0
| 本文作者： 張馳 | 2017-01-16 23:21 |
最近知名研究機構CB Insights公布了一份"AI 100"名單，其中列出了100家在過去幾年中在人工智能技術應用有突出表現的公司，其中包括自動駕駛、機器人、物聯網和醫療等領域的公司。
據雷鋒網了解，入選的中國公司有：碳云智能、Rokid機器人、出門問問和優必選等。包括碳云智能在內，醫療健康領域共有11家公司。
從這些公司所做的事來看，醫學影像分析和藥物發現是人工智能在醫療上重點征服的領域。這或許是因為視覺是人工智能較為成熟的領域；而藥物開發又是一個漫長的過程，往往長達10年，如果應用人工智能，或許能大大縮短這一過程。雷鋒網對上榜的公司介紹如下：
這家公司有一個臨床AI平臺，可以便捷和大規模地將神經網絡算法用于健康領域。平臺的基礎是一個綜合且不斷增長的醫學知識網絡，也正是它讓臨床應用變得可能。另外，醫療健康領域中還有大量未處理的數據，公司的自然語言處理技術可以深入理解臨床文本，利用機器學習提示患者風險，如疾病的嚴重程度和再入院等。這些信息都是通過傳統方式無法得到的，也讓真正以患者為中心的精確護理成為了可能。
CloudMedx通過結合機器學習和大數據分析，為慢性疾病提供實時健康洞察，提升治療結果。
碳云想利用不斷增長的健康數據，通過先進的數據挖掘和機器分析技術，提供個性化的健康分析和健康預測。他想從生命開始就觀察、研究和指導一個人的健康。現在已經有不少公司在與它合作，包括研究機構、制藥廠、體檢中心、醫院、保險公司和健康管理公司。
拓展閱讀：參見雷鋒網《碳云智能想做的，是規劃生命路線》一文
這家公司正在建一個醫療影像分析平臺。該平臺提供基于云的完全托管的研究和開發環境，包括訪問結構化數據集，脫敏數據研究，存儲，GPU計算力和眾多研究工具。整套解決方案還能讓研究團隊協同工作。
對這家公司，雷鋒網也做過詳細介紹：《懷疑自己有病？把醫學影像傳給Zebra試試》
這家公司較為知名，它是一家致力于改進醫療診斷的深度學習公司。公司算法是由包括知名數據科學家、機器學習從業人員和醫學專家的跨學科團隊設計的，可以提供更快、更準確的醫療診斷。
Enlitic的技術會分析和學習大量非結構化醫療數據，包括放射和病理圖像、實驗室結果、基因組學、病歷和電子健康記錄。利用數百萬記錄，Enlitic的深度學習技術可以幫助放射科醫生提高準確性，降低成本，并提升早期檢測，從而改善結果。
這家公司主要開發視覺感知技術，根據其自身的數據驅動標準，解釋醫學圖像并顯示異常區域。它在ImageNet 2015大規模視覺識別挑戰賽的初創團隊中獲得了最高排名，也因此得到了國際關注。它還贏得了2016年的腫瘤增殖評估挑戰（TUPAC）第一名，排在后面的是IBM和微軟。
基于深度學習的專業知識，它主要做胸部X光檢查，乳房X線檢查，以及乳房組織病理切片的自動分級。
這是一家軟件驅動的藥物發現公司。它用計算平臺來確定潛在的候選藥物，通過臨床前研究降低風險，并通過行業合作把候選藥物推廣到臨床。該平臺迄今已經應用到了80多種疾病，合作的研究機構包括斯坦福大學，芝加哥大學和西奈醫院，并已經為關節炎、多發性硬化癥和癌癥等發現了有前途的新藥物。
與twoXAR一樣，這家公司想想用人工智能發現新的潛在藥物。
它為基于結構的藥物設計，構建了首個深度神經網絡。公司正在幫研究人員解決諸如癌癥、多發性硬化癥和糖尿病等慢性疾病，埃博拉和瘧疾等易被忽視的全球性疾病，抗生素抗性細菌等復發性疾病，以及肉毒桿菌神經毒素這樣的生物恐怖威脅。
Atomwise訓練的深度3D卷積神經網絡，可以自主學習空間和化學特征，并預測哪些分子可能是有效的。 神經網絡會被應用于整個藥物發現流程，以優化最初的潛在有效藥物，并對它們進行調整，以避免毒性問題。公司可以每天分析數百萬分子，這比其他物理測試技術快幾個數量級，能讓找到治愈方式的時間縮短幾個月，甚至是數年。
這家公司想解決這樣一種問題：人類不可能單獨處理所有可能推動科學研究的信息，畢竟現在每30秒就有一篇科學論文被發布，以至于只有一小部分科學信息可以形成“可用的”知識。
所以它想用AI和深度學習技術，分析大量的復雜科學信息。這家公司想改變知識創造的方式，它為那些動態可用的知識開發了一個大型的結構化“數據湖”，可與人類專家協同使用。
這家公司對AI的第一個應用，是在生物科學中加速藥物發現。它還想擴展到其他大型全球科學行業，如獸醫，營養品和材料科學。
這家公司成立于2015年，其構建的計算系統可以改善診斷、治療和了解疾病的方式。要讓基因組測序所得結果真正有用，關鍵障礙是難以將個體遺傳改變與影響健康的生理結果相關聯。Deep Genomics希望改變這種狀況。
它的技術來自十多年的學術研究，整合了機器學習和基因組生物學。他們的任務是開發一個集成的計算系統，它可以學習、預測和解釋DNA的變化（無論是天然的，還是治療性的），并改變關鍵的細胞過程。他們開發的新機器學習方法，可以在大規模數據集中找到模式，并推斷出細胞如何讀取基因組并生成生物分子的計算機模型。以這種方式，這家公司提供了對遺傳變異的因果解釋，它適用于任何變體和任何疾病。
Freenome開發的軟件，能理解血漿中游離DNA（cfDNA）隨時間推移的變化模式。通過研究正常cfDNA的變化，Freenome開發了早期癌癥檢測方式，它在前列腺癌、肺癌、結腸直腸癌和乳腺癌中，勝過現有的血液檢測方法。
此外，公司還使用深度學習模型來區分疾病亞型，如去勢敏感性和支勢抵抗性前列腺癌。總而言之，Freenome的軟件能在同一平臺進行疾病診斷和個性化治療推薦。Freenome目前融資550萬美元，投資人包括A16Z，Founders Fund和DCVC。
公司聯合創始人兼CEO GabrielOtte曾表示，公司的系統可不斷調整識別基因組數據模式的能力，從而區分癌癥和非癌癥，以及癌癥亞型。
這家公司提供的是移動設備端的個人醫療服務。它可以讓用戶在幾分鐘內安排與醫生見面，在手機上面對面聊天，以找出身體狀況，得到正確的建議。
在這家公司的應用上，還可以通過聊天功能檢查任何癥狀，咨詢醫療問題，另外還能預訂一些檢測工具。這家公司的目標是改變醫療健康的管理方式。
醫學影像公開課預告：
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
