AI超聲:面對20億人次的診斷量,AI影像中的晚熟賽道將如何爆發?
其次是在數據上,相對來說,由于超聲影像數據的瀏覽處理存儲習慣,超聲影像比起CT這樣的數據更難獲取。
“為什么AI影像賽道剛開始興起的時候,涌現了很多AI肺結節公司,因為相對來說,肺結節影像數據是容易獲取的。”
除了數據庫的規模大小受到限制外,超聲影像的標準化程度也較低,超聲影像的清晰度是依賴于超聲醫生的操作手法和不同設備型號。所以需要由要給較強的專家團隊對這些數據進行清洗和分析。
第三點是算法框架的限制。“能否擁有自己的算法框架非常重要。因為目前的算法框架,絕大部分公司都是用的開源算法,尤其是在超聲領域,能夠擁有自己的算法的企業非常少。超聲AI與其他放射AI不同,它對于自主研發的算法框架非常依賴,這與它分析產品的準確度和實時性強相關。”
他舉例說道,如果算法過于冗長,會導致處理速度慢,而超聲具有實時性的要求,一秒鐘就有幾十幀圖像,有的心臟影像每秒上百幀,沒有強大的算法無法處理這么多的數據。而德尚韻興作為國內最早進行超聲AI產品研發的企業,已經發布了超聲甲狀腺、乳腺、盆底、肝臟、頸動脈等AI產品。因為擁有完全自主知識產權的算法框架,德尚韻興所有的超聲AI產品無論是適應性還是性能,表現就會更加突出。
除了以上三點外,如果AI想要實現搭載于掌上超聲上,還需要解決算力限制的問題。掌上超聲硬件設備的限制,圖像清晰度的限制,對于搭載AI軟件提出了更大的挑戰。掌上超聲設備遠遠小于傳統的超聲設備,這將十分考驗AI的算力。
朱瑞星表示:“AI超聲是一個系統性的工程,不單單是說企業擁有了一個算法之后,就可以做診斷識別。例如如果載體是掌上超聲,需要使用板載芯片和GPU協助運算,算法設計、IC設計、芯片和功耗都需要考慮其中。”
企業不僅要拿出一個非常精確的模型來分析超聲波視頻,而且在此基礎上,還必須確保該模型能有效地在Android平板電腦或手機平臺的有限資源下工作。
審批將是一道坎,FDA帶來新突破
在超聲AI的賽道中,無可避免的一大阻礙是政策審批問題,caption health獲得了FDA審批,可以說是為大部分持續投入AI超聲研發的企業撥開云霧。
朱瑞星表示,FDA的審批進展對于國內來說有著重要利好:“我相對早開始關注AI+超聲這個領域,此前,這個領域一直處于蟄伏期。隨著FDA批準了AI+超聲輔助診斷軟件,這個行業可能會迎來風口。2016年,AI+醫學影像領域發展最受關注的時候,也正是FDA批準了首個AI輔助診斷軟件的時候。”
FDA設備與醫療中心體外診斷與放射健康辦公室副主任Robert Ochs博士在批準Caption Health的AI輔助軟件用于成人心臟超聲檢查時,曾表示,此次允許AI超聲輔助診斷軟件上市的意義不僅在于超聲檢查專家可以使用這一工具,超聲AI未來更大的場景是讓普通的醫療人員(例如家庭診所的護士)也可以使用超聲,幫助我們更早更準確發現疾病。
在超聲的進化過程中,軟硬件能力對于掌上超聲都很重要,目前,超聲的AI系統現階段更具壁壘。就好比目前國內能做手機硬件的廠商很多,但是能做手機操作系統的廠家并不多。在硬件比較同質化的市場中,能否研發出好的AI軟件,一定程度上決定了掌上超聲產品硬件的應用空間。
同時,對于基層這樣的場景來說,比起大型設備,超聲儀器價格更低,因此,超聲AI相比依托于CT等大型設備的AI可能更適合推廣。但目前對于基層醫療這樣的全科醫生來說,如何將流程真正實現智能化和傻瓜化,還是一大挑戰。隨著AI軟件的賦能,超聲離成為可視化的聽診器正在越來越近。
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞


分享









