保存成功

人工智能时代已然来临

人工智能给医疗健康领域带来的机遇

  • 谷歌AlphaGo开阔了人类围棋千年来的认知

    More

    谷歌AlphaGo开阔了人类围棋千年来的认知

    017年初,AlphaGo又化身棋手 Master 在网络围棋平台的快棋对决中多次击败了包括聂卫平、柯洁、朴廷桓、井山裕太在内的数十位中日韩围棋高手,拿下60局全胜的战绩,人工智能的杰作谷歌 AlphaGo在围棋界已经登峰造极。

  • 深度神经网络在图片识别、语音识别上接近人类水平

    More

    深度神经网络在图片识别、语音识别上接近人类水平

    在图像识别领域,最新一代的深度神经网络能媲美灵长类动物的大脑。而在语音识别领域,人类的语音识别错误率约为5.1%,谷歌、百度等公司一直在追赶着这个数字,IBM此前的最佳表现水平是5.9%。

  • 谷歌基于OCT和眼底照片对糖尿病性视网膜病变的识别

    More

    谷歌基于OCT和眼底照片对糖尿病性视网膜病变的识别

    Google研究人员在美国医学协会杂志JAMA(Journal of the American Medical Association)上发表了一篇论文,表明Google的深度学习算法,经过大量眼底影像数据训练后,能够以超过90%的准确度检测糖尿病性视网膜病变。

  • 斯坦福对皮肤病的自动识别达到医师水平

    More

    斯坦福对皮肤病的自动识别达到医师水平

    斯坦福Nature论文宣布新突破:AI诊断皮肤癌达专家水平,斯坦福大学的研究者开发出一个诊断皮肤癌的 AI 算法,并且诊断结果达专家水平,该研究的相关论文已经发表在 Nature 上。

医疗八大应用场景

AI医疗的应用场景广泛,未来的综合性医疗健康服务商需要全面的AI渗透,宜远面临的需求广泛

  • 虚拟助理

  • 医学影像

  • 药物挖掘

  • 营养学

  • 生物科技

  • 急救室医院管理

  • 健康管理

  • 精神健康

我们在做什么

发病预估及干预的AI服务

快速登录AI系统

医疗健康业务板块的智能化合作

专注于生命健康产业,凭借深厚的人工智能技术积累,为综合性医疗健康服务商,提供AI增强服务,促进并分享其效益与价值的提升。

  • 减少医师过劳

    AI系统辅助进行简单病症更快出初步判断 医教医考流程智能化

  • 疑难诊治

    AI系统本身学习了海外医院与上级医院和最新文献的判例对罕见疑难病症提供线索

  • 前沿发现

    AI依托更多样例或关联其他检测结果分析并发病、未知关联的病、 医生肉眼比较难判准的早期阶段症状

为什么选择我们

综合性医疗健康服务商

  • 一流的 AI 博士团队

  • 腾讯产品化与平台 化思维与经验

  • 垂直切入细分科室

  • 众多合作的数据源

  • 充足的启动资金

  • 从高性能硬件到数据处 理、AI建模全pipeline能力

行业案例

人工智能对于医疗健康领域中的应用已经非常广泛

  • 眼科OCT及照片辅助分析系统

    基于uNet的图像分割,基于CNN的图像识别

  • 肿瘤早筛及中期个性化治疗方案决策系统

    基于自然语言处理,对海量医学专著、论文、治疗方案、实验数据、临床报告分析建模

  • ICU/手术室智能化

    对可能出现恶化或生命危险的情况提早预警,准确度超过简单的评级系统

肺癌CT辅助分析系统

Enlitic

Enlitic采用深度学习算法对X 光扫描与 CT 扫描图像等大量医疗数据进行分析,通过显示相关研究结果、检测并标注医疗影像中的关键部位、显示类似病例等途径,帮助放射科医生实现快速、准确、可行的诊断。

Enlitic将深度学习技术用于自动检测 CT 图像中的肺癌结节,其精确度号称“比胸部放射科专家小组还要高出 50%”。目前,该公司被《MIT科技评论》(又称《麻省理工科技评论》)评为2015全球最智慧的50家公司之一,已和多家医院及科研机构开展合作。

2015年10月,Enlitic获1000 万美元A轮融资,由Capitol Health 领投,Data Collective、Amplify Partners跟投。Capitol Health是一家为澳大利亚各地诊所提供影像诊断服务的上市公司。前者为后者提供深度学习技术,以提高放射科医生们的工作效率,后者则提供珍贵的医疗影像。再加上2014年的200万美元种子轮及2015年2月的300万美元A轮,迄今为止Entlic已累计融资 1500 万美元。

肿瘤早筛及中期个性化治疗方案决策系统

IBM Watson 肿瘤解决方案

对于中国14亿人口来说,癌症现已位居死亡率榜首。仅2015年,中国就有430万新发癌症病例,且有超过280万人死于癌症。预计中国每天大约有12,000个新增癌症诊断病例。

Watson肿瘤解决方案能够汲取海量信息,其中包括300多份医学期刊、200余种教科书以及近1500万页的文字,进而能够就药物选择及用药方案方面提供建议。同时,IBM Watson还能够链接至经业界权威评审的研究以及临床指南。其机器学习能力也意味着它可以随着时间的推移而不断地学习。

IBM Watson 肿瘤解决方案至少能在三个不同的层面帮助到患者。第一,它能通过对医学文献进行打分评级,迅速整理病患的医疗记录,提高医生的诊断效率;第二,通过分析海量数据,从而帮助医生快速为患者提供高质量、个体化的循证癌症治疗方案;第三,它能为患者和医生们带来世界顶级的癌症治疗专业知识。可以想象,这一平台在未来将释放出无穷的潜力。

ICU/手术室智能化

AnalyticsMD

医疗资源浪费是一个顽疾。由于没有智能的医疗健康系统,经常会出现病人在急诊室门口等待几小时却无人医治,或者医护人员和病床资源空闲时,却无人可医的情况。因此如何提高医疗服务效率是政府和医院头痛的事。

面对传统医院管理方式效率低下,大量资源被浪费的现状,AnalyticsMD专注于解决急诊室、手术室等系统的运营挑战,使用实时数据追踪、分析、预测和优化医院业务。该公司为医院做大数据分析整理,方便患者及时准确就医,缩短就医等待时间,同时,医院也大大提高服务效率和资源利用率。

目前AnalyticsMD开发符合HIPAA标准的Saas系统已经广泛用于旧金山的医疗机构,它从美国政府医疗网站收集详细数据,美国所有接受医疗保险以及医疗补助基金的医疗机构数据都汇聚于此。利用实时分析的saas平台分析这些数据,可输出辅助性的推荐信息,帮助医院管理者、医护人员决策。

行业资讯

人工智能对于医疗健康领域中的影响

  • 05 月 28

    在医疗人工智能领域,有哪些值得关注的公司?

    还记得Watson吗,那个曾经参加智力竞赛节目《Jeopardy!》的超级计算机,它已经为MD癌症中心工作了好一阵子了,通过Watson的认知计算能力,从病人病例和丰富的研究资料库中寻找资料,为临床医生提供有价值的见解,从而帮助医护人员找到最有效的治疗方案。Watson还不能独立做决定,最后的诊断还要医生来拍板。

    来自:蛋壳研究院 动脉网

  • 05 月 25

    人工智能深度学习“读片”只要几十秒

    读一张医学影像片子只需几十秒,而且还不会因为情绪、疲劳出错,这效率比一般医生高出很多倍。随着人工智能越来越发达,能够深度学习的机器会在未来威胁到医生的“饭碗”吗?

    来自:猎云网

  • 09 月 28

    “人工智能”路在何方?

    近年来,“人工智能”通过各个领域逐渐被人们所认识,仿佛大家儿时的一些科幻梦想很快就能实现了。但事实真的是这样吗?

    来自:光明日报

  • 09 月 28

    周鸿祎:人工智能很“弱智” 机器人取代人类想太多

    自从谷歌AlphaGo在围棋人机大战中击败人类之后,一时间各种说法不断涌现:人类将会被机器淘汰、大量职业将会被智能机器人所取代等等。

    来自:21CN科技

在医疗人工智能领域,有哪些值得关注的公司?

2016年05月28日 来自:蛋壳研究院 动脉网

还记得Watson吗,那个曾经参加智力竞赛节目《Jeopardy!》的超级计算机,它已经为MD癌症中心工作了好一阵子了,通过Watson的认知计算能力,从病人病例和丰富的研究资料库中寻找资料,为临床医生提供有价值的见解,从而帮助医护人员找到最有效的治疗方案。Watson还不能独立做决定,最后的诊断还要医生来拍板。IBM觉得这是一个机会,所以就推出了一个新的认知计算机健康平台——Watson Healthcare Cloud。

像IBM这样的科技巨头在医疗市场的豪赌并没有给人们带来太大的惊喜,创新往往是自下而上的,一些初创公司正在寻找用智能应用来改善和预防病患并削减美国健康产业的成本。一些正在探索用智能应用来设计关于疾病的药物,其他的则建立庞大的健康数据来为患者提供建议。

除了Waston,谁还在盯着这个复杂的领域?旧金山创业公司Enlitic去年发展了一种新的技术,通过收集X射线,核磁共振,CT扫描,三维医疗等影像数据从而分享或查看医疗图像,从而提升发现肿瘤和其他疾病的的速度。

类似于这种人工智能的健康医疗技术,这里还有其他一些值得关注: AtomwiseAtomwise——想用超级计算机、AI和复杂的算法来模拟药品研发的过程,以此降低研发成本。利用Atomwise提供的服务,可以预测哪些新药品真的有效,哪些无效。 The Human Diagnosis Project——旨在绘制人类所有不同疾病症状的检测结果,类似于“人类基因组”计划对疾病的检测。

Chrono Therapeutics——一款名为SmartStop的智能穿戴设备,能够一天24小时在吸烟者有烟瘾冲动的时候为他们输送尼古丁一定的剂量,从而帮助他们戒烟。

uBiome——帮助人们搜集并了解附着在身上的各种细菌,这些细菌样本可以用于广泛的卫生医疗用途,包括谈尿布和抑郁症。

Ekso Bionics——研制一种可穿戴仿生机械腿,使用传感器控制,能帮助人们重新获得行走能力。

Ginger.io——同手智能手机收集和分析短信、通话、位置等数据来诊断患者的心理健康问题。

Kyruus——帮助医院分析病例的卫生一同,并负责让医疗机构获得患者适合的治疗方法。

3Scan——一个超高分辨率的3D组织成像平台,可创建整个基因组测序级别的数据量。医生可以适用他检测疾病。

Foundation Medicine——分析患者的基因组和带有分子标记的肿瘤,为患者创建个性化的治疗。

这些智能解决方案虽然有创新,但是它们缺乏病人的信任。人工智能的算法输出应当帮助医生做出更明智的决策而不是直接指定治疗处方。

人工智能深度学习“读片”只要几十秒

2016年05月25日 来自:猎云网

读一张医学影像片子只需几十秒,而且还不会因为情绪、疲劳出错,这效率比一般医生高出很多倍。随着人工智能越来越发达,能够深度学习的机器会在未来威胁到医生的“饭碗”吗?

在日前举行的金桥产业技术创新论坛上,这个问题引起了诸多医生的关注。浙江大学医学院教授、上海产业技术研究院特聘教授钱大宏认为,临床问题十分复杂,目前人工智能还无法进入医生的工作流程,但随着深度学习的发展,医生也需要向机器学习“思路”。

“深度学习”过程就像培养一名医生

其实,早在上世纪80年代,人们就开始尝试用人工神经网络来解决现实问题。“当时,这种尝试还在模仿单个神经元或浅层神经网络上,与真正的智能相距还很远。”钱大宏说,由于这种“粗糙”,它很难在临床上真正发挥作用。

然而近一年来,人工智能,尤其是深度学习,在医学辅助诊断上的应用被炒得很火,因为现在的人工智能已经进入了更高级的阶段。“机器学习在本轮人工智能热潮中受到高度关注,在东亚的关注度尤其高。”上海交大生物医学工程学院特别研究员王乾介绍,根据医学图像计算和计算机辅助干预协会统计,2016年,有超过70%的医学图像研究工作使用了机器学习的方法。

病人手术后可以活多久?脑胶质瘤患者的生存期可以预测吗?深度学习已开始超越简单的人类经验重复,开始有自己的“见地”。钱大宏介绍,这个过程与培养一名医生的过程很接近。当机器在学习了一大堆医学影像资料之后,可能会从新的影像中发现一些人类医生难以发现的问题,“它们对于图像的记忆、精细对比,这种能力是人类医生难以企及的。”这时,我们就可能要向机器学习思维过程,去了解它们是如何得出结论的。

临床问题很复杂,需要不断研究新算法

如果有更高级的人工智能软件诞生,在很大程度上可以造福很多医疗水平不高的地区,在罕见病领域也会很有市场。因为医生对于疾病的诊断,很重要的一点是依靠经验。“医生是难以复制的,但如果医生的经验可以通过人工智能软件加以复制,而这种复制还可以产生新的判断,这将可能使更多人享受到更高水平的诊疗。”钱大宏说,直到目前为止,这还是一种理想状态。

目前,人工智能在医学辅助诊断的应用,真正用到临床的几乎没有。上海产业技术研究院生物医学转化中心主任黄薇认为,主要原因之一是人工智能系统在复杂的临床应用中,不能保持其测试数据集上的高准确率,其次则是临床医学数据的收集和预处理不够完善,并且没有考虑到医生的工作流程。

在这次复旦大学附属肿瘤医院和上海产业技术研究院合作召开的金桥产业技术创新会议上,不少专家就提到如何针对促进临床医学与人工智能的紧密结合,展开科研和产业的合作,选择几个合适采用人工智能的方向切入,目标是做成真正对临床有意义的人工智能系统。

就在上个月,上海交大和上海联影医疗科技有限公司签约共建了“医学影像先进技术研究院”。该院院长杜一平介绍,校企将一共投入2.5亿元,旨在建设国际领先的前沿技术原创地,引领我国医学影像技术的创新研究和技术转化。

“希望再过三五年,逐步建立起针对中国人群的自主标准的结构化医学图像大数据库。用新的方法学,使某种疾病的垂直智能诊断模块实用化。”钱大宏对人工智能的未来充满信心。

原标题:“读片”只需几十秒 医生可能要向机器“学习”

“人工智能”路在何方?

2016年09月28日 来源:光明日报

近年来,“人工智能”通过各个领域逐渐被人们所认识,仿佛大家儿时的一些科幻梦想很快就能实现了。但事实真的是这样吗?诚然,当下机器人迅速发展,人工智能在我们的生活中扮演重要角色这是未来趋势,但并不会很快发生。即便机器人进化速度惊人,但它们还是有些“死脑筋”,现阶段想要让他们胜任所有工作,还有些力不从心。

艾伦人工智能研究所相关人员就曾表示,教电脑阅读并回答相关问题现在都还是个不可能完成的任务。举例来说,在阅读了八年级的科学课本后,电脑只能回答对60%的相关问题。教电脑理解一个句子甚至比让它在围棋上战胜世界冠军都难,电脑在解决模棱两可问题的能力上还有着较大的缺陷,它们太死板了。逻辑决策层需要大量的数据和算法来支撑,但是在人工智能领域,98%的算法是开源的,大家主要是在拼数据。

然而,对于人工智能的定义也是相对模糊的。制造一台机器,通过数据整合和分析产生预测,以帮助人们实现精准决策可以称之为人工智能。制造一台机器,然后去代替人也可以称之为人工智能。早在20世纪60年代就有科学家开始进行人工智能的研发,并发明了可以做数学应用题的机器人、能够人机对话的机器人。到80年代,日本又出现了专家级系统计算机,帮助企业和政府进行决策。进入21世纪,又出现了下围棋的数字机器人。人工智能的目标和技术随着时代的发展在不断地变化,人工智能到底是用来干什么的?

人工智能作为一项新的工具,是可以帮我们解决很多问题的,其适用面也较广。利用人工智能可以有效地代替人类做一些烦琐的、重复性的工作,也可以成为人类娱乐的一种方式。

欧美、日本的人工智能发展较为迅速,与之相比,国内的技术水平还停留在一个任务型的水平,即你让机器人订票、打电话没有问题,但是要跟机器人聊天,体验则很差。

与此同时,对于进行人工智能开发的公司来说,盈利才是他们能够继续推进人工智能开发的动力。但是,目前来看自动驾驶、计算机视觉、智慧城市以及智慧医疗等等人工智能尚没有带来直接的商业价值。这其中,一方面是因为现有人工智能的设计方案都较为笨重、单一、昂贵。例如,谷歌推出的图片识别系统“谷歌大脑”,是由上千台计算机组成的,需要数十个研发人员操作,投入和产出不成比例。去年十分出名的AlphaGo,设备也十分昂贵,难以形成规模化生产。另一方面,人工智能的技术需要长时间在实验室进行研发,但在这个追求“短平快”的年代,人才培养也出现了断档,很多人很难掌握人工智能技术,这也间接阻碍了人工智能的发展前景。

人工智能的未来还有很长的路要走,这是一个不争的事实。而在这个过程中,如何将人工智能细化成内容、数据、硬件、算法等各个小的领域,然后集中精力各个突破,将是决定人工智能发展速度与发展规模的重中之重。不用担心,未来几十年你的工作还不会被机器人抢走,而科幻片中的一些恐怖场景也不会立刻发生。

周鸿祎:人工智能很“弱智” 机器人取代人类想太多

2016年09月28日 来源:21CN科技

自从谷歌AlphaGo在围棋人机大战中击败人类之后,一时间各种说法不断涌现:人类将会被机器淘汰、大量职业将会被智能机器人所取代等等。近日,360公司董事长周鸿祎表示,面对人工智能大可不必恐慌。“时下热炒的‘人工智能’的概念,本质上是‘弱智能’,甚至是‘伪智能’。”

周鸿祎说,谈到人工智能,大家最先想到的可能是这三件事情:人工智能是否会产生意识?人类会不会被机器人消灭?人类会不会大规模失业?

“但是今天我们所说的人工智能,其实是神经网络这种古老算法的新生。主要还是利用计算机的算法模型和大数据的深度学习,建立的一种概率判断网络。”这一方面得益于强大的云计算能力,另一方面得益于海量的大数据。“所有的这些,其实都源于互联网的出现。没有互联网,没有大数据,人工智能就如同没有汽油的发动机,根本无法发动。”因此,在了解人工智能的技术本质后,我们就能知道很多事情它干不了。

周鸿祎还进一步指出,人工智能并非互联网公司的专利,而是和各行各业都有着密切关系。他主张要把人工智能和具体的产业结合,以此服务人类的生产和生活。

周鸿祎是在母校西安交大第二届“汪应洛管理与创新大讲堂”暨首届“李怀祖网络经济与管理讲坛”的活动上发表以上演讲的。

 近年来,西安交大将各课堂协同育人作为人才培养综合改革的重点任务之一。学校提出,第一课堂为知识传授主阵地,第二课堂以书院、团委、社团等为主,第三课堂注重实践,第四课堂瞄准国际交流,第五课堂挖掘网络资源。五大课堂为“四位一体”提供系统支撑,合力提升人才培养质量和竞争力。除了传统的三大课堂,近两年来西安交大着力打造四、五课堂,,让网络成为学生自主学习的课堂,让知识越过大学的围墙走向全世界。

招聘岗位

深度学习开发工程师

深度学习在医学图像处理领域的开发工作;负责从事深度学习框架的开发,包括机器学习、图像处理等的算法和系统研发。

医学影像分析师

熟悉医学成像、计算机辅助诊断和治疗等方面的理论和方法;熟悉三维医学影像基础;熟悉医学图像处理开发所使用的开发工具。

算法研究员

硕士以上有工作经验或应届博士毕业生,拥有机器学习、图像处理、计算机视觉专业背景及相关工作经验。

后端研发工程师

2年及以上后端服务器端开发经验,对服务器端程序的部署、架构、调优有一定的了解。

简历请投至:kennethkliu@foxmail.com

专注于生命健康产业,凭借深厚的人工智能技术积累,为综合性医疗健 康服务商,提供AI增强服务,促进并分享其效益与价值的提升。
+86 135 1026 9847
深圳市南山区科技园北区清华信息港科研楼一楼 107
vincent.wzl@qq.com
亲,想与我们合作吗?
请填写您的联系方式,我们将尽快与您取得联系
确认