人工智能赋能医疗

刘鸣谦,任职于卫宁健康人工智能实验室,致力于人工智能在医疗领域的开发和研究,完成了多个产品从零到一的设计过程,同时协助医生,开展基于人工智能技术在关键领域的临床研究,有多个市级、省级课题在研。
议题介绍:随着人工智能技术发展进入深水区,人工智能算法和产品正在切实改变医疗信息化系统的设计,也使人工智能应用的研发和落地过程中,面临多重挑战。

展开查看详情

1.人工智能赋能医疗 卫宁健康人工智能实验室 刘鸣谦

2.提纲 人工智能实验室简介 人工智能赋能信息化系统 AI影像辅助诊断应用进展 成果和案例

3.公司介绍 2016 2011 1月8日正式更名 北京、湖南、湖北、广 “卫宁健康” 1994 东等地设立大区 成立 卫宁互联网科技公司、广东子公司、 进入 四川子公司、广东云医 医疗健康行业 2008 2014 投资 梦天门 股份制改造 并购宇信网景 2002 合并高沧电脑 山西导通 上海天健 2017 2010 2011.8.18 2013 成立黑龙江云医 江苏子公司 深交所 西南大区 2000 2015 成立人工智能实验室 安徽分公司 成功上市 设立 并购复旦金仕达医院 IDC HealthTech TOP 50 2004 成立 新疆控股 并购 浙江万鼎、杭州东联、 事业部、昱普科技 福布斯全球成长型创新企业 上海金仕达卫宁 300253 子公司 深圳医点通、合肥汉思、津 微首佳 排名#38 软件有限公司 成立 成立 成立 黑龙江、重庆公司 参股 好医通、北京天鹏、中 康尚德、钥世圈、纳龙科技 基础医疗软件 区域公卫软件 创新健康服务 医疗人工智能 业务领跑者 技术领先者 市场开拓者 行业创新者

4.涉及的领域 医疗大数据平台 l 临床科研数据中心及大数据平台 l 临床科研探索性分析平台 自然语言处理 医学数据挖掘 l 电子病历后结构化 l 相似病例分析 l 相似病例检索与辅助诊断 l 医疗事件序列数据分析 l 影像报告智能录入与自动生成 医学影像处理 l 基于深度学习及影像组学的骨龄标记识别评估 l 基于弱监督深度学习的胸片14种疾病筛查 l 影像组学分析应用

5.联合实验室 上海交通大学 “上海交大-卫宁健康联合实验室” 大数据底层架构、科研平台、大数据运维等方向

6.合作单位 上海健康医学院 复旦大学 与上海健康医学院签订战略合作协议 共建“健康-卫宁未来医院发展研究中 与复旦大学数学系 心” 达成在人工智能算法优化研究上的 合作 上海健康学院 与合肥工业大学、安医附一和中科院 大学 设立“医疗健康管理”联合研究中心

7.获得奖项 2017 中国大数据 人工智能创新创业大赛第一名 Kaggle RSNA Pediatric Bone Age Challenge 2017 银牌 比赛奖项 Data Science Bowl 2018 年金牌 Kaggle RSNA Pneumonia Detection 2018 银牌 Kaggle Human Protein Classification 2018 金牌(第二名) 其他奖项 上海市科委、经信委、浦东新区科委各类项目 浦东新区科技进步三等奖 2019年度医疗健康人工智能应用落地30最佳案例

8.人工智能赋能医疗 特征相关 语音引擎 性分析 相似病例 机器学习 命名实体 知识图谱 分析 组件 识别 大数据 自然语言 挖掘 处理 个性化治 治疗有效 实体关系 疗路径推 术语匹配 性分析 抽取 荐 风险预测 语义分词 分析

9. 人工智能赋能信息系统 • AI算法为不同的人群提供带有反馈的评价体系、更完整的数据和合适人群的信息推送 • 以胸片AI模型为例 人群 日常需求 系统反馈内容 优势 技师 快速评估胸片摄片质 胸片是否符合质控标 更好的评估院内胸片 量 准 质量 影像科医生 快速生成影像报告 影像读片报告 更高质量、一致好的 影像报告 临床 危重病人(气胸的快 急诊气胸病人快速提 更快速的提醒 速反馈) 醒 科研 根据具体问题的临床 根据具体队列问题的 可重复的时间序列研 研究 模型结果 究模型

10.新一代医院信息化系统 更完整的数据采集 采集数据的完整性和数据的过量 及连续性 存在反馈系统的临床评价体系 不一致的先验知识使团队中的理 解不一致 合适的信息推送机制,提供合适的信息 清晰的临床决策判断 由于数据采集不完整,导致诊断 结果不准确 系统中正确的分析和反应

11.骨龄辅助诊断 自动检测 出重点关 注的左手 X光的关 键腕骨区 域,包括 掌骨、桡 骨、指骨 关节等

12.骨龄辅助诊断 MAE(平均绝对误差): 0.43年,目前行业领先水 平

13.胸片智能辅助诊断及报告自动生成

14.胸片智能辅助诊断及报告自动生成

15.脑出血智能辅助诊断系统 any epidural intrapar intraven subarac subdura average enchym tricular hnoid l al log loss 0.1046 0.0153 0.0441 0.0265 0.0673 0.0854 0.0572 auc 0.9835 0.9595 0.9905 0.9959 0.9768 0.9735 0.9800 F1 score 0.859 0.317 0.836 0.862 0.712 0.72 0.7177 precision 0.862 0.313 0.864 0.868 0.74 0.7 0.7245 recall 0.856 0.322 0.811 0.856 0.687 0.742 0.7123 specificit 0.977 0.997 0.994 0.995 0.988 0.979 0.9883 y

16.人工智能赋能临床科研

17.多病种分析平台

18.谢 谢