皮肤病,产品识别准确率显著提升

  10月12日,浙江大学医学院附属第一医院超声科医生介绍甲状腺超声影像智能诊断系统。  10月12日,浙江大学医学院附属第一医院超声科医生介绍甲状腺超声影像智能诊断系统。 新华社记者 张玉薇摄

<2%

  10月13日,首届全国皮肤病人工智能临床应用研究高峰论坛在北京举行。该论坛主题为协同构建中国皮肤病人工智能的共性资源和技术平台,以学术引领、成果转化、服务基层为指导思想,通过多学科交叉融合、多层次资源整合,推动人工智能技术在皮肤科领域的科学研究、普及教育和推广应用。

  记者从论坛上获悉,落地难是目前医疗ai产品面临的挑战,皮肤领域的机遇则是占了先天优势。基于形态学、影像学特征,图像识别技术应用在皮肤病诊疗中有充分发挥的空间,这直接推动着皮肤病人工智能(ai)的发展。

  ai研发需要好数据

  数据和算法是人工智能的两大要素。虽然好算法价值千金,但好数据更是千金难买。中国人民解放军空军总医院皮肤病医院孟如松教授表示,在ai研究中最重要的不是ai技术哪家强,而是看谁有更多高质量的大数据集,看谁拥有权威专家参与大数据标注。

  但是,一直以来,医疗数据普遍较为封闭。同时,不同图像设备之间还存在着原理和技术方面的差异,获取图像的方法和标准也不统一。因此,很难获得高质量的图像数据,这必然导致研究结果的不可靠性。

  2017年5月份正式启动的中国人群皮肤影像资源库项目(csid)使皮肤病ai研发获取量大、质高的数据成为可能。据项目发起人、中日友好医院皮肤科医生崔勇教授介绍,截至目前,csid已积累了30万组多维度皮肤病影像资源,涉及病种超过500种,其中超过1000例数据的病种达到了300种,且全部数据完成了标准化标注。

  依托csid,崔勇牵头成立了两个专家组织:国家远程医疗与互联网医学中心皮肤病专委会和中国医学装备人工智能联盟皮肤病专委会。通过专家 研究所 企业的运行模式,建立了医教研产学共同体,csid提供资源,企业提供技术,目标就是开发出能够真正落地的皮肤病ai产品。崔勇说。

  赋能基层,是csid的关键词之一。崔勇表示,csid的建设愿景在于建立一个基于皮肤影像大数据资源的共享式、开放式、协作式工作平台,发挥三大赋能作用,包括提升基层皮肤科医生皮肤病诊断能力、全国皮肤科医生开展相关皮肤病的ai应用研发、皮肤影像装备和解决方案的优化等。

<4%。迭代后的产品在识别准确率上较之前有了显著提升,在覆盖的疾病种类方面也有所增加。

  ai技术的目的不是替代医生,而是提供支持手段。崔勇表示,通过ai应用为皮肤科医生赋能,也是csid大力推动中国皮肤影像事业发展的动力。

  江西省上饶市皮肤病医院正在通过优智皮肤ai及基于云的皮肤影像分析管理系统(云miis系统),服务上饶市、县、镇皮肤协同门诊和远程会诊。互联网 人工智能 医疗健康将是发展方向,基于此方向的信息平台是医联体建设的基础。上饶市皮肤病医院院长齐伟表示,将人工智能工具应用于实际诊疗工作,从县级皮防所医生的诊断和治疗意见,到市级医院皮肤影像室专家同步确定相关诊断和治疗,工作效率和诊断准确率都能得以提升。

  在上海,复旦大学附属华山医院皮肤科也在紧锣密鼓地布局ai赋能。今年6月,华山医院皮肤科开始通过一种针对老年皮肤肿瘤的人工智能远程诊疗工具开展服务,该工具正是优智皮肤ai产品家族中的重要成员。以此为契机,华山医院皮肤科医联体内的200多家基层医院的皮肤病诊疗有望逐步跨入智能时代。华山医院皮肤科主任徐金华表示,一方面基层医生可以通过使用人工智能产品得到辅助诊断结果,产品本身凝结了包括华山医院皮肤科在内的国内数百家医疗机构的智慧和力量;另一方面,该产品的落地应用将赋能华山医院皮肤科医联体内的基层医疗机构,华山医院皮肤科的学科优势也将进一步发挥,并成为远程诊疗中的质控中心。

  在本届高峰论坛上,csid研究院宣布成立。该研究院将与高校、研究院所紧密合作,全面承接csid的科学研究事务,包括基于皮肤影像数据基础研究、优智皮肤系列ai研发、皮肤影像设备研究和改进、csid开放课题管理等。

  csid、中国医学装备人工智能联盟皮肤科委员会和国家远程医疗与互联网医学中心皮肤科专委会将分工协作,努力推进皮肤影像技术和人工智能技术在我国的应用。崔勇表示,2018年至2019年,还将全面推进皮肤影像领域的医教研工作,将csid研究院打造成皮肤影像资源研究的独立机构,争取在2019年底前完成发布10个皮肤病ai产品。

  加快皮肤影像标准体系建设则是与会专家的共同呼吁。没有相关的标准和规范,很多图像数据无法被使用和研究,最终会成为无用的垃圾数据。孟如松表示,影像设备的标准、获取图像方法的标准、图像质量评价的标准、图像标注的标准等,这些都会影响皮肤影像技术与皮肤ai技术的发展。

  一份好的皮肤影像资料可以清楚告诉医生某种皮肤疾病的病症信息,而大量的皮肤影像集合在一起就可以形成一张数据网络,通过深度学习的算法,推动整个皮肤科人工智能化发展。据了解,推动皮肤影像标准体系建设已出大招。最近,国家远程医疗与互联网医学中心皮肤科专委会已正式启动我国皮肤影像能力体系建设工程,包括示范基地建设、标准化培训课程及皮肤科医生能力认证等工作模块。皮肤科医生皮肤影像能力认证将按照三类三级进行考核和管理。

  ai落地是个系统工程,需要多技术融合的全面解决方案。马维民表示,医疗ai竞争很快将从追求准确率转移到提升整体解决方案能力上。