当前位置:首页 - 新闻中心           业界广告公关案例互动社交媒体品牌对话数据技术观察   

 

英特尔, 人工智能, 医疗行业, 分级诊疗 1

来源:英特尔  发布日期: 2017-09-29 20:35 

北京2017年9月29日电 /美通社/ -- 近年来,在推进分诊医疗落地和实施的过程中,很多地方虽然加强了对基层医疗机构的硬件投入,但基层医疗机构对患者的吸引力仍然不足,原因在于基层医疗机构缺乏,医疗资源特别是优秀医生分配不均,基层医疗机构诊疗能力较弱。当前人工智能算法比较成型,计算能力不断提升,数据支撑也为人工智能的应用提供了较好基础,人工智能进军医疗领域已经成为行业内发展趋势,新技术、新模式的探索升级,在很大程度上加速了分级诊疗的实现。

作为领先的计算产品和方案提供商,英特尔积极探索和推动人工智能技术的应用,与合作伙伴一起加速相关方案与产品从实验室研发推进到临床应用的进程,从而加速分级诊疗的推进与落地。如今,英特尔利用人工智能技术在推进分级诊疗的进程中又向前迈进了一大步。在与英特尔的合作下,爱尔眼科集团、极视互联科技、晋弘科技携手共同开发推出了针对糖尿病视网膜病变(DR)和老年性黄斑变性(AMD)的远程智能阅片平台,用“智能化+远程化”的手段实现了眼科疾病的分级诊疗。一方面,利用人工智能从医疗影像切入,结合人工智能辅助诊断,帮助解决中国眼科医师匮乏,阅片效率低以及基层医院技能落后等问题,提高医生的工作效率;另一方面,用人工智能与互联网平台结合的方式,通过远程诊断,在一定程度上,从技术层面上为基层医疗在未来发展中打破行业壁垒提供可能性,对于平衡医疗资源,扩大眼科筛查面有着重要的作用。

人工智能,提升诊断水平

长期以来,人工鉴别图像几乎是医疗机构唯一在使用的方式,对医师的经验、状态都有着极大的依赖,加之人眼的分辨率和敏感度限制,客观上制约了对影像资料的充分利用。影像科医师较长的培养周期,也对基层医疗机构承担分级诊疗政策指导下的疾病初诊造成了一定压力。英特尔专家认为相对于人工阅片,人工智能在医学影像方面具备准确率高、检测效率高等优势,机器读片的优势主要在于“稳、准、狠”。

爱尔眼科集团、极视互联科技、晋弘科技利用人工智能技术开发的DR和AMD智能阅片系统,临床诊断准确率已达到90%以上,结合眼科图像分析处理的特点,英特尔针对处理器、深度学习框架、数学内核库等进行优化,提供专业化系统解决方案,进一步支持大样本、大批量眼科图像诊断分析的处理效率和准确性。晋弘科技董事长暨联合创始人郑竹明博士指出,通过英特尔庞大的计算能力支持,影像分析的时间从最初的1分钟缩短到了10秒以内。目前分级诊疗,医生在基层是非常欠缺的,英特尔、极视互联科技,以及晋弘科技利用大数据资源开发的人工智能远程智能阅片平台,通过运用神经网络算法(CNN)及临床大数据,实现智能化阅片,辅助医生完成前期疾病筛查和初检,大大简化了后端对人员的要求。

在众多医学数据中,影像数据相对标准,长时间积累中形成了体量庞大的数据集合,从这一角度来讲,人工智能医学影像具备了较好的发展基础。英特尔专家认为数据是人工智能实现突破的最重要因素,数据质量更是机器能否进行高效学习的关键。爱尔眼科通过旗下百家医院多年来积累了庞大的临床数据资源,对近10万张中国人的眼底图像进行深度学习,搭建了适宜眼底诊断的智能软件模型。

人工智能+平台,打通行业壁垒

受监管认证、跨界人才以及医生、病人观念等因素影响,以及医疗资源特别是优秀医生分配不均,基层医疗机构诊疗能力较弱,人工智能医学影像短期内还无法普及到基层。利用互联网技术是实现分级诊疗的重要推动力,人工智能与互联网平台结合,通过平台形成医院联合体,将人工智能阅片经过远程诊断落地到基层,将为实现分级诊疗提供一条可行之道。

爱尔眼科以专业为依托,深度响应国家分级诊疗及“互联网+”的政策要求,一方面在城市社区、县域村镇等区域,通过合作、自建、加盟等多种形式,大量开设目邻眼健康中心,另一方面建立云服务平台,打造了线上、线下结合的眼健康“互联网+”服务模式,以实时和非实时两种方式,对各种眼底照片进行诊断和分析,提升眼底筛查的效率。目前将近20多家社区服务中心,以及10多家爱尔眼科自建社区眼健康服务中心都已经开始使用该远程智能阅片平台,预计年底达到50家,主要试点城市包括长沙、北京、成都、天津及深圳。远程智能阅片平台可以有效促进眼底影像互联互通,从而实现分级诊疗,合理分配医疗资源,进而提高眼底影像诊断率以及区域信息化的建设整合。

作为一家数据公司,英特尔一直坚持从云到端的产品与技术创新策略,积极联合生态合作伙伴共同推动人工智能从技术升级到产业升级,普惠大众。在推进分级诊疗的落地实践中,英特尔联结爱尔眼科、极视互联以及晋弘科技,持续进行技术创新,致力于让高质量、便捷的医疗健康服务触手可及。



本站文章部分内容转载自互联网,供读者交流和学习,如有涉及作者版权问题请及时与我们联系,以便更正或删除。感谢所有提供信息材料的网站,并欢迎各类媒体与我们进行文章共享合作。
上一篇信息 下一篇信息
信息分类查询:  业界广告公关案例互动社交媒体品牌对话数据技术观察