服務(wù)AI的數(shù)據(jù)平臺
臨床痛點(diǎn)
影像AI系統(tǒng)對于影像科室的診療和科研工作極為重要
在多發(fā)/隱藏的病灶查找、病灶的隨訪對比、病灶的精準(zhǔn)測量等場景下，沒有細(xì)致的圖像特征標(biāo)簽提取，海量鑒別診斷規(guī)則就無從自動開啟。指望一線醫(yī)生手工、大規(guī)模地測量圖像特征來填寫結(jié)構(gòu)化報告是反人性的。雖然當(dāng)前影像AI還有各種缺陷，但從其不知疲倦的工作能力和工作態(tài)度來講，對影像診斷工作就具有非凡的生產(chǎn)力價值。
根據(jù)ACR-DSI（美國放射學(xué)會數(shù)據(jù)科學(xué)研究院）的觀點(diǎn)，在影像業(yè)務(wù)領(lǐng)域會有幾百個業(yè)務(wù)場景需要特定的AI來協(xié)助醫(yī)生提取關(guān)鍵圖像、測量值、特征值等信息。如此多的場景是因?yàn)椴煌鞴?、不同的疾病類型，在不同的影像設(shè)備下有不同的表現(xiàn)。雖然很多場景具備遷移學(xué)習(xí)的機(jī)會，但畢竟是有這么多離散的領(lǐng)域需要是深入研究，并不能用一套統(tǒng)一的算法來覆蓋。
影像AI優(yōu)缺點(diǎn)都很明顯
影像AI當(dāng)中的深度學(xué)習(xí)算法，是基于自動化的過程發(fā)現(xiàn)數(shù)據(jù)背后的統(tǒng)計(jì)規(guī)律，而不是理解人的思維模式和邏輯。由此就存在著兩個潛在的風(fēng)險：
首先，如果讓一個影像AI認(rèn)知過多的事物會變得不倫不類，而不是像人那樣變得樣樣精通，對這種能力落差需要有清晰的認(rèn)知。如果數(shù)據(jù)當(dāng)中包含的信息類型太多，大數(shù)據(jù)并不能提升模型的質(zhì)量，反而造成成本的指數(shù)型上升。
其次，由于模型運(yùn)算過程的不可解釋，在結(jié)果出現(xiàn)較大誤差的情況下，很難干預(yù)和糾正。模型包含的信息類型越多，出現(xiàn)這種不可解釋的風(fēng)險就越高，糾正的成本代價就越高，往往超過業(yè)務(wù)本身的價值。
在醫(yī)學(xué)影像AI的設(shè)計(jì)思路
自深度學(xué)習(xí)的基礎(chǔ)算法創(chuàng)建以來，改進(jìn)算法主要是為了應(yīng)對在特定場景下處理大數(shù)據(jù)時的效率，并不提升最終結(jié)果的質(zhì)量?；谏鲜鲞@些信息，在醫(yī)學(xué)影像深度學(xué)習(xí)領(lǐng)域，降低成本和風(fēng)險的做法應(yīng)遵從如下兩個原則：
首先，將模型的業(yè)務(wù)目標(biāo)定義得狹窄而清晰。這樣就可以使用精準(zhǔn)標(biāo)注的幾百例數(shù)據(jù)獲得敏感性、特異性都滿意的模型。這是一種小數(shù)據(jù)應(yīng)用，無需使用高深的算法，而且質(zhì)量并不降低。
其次，將高水平醫(yī)生的邏輯思維變成系統(tǒng)性管理的代碼，精準(zhǔn)地管理多個小模型集合的整體行為。用這種方式構(gòu)建的系統(tǒng)，出現(xiàn)不可解釋結(jié)果的概率會大大降低。即便出現(xiàn)了，糾正起來也比較容易。
在上述這樣一種業(yè)務(wù)構(gòu)建思路下，設(shè)計(jì)精準(zhǔn)的小模型、精準(zhǔn)的序貫邏輯，以及精準(zhǔn)的標(biāo)注就成為核心價值，算法的重要性淡化了，醫(yī)療機(jī)構(gòu)的價值就突出了。
眾多臨床場景下的AI難以形成固定的產(chǎn)品，只能形成個性化的方案
相比大數(shù)據(jù)、幾個簡單的模型組合的構(gòu)建思路，這種多個小模型、嚴(yán)謹(jǐn)序貫邏輯的構(gòu)建思路優(yōu)缺點(diǎn)也很明顯。優(yōu)點(diǎn)是成本低，穩(wěn)定性高；缺點(diǎn)是項(xiàng)目化，產(chǎn)品化的通用性差。如果每個客戶都需要數(shù)據(jù)進(jìn)行訓(xùn)練，就失去了產(chǎn)品本身的商業(yè)價值。
越是CT類的圖像，尤其是CTA，由于成像機(jī)理簡單，對比強(qiáng)烈，容易通過大數(shù)據(jù)訓(xùn)練形成穩(wěn)定的產(chǎn)品。但在MR影像AI領(lǐng)域，由于成像機(jī)理復(fù)雜、圖像風(fēng)格多樣，即便規(guī)模很大的數(shù)據(jù)，也很難形成穩(wěn)定的產(chǎn)品。這種情況下，醫(yī)療機(jī)構(gòu)自身創(chuàng)建的個性化算法就大有用武之地。
在ACR認(rèn)為存在的數(shù)百個獨(dú)特AI業(yè)務(wù)場景中，也許只有1/3的場景能使用產(chǎn)品化的AI；而多達(dá)2/3的場景，由于個性化的成本問題，企業(yè)界不愿直接涉足產(chǎn)品，往往提供一些平臺，由醫(yī)療機(jī)構(gòu)自行完成個性化系統(tǒng)的研發(fā)并投入使用。所以我們會看到美國的醫(yī)療機(jī)構(gòu)醫(yī)工結(jié)合開發(fā)的個性化AI很多，而論文多半也都是小數(shù)據(jù)下的研究產(chǎn)物。
產(chǎn)品功能介紹
與所有的AI訓(xùn)練平臺類似，都具備：原始影像數(shù)據(jù)的導(dǎo)入、匿名、圖像瀏覽、單模型訓(xùn)練所需數(shù)據(jù)全生命周期的管理，包括入組、標(biāo)注、預(yù)處理、模型訓(xùn)練、模型測試、效果評價等。
共享式AI的設(shè)計(jì)特點(diǎn)主要體現(xiàn)在三個方面：
首先，將一個較復(fù)雜的臨床業(yè)務(wù)按照高水平醫(yī)生的診斷思路拆解成多個細(xì)小的邏輯步驟。其次，在每個步驟上設(shè)計(jì)業(yè)務(wù)目標(biāo)簡單、輸入/輸出清晰的深度學(xué)習(xí)或者組學(xué)模型。第三，除了模型數(shù)量多、單個模型內(nèi)容簡單之外，共享式AI特別重視臨床實(shí)用化，而非完成創(chuàng)新理念。實(shí)用化的AI有著與流程整合、效能評價相關(guān)的管理功能。
同一組數(shù)據(jù)用于多個不同模型訓(xùn)練的數(shù)據(jù)管理
個性化的模型使用幾百例高質(zhì)量的病例即可完成訓(xùn)練和測試，訓(xùn)練出敏感性/特異性雙高的模型。如果有1000例高質(zhì)量的數(shù)據(jù)，那么完全可以滿足十幾個甚至幾十個相關(guān)業(yè)務(wù)中的小模型訓(xùn)練。這些模型訓(xùn)練和測試集共享這1000例數(shù)據(jù)，數(shù)據(jù)根據(jù)模型任務(wù)的不同，劃分到不同的任務(wù)視角當(dāng)中即可實(shí)現(xiàn)數(shù)據(jù)的復(fù)用，不用拷貝到不同的存儲空間下邊，而且可以各自管理各自的標(biāo)注、預(yù)處理等新生成的過程數(shù)據(jù)，以及各自管理訓(xùn)練和驗(yàn)證過程。
多個AI小模型序貫網(wǎng)絡(luò)的控制架構(gòu)
一個完整的業(yè)務(wù)模型被分割成多個序貫的小模型，其內(nèi)部的邏輯架構(gòu)將變得相當(dāng)復(fù)雜，需要一套配置工具來進(jìn)行模型之間的銜接管理。在內(nèi)部的流程邏輯領(lǐng)域，共享式AI的開發(fā)平臺比傳統(tǒng)的AI開發(fā)平臺的功能要強(qiáng)得多。
完整模型與流程業(yè)務(wù)系統(tǒng)的交互架構(gòu)
共享式AI講求業(yè)務(wù)實(shí)用化，所以控制進(jìn)入業(yè)務(wù)的圖像質(zhì)量是第一步的工作。如果質(zhì)量不符合（掃描條件不符、序列缺失等），就會給與拒絕。
AI業(yè)務(wù)的處理狀態(tài)需要與RIS系統(tǒng)保持同步，以便確定能否允許診斷醫(yī)生撰寫報告。
當(dāng)AI模型完成分析工作時，其生成的、帶有本體標(biāo)簽的關(guān)鍵圖像、測量值將按照特定的消息模式輸出，以便順利整合到以結(jié)構(gòu)化報告為代表的后續(xù)業(yè)務(wù)流程中。
基于結(jié)構(gòu)化報告的績效數(shù)據(jù)獲取
共享式AI平臺開發(fā)的業(yè)務(wù)模型注重真實(shí)場景下的績效和持續(xù)改進(jìn)，因此需要關(guān)注AI發(fā)現(xiàn)的病灶數(shù)量、位置、性質(zhì)，診斷醫(yī)生調(diào)整后的病灶數(shù)量、位置和性質(zhì)，以及審核醫(yī)生調(diào)整后的上述信息。在某些場合下，還需要分析使用AI、不使用AI的績效差異。這些績效數(shù)據(jù)的獲取和持續(xù)改進(jìn)工作，離不開各類結(jié)構(gòu)化報告系統(tǒng)的LOG分析。
相關(guān)產(chǎn)品
影像學(xué)診斷結(jié)構(gòu)化報告
PACS系統(tǒng)面向影像科室上線使用，標(biāo)志著影像科進(jìn)入了信息化時代。影像科醫(yī)生寫報告時，為了提高效率控制品質(zhì)，會使用預(yù)先設(shè)定好的模板進(jìn)行復(fù)制粘貼再進(jìn)行個性化修改。
科研教學(xué)平臺
隨著醫(yī)療水平的提高，越來越多的醫(yī)療機(jī)構(gòu)除了日常的醫(yī)療服務(wù)，還需要承擔(dān)醫(yī)療教學(xué)和科研任務(wù)，尤其是相關(guān)的醫(yī)學(xué)院附屬醫(yī)院。日益完善的RIS/PACS系統(tǒng)已經(jīng)可以滿足醫(yī)院的日常醫(yī)療服務(wù)流程，但是針對相應(yīng)的教學(xué)、科研任務(wù)，就功能而言，遠(yuǎn)遠(yuǎn)無法滿足醫(yī)院的科研、教學(xué)需求。
服務(wù)AI的數(shù)據(jù)平臺
隨著影像AI的多元化發(fā)展，AI的應(yīng)用正在逐漸被醫(yī)療機(jī)構(gòu)接受。但影像AI產(chǎn)品仍存在一些掣肘：AI往往只處理單一的影像識別，而實(shí)際業(yè)務(wù)中多數(shù)檢查需要多個影像識別，也需要非影像信息參與決策；基于通用算法的云端模式，實(shí)現(xiàn)敏感性、特異性雙高難度較大，診斷的最終輸出沒有標(biāo)簽化；嚴(yán)重限制了AI本身的持續(xù)迭代學(xué)習(xí)能力。
產(chǎn)品咨詢
聯(lián)系方式
官微二維碼
鄧白氏編碼
北京賽邁特銳醫(yī)療科技有限公司
京公網(wǎng)安備11010202008737號
藥品醫(yī)療器械網(wǎng)絡(luò)信息服務(wù)備案：（京）網(wǎng)藥械信息備字（2022）第00555號
010-62077532
QQ咨詢 
在線留言 