人工智能在醫(yī)療方面的應(yīng)用

1、人工智能在醫(yī)療方面的應(yīng)用目錄concents01AI+醫(yī)療概述P1002AI+醫(yī)學(xué)影像P2003AI帶來的變革P3004火熱AI冷思考P40人工智能概述01現(xiàn)代人工智能（Artificial Intelligence，AI）是利用大數(shù)據(jù)、深度學(xué)習(xí)算法、云計(jì)算等技術(shù)進(jìn)行類腦智能的研究，讓機(jī)器解決人腦所能解決的問題。算法：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等算力：指并行計(jì)算、超級(jí)計(jì)算、云計(jì)算等；大數(shù)據(jù)：通過物聯(lián)網(wǎng)、互聯(lián)網(wǎng)技術(shù)和傳感器、智能手機(jī)等終端設(shè)備所獲取的數(shù)據(jù)核心算法算力大數(shù)據(jù)人工智能基本概念人工智能發(fā)展歷程1950年1956年1973年1980年1987年馬文明斯基等人發(fā)明世界上第一臺(tái)神經(jīng)網(wǎng)絡(luò)計(jì)算

2、機(jī)；“計(jì)算機(jī)之父”阿蘭圖靈提出了“圖靈測(cè)試”計(jì)算機(jī)專家約翰麥卡錫提出“人工智能”一詞。這被看做人工智能正式誕生的標(biāo)志由于計(jì)算機(jī)性能的瓶頸、數(shù)據(jù)量嚴(yán)重缺失等技術(shù)問題導(dǎo)致人工智能遭遇到了6年左右的低谷卡內(nèi)基梅隆大學(xué)設(shè)計(jì)的名為“專家系統(tǒng)”的人工智能程序被諸多公司采納應(yīng)用，迎來了人工智能的發(fā)展高峰蘋果、IBM公司生產(chǎn)的臺(tái)式機(jī)性能超過了通用計(jì)算機(jī)，“專家系統(tǒng)”風(fēng)光不再，人工智能遭遇第二次低谷起源誕生低谷崛起低谷90年代至今隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的逐步發(fā)展，Hinton公司在神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)領(lǐng)域取得突破，人工智能進(jìn)入大發(fā)展時(shí)期發(fā)展人工智能研究領(lǐng)域分類人工智能符號(hào)智能計(jì)算智能機(jī)器學(xué)習(xí)機(jī)器感知蟻群計(jì)算免疫計(jì)算計(jì)劃

3、計(jì)算神經(jīng)計(jì)算深度學(xué)習(xí)統(tǒng)計(jì)學(xué)習(xí)模式識(shí)別歸納學(xué)習(xí)圖像識(shí)別自然語言處理語音識(shí)別計(jì)算機(jī)視覺知識(shí)工程符號(hào)學(xué)習(xí)不確定性推理自動(dòng)推理圖搜索備注 神經(jīng)計(jì)算：是在細(xì)胞的水平上模擬腦結(jié)構(gòu)和腦功能，關(guān)于人工神經(jīng)系統(tǒng)或人工神經(jīng)網(wǎng)絡(luò)的原理、結(jié)構(gòu)和功能的科學(xué)； 免疫計(jì)算：現(xiàn)代計(jì)算機(jī)科學(xué)的研究領(lǐng)域，其將醫(yī)學(xué)免疫學(xué)中的免疫機(jī)理和模型廣泛引入到計(jì)算機(jī)智能、網(wǎng)絡(luò)科學(xué)、計(jì)算機(jī)控制與安全等研究與工程中； 深度學(xué)習(xí)：機(jī)器學(xué)習(xí)的技術(shù)和研究領(lǐng)域之一，通過建立具有階層結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)，在計(jì)算系統(tǒng)中實(shí)現(xiàn)人工智能人工智能研究領(lǐng)域分層感知與分析理解與思考決策與交互金融、醫(yī)療、安防、交通、游戲等2.機(jī)器學(xué)習(xí)、深度學(xué)習(xí)1.硬件/計(jì)算力、大數(shù)據(jù)3.計(jì)

4、算機(jī)視覺4.語音工程5.自然語言處理6.規(guī)劃決策系統(tǒng)7.大數(shù)據(jù)/統(tǒng)計(jì)分析圖像理解圖像識(shí)別視頻識(shí)別語音識(shí)別語義理解語音合成語義理解機(jī)器翻譯情感分析行業(yè)解決方案具體技術(shù)技術(shù)方向算法基礎(chǔ)設(shè)施人工智能他國發(fā)展具體應(yīng)用2011年國家機(jī)器人計(jì)劃2013年5月白宮成立人工智能和機(jī)器學(xué)習(xí)委員會(huì)2016年10月美國提出國家人工智能研究和發(fā)展戰(zhàn)略計(jì)劃新機(jī)器人計(jì)劃發(fā)展機(jī)器人技術(shù)推動(dòng)工業(yè)生產(chǎn)力提高2015年1月美國日本2018年白宮召開人工智能峰會(huì)2019年美國總統(tǒng)簽署“美國人工智能倡議”行政命令高級(jí)綜合智能平臺(tái)計(jì)劃AI、大數(shù)據(jù)、物聯(lián)網(wǎng)、網(wǎng)絡(luò)安全、綜合發(fā)展技術(shù)2016年初人工智能中心提出“超級(jí)智能社會(huì)”未來社會(huì)構(gòu)想2

5、015年6月人工智能綜合發(fā)展計(jì)劃人工智能已上升為國家戰(zhàn)略人工智能技術(shù)戰(zhàn)略2017年初人工智能中國發(fā)展中國：人工智能已上升為國家戰(zhàn)略2015年5月中國制造2025發(fā)布2016年3月國民經(jīng)濟(jì)發(fā)展第十三個(gè)五年計(jì)劃綱要（草案）2015年7月國務(wù)院關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)”行動(dòng)的指導(dǎo)意見2016年5月“互聯(lián)網(wǎng)”人工智能三年行動(dòng)實(shí)行方案等等中國為AI產(chǎn)業(yè)的發(fā)展提供了有利的政策、輿論、金融、市場(chǎng)和人才供給等發(fā)展環(huán)境，可以說人工智能已上升為國家戰(zhàn)略地位2017年7月新一代人工智能發(fā)展規(guī)劃人工智能發(fā)展國內(nèi)外綜合對(duì)比人才投入中國人工智能人才總量居世界第二。截至2017年，中國的AI人才擁有量達(dá)到18232人，占世界總

6、量的8.9%，僅次于美國論文產(chǎn)出中國人工智能論文總量和高被引論文數(shù)量都是世界第一。中國在AI領(lǐng)域論文的全球占比從1997年4.26%增長(zhǎng)至2017年的27.68%，遙遙領(lǐng)先其他國家企業(yè)規(guī)模中國人工智能企業(yè)數(shù)量為全球第二。截至2018年6月，全球共有AI企業(yè)總數(shù)達(dá)4925家，其中美國2028家，全球第一。中國（不含港澳臺(tái)地區(qū)）AI企業(yè)總數(shù)1011家風(fēng)險(xiǎn)投資中國已成為全球人工智能投融資規(guī)模最大的國家。2017年全球AI投融資總規(guī)模達(dá)395億美元，融資事件1208筆，其中中國的投融資總額達(dá)到277.1億美元，融資事件369筆。融資總額占全球融資總額的70%，融資筆數(shù)達(dá)31%。綜合對(duì)比我們從人才投入、

7、論文產(chǎn)出、企業(yè)規(guī)模、風(fēng)險(xiǎn)投資等四個(gè)主要方面綜合比較國內(nèi)外人工智能發(fā)展?fàn)顩r，進(jìn)一步描繪中國人工智能面貌人工智能發(fā)展國內(nèi)外綜合對(duì)比中美綜合對(duì)比舉例中國深度學(xué)習(xí)開源平臺(tái)云平臺(tái)語音平臺(tái)圖像平臺(tái)百度PaddlePaddle天智、天算、天工、天像百度大腦、DuerOS度秘百度大腦阿里巴巴-DTPAI、阿里云阿里云-科大訊飛-訊飛開放平臺(tái)(語音識(shí)別)訊飛開放平臺(tái)(人臉、文字識(shí)別)FACE+-曠視美國深度學(xué)習(xí)開源平臺(tái)云平臺(tái)語音平臺(tái)圖像平臺(tái)谷歌TensorFlowGoogle CloudGoogle AsssistantCloudVisionAPI亞馬遜MXNETAWSAlexaRekognitionIBMSy

8、stemMLBluemixWaston(Speech to Text)Waston(Visual Recognition)微軟CNTKAzureCortanaAuzre(Face API)FacebookTorch、Caffe2、Bigsur-DeepTextDeepMask、SharpMask表二：MIT科技評(píng)論-算法表一：人工智能平臺(tái)表一：美國的人工智能平臺(tái)更為成熟，種類更豐富、產(chǎn)品滲透率更高，布局更廣，領(lǐng)先于中國。表二：美國在MIT（麻省理工科技評(píng)論）榜單上總體領(lǐng)先，中國在算法上取得一些突破，如2016年和2017年，已有百度、阿里巴巴、中科院、科大訊飛上榜。榜單提及企業(yè)榜單提及企業(yè)每年

9、評(píng)選十大突破科技2017年上榜技術(shù)強(qiáng)化學(xué)習(xí)2016年上榜技術(shù)語音接口百度阿里巴巴中科院科大訊飛百度DeepMindMobileeyeOpenAIGoogleUberAppleNuanceGoogleFacebook人工智能發(fā)展國內(nèi)外綜合對(duì)比中美綜合對(duì)比結(jié)論美國1.上游產(chǎn)業(yè)成熟2.AI起步早、發(fā)展快3.已在算法、芯片和數(shù)據(jù)等產(chǎn)業(yè)核心領(lǐng)域，積累強(qiáng)大的技術(shù)創(chuàng)新優(yōu)勢(shì)4.產(chǎn)業(yè)布局完整，實(shí)力強(qiáng)勁中國1.上游產(chǎn)業(yè)相對(duì)落后2.AI起步晚 、發(fā)展迅猛3.相關(guān)數(shù)據(jù)量巨大，優(yōu)勢(shì)明顯4.未掌握芯片的核心技術(shù)，硬件開發(fā)難度較大5.核心算法基礎(chǔ)薄弱數(shù)據(jù)數(shù)據(jù)總量數(shù)據(jù)開放度應(yīng)用市場(chǎng)規(guī)模市場(chǎng)增速政策國家級(jí)戰(zhàn)略重點(diǎn)領(lǐng)域政策科研投

10、入科研經(jīng)費(fèi)投入研發(fā)投入比例2018中國人工智能產(chǎn)業(yè)生態(tài)圖譜底層硬件通用AI技術(shù)及平臺(tái)應(yīng)用領(lǐng)域2018中國人工智能產(chǎn)業(yè)生態(tài)圖譜應(yīng)用領(lǐng)域智能家居服務(wù)機(jī)器人移動(dòng)設(shè)備/UAV智能駕駛專業(yè)行業(yè)應(yīng)用百度小米搜狗360思必馳云和聲機(jī)智云出門問問等等京東360優(yōu)必選Geek云和聲CANBOTRokidGoertek+等等阿里云百度小米搜狗360曠視科技大疆創(chuàng)新億航等等阿里云百度小米搜狗360曠視科技大疆創(chuàng)新億航等等金融：商涵、依圖、megvii等教育：科大訊飛、高木等醫(yī)療：騰訊覓影、推想等安防：商涵、依圖、megvii等法律、招聘、娛樂等行業(yè)通用AI技術(shù)及平臺(tái)計(jì)算機(jī)視智能語音自然語言處理機(jī)器學(xué)習(xí)/知識(shí)圖譜云平

11、臺(tái)/OS/大數(shù)據(jù)騰訊優(yōu)圖阿里云圖普科技megvii極限元ViscoveryYi+等等搜狗百度科大訊飛阿里云騰訊云云和聲思必馳等等搜狗百度阿里云騰訊云智言科技小i機(jī)器人圖靈機(jī)器人等等阿里云百度搜狗騰訊云iPIN 4Paradigm等等阿里云百度云騰訊云華為機(jī)智云ROS國雙Gridsum等等底層硬件AI芯片/視覺傳感器國內(nèi)：華為、西井科技、寒武紀(jì)、深鑒科技、智波科技、華捷艾米、速感科技等等國外：谷歌、英特爾、英偉達(dá)、IBM、AMD、微軟等2018中國AI醫(yī)療產(chǎn)業(yè)生態(tài)圖譜上圖指出：國內(nèi)約有83 家人工智能醫(yī)療領(lǐng)域企業(yè)，其中涉足醫(yī)學(xué)影像類的企業(yè)數(shù)量達(dá)40 家，遠(yuǎn)高于其他應(yīng)用場(chǎng)景。因此醫(yī)學(xué)影像已經(jīng)成為人

12、工智能在醫(yī)療應(yīng)用最熱門的領(lǐng)域之一國內(nèi)醫(yī)療人工智能企業(yè)圖譜醫(yī)學(xué)影像虛擬助手健康管理新藥發(fā)現(xiàn)疾病診斷與預(yù)測(cè)病歷/文獻(xiàn)分析智能化機(jī)械醫(yī)院管理醫(yī)療大數(shù)據(jù)推想萬里云醫(yī)諾DeepCare深睿匯醫(yī)慧影等等科大訊飛中科匯能云和聲等等華大基因點(diǎn)內(nèi)DNA萬里云數(shù)聯(lián)醫(yī)信等等媽媽幫醫(yī)隨訪哪吒寶貝等河谷互動(dòng)帕眾數(shù)據(jù)森億智能等等晶泰科技百世伽科技云聽HUGER等AI醫(yī)療基本概念什么是AI醫(yī)療？AI醫(yī)療是以互聯(lián)網(wǎng)為依托，通過基礎(chǔ)設(shè)施的搭建及數(shù)據(jù)的收集，將人工智能技術(shù)及大數(shù)據(jù)服務(wù)應(yīng)用于醫(yī)療行業(yè)中，提升醫(yī)療行業(yè)的診斷效率及服務(wù)質(zhì)量，更好的解決醫(yī)療資源短缺、人口老齡化的問題。AI醫(yī)療應(yīng)用價(jià)值及趨勢(shì)影像產(chǎn)品落地速度會(huì)加快，產(chǎn)品性能

13、成熟度不斷提高語音電子病歷醫(yī)院普及率加快，可形成規(guī)模效應(yīng)智能問診隨著知識(shí)圖譜的不斷完善，預(yù)問診功能可以有效提升醫(yī)生效率AI在健康管理場(chǎng)和慢病管理會(huì)進(jìn)一步提高，最快成熟的領(lǐng)域AI在精神心理健康的的滲透程度會(huì)更深，未來可能成為這一領(lǐng)域的核心推動(dòng)力AI醫(yī)療金字塔基礎(chǔ)層：通過軟/硬件等基礎(chǔ)設(shè)施，收集用戶、藥物及病理數(shù)據(jù)，并使數(shù)據(jù)互通互聯(lián)，為AI的應(yīng)用提供基礎(chǔ)支持 技術(shù)層：通過語音/語義識(shí)別、計(jì)算機(jī)視覺等技術(shù),對(duì)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析和提煉,“學(xué)習(xí)”數(shù)據(jù)文本,掌握問答、判斷、 預(yù)警、實(shí)施等能力應(yīng)用層：是指人工智能與不同細(xì)分領(lǐng)域的結(jié)合，以解決醫(yī)療行業(yè)中的某種業(yè)務(wù)需求，如智能診斷、智能健管理等場(chǎng)景AI醫(yī)療應(yīng)用

14、層技術(shù)層基礎(chǔ)設(shè)施層虛擬助手病理診斷醫(yī)療搜索藥物研發(fā)醫(yī)學(xué)影像醫(yī)用機(jī)器人智能健康管理人機(jī)交互語音/語義識(shí)別計(jì)算機(jī)視覺深度學(xué)習(xí)醫(yī)療大數(shù)據(jù)院內(nèi)系統(tǒng)智能醫(yī)療設(shè)備電子病歷AI芯片醫(yī)藥數(shù)據(jù)庫AI醫(yī)療應(yīng)用場(chǎng)景與技術(shù)路線下圖呈現(xiàn)的是人工智能技術(shù)在醫(yī)療領(lǐng)域的主流應(yīng)用場(chǎng)景與技術(shù)路線，能夠?qū)θ蜥t(yī)療人工智能的格局有清晰的了解治療診斷醫(yī)療流程輔助健康管理藥物研發(fā)醫(yī)學(xué)科研平臺(tái)圖像識(shí)別語音交互語音轉(zhuǎn)寫自然語言處理數(shù)據(jù)挖掘認(rèn)知計(jì)算智能問診靶點(diǎn)篩選尋找適應(yīng)癥醫(yī)學(xué)臨床研究相似案例搜索病例結(jié)構(gòu)化智能放療系統(tǒng)語音電子病歷智能影像輔助診斷細(xì)胞病理診斷健康虛擬助理導(dǎo)診機(jī)器人營(yíng)養(yǎng)學(xué)：食物識(shí)別輔助診療系統(tǒng)AI醫(yī)療應(yīng)用領(lǐng)域從全球創(chuàng)業(yè)公司實(shí)踐的

15、情況來看，智能醫(yī)療的具體應(yīng)用包括洞察與風(fēng)險(xiǎn)管理、醫(yī)學(xué)研究、醫(yī)學(xué)影像與診斷、生活方式管理與監(jiān)督、精神健康等等，目前AI技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用主要集中于以下五個(gè)領(lǐng)域：醫(yī)療機(jī)器人醫(yī)學(xué)影像與診斷智能診療其他等等其他等等智能藥物研發(fā)智能健康管理具體應(yīng)用AI醫(yī)療具體實(shí)例IBMWatson目前最成熟的案例，可以在17秒內(nèi)閱讀3469本醫(yī)學(xué)專著、248000篇論文、69種治療方案、61540次試驗(yàn)數(shù)據(jù)、106000份臨床報(bào)告。目前Watson提供診治服務(wù)的病種包括乳腺癌、肺癌、結(jié)腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。Watson實(shí)質(zhì)是融合了自然語言處理、認(rèn)知技術(shù)、自動(dòng)推理、機(jī)器學(xué)習(xí)、信息檢索等技術(shù)，

16、并給予假設(shè)認(rèn)知和大規(guī)模的證據(jù)搜集、分析、評(píng)價(jià)的人工智能系統(tǒng)。將AI技術(shù)用于輔助診療中，讓計(jì)算機(jī)“學(xué)習(xí)”專家醫(yī)生的醫(yī)療知識(shí)，模擬醫(yī)生的思維和診斷推理，從而給出可靠診斷和治療方案。智能診療具體應(yīng)用AI醫(yī)療具體實(shí)例1.智能外骨骼俄羅斯ExoAtlet公司生產(chǎn)的“智能外骨骼”ExoAtlet和ExoAtletPro。ExoAtlet適用于下半身癱瘓的患者，只要上肢功能基本完整，它能幫助患者完成基本的行走、爬樓梯及一些特殊的訓(xùn)練動(dòng)作。ExoAtletPro包括了更多功能如測(cè)量脈搏、電刺激、設(shè)定既定的行走模式等2.達(dá)芬奇手術(shù)系統(tǒng)醫(yī)生通過遠(yuǎn)程操控終端操作機(jī)械手臂實(shí)施手術(shù)。同時(shí)可以實(shí)時(shí)監(jiān)控整個(gè)手術(shù)過程。目前全

17、世界共裝配了3000多臺(tái)達(dá)芬奇機(jī)器人，完成了300萬例手術(shù)目前實(shí)踐中的醫(yī)療機(jī)器人主要有兩種：一是能夠讀取人體神經(jīng)信號(hào)的可穿戴型機(jī)器人，二是能夠承擔(dān)手術(shù)或醫(yī)療保健功能的機(jī)器人醫(yī)療機(jī)器人具體應(yīng)用AI醫(yī)療具體實(shí)例將深度學(xué)習(xí)技術(shù)應(yīng)用于藥物研究，通過大數(shù)據(jù)分析快速、準(zhǔn)確地挖掘和篩選出合適的化合物或生物，達(dá)到新藥研發(fā)周期縮短、降低成本、提高成功率的目的。智能藥物研發(fā)1.埃博拉病毒候選藥美國硅谷公司Atomwise通過IBM超級(jí)計(jì)算機(jī)，在分子結(jié)構(gòu)數(shù)據(jù)庫中篩選治療方法，評(píng)估出820萬種藥物研發(fā)的候選化合物。2015年，Atomwise基于現(xiàn)有的候選藥物，應(yīng)用人工智能算法，在不到一天時(shí)間內(nèi)就成功地尋找出能控制埃

18、博拉病毒的兩種候選藥物。2.美國Berg生物醫(yī)藥公司通過研究生物數(shù)據(jù)研發(fā)新型藥物通過其開發(fā)的InterrogativeBiology人工智能平臺(tái)，研究人體健康組織，探究人體分子和細(xì)胞自身防御組織以及發(fā)病原理機(jī)制。利用人工智能和大數(shù)據(jù)來推算人體自身分子潛在的藥物化合物要比研究新藥的時(shí)間成本與資金少一半。具體應(yīng)用AI醫(yī)療具體實(shí)例智能健康管理智能健康管理是將人工智能技術(shù)應(yīng)用到健康管理的具體場(chǎng)景中。目前主要集中在健康干預(yù)以及基于精準(zhǔn)醫(yī)學(xué)的健康管理等。3.虛擬護(hù)士NextIT開發(fā)的一款A(yù)PP慢性病患者虛擬助理(AlmeHealthCoach)，專為特定疾病、藥物和治療設(shè)計(jì)配置。主要服務(wù)于患有慢性疾病的病

19、人，其基于可穿戴設(shè)備、智能手機(jī)、電子病歷等多渠道數(shù)據(jù)的整合，綜合評(píng)估病人的病情，提供個(gè)性化健康管理方案。1.可穿戴心電儀硅谷初創(chuàng)公司AliveCor推出了一款與蘋果手表兼容的腕帶，該腕帶可以檢測(cè)出心房顫動(dòng)，人們可以通過此腕帶持續(xù)監(jiān)測(cè)自己的心臟健康2.精神管理Ginger.IO和MobileTherapy公司通過挖掘用戶智能手機(jī)數(shù)據(jù)來發(fā)現(xiàn)用戶精神健康的微弱波動(dòng)；Affectiva公司開發(fā)的情緒識(shí)別技術(shù)，通過網(wǎng)絡(luò)攝像頭來捕捉記錄人們的表情，并能分析判斷出人的情緒是喜悅，厭惡還是困惑等AI+醫(yī)學(xué)影像02AI+醫(yī)學(xué)影像基本概況國家規(guī)劃：在促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020年）中

20、具體明確發(fā)展醫(yī)療影像輔助診斷系統(tǒng)1.支持腦、肺、眼、骨、心腦血管、乳腺等典型疾病領(lǐng)域的醫(yī)學(xué)影像輔助診斷技術(shù)研發(fā)2.加快醫(yī)療影像輔助診斷系統(tǒng)的產(chǎn)品化及臨床輔助應(yīng)用3.推動(dòng)醫(yī)學(xué)影像數(shù)據(jù)采集標(biāo)準(zhǔn)化與規(guī)范化4.到2020年，國內(nèi)先進(jìn)的多模態(tài)醫(yī)學(xué)影像輔助診斷系統(tǒng)對(duì)以上典型疾病的檢出率超過95%，假陰性率低于1%，假陽性率低于5% 5.支持建設(shè)高質(zhì)量AI訓(xùn) 練資源庫、標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集推動(dòng)共享。新一代人工智能發(fā)展規(guī)劃針對(duì)“AI+醫(yī)學(xué)影像”行業(yè)的具體扶植政策也有望快速出臺(tái)政策方面AI+醫(yī)學(xué)影像基本概況圖1表明：AI+醫(yī)療影像在醫(yī)療領(lǐng)域成熟度最高，在曲線上處于高期望的峰值位置圖1：人工智能+ 醫(yī)療技術(shù)成熟度分布市

21、場(chǎng)方面橫軸：產(chǎn)品所處的發(fā)展時(shí)期縱軸：期望值高低備注：成熟時(shí)間是指產(chǎn)品技術(shù)從初始化到成熟所需要的時(shí)間AI+醫(yī)學(xué)影像基本概況技術(shù)方面近年來，科技巨頭通過云服務(wù)或者開源的方式向行業(yè)輸出技術(shù)，開源了大量深度學(xué)習(xí)的工具包，這些開源包大幅降低了應(yīng)用深度學(xué)習(xí)算法的難度。如：1.大量深度學(xué)習(xí)平臺(tái)和框架的開源降低技術(shù)門檻輸入輸入人工特征提取基本特征提取多層復(fù)雜特征提取權(quán)重學(xué)習(xí)權(quán)重學(xué)習(xí)預(yù)測(cè)結(jié)果預(yù)測(cè)結(jié)果傳統(tǒng)機(jī)器學(xué)習(xí)算法深度學(xué)習(xí)算法深度學(xué)習(xí)輸入層第二段的輸入層=第一層的隱層第三段的輸入層=第二層的隱層第四段的輸入層=第三層的隱層抽象上升，形成高層特征量深度學(xué)習(xí)以數(shù)據(jù)為基礎(chǔ)，由計(jì)算機(jī)通過深度學(xué)習(xí)從醫(yī)學(xué)影像中提取基本特征

22、和復(fù)雜程度極高的對(duì)比特征，運(yùn)用圖像分類與識(shí)別技術(shù)對(duì)疾病進(jìn)行自動(dòng)分類。深度學(xué)習(xí)是人工智能技術(shù)的歷史性突破Facebook -TorchNetMicrosoft-CNTK Google -TensorFlowAI+醫(yī)學(xué)影像基本概況技術(shù)方面2.AI芯片性能強(qiáng)大、能同時(shí)支持大量復(fù)雜運(yùn)算，并且向高性能、低功耗的方向發(fā)展英偉達(dá)GPU谷歌二代TPUIBM類腦芯片“真北”（TrueNorth）當(dāng)前人工智能芯片的技術(shù)路徑主要有四種類型實(shí)例2016 年谷歌發(fā)布的第一代 TPU 芯片（全定制化芯片），例如打敗李世石的 AlphaGo 中就使用這款芯片，此款芯片主攻運(yùn)算性能。我院GE REvolution CT重建計(jì)

23、算機(jī)中所用的AMD GPU陣列及型號(hào)。備注 GPU:圖形處理器；FPGA:可編程門陣列類別通用芯片（GPU）半定制化芯片（FPGA）全定制化芯片（ASIC）類腦芯片特點(diǎn)具備通用性新能高功耗高可編程功耗和通用性一般可定制性能穩(wěn)定功耗可控功耗低響應(yīng)速度塊處于早期階段適用單指令、多數(shù)據(jù)處理，采用數(shù)量眾多的計(jì)算單元和超長(zhǎng)的流水線多指令，單數(shù)據(jù)流的分析實(shí)現(xiàn)特定要求而定制的專用AI芯片模擬人腦的新型芯片編程架構(gòu)，可模擬人腦功能進(jìn)行感知、行為和思考代表公司英偉達(dá)AMD英特爾深鑒科技谷歌地平線寒武紀(jì)IBM西井科技AI+醫(yī)學(xué)影像基本概念01圖像識(shí)別 利用圖像識(shí)別技術(shù)對(duì)患者的影像進(jìn)行識(shí)別，標(biāo)注病灶關(guān)鍵信息，給出初

24、步診斷結(jié)果，提高影像醫(yī)生診斷效率02深度學(xué)習(xí) 應(yīng)用于學(xué)習(xí)和分析環(huán)節(jié)，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對(duì)神經(jīng)元網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)訓(xùn)練，促使其掌握診斷能力。AI+醫(yī)學(xué)影像是將人工智能技術(shù)應(yīng)用在醫(yī)學(xué)影像的診斷上。它的應(yīng)用主要分為兩部分：AI+醫(yī)學(xué)影像應(yīng)用場(chǎng)景在AI+醫(yī)學(xué)影像應(yīng)用場(chǎng)景下，主要運(yùn)用計(jì)算機(jī)視覺技術(shù)解決以下三種需求病灶識(shí)別與標(biāo)注：主要針對(duì)醫(yī)學(xué)影像進(jìn)行圖像分割、特征提取、定量分析、對(duì)比等工作靶區(qū)自動(dòng)勾畫與自適應(yīng)放療：主要針對(duì)腫瘤放療環(huán)節(jié)的影像進(jìn)行處理影像三維重建：主要針對(duì)手術(shù)環(huán)節(jié)的應(yīng)用AI+醫(yī)學(xué)影像一般原理步驟診斷效果舉例CT胸部CT檢查，對(duì)結(jié)節(jié)和肺癌的判斷，人工智能比放射科醫(yī)生的準(zhǔn)確性高X光

25、人工智能檢測(cè)到X光片中極其細(xì)微的骨折技術(shù)原理階段一階段二圖像識(shí)別圖像預(yù)處理圖像分割匹配判斷特征提取深度學(xué)習(xí)患者病例庫（數(shù)百萬案例）其他醫(yī)療數(shù)據(jù)庫提供判斷AI+醫(yī)學(xué)影像一般原理步驟這里我們以利用人工智能技術(shù)進(jìn)行肺部腫瘤良性惡性判斷進(jìn)行舉例說明，步驟主要有6步 1.數(shù)據(jù)收集 3.圖像分割5.模型訓(xùn)練2.數(shù)據(jù)預(yù)處理4.肺結(jié)節(jié)標(biāo)記6.分類預(yù)測(cè)獲取放射設(shè)備如DR、 CT 掃描的序列影像對(duì)圖像進(jìn)行預(yù)處理（如濾波、降噪等）以消除原圖像中的邊界噪聲、干擾等利用分割算法生成肺部區(qū)域圖像對(duì)肺結(jié)節(jié)區(qū)域進(jìn)行標(biāo)記對(duì)獲取的數(shù)據(jù)進(jìn)行深度神經(jīng)網(wǎng)絡(luò)DNN、3D 卷積神經(jīng)網(wǎng)絡(luò)等模型進(jìn)行訓(xùn)練最終實(shí)現(xiàn)在肺部影像中尋找結(jié)節(jié)位置并對(duì)結(jié)節(jié)

26、性質(zhì)進(jìn)行分類判斷醫(yī)學(xué)影像數(shù)據(jù)采集定量特征提取人工智能模型訓(xùn)練臨床輔助決策一般步驟概括AI+醫(yī)學(xué)影像應(yīng)用實(shí)例推想肺結(jié)節(jié)自動(dòng)篩查輔助診斷系統(tǒng) 人工閱片機(jī)器+人工工作強(qiáng)度高，長(zhǎng)時(shí)間疲勞工作：平均100-150例/天，病情復(fù)雜時(shí)超過200張/例，平均閱片每例5min觀察粗略，細(xì)小病灶易漏診：受限于時(shí)間，普遍觀察厚層圖像，細(xì)節(jié)信息丟失造成小結(jié)節(jié)等漏診系統(tǒng)檢測(cè)+人工核對(duì)，避免疲勞、疏忽造成的漏診、誤診系統(tǒng)快速穩(wěn)定處理高精度影象，有效降低漏檢率，提升工作效率VS我院試用臨床反應(yīng)的閱片使用效果對(duì)比2 0 , 0 0 0 + 每日輔助診斷病例 2 , 5 1 0 , 0 0 0 + 累計(jì)輔助診斷病人數(shù) 2 5

27、0 + 全球合作醫(yī)院4 3 + 全球覆蓋省份/直轄市預(yù)測(cè)磨玻璃密度影和易漏小結(jié)節(jié)方面表現(xiàn)高度敏感，自動(dòng)識(shí)別并標(biāo)記實(shí)性、鈣化、部分實(shí)性、磨玻璃等多種結(jié)節(jié)病灶，提供全面準(zhǔn)確的信息，包括數(shù)量、位置、大小、密度、性質(zhì)等。自動(dòng)篩查應(yīng)用界面AI+醫(yī)學(xué)影像應(yīng)用實(shí)例科大訊飛人工智能醫(yī)學(xué)影像輔助診斷系統(tǒng) 自2016年6月以來，該系統(tǒng)通過學(xué)習(xí)68萬張肺部CT影像資料，已在某省立醫(yī)院CT室輔助醫(yī)生診斷了約11000人次的CT影像資料，診斷準(zhǔn)確率達(dá)94%。準(zhǔn)確率刷新了醫(yī)學(xué)影像國際權(quán)威評(píng)測(cè)LUNA的世界記錄，成為全球第一名94.1科大訊飛人工智能醫(yī)學(xué)影像輔助診斷系統(tǒng)結(jié)構(gòu)示意圖AI+醫(yī)學(xué)影像應(yīng)用實(shí)例騰訊覓影-AI醫(yī)學(xué)影像

28、 是騰訊首款A(yù)I與醫(yī)學(xué)結(jié)合的AI醫(yī)學(xué)影像產(chǎn)品 ，運(yùn)用計(jì)算機(jī)視覺和深度學(xué)習(xí)技術(shù)對(duì)各類醫(yī)學(xué)影像（內(nèi)窺鏡、病理、鉬靶、超聲、CT、MRI等）進(jìn)行學(xué)習(xí)訓(xùn)練 ，有效輔助醫(yī)生診斷和重大疾病早期篩查等任務(wù)肺結(jié)節(jié)篩查據(jù)測(cè)算，其對(duì)早期肺癌的敏感度（識(shí)別正確率）達(dá)到85%以上，對(duì)良性肺結(jié)節(jié)的特異性（識(shí)別正確率）超過84%，對(duì)于直徑大于3mm小于10mm的微小結(jié)節(jié)檢出率超過95%，可幫助放射醫(yī)生大幅提升肺部CT的早癌篩查能力。食管癌篩查對(duì)食管癌進(jìn)行早期篩查，準(zhǔn)確率高達(dá)90%，幫助患者更早發(fā)現(xiàn)病灶。匯醫(yī)慧影公司收集了數(shù)百萬級(jí)別的醫(yī)學(xué)影像，通過建立人體器官模型及深度神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)病灶的高識(shí)別度。例如Dr.Turing

29、AI-肺癌篩查，利用深度卷積神經(jīng)網(wǎng)絡(luò)，進(jìn)行病灶區(qū)域自動(dòng)識(shí)別并勾畫，幫助醫(yī)生進(jìn)行肺癌初步篩查和復(fù)盤篩查，降低誤診和漏診率。 肺小結(jié)節(jié)檢出大小可精準(zhǔn)至：3mm 檢出率：95% 敏感性：95% 特異度：90%AI+醫(yī)學(xué)影像應(yīng)用實(shí)例匯醫(yī)慧影AI影像平臺(tái)Dr. Turing AI - 肺癌篩查 人工智能影像平臺(tái)構(gòu)建了影像智能篩查系統(tǒng)、防漏診系統(tǒng)，在腫瘤、心血管等單病種領(lǐng)域開發(fā)人工智能輔助診療系統(tǒng)AI+醫(yī)學(xué)影像應(yīng)用實(shí)例EnvoyAI搭建了一個(gè)云端的AI運(yùn)行平臺(tái)，建立了醫(yī)學(xué)影像AI大市場(chǎng)。醫(yī)學(xué)影像AI集成平臺(tái)領(lǐng)域EnvoyAI公司醫(yī)學(xué)影像AI市場(chǎng)的先行者 Be Better，F(xiàn)aster&Smarter !

30、 !01.平臺(tái)集成超過50個(gè)第三方AI，列出了每個(gè)AI的供應(yīng)商、圖像類型、應(yīng)用領(lǐng)域，以及是否獲得了FDA的批準(zhǔn)等信息。02.提供各類Viewer（讀片軟件）、Report（閱片報(bào)告）工具，醫(yī)生在閱片、寫報(bào)告環(huán)節(jié)無縫引入AI， 使用AI提供的各類輔助服務(wù)03.提供雙模式數(shù)據(jù)管理支持，數(shù)據(jù)可以在醫(yī)院內(nèi)部，也可以放在云端。超過50個(gè)第三方AI！AI帶來的變革03AI+醫(yī)學(xué)影像解決行業(yè)痛點(diǎn)在醫(yī)學(xué)影像領(lǐng)域，中美均有利用AI的巨大空間但側(cè)重點(diǎn)不盡相同結(jié)論美國醫(yī)學(xué)影像需求的增長(zhǎng)遠(yuǎn)超放射科醫(yī)生數(shù)量的增長(zhǎng)，借助人工智能可彌補(bǔ)此缺口中國面臨類似情況，但缺口略小于美國，但是中國的特殊國情也使得基于AI的跨平臺(tái)的影像

31、云有較大的市場(chǎng)需求中國美國表一 醫(yī)學(xué)影像數(shù)據(jù)年增長(zhǎng)率（單位：%）63.1304.12.2表二 放射科醫(yī)生數(shù)量年增長(zhǎng)率（單位：%）中國美國表一、表二說明：1.中美兩國醫(yī)學(xué)影像數(shù)據(jù)均保持高速增長(zhǎng) 2.兩國放射科醫(yī)生數(shù)量增長(zhǎng)速率遠(yuǎn)不及影像數(shù)據(jù)的增長(zhǎng)速率誤診人數(shù)醫(yī)學(xué)膠片1200萬/年5700萬/年電子膠片傳統(tǒng)膠片向電子膠片過渡表三 其他方面對(duì)比表三補(bǔ)充說明：1.兩國被誤診人數(shù)龐大，在中國主要發(fā)生在基層2.與美國相比中國的傳統(tǒng)膠片市場(chǎng)規(guī)模約為300億元/年AI+醫(yī)學(xué)影像-AI閱片的優(yōu)勢(shì)人工閱片AI閱片閱片方式醫(yī)生逐張看，憑經(jīng)驗(yàn)進(jìn)行判斷機(jī)器完成初步篩選、判斷，交由醫(yī)生完成最后判斷約片時(shí)間長(zhǎng)，醫(yī)生查看一套P

32、ET影像需10min以上短，快速完成初篩準(zhǔn)確率個(gè)體差異較大，閱片能夠依靠個(gè)人經(jīng)驗(yàn)，且長(zhǎng)時(shí)間閱片易疲勞影響準(zhǔn)確率一張圖片醫(yī)生會(huì)根據(jù)經(jīng)驗(yàn)挑重點(diǎn)區(qū)域觀察，而機(jī)器可以完整地觀察整張切片客觀性主觀性無法避免較為客觀記憶力知識(shí)遺忘無遺忘建模條件較少信息輸入即可快速建模建模需要更多的信息輸入信息利用度低高重復(fù)性低高定量分析難度低高經(jīng)驗(yàn)傳承困難傳承高成本耗時(shí)，成本高成本低AI閱片與人工閱片綜合比較優(yōu)勢(shì)明顯大幅減少讀片時(shí)間，降低誤診率，提高診療水平有效減少診療時(shí)間，享受大型三甲醫(yī)院的高水平醫(yī)療提高醫(yī)院的核心業(yè)務(wù)能力，推進(jìn)醫(yī)院之間的數(shù)據(jù)共享 醫(yī)生方面 患者方面 醫(yī)院方面圖像識(shí)別是深度學(xué)習(xí)等 AI 技術(shù)進(jìn)步最快的領(lǐng)

33、域之一，卷積神經(jīng)網(wǎng)絡(luò)（CNN）以及深度神經(jīng)網(wǎng)絡(luò)（DNN）等深度學(xué)習(xí)算法利用數(shù)據(jù)量以及計(jì)算量作為模型驅(qū)動(dòng)力，通過感受野和權(quán)值共享減少了神經(jīng)網(wǎng)絡(luò)需要訓(xùn)練的參數(shù)個(gè)數(shù)，最終實(shí)現(xiàn)了超越傳統(tǒng)方法的圖像識(shí)別性能。傳統(tǒng)算法混合算法深度學(xué)習(xí)算法優(yōu)化：深度學(xué)習(xí)：神經(jīng)網(wǎng)絡(luò)模型化降低維度特征構(gòu)建參數(shù)求導(dǎo)數(shù)據(jù)庫對(duì)比識(shí)別如2015年ResNet算法識(shí)別錯(cuò)誤率已經(jīng)降低至3.57%,低于人眼5.1%的識(shí)別錯(cuò)誤率AI+醫(yī)學(xué)影像算法得到優(yōu)化AI+醫(yī)學(xué)影像數(shù)據(jù)成核心2013年全球醫(yī)療數(shù)據(jù)達(dá)153EB全球醫(yī)療數(shù)據(jù)（EB）2013年以來全球醫(yī)療數(shù)據(jù)年增長(zhǎng)率達(dá)+48%美國的醫(yī)學(xué)影像數(shù)據(jù)年增長(zhǎng)率達(dá)到了63.1%，我國正以30%的年增長(zhǎng)率逐

34、年增長(zhǎng)系統(tǒng)的深度學(xué)習(xí)能力提升需要經(jīng)過相當(dāng)數(shù)量和質(zhì)量的數(shù)據(jù)訓(xùn)練獲取相當(dāng)數(shù)量的高質(zhì)量數(shù)據(jù)成為AI醫(yī)學(xué)影像領(lǐng)域核心競(jìng)爭(zhēng)力。AI+醫(yī)學(xué)影像數(shù)據(jù)成核心影像數(shù)據(jù)的質(zhì)量是人工智能計(jì)算和學(xué)習(xí)能力的保障深度學(xué)習(xí)算法的泛化能力大小很大程度取決于數(shù)據(jù)訓(xùn)練的量級(jí)不斷豐富病種多樣性和擴(kuò)大影像數(shù)據(jù)規(guī)模，可優(yōu)化AI影像診斷的準(zhǔn)確度影像數(shù)據(jù)的獲取能力與標(biāo)注能力已經(jīng)成為AI醫(yī)學(xué)影像的核心競(jìng)爭(zhēng)力之一醫(yī)療大數(shù)據(jù)爆炸！40AI+醫(yī)學(xué)影像產(chǎn)品涉及領(lǐng)域變多團(tuán)隊(duì)時(shí)間內(nèi)容AI準(zhǔn)確率人工準(zhǔn)確率谷歌領(lǐng)導(dǎo)2016年12月糖尿病視網(wǎng)膜病變?cè)\斷與眼科醫(yī)生一致-斯坦福研究團(tuán)隊(duì)2017年1月25日皮膚癌診斷至少91%至少91%上海交通大

35、學(xué)、浙江大學(xué)聯(lián)合科研團(tuán)隊(duì)2017年8月核磁共振影像的直腸癌識(shí)別準(zhǔn)確率和速度23秒完成300張影像的病灶勾畫，準(zhǔn)確率達(dá)95.22%5分鐘完成149張影像圖勾畫，準(zhǔn)確率為93%香港中文大學(xué)工程學(xué)院研究團(tuán)隊(duì)2017年9月6日肺癌、乳腺癌影像識(shí)別、診斷肺癌識(shí)別準(zhǔn)確率達(dá)91%， 乳腺癌識(shí)別準(zhǔn)確率達(dá)99%-科大訊飛2017年8月17日肺結(jié)節(jié)智能診斷準(zhǔn)確率達(dá)94.1%-衛(wèi)寧健康2017年8月24日骨齡檢測(cè)掌指骨、腕骨、尺骨和橈骨定位準(zhǔn)確率達(dá)98%，骨齡平均絕對(duì)誤差僅0.4歲-北京大學(xué)第一醫(yī)院2017年5月前列腺癌診斷超過90%-丁香園、大拿科技、湘雅二院2017年5月19日紅斑狼瘡診斷超過85%-谷歌、谷歌

36、大腦、Verily公司2017年3月乳腺癌診斷達(dá)88.5%-AI+醫(yī)學(xué)影像領(lǐng)域不斷實(shí)現(xiàn)突破 AI醫(yī)學(xué)影像不斷實(shí)現(xiàn)突破舉例2017.072016.112016.06 對(duì)乳腺癌病理圖片中癌細(xì)胞的識(shí)別準(zhǔn)確率能達(dá)到92%，與病理學(xué)家的分析結(jié)合在一起，診斷準(zhǔn)確率可高達(dá)99.5% 貝斯以色列女執(zhí)事醫(yī)學(xué)中心與哈佛醫(yī)學(xué)院阿里健康Deepcare “Doctor You”AI診斷產(chǎn)品，識(shí)別肺結(jié)節(jié)準(zhǔn)確率高達(dá)90%以上，節(jié)省了約5-6倍的診斷時(shí)間 利用自行開法的基于深度學(xué)習(xí)的智能算法模型對(duì)疾病進(jìn)行診斷，準(zhǔn)確率達(dá)到了92.5% 通過數(shù)萬張圖片訓(xùn)練，實(shí)現(xiàn)AI在腦瘤手術(shù)中的快速診斷，在病變樣本中區(qū)分膠質(zhì)瘤和非膠質(zhì)瘤的準(zhǔn)確

37、率達(dá)90%2017.02Nature雜志論文AI+醫(yī)學(xué)影像產(chǎn)品涉及領(lǐng)域變多AI+醫(yī)學(xué)影像成投資新熱點(diǎn)6.650116406239.21529.71842.13國內(nèi)醫(yī)療人工智能歷年融資情況（百萬元人民幣）61832190.383.4510.8726.2融資數(shù)量融資額（億元）AI醫(yī)療領(lǐng)域的投、融資數(shù)量逐年增加，有巨大的市場(chǎng)需求中國已成為全球人工智能投、融資規(guī)模巨大的國家 如左圖所示所得結(jié)論2015年至今AI+醫(yī)學(xué)影像融資額逐年增加，融資數(shù)量2017年最多。AI+醫(yī)學(xué)影像成投資新熱點(diǎn) AI醫(yī)學(xué)影像國內(nèi)外公司投資舉例主營(yíng)業(yè)務(wù)是為醫(yī)療機(jī)構(gòu)提供更精準(zhǔn)的3D心血管影像，并提供量化分析，與GE合作催生了顛覆現(xiàn)

38、有心臟MRI的4D Flow2016年獲得融資1200萬美元Arterys公司醫(yī)渡云雅森科技推想科技成立時(shí)間2006年，最近融資3000萬元基于PET/SPECT/fMRI/US等醫(yī)療影像定量分析，用數(shù)學(xué)模型和人工智能技術(shù)，提高診斷精確性。擁有醫(yī)療大數(shù)據(jù)平臺(tái)，對(duì)醫(yī)療數(shù)據(jù)進(jìn)行集成、挖掘、利用，輔助開展新型臨床、科研、醫(yī)院管理等服務(wù)成立時(shí)間2013年，最近融資2億元成立時(shí)間2016年，最近融資1100萬元用深度學(xué)習(xí)技術(shù)分析和識(shí)別醫(yī)療影像上的病變，推薦治療方案，協(xié)助醫(yī)生診斷，目前主要用于胸肺疾病的診斷?；馃酇I冷思考04數(shù)據(jù)從哪來：美國要求醫(yī)療信息的商業(yè)化應(yīng)用必須嚴(yán)格符合HIPAA和HITECH兩個(gè)

39、法案規(guī)定AI+醫(yī)學(xué)影像數(shù)據(jù)的量和質(zhì)有待增高數(shù)據(jù)來源如美國聯(lián)邦政府在D 數(shù)據(jù)平臺(tái)開放了來自多個(gè)領(lǐng)域的13 萬個(gè)數(shù)據(jù)集的數(shù)據(jù)，包含了醫(yī)療領(lǐng)域。 國家/政府的公共數(shù)據(jù)人工智能創(chuàng)業(yè)公司通過與行業(yè)公司、產(chǎn)業(yè)鏈上游的數(shù)據(jù)公司建立合作獲取脫敏數(shù)據(jù)，比如和醫(yī)院建立合作關(guān)系 產(chǎn)業(yè)合作獲得脫敏數(shù)據(jù)1例如IBM Watson一開始就是通過和紀(jì)念斯隆凱特琳癌癥中心合作獲取病歷、文獻(xiàn)等數(shù)據(jù)。中國目前在此領(lǐng)域政策上態(tài)度不明確，專家指出先想好如何利用數(shù)據(jù)，后續(xù)才會(huì)有法律出臺(tái)AI+醫(yī)學(xué)影像數(shù)據(jù)的量和質(zhì)有待增高困境與挑戰(zhàn)集中在少數(shù)三甲醫(yī)院，保守，不互通，缺乏有效的共享機(jī)制，數(shù)據(jù)格式?jīng)]有以正確的標(biāo)準(zhǔn)化的形式記錄，對(duì)數(shù)據(jù)質(zhì)量造成較大影響。 高質(zhì)量數(shù)據(jù)獲取難度大數(shù)據(jù)處理中80%的時(shí)間是在做預(yù)處理工作，標(biāo)注的準(zhǔn)確性關(guān)乎結(jié)果的準(zhǔn)確性，訓(xùn)練用的每張圖片都需要經(jīng)過專業(yè)人員標(biāo)注，需耗費(fèi)大量的精力 數(shù)據(jù)標(biāo)注成本高2影像數(shù)據(jù)的獲取能力與標(biāo)注能力已經(jīng)成為AI醫(yī)學(xué)影像公司的核心競(jìng)爭(zhēng)力之一。數(shù)據(jù)獲取與標(biāo)記：醫(yī)學(xué)影像行業(yè)在高質(zhì)量數(shù)據(jù)獲取和標(biāo)注上有著較大挑戰(zhàn)AI+醫(yī)學(xué)影像數(shù)據(jù)的量和質(zhì)有待增高中國醫(yī)學(xué)影像數(shù)據(jù)總量巨大，利用效率較低，缺乏統(tǒng)一標(biāo)準(zhǔn)和跨平臺(tái)分享的生態(tài)環(huán)境，大多數(shù)都是數(shù)據(jù)孤島，利用率和利用價(jià)值不高。數(shù)據(jù)量大數(shù)據(jù)產(chǎn)生量快、處理快數(shù)據(jù)種類多數(shù)