AIメディカル病院着陸速度|画像データがより簡単に|「入り口」

医療ネットワーク3月7日に彼の仕事を記述するために広州で審理1、トップ3病院のイメージング部門の実務8年間の医師の高度なドアルック 『』私たちがするために、履歴画像のコントラスト、定量分析の手順を実行する必要があります患者のフィルムは診断と治療の基礎となり、患者がどのような治療を必要としているかを決定します。

医療診断は、画像の値に基づいているでは交換できません。医用画像データの90％は、彼らが、フィルムに、がん患者として手術前などCT、X線、磁気共鳴、超音波、PET、から来ています腫瘍の状態、血管狭窄の程度および外科的選択肢、投薬プログラムおよびフォローアップリスクを決定するための基礎としての他の情報。

人工知能（AI）技術および画像認識技術の進歩により、この研究は人工知能医用画像分析システムの助手になった。

同じ2次元医用画像では、医師は深く学習した後、数十秒で人工知能を「読む」ことができます。人工知能は、十分な大規模データをサポートして診断速度を向上させることが期待されています。 10回、したがって診断および治療のコストを大幅に削減する。

医師のために、効率的な分析は読書の時間を節約し、誤診率を減らし、より豊かな歴史的画像比較を提供することができます。これにより、治療プログラムの費用が削減される。

資本、技術、および医療データの組み合わせは、世界で最も人気のある3つの人工知能医療イメージングテイクオフです。この「読書」アシスタントはまだインターンシップでユニークですか？

2016年と比較すると、2017年の人工知能医療産業はさらに暑いですが、着陸の成果も切望しています。

「私たちは、話の疲れている。結局のところ、誰もに頼ることはできません」鶏「のライブ。」マーチンゲール億ユーロはまだタンク、医療業界アナリストは、「のショー「と呼ばれることができ、アプリケーションレベルで存在していない」「金融」記者に語ったと思いますそれは？私は人工知能医用画像解析と思います。 "

人工知能、データの医療撮像部の利点に比べて人工知能やヘルスケアの他の領域。データは、病歴、患者情報、症状、治療、予後、および多くの散乱リカバリなどとして医療用画像ではありません情報は、情報自体が高度に統合されている - 医療病理膜は、他の医療データ、画像データ処理の難しさも小さく、より高い処理値と比較し、従って高価値情報を多数含んでおり。

「医療画像の元の画像は非常に高次元で非常に複雑であり、人工知能は高次元のデータを低次元でより簡単に解決できる問題に変換する」と語っている。記者は、医用画像データそのものは、人工知能の特徴付けモデルアルゴリズムによく合っていると述べた。

統一された画像データ規格により、アルゴリズムが「入力」されやすくなり、付随する診断モデルの構築が容易になる。

病院の画像データは、だけでなく、放射線科では、ほぼすべての診療科を含む、これはまた、情報大臣がん病院、修正主義ヘンの北京大学部門は「金融」を告げただけで、映像データ領域が存在しないことを意味し記者は、医用画像データは、病院内のデータの最大量であり、かつ、容易に機械が非常に重要である、読むために標準化されています。

医用イメージングの分野で脳を持っている人はたくさんいます。2003年には、Philips 健康的な 臨床科学周宇君と彼の指導者の技術部門のシニアディレクターは、「大規模な画像データプラットフォームを作成するためのアイデアを持っていたが、当時の、そのようなデータやコンピュータ診断ロジックと一致していない画像品質として私たちが克服することができない課題の多く15年前につながっている標準化されていないアイデアが、私たちは本当に医療の知恵にすることはできません。「周宇君は、 『金融』記者に語りました。

放射線医師の部門は周宇君との考えから彼の指導者は、病理画像データの現在のエネルギー「送り」に比較すると人工知能システムの学習の中で最も重要な方法である、病理画像データ「を供給する」、臨床画像を大量に読む必要があるとして、オーキシン成長へのより適切な、人工知能の解析機能。

比較的豊富なデータに、開発者が業種を集めることができました。2016年、ベス・イスラエル・ディーコネス医療センター（BIDMC）とハーバード大学医学部は、両方の診断と乳房イメージングプラットフォーム。R＆Dスタッフの治療は、入力の多くなっている人工知能の共同研究・開発を発表しました。認識精度と効率を向上させるための技術フレームワークを学ぶの深さで癌細胞とフィルムの健康部門、および完全な自己改善を認識するためのシステムのための病理画像が。プラットフォームのリーダーアンドリュー・ベックは述べて患者の乳房のプラットフォームの画像解析精度率は92％に達し、99.5％の診断精度率と併せて病理学者の分析後にすることができます。

AI会社を強制的にヘルスケアのユニークさは、始まりと病院の協力を持っている必要があります。医療制度ので、病院は比較的独立しており、データだけで保持し、公開会社の人工知能は、医療ターゲット、マルチポイント2017を入力する機会を持っています頻繁に病院のプロジェクトと協力して、公開の場でのAIの企業は、医用画像処理と分析の能力を強化し、またより多くの臨床応用事例を持っているだけではなく、ビューからデータを発表しました。

肺結節追跡画像は一例です。人工知能システムでは、だけでなく、肺結節は、元のデータの分析は、だけでなく、悪性腫瘍の確率を予測するために患者に伝えることができ、患者のスクリーニングは、レビュー時間の確率で推奨されるか、または生検を行う必要があり、または対応する遺伝子型を確認していない。明確なメッセージだけでなく、患者への病気のよりよい理解、医師と患者のコミュニケーションをより簡単に、見て、政府は喜んでいる、減量のために支払うことになります。

データ「金融」記者が医療CEO Chaixiang飛ホイシャドウの部門のための独立した第三者の医療イメージングプラットフォームは、ディスプレイに供給され、医学のフィルム読み取り影ホイ部門の量は、百万人以上を持っている。これは、現在その実用的なアプリケーションシナリオ不可分カットのペースを加速しましたホイホイシャドウ医師は、500以上の草の根の病院と200件の以上のトップ3の病院へのアクセス権を持っています。

人工知能医療Airdocの別のより顕著な臨床応用は、画像解析眼科に焦点を当て、国内外で病院による眼底写真の数十万人を集めた。今年後半には、Airdocと浙江省の眼科病院、北上海の病院で私たちは、技術的なベース関連の人工知能眼科画像解析を確立することで合意に達しています。

不完全な統計によると、それは今、医療用画像を人工知能の分野に入っています 起業家精神 当社は、垂直人工知能医療企業の高度に加えて、40以上に達している、インターネットの巨人の動きはますます明白になります。

インターネットの巨人の利点は、長いデータを蓄積してき考えると、彼らの介入は、直接、この面積の変化の将来のパターンに影響を与える可能性があり、加えて保険契約者は、この影響が拡大されていますせます。

11月15日、主要な科学技術プロジェクトがスタート人工知能兼開発計画の新世代の省は、人工知能の新世代、オープンイノベーションプラットフォームの最初の全国リストが発表された：Baiduは、都市の脳の構造に依存する自動操縦建設会社、アリの雲の企業に依存しています、テンセントを利用して医用画像を構築し、IMCを利用してスマートな音声を構築することは、人工知能の医学的画像であり、初めて政府レベルの人工知能のカテゴリに分類される。

8月には、主に早期食道癌のスクリーニングに使用される第1回AI医薬品「シャドーシャドー」を発売しましたが、現在ではテンセントの「人工知能」深セン南山区人民病院広東省第二人民病院サンヤットセン大学に所属するがん病院がこの協力プロジェクトに参加しました。

インターネットの巨人であろうとより高い垂直人工知能の医療会社であろうと、2017年に病院に沈没した結果は、人工知能データ「穀物」の妥当性を保証し、臨床外のアプリケーションで遭遇する問題を発見する最近では、商業的な見通しが増えています。

人工知能技術のオーラ自体を除いて、医療画像市場は2017年に新たな重要なポイントに達しました。

拡大する市場の需要と医用画像リソースの間の拡大が重要になっており、急速に拡大している医療画像市場は人工知能企業の関心を集めており、この亀裂で最も初期の縫合糸になることを望んでいる同時に、到着する最初の「鉱夫」になる。

フリントの作成CEOのヤンHongfei導入、ビューの医療イメージングポイントの現在の市場規模から、患者側の急速な成長、イメージング検査の収入は、総病院収入の10％以上を占め、続いて 薬 6月のフリントクリエーションが発表した「医療イメージングと産業発展分析の市場地図」によると、過去5年間の中国医療費全体によると、2020年の中国の医療画像市場規模は約6,000億〜8,000億元に達する。

不完全な統計によると、プレスの時点では、国内の人工知能医療画像市場は天使の資金調達を完了しています。 コーポレート 3つの金融会社の前Aラウンド2、Aラウンド7、Bラウンド3、Cラウンド1があります。

セコイア・キャピタル、ヨン高い資本は、その中でも、三回月に集中資金の最大量と月の後半、3.8億元Hillhouseキャピタルグループのリード投資家が発表した計画に従い、科学技術の資金調達のCラウンドを完了するために、Yunfeng基金、投資ファンドとの本当の、10月には、医療影ホイの部門は、何百万、数百」が完了したことを発表しました。月、おそらく技術は、投資家、Yuanshengの首都、セコイア中国の共同投資を導くQimingベンチャー・パートナーズからの資金調達を完了1.2億元のBラウンドを発表しました。元の資金調達のBラウンド、投資家はタット・タイキャピタルと他の2つの投資機関です。

フロスト＆サリバン、中国王玉泉ビューのコンサルティング会社の社長は、国内資本が集まり、人工知能メディカルイメージング非常に合理的な結果である。「医療のイメージを高めるために人工知能が起こるにバインドされているものであり、この改善が表示され、それは瞬間です予想される2018年の資本の熱意の中で最も人気のある寒いではありません。「王玉泉は 『金融』記者に語りました。

しかし、作品をカットするための巨大なケーキは容易ではないようです。でも、IBMワトソンをリードし、腫瘍学のためのワトソンはまだ収益性を報告していないこと。

腫瘍学のためのワトソンは、医用画像解析結果で、医師が医学的なアドバイスを提供し、コンテンツネオアジュバント治療ソリューションを働く、それによって生成された治療法の選択肢は、医師の診断と治療の精度を高め、IBM独自の情報分析の専門知識と市場での受け入れによって支えられています程度。腫瘍は多国籍中国、米国、オランダ、韓国、タイ、インドを入力するワトソンのために。しかし、IBMワトソンの収益性は、公開報告書に見られていません。

ワトソンを比較すると、国内の公共人工知能医療イメージング社は、それが病気のクラスが画像に存在するかどうか、である、アプリケーション期疾患のスクリーニングに残っている。「は知っている」は「そうそこに知っている」と「できるようにする方法を知っています「ノー三つのステップ、人工知能、企業の医用画像大半はまだ探査の最初の段階で立ち往生しています。

「今のところ、達成された結果は、これまでAIからは到達しなかったと予想されている。」上海Changzheng 病院 「金融」記者の眼科魏瑞麗は：「AIは主に、医師が患者の診断レポートは、病院で行われたのと同様に、我々はまだ見再考する必要があり、再びそれを再検討するスクリーニング、実際の使用のために使用されます。」

また、国内企業はまだ医用画像解析に焦点を当てている、比較的単純な疾患領域を必要と比較的低い値。肺に、例えば、肺癌医用画像認識は、肺が自然コントラスト画像認識を持っているので、これは、人工知能の熱い分野であります、より簡単に方向性を克服するために属しているが、肺癌の具体的な症状は、詳細な分析を持っていません。

広東省人民病院、放射線科の教授、劉李氏は、これは深く感じられる、「肺癌例当院のほとんどが見直され、3は、肺転移を有する4人の患者が合併滲出、無気肺やその他の条件、コンピュータの多くを持っています臨床現場で医師を支援するために、これらの製品を比較し、自動的にこれらの機能を実装することは困難では確かに、ワークロードの一部を削減するが、医療の助けやシナリオのために小さいことがあります。 "

「金融」の記者で、業界の人々にインタビューしながら、収益モデルと収益性の問題がまだ続いて自分の脳を選ぶされ、より激しい競争、付属の巨人はまた、より高い除外される危険を意味し、分野における画期的な製品より簡単にまとめて入手問題の後。

11月には、光大証券分析、サービスベースの医療画像川下産業早急に革新的なサービスモデル、企業はすぐに、将来のインテリジェントな画像診断を行うために、遠隔医用画像診断装置ならびに独立したイメージングセンターで十分な資源を得る大きな利点を持っています。

巨人からの市場の反応は、中国市場、IBMを開くしようとする試みを繰り返してきた、プラス頻繁に移動してきた見てアリ、テンセント、市場への影響一度ショットが非常に強いです。マーチンゲール億ユーロはまだタンク、医療業界アナリストは「金融を告げたと思います「記者は、 『首都圏における私の連絡先に応じて、あなたは巨人が2018年にその活動をステップアップすることを期待することができ、1の』送り狂乱は 『すぐに開始されます。』

フロスト＆サリバンは、中国の王玉泉でのコンサルティング会社の社長が、巨人はできません場合でも、そんなに早く勝つことができる人を予測することは困難で、非常に悲劇的になる中小企業の間で殺害し、大規模な人工知能医療画像市場を統合することを信じて、でもサイクリング業界を共有することが好きなこと同じように、沦は首都の代表です。

人工知能や医療開始深さと洗練の2017の組み合わせのような早いと「戦場」、人工知能、医療用画像処理業界の最も競争力のある、多くの問題がまた味までの距離を反映した実証的な参照を、見つけることは困難に遭遇人工知能医療この美味しい「最初のスープ」が最も近い。