0
| 本文作者： 劉偉 | 2018-11-19 21:42 |
雷鋒網注：觀眾排隊體驗平安科技的智能眼部篩查系統
11月15日，深圳高交會進行到第二天。6號館平安科技的展臺外排起了長長的隊伍，隊伍里的人們正在耐心等待體驗平安醫療科技的OCT智能眼部篩查系統。
醫學AI的熱潮翻涌兩年之后，智能眼部篩查系統已經算不上新鮮事物，許多醫療AI企業都推出過類似的產品。平安醫療科技（前身為平安科技旗下智能醫療平臺）這套系統的特別之處在于，它是圍繞三維OCT圖像開發的。
相比眼部篩查常用的二維眼底彩照，OCT圖像質量更高，診斷效果也更加出色。而且OCT的篩查范圍比眼底彩照更加廣泛，除了糖網還能覆蓋老年黃斑變性、病理性高度近視眼、青光眼等幾乎所有眼底疾病。據平安科技首席醫療科學家謝國彤介紹，平安醫療科技的這套系統目前已經能夠識別出18種不同病變。
據了解，這套智能眼部篩查系統是由平安醫療科技與Optovue美國光視聯合打造的。基于平安科技的深度學習技術，這套系統的糖網識別準確率已經達到了98.5%。
14日至15日上午，共有126名觀眾在平安科技的展臺體驗了OCT智能眼部篩查，從開始檢查到掃碼獲得智能篩查報告平均只需要3分鐘。最后，系統篩查出了5例陽性患者，其中4例為視網膜低反射，1例為非急性黃斑區前膜。
這套系統之所以性能如此出眾，很重要的一個原因在于，平安科技在模型訓練過程中使用了生成對抗網絡（GAN）技術。謝國彤介紹，醫學AI模型需要用大量標記好的數據進行訓練，但任何項目都需要經歷數據由少到多的過程。而且數據集里不可避免有些病變數據量多，有些病變數據量少，即數據集不均衡。用這樣的數據集訓練模型，效果通常比較差。
為了解決這個問題，平安科技嘗試用GAN網絡生成稀缺的病變數據。謝國彤介紹，這種方法使得平安只需要少量數據就可以開始訓練模型，后續隨著數據量增加再快速迭代，最后讓模型的泛化性有了很大提升。
通過類似的技術，平安科技共開發了40種影像模型，覆蓋了放射、病理和視網膜三大類影像。目前這些模型已經在上百家公立醫院落地使用，每天有接近兩萬張圖片上傳。
除了以OCT智能眼部篩查為代表的智能影像篩查輔助診斷系統，此次高交會平安醫療科技還展示了智能疾病風險預測、智能質量控制云平臺、智能疾病臨床決策支持系統CDSS三大解決方案，覆蓋了從診前、診中到診后的各個醫療環節。
其中，智能疾病風險預測已經在重慶、深圳兩市落地應用，可以提前一周預測傳染病的發生情況，流感和手足口病預測模型的準確率均達到86%以上，高發季預測準確率高達90%以上。在年初的一次深圳市流感預測監控中，平安的AI模型提前一周預測了流感活躍趨勢，有效幫助了深圳市防控疫情爆發。
這兩年國內涌現出了大量醫療AI創業公司，但大部分公司的產品仍然停留在科研階段，沒能真正落地。謝國彤指出，這些公司探索的只是醫療鏈條其中一環上很小的一個點——比如肺結節篩查，對醫療行業的幫助有限。很多醫生表示，他們日常工作時基本不用這類產品。因為肺部CT能反映的病變種類很多，除了肺結節還有肺氣腫、肺炎等。肺結節篩查AI閱片之后，醫生還要看影像中是否包含其他病變，實質上效率并沒有提高。
平安科技打造醫療AI的思路是覆蓋全病種和全醫療流程。人類疾病多如星辰，任何一家企業都不可能窮盡，因此平安科技希望借助平安云的生態優勢打造一個醫療領域的iOS。“OCT智能眼部篩查就像這個iOS中的原生APP，平安未來會在應用中不斷打磨平臺，通過投資、合作等形式引入更多的‘開發者’，共同構建醫療AI生態。
作為一家以金融為核心業務的企業，平安布局醫療AI的時間并不長，卻在短短時間內取得了如此亮眼的成績。這一方面是因為平安對醫療健康業務十分重視，另一方面是因為它擁有很好的技術落地土壤。
2016年，平安集團提出了聚焦“大金融資產”和“大醫療健康”兩大板塊的發展戰略，健康管理被放到了前所未有的戰略高度。平安集團的“大醫療健康”戰略包含兩個方面：一是自建生態；二是通過外部投資打造航母集群。
平安的自建生態包含三個維度——Payment、Patient和Provider。付費端，平安擁有健康險、壽險、養老險等和醫療相關的傳統優勢業務，連接了1.8億用戶。此外，平安還為政府提供醫保控費、精算服務，覆蓋了280個城市和8億人口。患者端，平安擁有平安好醫生和平安萬家診所。供應端，平安雖然沒有自己的醫院，卻可以通過人工智能等技術手段在疾病預測、篩查、治療、隨訪等各個環節賦能醫院。
當這三大維度的業務捏合到一起，高效聯動時，將爆發出驚人的合力。“有些企業AI很強，但缺少云平臺作為生態的基礎；有些企業云業務很強，但缺少觸及醫院和政府的渠道。平安在渠道方面有著近三十年的積累，不是其他企業一朝一夕就能追趕的。當云、AI和渠道這三個方面結合到一起，平安在醫療方面優勢還是很大的。”謝國彤對雷鋒網說道。
自建生態之外，平安集團旗下的兩大投資公司——領航基金、平安創投，還能以資本為紐帶，連接第三方企業打造一支龐大的航母集群。
平安對醫療健康的重視，源于后者和平安原有的金融、保險業務有很強的互補效應。謝國彤介紹，做醫療人工智能產品有五大關鍵要素——數據、人才、算法、場景和資本。
高質量數據是醫療人工智能的根本。過去三十年里，平安沉淀了海量的用戶數據。保險業務的特殊性質，確保了這些數據是真實有效的。人才方面，醫療AI作為一個多學科交叉領域，迫切需要對醫療和人工智能都有深刻理解的人才。平安豐富的數據集團和廣闊發展空間為延攬人才提供了諸多優勢。有了優質的數據和人才，算法自然水漲船高，但任何算法最終都要落地到場景里才能產生價值。
加入平安科技之前，謝國彤在IBM工作了15年。謝國彤介紹，在科技類公司做醫療產品，最后往往會遇到一個問題：商業模式是什么？
“醫療AI和平安的核心業務——金融、保險天然契合。保險公司和政府、患者在醫療健康方面的訴求是相同的，就是讓大家少生病、不生病。疾病預測、篩查和精準診斷可以幫助患者早發現、早治療，大幅減少醫療理賠支付。保險業務可以為醫療AI積累數據，數據產生的洞見又可以反饋到保險業務中，這是一個天然的業務閉環。”
做醫療AI產品需要持續的資金投入，無論引進人才還是敲開醫院大門，都需要耗費大量資金。一個小團隊融幾千萬聽起來很多，但可能一年就燒完了。平安每年會投入100億用于AI、Blockchain、BigData、Cloud的技術研發，充足的血液供給為技術不斷更新迭代提供了保障。
謝國彤表示，醫療AI現在才剛剛起步，整個行業仍然處在試錯的階段，但好的土壤可以極大縮短試錯時間。平安在數據、人才、算法、場景和資本方面的優勢為醫療AI的發展構筑了一片沃土。“我來平安科技一年，感覺做了之前在IBM五年做的事情”，謝國彤說道。雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
