刘凯是上海某三甲医院的放射科主治医师,平均每天经由他审核的普放、CT、MR的影像片子多达300-400例,有时仅上午审核就要超过200例。从上午8点到中午12点,一共240分钟,算下来平均每个病人的诊断时间只有1分钟。刘凯需要在这一分钟内对图像进行肉眼扫描,稍有不慎,就有可能错过病变,耽误最佳诊疗时机,继而威胁到病人的生命。
|
这就是当下医疗领域的缩影,放射科医生属于稀缺资源,每天需要写上百份诊断报告,人工肉眼诊断又存在大量不确定因素。近两年来,无数人工智能企业试图改变医疗影像这个行业。
2014年底,陈宽杀入医疗领域,创办推想科技,运用深度学习技术在医生影像诊断中提供辅助性筛查方案。目前,与推想科技合作的大型三甲医院在50家左右,部分医院的使用率和点击率能达到80%。在医生漏诊率达30%的磨玻璃结节诊断上,推想科技的漏诊率可降低到10%以下。
前医生靠肉眼与非结构化影像之间的对决,随着辅助医疗的介入,战场在悄然改变。
AI与医疗相结合
2014年年底,陈宽放弃了芝加哥经济和金融双博士学位,带着奖学金和拼凑的几十万归国创业。
这一年,他26岁,AI+医疗影像还不为大众所知。两年后,谷歌研发的AlphaGo完败李世石,人工智能在全球引起广泛关注,同类型的创业公司相继蓬勃而出,百家争鸣。
在芝加哥大学读博士期间,陈宽主要学习AI在金融经济领域的运用,两位导师James Heckman和Lars Hansen都是诺贝尔经济学奖获得者。陈宽曾利用AI模型预测奥巴马的连任,也尝试过预测股票等项目,但一直没找到能够真正解决行业痛点的场景。
直至2014年8月某次会议上,陈宽在展示AI模型时,一位放射科医生提出如果把技术用在医疗影像的辅助诊断上,将会非常方便。因为他们每天需要看大量的影像做出诊断,难免会有漏诊,这个技术可以帮助他们避免很多重复性工作,提升效率。
2015年,陈宽决定以临床情景为核心,从胸部影像入手。在胸部CT中,早期肺癌会表现为实性结节、磨玻璃结节、半实性结节。其中磨玻璃结节有59%的概率会恶化成肺癌,但其影像看上去非常淡薄,稍不注意就可能被忽视。陈宽推出一款辅助筛查产品,通过深度学习和运算,判断影像中是否存在疑似肺癌的特征。
当时X光正处在下坡阶段,相比于三维的CT,X光在二维层面有很多病灶都很难解读,并且研发效果不理想,包括医生、团队内部纷纷反对投入一款夕阳产品。
「毕竟它是在全国范围内检查量最多,影响范围最大的」,陈宽考虑到受众和社会使用程度,坚持研发X线辅助筛查产品。最后大家用AI和人工筛查作对比发现,AI在X光上能看到人眼都看不到的东西。曾有一位患者,医生判断其双肺未见明显异常,结果AI把病灶标了出来,双方争执不下,建议患者去照CT,一查果然是肺癌。
「我相信可以解决很多X光造成的漏诊,一部分人为造成的漏诊可以通过AI的手段来减少」, X光线下,不同器官的影像会重叠在一起,之前就发生过有医生因为膈肌阻挡,而忽视了膈肌后面结节的情况。这种情况人眼难以发现,但是AI就能找到。
除此之外,AI还能追踪病灶发展变化,判断之前治疗效果是否有效。有些细小结节的变化通过人眼很难发现,但是通过AI可以计算结节的长度和大小变化等等,给下一步治疗方案提供建议。
为了让产品能够在不同医院跑通,陈宽团队在研发过程中解决了两个问题:
首先,提升鲁棒性(在一家医院的模型是否在另外一家医院可以使用,保持比较好的准确率)。
推想科技原来在四川省人民医院做的模型,放在其他医院并不适用,一方面由于之前买不起服务器,数据量有限,另一方面每个医院的诊断方案标准不一,造成了过度学习四川的方案,出来的模型不精准。
解决这个问题,要从源头上寻找数量最大、最优质的数据让模型去学习。在有一定知名度后,推想科技会选择更有代表性的医院进行合作,融合北京、上海、广州地区优质医院数据,同时集合飞利浦、通用电气等不同设备数据,让模型学习不同变量和不同情况,这被陈宽称之为「最笨的方法。」
除了这种笨方法之外,由于地缘优势,推想科技的深度学习专家是和医生坐在一起的,一旦出现异常变量,马上和医生沟通,然后修改吻合到模型算法当中。
第二,解决产品的易用性和有效性问题。结合医生的临床路径,要将产品嵌入医生工作流程中。解决的前提是要把医生的使用方法摸透,考虑到所有的可能性。比如,影像进来到医生做完诊断一共需要多长时间,如果产品不能在5秒钟之内把所有结果呈现出来,那一定是某个环节出了问题。
据陈宽透露,目前大部分医院可以实现一秒之内呈现结果,医生只需要点一下按钮。但即使这样,依然需要培养医生的使用习惯。「大部分医生觉得每天看片子很累,但已经习惯这种累的状态,不想再学习其他方法了。」推想科技产品负责人俞静说。
敲开医院的大门
「你以为你是谁,还来忽悠我?脑子被门挤了的人才会和你们合作,赶紧滚!」砰的一声,门猛烈的关上。
陈宽被推搡到门外。他在树荫下静静地站了一个小时,反复给自己打气,一会儿还要精神抖擞地去下一个医院。
「医院是个很封闭很保守的组织,市面上甚至全球都没有成熟的先例情况下,让他们去尝试或接受新物种是非常困难的」,推想科技想要打开市场,与医院关系的建立和维护必不可少,前期需要利用他们的影像数据验证技术的可行性,后期还需要市场推广和销售。
但陈宽经常被扫地出门。2015年,他一个人带着2个实习生,在没有任何医疗背景的情况下,接连碰壁。从2015年初到5月,一直在被拒绝,团队见了100位主任,有95位对他们说「不」。
推想科技联合创始人兼COO王少康分析,医院在国内属于稀缺资源,求大于供,因此医院掌握绝对话语权,如何取得他们的信任成为关键。
在跑了几十家医院后,四川省人民医院终于愿意敞开大门,陈宽格外珍惜这次机会,将办公室从深圳搬到四川,开始了第一代模型的搭建。
当务之急,是学会医生的语言。陈宽团队没有医疗知识储备,何种是肿瘤,何种是正常结节,需要从零学习。他们就天天坐在放射科,看医生如何看片子,做诊断,然后把医生的诊断写成技术语言。
其次还要建立医生的信任。王少康抓着春节、十一、五一假期跟主任一起加班,亲手将第一批代码连接到服务器后,进行整理数据和模型运算,经过三四个月的时间终于取得了医院放射科医生的信任,「其实在医院里,他能给你腾出一块地,无偿地让你去做研究,已经是非常大的支持」。
据陈宽介绍,目前,推想科技的技术人员的看片子水平可以媲美大医院放射科的实习生。因为他们的办公室就是医院,每天和医生们一起上下班,工作就是写代码和看片子。
2015年寒冬将至,推想科技第一版相对成熟的模型做出来了,本来准备从实验室过渡到医院应用层,但后来由于种种原因,没有落实。陈宽带领小伙伴寻找到了国内门诊量排名前五位,日门诊量达2万人的武汉同济医院。
(来源:投资潮)