四个“首创”,“端云”双模式,打造iDeepWise•AI医疗大脑
11月17日,2018中国数字医学高峰论坛在海南博鳌开幕,来自国家食品药品监督管理总局、国家卫生计生委医院管理研究所、海南省卫生健康委员会的领导和国内外近百家三级医院专家学者与会。本次会议特别筹划了多种形式的学术交流活动,邀请国内外医学人工智能领域的专家学者担纲主讲。
深思考人工智能CEO兼AI算法科学家杨志明博士作为特邀嘉宾,在“前沿技术——人工智能前沿技术融入临床医疗”分论坛上发表了主题为“端云双模式,打造iDeepWise•AI医疗大脑”的演讲,介绍了深思考在智慧医疗大健康领域研发的AI宫颈癌辅助筛查产品。其可自适配云模式和端模式、自适应多种制片方式与扫描设备、通过深度学习、迁移学习等人工智能技术实现TCT宫颈细胞学筛查阅片和宫颈细胞学辅助诊断。
据统计,全国有执照的病理医生仅九千余人,按照每100张病床配备1~2名病理科医师计算,缺口高达4~9万人。同时由于工作量大,收入待遇低,培养周期长等因素导致病理教学师资、病理医师新生力量呈现“断崖式”短缺。而又由于当前国内医疗资源分布不平衡,相关医疗筛查产品准确率低等相关因素,宫颈癌筛查现状不容乐观。
杨志明在论坛上表示,从医学专业的角度讲,为了能够更好地赋能现有的临床工作流程,深思考从行业痛点出发,将“多模态深度语义理解”赋能宫颈癌辅助筛查,打造领域原理性突破四个“首创”,通过“云端”双模式实现AI宫颈癌辅助筛查产品的大规模落地,提高宫颈癌筛查效率、降低病理医师筛查工作量及工作强度,快速达到降低误诊、漏诊。
四个首创
首创染色深浅自适应算法。针对宫颈癌细胞巴氏染色的细胞图像,不同医院、机构之间存在很大的染色差异,直接降低了病理医生的阅片效率。深思考将深度学习算法应用在数字病理图像的染色标准化上,实现了非常规染色细胞图像在染色深浅上的自动调节,经大量TCT玻片测试,其敏感性提升了6.27%,特异性提升了2.52%,同时启发了其它细胞病理的染色标准化。
首创团簇细胞自适应分割算法。深思考通过集成的深度学习分割算法,弥补方法之间的缺失,从而保证病变细胞的召回率。同时针对重叠区域,通过自研的细胞实例分割算法解决细胞实例归属问题,从而实现了团簇重叠细胞自动分割、支持多种制片方式、细胞核计数和病变细胞定位等应用,启发了医疗影像其它重叠遮挡问题的研究和应用。
首创腺细胞分类算法。针对腺细胞异常的“团伙作案”方式,深思考首创腺细胞分类算法,充分考虑排列信息等要素,区别于单细胞异常,准确识别腺细胞异常,解决腺细胞异常敏感性低的问题,启发其它此类病理图像的研究和应用。
首创MS-CNN深度学习细胞分类算法。传统的数据库模板对比,对每一类病变细胞的典型度要求极为苛刻,存在泛化性差,准确率低等问题。深思考充分融合涂片全局信息和细胞领域知识,通过首创MS-CNN深度学习细胞分类算法,自研多尺度、多维度的卷积神经网络新模式,其细胞检测和分级识别算法使得分类结果达到敏感性 98.4%,特异性 99.77%,正确率 99.12%(比美国国立卫生研究院NIH 高1%,特异性高出1%、敏感性高出1.5%)。
“端云”双模式
目前,深思考在宫颈癌辅助筛查方面主要有“云”和“端”两种形态的商业模式。当病理扫描仪接入医疗大健康“C6云”后,AI就会批量帮助医生进行筛片;“端”模式则是基于深思考的“算法+芯片”整体解决方案——医疗影像专用AI芯片M-DPU,其具有尺寸小、低功耗、性能高等优势,可大大降低应用成本。当M-DPU嵌入到病理扫描设备中时,便可进行宫颈癌的筛查,实现基层医疗筛查的大规模落地。
杨志明表示,深思考已完成近五千万融资,即将完成A+轮近亿融资。未来,深思考将在智慧医疗大健康领域不断深耕,打造AI病理细胞学筛查平台,为3亿个家庭大规模人群提供AI健康咨询与重大疾病筛查服务,解决医疗资源的匮乏和不平衡的问题,打造大规模人群健康咨询与重大疾病筛查入口。