智东西(公众号:zhidxcom)
文 | 心缘

智东西9月28日消息,今天,2018时尚健康粉红丝带运动暨英特尔智慧医疗主题沙龙在北京举行。英特尔携手时尚集团,共同发起以“爱护乳腺,AI不宜迟”为主题的乳腺癌防治活动。

这是时尚集团首次与科技公司携手推广粉红丝带活动。会上,英特尔全球品牌营销副总裁Alyson Griffin、英特尔市场营销集团行业解决方案部中国区总经理梁雅莉、汇医慧影联合创始人兼COO郭娜分别发表演讲,探讨了乳腺癌防治的前沿话题与AI智慧医疗在辅助诊疗方面的应用与未来。

此外,英特尔与AI医疗影像领域领先企业汇医慧影联合推出“人工智能乳腺全周期健康管理系统”。为了这次活动,英特尔还特意“变粉”了。

一、英特尔用AI发电,提升癌症早筛精度和效率

在播放一段宣传视频后,英特尔全球品牌营销副总裁Alyson Griffin首先表示自己也是乳腺癌幸存者,有机会合作这样的活动非常有意义。

英特尔的AI技术团队和汇医慧影合作,通过将用于乳腺癌筛查的深度学习模型应用在英特尔至强服务器上,提供使用AI解决方案,帮助提升乳腺癌筛查检测精度和效率。

除了用AI辅助医疗,英特尔也与中国文物保护基金会合作,提供更安全有效的方式恢复长城。英特尔还和世界自然基金会(WWF)合作,参与动物研究分析工作。

▲英特尔全球品牌营销副总裁Alyson Griffin

英特尔市场营销集团行业解决方案部中国区总经理梁雅莉则分享了两个故事,说明早期发现和个性化诊断对克服癌症起到非常重要的作用。

她身边有位兄长患乳腺癌,幸运地是,他的癌症发现的很早,经过系统专业的治疗后得到康复并恢复正常生活与工作。

此外,个性化治疗正彰显越来越重要的功能。《我不是药神》这个电影让大家知道了“格列卫” ,通过基因检测技术, 我们发现95%的疾病都是染色体异常造成的,而这一发现才会让“格列卫”大放异彩,进而采取非常有针对性的个性化治疗,提高治疗效率。

▲英特尔市场营销集团行业解决方案部中国区总经理梁雅莉

现在检测仪器都很先进,但癌症的早期诊断和筛查依赖于医生经验,当医生淹没在大量信息之中,可能造成误诊。80%的医院数据都是非结构化,基因工程的发展在促进精准医疗的同时,发现所有基因数据分析都依赖科技的持续创新。

英特尔携手合作伙伴将AI运用于医疗领域,通过强大的海量数据处理能力和精准的数据识别能力,提升影像诊断的准确度和效率,解决医生人手不足等问题。例如,英特尔和浙江大学附属医院在甲状腺检测方面展开合作,将AI阅片准确率从75%提高到85%。

在全球范围内,英特尔为医学领域数据处理提供基础设施和算力的支撑,有效降低总体拥有成本。通过和GE集团合作,至强可扩展服务器将影像设备总体成本降低25%,帮放射科医生提高效率,把从CG中获得图片速度从每秒100张提升到每秒钟600张,准确率也大大提高。

二、汇医慧影牵手英特尔,推出乳腺癌AI全周期健康管理云平台

随后,汇医慧影联合创始人兼COO郭娜发表演讲。她开场便提到乳腺癌的高发病率。全球女性平常每分钟至少16人被新确诊为癌症,其中4人是乳腺癌,全球女性平均每分钟有8人死于癌症,其中至少1人死于乳腺癌。

算法、算力和数据共同促进医疗AI的发展,新AI时代开启以患者为中心的时代。汇医慧影联手英特尔,在AI辅助诊断平台Dr.Turing上推出“乳腺癌人工智能全周期健康管理云平台”产品,据称这是全球首个以患者为中心的乳腺癌AI全周期健康管理云平台,提供全数据链监控管理平台和乳腺疾病全周期解决方案。

在英特尔至强服务器的支持下,其高通量计算平台采用英特尔Inception-v4以及inception-resnet-v2等深度网络的乳腺癌筛查技术,可支持多模态数据运算,大幅提升数据处理、推理效率和检测效率。

汇医慧影的Dr.Turing-2.0在成像技术、筛查诊断、临床决策和病程管理方面帮助医疗人员提高效率,为患者提供个性化诊疗方案,优化诊疗流程,节省诊疗费用。

▲汇医慧影人工智能乳腺全周期健康管理系统

英特尔将与汇医慧影进一步开发“人工智能乳腺全周期健康管理系统”,大致分为三个阶段:

第一阶段,AI参与乳腺影像判读,覆盖大量人群。
第二阶段,AI辅助临床决策,结合影像组学,提供精准临床决策依据。
第三阶段,AI根据术后复查数据参与动态监控,患者自助参与治疗。

郭娜在演讲结束时表示,希望“帮助医生和患者在科技进步的时候感受到人文之光”。

结语:AI助力医疗仍在探索阶段

过去一年间,AI迅速扎根医疗领域,在医疗影像、癌症早筛、辅助诊断、药物研发、医疗管理以及医疗机器人等方面初见商业化成果。对于医生供需大、医疗资源分布不均、数据量急速增长的医疗影像领域,AI是解决这些挑战的有效手段。

尽管医疗是非常适合AI落地的场景之一,但作为一个直接与人的生命健康息息相关的行业,AI技术真正落地的产品还很有限,医疗资源、专业性等高门槛都在限制AI在医疗领域的发展。如何跨过这些门槛,将是在智慧医疗领域探索的企业必须克服的关键。