当晚的现场决赛是本次挑战赛的一大特色,具有很强的实战性。挑战

导语:雷锋网按:本文整理自康夫子创始人张超在雷锋网硬创公开课上的演讲,主题为“智能诊断与医疗大脑”。

雷锋网按:本文整理自康夫子创始人张超在雷锋网硬创

【CIMIC】11 11 京东全球好物节

二等奖:唐晓颖团队(南方科技大学) 

分享到:

导语:本期硬创公开课,雷锋网请到其中一家公司deepcare的创始人兼cto丁鹏博士,为我们讲讲人工智能应用于医学影像的那些事儿。

图像识别技术已经可以认出人脸,也能用于自动驾驶中,那它用于医学影像,识别病变中又如何呢?在《国内人工智能+医学影像公司大盘点》一文中,雷锋网介绍了国内将深度学习等人工智能技术用于医学影像的众多公司,它可以削减读片时间,降低误诊的概率,推荐治疗方案,协助医生诊断。

本期硬创公开课,雷锋网请到其中一家公司deepcare的创始人兼cto丁鹏博士,为我们讲讲人工智能应用于医学影像的那些事儿。

嘉宾简介:丁鹏,deepcare创始人兼cto,博士毕业于美国达特茅斯学院(dartmouthcollege),从事算法研发工作8年;在计算机视觉和深度学习技术方面有长时间的科研经历,且有工业级算法开发经验;对人工智能技术产业化有深刻的见解,在如何将人工智能技术与医学影像结合,开发商业产品方面,也是国内首屈一指的专家。以下内容来自丁鹏在雷锋网硬创公开课的分享:

雷锋网:可以简单介绍一下deepcare所关注的领域吗?

我们主要的方向是医学影像。医学影像是一个很大的方向,从细胞病理学到组织病理学到影像科,都属于这一范围。我们经过调研,确定做的是病理方向。原因是,病理医生是“医生中的医生”,地位非常重要,是确定有没有重大疾病(如癌症)的最后一道防线,而国内的病理医生又是奇缺的,存在很大的供需矛盾。

我们的定位是,为病理医生提供,提升他们的工作效率,帮助他们看片。一个方面是“查”,一个方面是“判”。查主要是指针对病理科的搜索、数据管理系统等,如以图搜图。二是判,指帮助病理医生看片子。目前主要是做乳腺和肺癌。

雷锋网:总体上看,把计算机视觉等人工智能技术用在医疗上,在国内目前的发展,处于什么样的阶段?

对于这个问题,要先看看深度学习等新技术,用在传统行业上(比如医生看病)的意义有哪些。无论在发达国家还是发展中国家,优质医疗资源的供需始终是一对矛盾,因为巨大的人口压力,这个问题在中国尤为突出。这也是为什么在协和医院门口是看到那么多外地人到北京看病,又挂不上专家号只能买黄牛票。

另一方面来说,医学影像是医生看病,及决策的最大的信息入口。而医生理解这些影像的本质,即是医生大脑经过长期的过程被大量数据训练出来的结果。一个客观事实是,高中低年资的医生在看同一张片子时候,得出的结论会有天壤之别,这也是为什么我们要去协和找“老大夫”看病的事实依据。

这是因为看病的效果和从医的年限高度相关,而从医的时间长短不同意味着所接受的信息量不同。那么如果一台机器学习了比人类医生多得多的案例或者图片,会不会超越人类呢?答案一定是肯定得。这也是应用深度学习技术训练计算机“看懂”医学影像的意义所在。

对于发展状况,我看来,无论在中国还是美国,在算法和数据上看,这一领域的发展都是在早期。它已经走出了实验室,但离商业化还有很长的路要走。

算法开发上,通用物体检测识别的算法又一个巨大的人群在做,但是在医学影像领域由于数据的可获得性差很多,所以研究的人和前者相比并不是特别多。但是越来越多的学者和研究机构看好这个方向,开始加大投入进来。

高质量的标注数据方面,在这个方面中国与美国相比很有可能会“弯道超车”,因为我们都知道在美国拿医疗数据是个非常困难的事情,无论是科研还是商用;但是在中国因为体制的原因和政府对于的重视,会让这个问题变得更容易一些。

雷锋网:根据你们的经验将人工智能用于医疗,会面临哪些主要困难和阻碍?___。