以人工智慧輔助醫學影像診斷，肽積木致力醫療資源平衡

隨著2016年IBM Watson在醫療健康領域勢如破竹般地進軍，人工智慧在與醫療結合的維度獲得了廣泛關注。

作者｜又田

編輯｜楊靜

網址｜www.xtecher.com

微信公眾號ID｜Xtecher

現在，所有人都開始意識到：人工智慧有潛力解決一些醫療領域的日常問題。由於醫療資源不平衡，醫生有大量重複性的腦力勞動，其作為一個重災區亟待解決。

AI在醫療方面的作用可以分為兩個維度：

第一，提升醫生效率。醫生讀一名患者的檢查片通常需要花費10-20分鐘，某些特殊領域的醫生甚至需要花費兩三小時。如果用機器代替醫生進行預處理就會節省下來這部分時間，提升看病效率。

第二，提高醫療資源利用率。在北上廣這類醫生數量較為密集的城市可能不會出現資源短缺的現象，而在部分地方縣市的基層醫院、社區醫院等，醫療資源十分短缺。拿眼科舉例，根據2016年的調查數據，全國眼科醫生僅有3.6萬人左右，分佈到各基層醫院則更加少。

正是看到了這個領域的空缺，肽積木創始人CEO柏文潔選擇從眼底閱片切入，以人工智慧輔助醫學影像診斷。目前在糖網病的篩查診斷上，肽積木已經完成了產品化。

肽積木創始人CEO柏文潔

據了解，約有1.1億名糖尿病患者，約佔成年人總數的1/10。約1/3糖尿病患者（約3700萬）患有糖尿病視網膜病變，其中有1/3（約1200萬）面臨失明的風險。目前國際上糖尿病性視網膜病變，根據其嚴重程度分級為輕度非增殖性糖尿病性視網膜病變、中度非增殖性糖尿病性視網膜病變、重度非增殖性糖尿病性視網膜病變和增殖性糖尿病性視網膜病變，臨床診斷以眼底照相與眼底熒光血管造影為主要手段。糖尿病患者應及時並定期接受眼科檢查，儘早發現病變，及時治療。

技術上，肽積木獨創了PL-NET（基於局部信息的深度識別網路）運算元，將深度網路應用於病灶識別標記、病程判斷及病理分析。

產品上，推出了人工智慧輔助閱讀醫療影像平台，同時構建了醫療大數據人工智慧訓練平台，另外，面向C端客戶的人工智慧眼底讀片APP也已經正式上線。

醫療影像診斷機器人是一款面向不同醫療機構的低成本高效輔助閱片工具，利用人工智慧技術，可實現秒級精準閱片，並可根據影像結論實現疾病診斷、分級診斷、病灶標識、病例自動生成、治療方案建議及病情發展預測等全環節的診療輔助工作。

醫療大數據人工智慧訓練平台，包含數據的整合清洗、標記平台的標記、機器人快速訓練、標準介面應用四大模塊。在實現對醫療影像及標註數據的高質量採集的同時，可開放給從業醫生進行數據標註並訓練成輔助診斷的機器人，輔助科研成果形成。

面向C端客戶的APP，病人可以根據自己在醫院進行相應檢查得到的圖像，上傳至肽積木的APP快速獲得患病等級及病灶分析，即獲得第二意見。近日這款產品已在手機安卓版上線。

C端APP展示圖

肽積木的產品完成的是標記+診斷+病歷生成的整套邏輯：系統自動劃分結構、標記病灶，自動編寫病例，描述病情，並根據歷史數據，推薦治療方案。其優勢在於，對於病灶的尋找更為精準及病理分析更加人性化、易溝通。在眼底照片灶點區域，支撐判斷。據了解，目前肽積木在眼底診斷上的準確率達91%，精確度達97%，13~15秒內可以完成一張眼底圖片的病灶標記，同時還有較好的泛化能力。

「這是一項端到端的技術，更符合臨床需要。」柏文潔告訴Xtecher。

目前，肽積木採用B+C的商業模式，在B端與一些三甲醫院、基層醫療機構合作，通過上傳眼底照片機器快速得出結論，輔助醫生決策。而面向C端市場，相當於手機診所，病人上傳底片獲得檢查報告。柏文潔表示，未來肽積木也將持續探索針對C端的增值服務。

另外，肽積木通過與B端各大醫療機構合作及C端用戶數據，獲得30多萬張的醫療影像，包括從公開數據集中拿到20多萬的影像及標記，通過深度脫敏及反覆加工這些數據，肽積木在這些數據集上完成人工智慧的初步訓練，目前可在13-15秒內完成一張病灶標記，整體上包括病歷生成、病灶判斷、分級都不會超過30秒鐘。作為對醫生，尤其是頂尖醫生的輔助支撐，肽積木人工智慧最大限度的提升了醫生的效率。

「我們把糖網病作為人工智慧進入醫療領域的切入點，下一步肽積木會將人工智慧輔助診斷技術向更多場景發展，如青光眼、白內障的檢測以及X-光胸片、胸部CT等檢測。」 柏文潔說道。

目前肽積木團隊10人左右。創始人兼CEO柏文潔畢業於中科大化學系，曾是知名大數據公司信柏科技、時趣互動核心創始成員，也曾供職於埃森哲任諮詢顧問。今年1月，肽積木已經完成天使輪融資。

柏文潔告訴Xtecher，「希望通過人工智慧輔助醫學影像診斷，更高效、快速的幫助更多醫生與患者，這是肽積木不變的目標。」

了解更多最新最in的科技資訊，請關注Xtecher官網（www.xtecher.com）及微信公眾號（Xtecher）。