侵权投诉
订阅
纠错
加入自媒体

飞利浦进入AI 2.0时代,开发众多植入硬件的AI系统

2020-09-25 08:52
动脉网
关注

从照明设备起家至产线覆盖手机、电视、医疗保健等领域,飞利浦用了100年时间;但将逐渐冗杂的业务收紧,进而针对性发展,聚焦其优势所在,它只用了十余年。

自2014年起,飞利浦更加聚焦健康科技领域。这一年,飞利浦正式进入了6.0时代。

今日的飞利浦,已经定位于全球五大健康医疗IT公司之一,而它的创新基因正驱动这艘巨轮继续向前航行。2019年,飞利浦投入了19亿欧元用于研发,在全球范围内拥有64,500项专利。在智能化转型方向上,飞利浦部属了25%的科学家,开展约250个以上涉及AI及大数据相关的课题研究,它已是AI健康医疗领域拥有专利最多的公司之一。

回首飞利浦的转型之举,它的每一个举措都暗含着明确的目的。如今,2020年,正值进入下一个十年的起点,聚焦与创新之下,飞利浦的数字化医疗战略愈发清晰……

影像科需要怎样的AI?

在飞利浦的数字化战略之中,AI是非常重要的一项技术,但要将其巧妙地融入医疗之中,实践起来并不简单。

在第二届中国医学影像AI大会上,飞利浦大中华区医疗信息解决方案总经理潘艺琼对AI于医疗的作用进行了深入浅出的定义,她认为:“人工智能对医疗领域最大价值在于塑造了智能化的医患友好生态。因此,严格遵循以服务医患为主旨的产品设计是打造医疗AI产品的关键所在。在过去几年里面,医学影像领域人工智能应用的井喷很大程度上得益于影像的数据体量庞大,放射科医生人力资源缺乏,工作负荷重,影像科的业务量在过去十年快速增长。但是,由于各临床科室业务流程的复杂性和多样性,除了影像数据遵循dicom标准以外,大多数科室的临床数据的采集和抽取没有实现结构化,因此76%的人工智能产品都聚焦在了医学影像领域。在这其中,很多产品并没有真正发挥人工智能的价值。”

具体而言,人工智能价值的局限性来源于两个方面,其一,AI产品没有真正满足医生的临床需求;其二,AI企业没有满足当前环境下的院内管理需求。

要解决上述两个问题,“软硬结合”将是必经之路。从分工上看,创业公司需要从临床深入,确切了解医生需求,开发单点式的AI应用级产品,而平台公司则需要把这些应用统筹,进而集成于医院信息化系统之中,扮演好应用商店的作用。飞利浦在两个领域均有深度介入和严谨布局。

飞利浦自主开发的星云高级影像工作站ISP服务于临床诊断,里面包括了肝脏功能分析等多达80多个通过NMPA的临床认证的应用。同时,飞利浦也在努力扮演好平台的作用,将更多优质AI产品包容进来。

“从今年开始,越来越多的AI企业将获得CE、FDA、NMPA三类证等认证,很多三甲医院陆续部署了医疗辅诊AI,或是测试自己的AI算法。这个时候,医院面临的问题就由‘是否部署AI’转化为了‘如何管理AI’。”在2020飞利浦人工智能高峰论坛上,飞利浦中国影像研究院智能解决方案主管、首席科学家周子捷博士提到了这样一个问题。因此,飞利浦希望能将AI算法无缝集成于临床科室,让医生无感地使用上真正的好AI。

2020年飞利浦推出的星云人工智能平台(ISAI)可以解决周子捷博士提到的问题。飞利浦尝试将不同的AI算法都部署于ISAI之上,然后将其无缝集成于RIS、PACS系统之中。在这个过程中,各个科室都可直接向ISAI传输影像文件,而ISAI将自动对影像进行识别,并配置相应的AI算法。譬如,如果医生传输的是一张CT胸部影像,那么平台将会自动为医生推荐合适企业提供的算法,由医生根据情况选择其喜好的算法;同时,医院也无需频繁部署各种各样的AI工作站,ISAI成为了AI的看门人与管理者。

image.png

ISAI:AI嵌入全流程,助力打造诊疗闭环

从更深层次的流程来看,ISAI并不仅限于为影像科提供管理服务。实际上,借助于飞利浦顶尖的CT、超声、MR等硬件能力,该平台打破了影像采集、重建、传输、分析、报告之间的界限,将各环节用智能化的方式连为一体,将人工智能算法和应用无感融入到全流程中构成闭环。这可以算得上是对影像科工作流程的革新,而这种革新,满足了影像科医生的真实需求。

AI 2.0时代,飞利浦深入临床

如果说将2013年飞利浦切入AI这一事件算作飞利浦AI 1.0时代的开端,那么从今年开始,AI标准的制定与医疗场景的迅速拓展则推着飞利浦进入AI 2.0时代。

这个时代下,飞利浦不再局限放射科软件、平台的开发,而是深入临床全流程。心脑血管、肿瘤和危急重症均是这一阶段下飞利浦的重要突破点。

肿瘤是飞利浦发力的重点领域之一。依托单一部位的成像设备,飞利浦开发了众多植入硬件的AI系统。

以飞利浦乳腺智能导航系统(AI Breast)为例,这一AI搭载在飞利浦Affiniti 70及EPIQ系列智能超声诊断系统之上,超高清的图像品质,加上以人为本的智能应用,能以直观导航定位的方式为医护人员提供强大的决策支持。AI Breast通过磁场感应,单晶体线阵探头内置传感器,实现乳腺检查的全跟踪、全覆盖,高效减少漏诊、误诊率。

飞利浦中国创新中心白向晖告诉动脉网:“通过AI Breast这款产品,超声能够知道目前探头的实时位置。在扫查乳腺时,很多医生不能确定有些地方是不是已经完整扫描过了,而AI Breast则可以实时地向医生显示,哪些地方已经扫查过了,哪些地方没有扫查过。”

不过,改进的地方依然存在。“我们目前采用的方法仍然以卷积神经网络为主,侧重于模式识别化,判断肿瘤图像的局部特征与处理肺结节影像比较相似。但在临床之中,医生们并不是仅仅依靠局部的图像特征进行判断,还会根据病灶周边的组织关系进行分析。”白向晖表示,“因此飞利浦也在尝试注意力机制等新式算法,以帮助AI自动分析病灶和周边组织之间的关系。”

在心脏方向,飞利浦同样选择了软硬共同出击。

2020年飞利浦发布的领航CT是首台搭载人工智能技术的智慧心脏CT,可由AI辅助质控,做到高效和标准化的数据采集。从实际看来,该CT减少了66%的扫描定位操作,影像重建加速24%。内置ARAD智能心脏引擎还可以做到一键识别异常的心率。

为什么要将创新落足于心脏?飞利浦考虑的因素有两点,一是解决需求,二是突破技术。

“超高端CT所要解决的重要适应症便是在心脏扫描方面。而心脏扫描对设备的要求非常高,随着更多心脏病患者进入影像科,我们希望能在心脏检查方面做出突破。”飞利浦CT市场部周宁表示,“其次,随着数据的增加,病人的增加,信息量也在增加的同时,而医院的人力资源没有出现本质的增长,这里就产生了一个很大的供需矛盾,因此,我们也希望能解决其中的需求问题。”

从问题出发,飞利浦一方面抓紧硬件,在集成化探测器、光谱单级水冷球管、气垫轴承的基础上加入光谱控制芯片,另一方面,新的设备加入了AI的赋能。两者结合下,该CT能够记录医生每一次扫描患者的球管的压力、曝光时间等数据,并用以辅助下一位患者的扫描。这样的好处在于,球管的寿命将因此极大延长,而CT也将收获更稳定的数据信息源,进而辅助心脏数据的解析。

飞利浦发力的最后一个部分在于危机重症信息化解决方案,包括最新的两款产品:

重症和麻醉临床信息管理软件H版 (ICCA H),该软件是一款具有临床应用深度的危急重症临床解决方案。通过结构化数据库,它可以对离散的数据进行赋能,植入标准化的诊疗逻辑,协助医生快速评估病情与全程质控监测,优化危急重症诊断流程,为挽救重病患者的生命争取宝贵的时间。

飞利浦云海中央信息中心企业版 (PIIC iX Enterprise) 是一款功能强大的院内监护系统,能够连接1024床飞利浦监护和其他厂家多种床旁设备,并集中显示和进行报警管理;可跨科室互联互通,从而实现全院级别的患者数据浏览,不管在何时何地都能了解患者信息;一键转床,转科,患者数据跟随患者自动迁移,可随时浏览从入院到出院的完整患者数据。

但相对于其他两个板块,飞利浦在危急重症的应用还有待深入开发。未来,飞利浦将更多地应用人工智能与物联网技术,将智慧更多地应用于病房之中。

不止于自我发展

尽管飞利浦投入了众多精力于医疗,也做出了各种各样有效的软硬件产品,但医疗人工智能的发展需要多方共同的努力。飞利浦坚信,医疗AI的真正落地与广泛应用,离不开由AI企业、医疗机构以及设备及平台供应商等同道的共同参与,飞利浦本着"开放式"创新的理念,与学术界、创新孵化期、风险投资、初创公司、临床合作伙伴等协同创新,推动本地健康医疗数字化生态系统不断发展,借力中国庞大的数字生态系统,共同为医患赋能。

AI 2.0时代,飞利浦不仅自己做AI,也在扶持创新企业做AI,帮助医生做AI,全面协同多方参与,共同推进行业发展。在多年的努力之中,它已经形成了一套自有的行业推进模式。

飞利浦大中华区整体解决方案中心临床及技术主管周振宇博士告诉动脉网:“飞利浦自己产品化的module现有100多例,但仍然不能覆盖医生们的各类需求,因此,我们也希望能够找到某一场景下从事其中的医疗AI企业,与其合作完善我们的产品体系。”

“到目前为止,我们已经看了超过1100家AI企业,与医学影像类设备关系比较密切的企业不到300家,我们将这些企业分为放射类、放疗类、介入类……最后找到的企业非常有限,因为我们要求这些AI应用必须能够形成一定的场景,而这些场景一定要能解决现在的临床痛点。”

专注于心血管AI的创业公司数坤科技是一个很好的例子,数坤可以解决CT冠脉检查到描述再到出具结构化报告的时间,其降低幅度高达80%,这将有效提升飞利浦的“软硬结合”发展路径。

而为了帮助医生更好的使用AI进行医学影像研究,飞利浦推出了星云探索AI平台ISD,支持解剖学、形态学、影响组学等多数据学科综合研究。

智能解决方案高级科学家怀晓晨告诉动脉网:“医生在科研之中常常会遇到各种问题,比如传统组学分析方法需要在特征提取步骤完成之后由客户自主进行特征筛选。特征筛选以及分类器的工作需要有一定的统计学基础,很多医生并不是这方面的专家,所以我们预设了一系列常用的经典机器学习模型,辅助医生进行影像组学的研究,极大地简化了医生从勾划到最后模型预测的效率,使其可以很快完成一整套组学特征的分析。有了这样一套系统,这样一个流程,我们甚至可以帮助医院建立优质的组学数据库,帮助临床医生迅速迭代模型。”

写在最后

如今正值AI行业的寒冬,飞利浦的责任与使命不局限于自身的发展与落地,医学影像、心脑血管、肿瘤和危急重症四位一体,企业、医生双轮推进,飞利浦正竭尽全力推动AI朝着更好的方向发展。

在近日开展的第二届中国医学影像AI大会上,以刘士远教授为首的医生团队也在积极推进人工智能的发展,并在会上举办了放射影像数据库建设启动仪式。潮流之下,更多医生已经加入到了AI的建设之中。

回到飞利浦,这一巨头将继续数字化创新技术与临床医疗洞察的深度融合,打造数字化及人工智能技术为驱动力的解决方案,帮助医护在院前、院中以及院后为病患提供更精准的诊断、定制化的治疗,以及更高效的医疗服务,最终帮助医疗系统实现价值型医疗的“四重目标”——改善人们健康、提升患者体验、提升医护人员满意度、降低关护成本。

作者:赵泓维

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号