申请试用
登录
首页 > 智能产业研究院 > 研究案例
视觉AI赋能医疗产业智慧化升级
2020-09-29

一、病理科医生——医院的幕后英雄

病理诊断对临床诊疗具有重要作用,病理医生将临床各科室送检的组织,经过一系列复杂的程序做成病理切片,在显微镜下观察组织及细胞形态,分析后做出各种疾病的诊断。病理诊断除诊断这一主要功能之外,也能为临床医生制定治疗方案、评估疾病预后和总结诊治疾病经验提供重要依据,因此被誉为疾病诊断的“金标准”,而病理科医生又被称作“医生的医生”。


病理诊断在诊疗环节意义重大,但我国病理医生却极度短缺。截至2018年末,我国在册病理医生仅1.8万名,现有的病理医生规模远不能满足国内医院的临床需求。事实上,一名成熟的病理医生往往需要多年经验与实践的积累,短期内难以通过加大培养力度补足如此巨大的供给缺口。此外,相比于影像科、检验科,病理科自动化水平较低,配置设备的数量、种类均明显较少,更是增加了医生的工作负担。


病理医生的严重短缺,使得病理医生往往都在超负荷工作。以上海第一人民医院为例,其病理科的科室规模处于上海市三甲医院前列,每天会收到大量体检、筛查、随访产生的病理切片,仅消化道切片每天就有200余张,每年近5万张,而负责胃肠道活检病理筛查的医生只有3~5人,人均每年需负担上万张的读片任务,工作量极大。而消化道筛查的恶性率大约在5%~10%之间,因此每日可能至多10~20例存在恶性病灶,医生的大量工作时间都花费在非肿瘤性的良性切片中;病理切片在显微镜下图像或扫描仪数字图像尺寸大,约为10万乘以10万像素,病理医生需要逐区域细致观察,而病理诊断往往需要多种放大倍率反复切换对照,这些因素使得病理医生工作繁重、报告周期较长,疲劳工作又会造成医生标准不一致、容易漏检。此外,病理诊断的准确与否,与病理医生的知识和经验有直接关系,这种主观差异性势必也会带来一定程度上病理诊断结果的差异。


二、视觉AI助力病理诊断筛查效率提升

计算机视觉和深度学习技术的不断发展,为病理AI打下了坚实基础。针对病理诊断与筛查的主要痛点,商汤基于视觉AI技术积累,将自研的SenseCare智慧诊疗平台在上海第一人民医院落地,通过无缝连接数字病理扫描仪,其上搭载的“智慧病理AI应用”提供组织级别和细胞级别的病理辅助诊断,覆盖消化道的多个恶性病高发器官,提示95%的常见癌症病灶类型区域和高危异常细胞。


SenseCare智慧诊疗平台利用高效的视觉AI,主要从两个方面大幅提高了病理诊断效率,减轻了病理医生的工作负担:一是能够基于数字化病理切片,通过视觉AI算法,大批量、快速处理图像数据,直接提示并定位病灶,极大地缩短了单张病理切片的读片时间;二是对于切片进行初步筛查,从而进一步优化病理医生的资源分配——算法计算为恶性的切片,可以由高年资医生着重诊断,确定癌症种类及分型;算法计算为良性的切片,医生可快速确认AI结果。在筛查精准度上,平台对消化道类高危病例检出率可达到100%,排阴率超过80%。此外,平台融合商汤OCR技术,将数字切片的AI计算结果与病理编号相关联,简化医生搜索匹配流程,系统化地打造基于人工智能的数字病理辅助阅片平台。


视觉AI的落地应用可以一定程度上缓解病理医生的供应不足,提升病理筛查的效能,助力实现地区级规模性的病理筛查项目的高效实施。事实上,SenseCare智慧诊疗平台的高性能视觉AI算法,在长三角消化道肿瘤筛查项目中也发挥了重要作用,日均帮助医生筛查近300例消化道活检病理切片,为医生节省80%的工作时间。

图片 1.png

图 SenseCare智慧病理AI辅助诊断三大优势

视觉AI算法在辅助诊断中的效率和精度,主要取决于算法模型训练的效果,其中高质量的医生标注数据是算法模型训练的基础。病理图像数据的质量受多种因素的影响,切片制作过程中,人工介入流程过多导致切片质量参差不齐;各个医院评估标准不同、医师资历高低不一导致病理诊断主观判断性较强,标注差异性较大等。这些都会直接影响算法模型的精度乃至于辅助诊断的效果。


SenseCare平台在研发初期,联合上海第一人民医院及商汤医疗合作伙伴,面向多种技术质量及评估标准,基于上万例病人的真实数据,包括随访数据——覆盖消化道常见恶性病变,100万+癌症区域数据及10万+恶性细胞数据,训练模型以提高算法精度。此外,由于实验室环境与实际临床存在一定跨度,产品部署后的评估与监测也很重要,因此,平台的开发人员结合医生每周的使用反馈和需求,对算法进行周期性迭代和优化,不断提升SenseCare智慧病理AI应用在实际使用中的精度和速度。


三、视觉AI赋能“诊疗愈”全栈操作

除了病理诊断之外,影像诊断、治疗方案的设计及实施、多科室交互合作、患者预后恢复等多个临床环节都对医疗AI存在大量真实的临床需求,特别是众多临床科室缺乏高效便捷、保证数据安全的临床辅助工具。

在医院,数据往往存储于影像科或信息科,而当临床科室的医生需要分析数据时,通常通过开通数据接口、将原始数据传输到临床科室甚至第三方或是通过光盘等物理方式拷贝数据,存在患者信息泄露、数据管理混乱的风险。同时,医学影像通常呈一系列二维图像叠加状,但涉及治疗方案规划等临床场景,临床医生则需要基于患者三维解剖结构进行分析和方案设计。目前现有的三维数据后处理工具主要是少量落在医院影像科的后处理工作站为主,各临床科室缺少高效便捷的临床辅助工具。


随着人工智能、物联网、云计算、大数据等新兴信息技术的发展,各级别医院都加大了对于信息化、智能化、智慧化升级改造的投入,从而优化整体流程,提高服务质量,减低运营成本。然而,单点的产品或系统的导入会极大地增加医院信息化系统的改造成本,因此赋能全院全流程的智慧化临床解决方案为大势所趋。

图片 1.png

图 SenseCare智慧诊疗平台架构(医疗机构内)


SenseCare智慧诊疗平台是商汤自主研发的为全院医生提供智慧化诊疗辅助的高效工具。平台立足于医疗大数据,凭借商汤在视觉AI上深厚的技术积累以及医学影像高级后处理技术,集合了高并发三维渲染与可拓展临床AI应用两大引擎,为医院提供覆盖“诊断”“治疗”“康复”全流程的AI支持,满足医生从临床诊断、手术规划到术前模拟的全流程需求,高便捷性地进行“诊疗愈”全栈操作。


SenseCare智慧诊疗平台服务器部署于医院的信息科,无缝对接医院信息化系统,医生可通过各种联网设备,包括手机、iPad、电脑等连接医院网络,无须任何插件,只需登陆网页即可对影像数据进行访问与三维重建分析。同时,整个过程中数据从未离开信息科,而是通过高并发三维渲染技术,以可视化的形式渲染给终端呈现。换句话说,服务器与浏览器之间不存在数据传输,数据无法直接通过浏览器下载,在保证了数据安全前提下为各科室的医生提供了高效便捷的智能工具。同时,平台可支持千名用户同时使用、超过160位用户同时在线进行高质量的三维渲染及交互,满足了全院多用户多科室高并发的使用需求。

图片 1.png

图 SenseCare智慧诊疗平台六大优势

在SenseCare智慧诊疗平台上,商汤针对不同临床科室需求痛点及工作流差异,开发了一系列针对不同临床需求的AI应用。除上述落地于上海第一人民医院的病理诊断AI系统外,譬如在肺部AI应用上,平台不但可以进行传统肺结节检测和分析,还可以为支气管镜手术提供三维辅助术前规划,并提供虚拟内窥手术导航模拟功能,事实上,在新型冠状病毒肺炎爆发期间,开发人员在肺部AI应用上紧急集成了对于新冠肺炎的分析功能,驰援多地医院,助力疫情防控;在骨肿瘤应用上,AI可以帮助医生通过多模态数据的分析以生成更准确的肿瘤分割结果和3D模型——从MR骨肿瘤分割重建、CT骨骼分割重建、CT/MR配准、CT/MR分割结果融合到最后3D模型生成,通过AI自动规划仅需要1分钟时间即可完成,大大提升了治疗规划效率,缩短了患者术前的诊疗时间;在心脏应用上,AI可以全自动完成心脏分割、冠脉分割、中心线提取等三维重建环节,同时针对血管狭窄程度、斑块类型以及易损征像进行分析分类,并为医生配备了探针图、智能化胶片打印、结构化报告等功能进行阅片操作,全方面提高心脏冠脉诊疗的效率及完备性。


目前,SenseCare智慧诊疗平台已经搭载了8款产品解决方案,服务9个不同科室,覆盖超过13个人体部位和器官,与多家行业领先的医院与医疗机构进行合作,为赋能全院临床提供平台载体。


SenseCare平台通过积累三甲医院经验以及高水平医生的数据标注,打磨优化产品和算法,对诊疗能力不足的基层医院来说,意义重大。以病理诊疗为例,中国绝大部分病理医生集中于二级以上医院,基层病理资源尤为匮乏——根据协和医院统计,约62%的病理医生就职于三级医院,约37%的病理医生就职于二级医院,而就职于一级医院的病理医生仅占1%左右。基层医院的医疗设备不足、医生密度偏小、业务水平不高,限制了基层医疗机构的病理诊断能力,往往需要将患者转诊到大医院进行后续诊疗或采取保守治疗。SenseCare智慧诊疗平台能够有效弥补基层医院的经验和能力不足的问题,辅助基层医生进行病理诊断,提升基层医院的诊断效率,也使得患者无论是在发达地区或是偏远地区,均可就近就医,享受到基本同质的医疗服务,促进医疗卫生资源均衡化发展。


 从在线互医平台,到医疗可穿戴设备,再到影像AI辅助诊疗,以及基于基因测序技术的精准医疗等,技术红利大大提高了医疗服务的质量和效率,而“新基建”将加速人工智能、大数据、5G等技术与医疗行业深度融合,为医疗大健康产业的发展插上了腾飞的翅膀。得益于资本、政策的双向加持,一个充满想象力的智慧医疗时代正在向我们驶来。然而,医疗的板块众多,而且每个方向的场景都十分复杂,需要行业内长期的深耕积累与不断落地打磨的决心,更需要产学研的通力合作,依托企业的算力与应用场景,结合高校与科研机构的前瞻探索能力,与领域内专家密切配合,才能真正推动AI技术在医疗场景中的规模化落地与应用。因此,对于AI企业而言,只有通过与产业链上下游企业合作共赢,以AI积淀为技术基础,与医学及大健康各个领域的公司开放合作,才能走出一条康庄大道,实现AI对医疗产业的赋能和智慧化升级。


产品试用
填写此简单表格,我们将尽快联系您!
商务合作
400 900 5986
周一至周五 9:00-12:00,13:00-18:00
合作伙伴招募