对于 AI 的要求要更为严苛。如果在 AI 给出诊断意见之后,无法获得医生足够的信任,这样的 AI+医疗,显然失去了其本身想要提升效率的意义。
综合来讲,在当前时间点,科大讯飞之所以能够处于 AI+医疗产业的头部位置,很大一部分因素是其对自身技术优势有着充分的认识,从而结合自身的优势去输出了对应的产品。
未来这家公司是否能够最终实现构建一套完整的 AI+医疗生态我们尚未可知,但至少目前来看,它们确实选择了一条适合于自己的发展路径。
(责任编辑:Rubberso)
举报/反馈

极客公园

52万获赞 20万粉丝
关注互联网科技创新
鲲鹏计划获奖作者,北京传奇极客管理咨询有限公司,优质科技领域创作者
关注
0
0
收藏
分享