以色列醫(yī)療影像新創(chuàng)公司 Zebra Medical Vision,,利用深度學習構建醫(yī)學照影診斷輔助系統(tǒng),,于 6 月宣布其 Textray 深度學習 AI 研究成果,,該深度學習 AI 可辨識 40 種常見臨床病理發(fā)現(xiàn),,目的希望可以輔助臨床診斷以減輕放射科醫(yī)師的負擔。
胸部 X 光攝影(chest X-ray,,CXR)是最常用于篩檢許多心臟和肺部疾病的放射學檢查,,但也缺乏能夠為 CXR 影像提供快速準確的輔助診斷系統(tǒng)。Zebra 透過手動標記構建一套近 100 萬張的影像研究訓練集,,TextRay CXR AI 在經(jīng)過約 200 萬幅來自正面和側面掃描及臨床報告的匿名醫(yī)療影像數(shù)據(jù)進行訓練,,并建構深度學習模型,目前已可辨識出 40 種不同的常見臨床結果,。
▲ 與放射科醫(yī)師進行比較的 12 項診斷項目與診斷結果,。(Source:Jonathan Laserson et al., 2018)
Zebra 已將 12 項診斷項目與一組放射科醫(yī)師診斷結果進行比較,其中除了肋骨骨折(rib fracture)和肺門(hilar prominence)的影像判讀外,其他 10 項結果與放射科醫(yī)生間具高度一致性,,且在膈膜上升(elevated diaphragm),、肺水腫(pulmonary edema)、主動脈異常(abnormal aorta)的診斷上,,放射科醫(yī)生更同意 TextRay 算法的判讀結果,。
事實上,Zebra 自 2014 年成立以來,,已利用數(shù)百萬張醫(yī)學影像,,并運用其深度學習技術,產(chǎn)出斷層掃描(CT)醫(yī)學影像分析產(chǎn)品──AI1(也稱 All in 1),,該產(chǎn)品已于 2017 年 6 月獲得其 CE Mark,,并陸續(xù)透過于骨密度、壓縮性骨折,、脂肪肝,、冠狀動脈鈣化、肺氣腫等不同用途的 CT 影像輔助判讀,。
Zebra 不斷擴大其 AI1 產(chǎn)品線,,在 2018 年 AI1 也相繼獲得可用于檢測顱內(nèi)出血、不同類型的腦出血及乳房 X 光攝影的 CE Mark,。迄今 Zebra 以深度學習所開發(fā)出的 CT 影像輔助診斷醫(yī)材產(chǎn)品 AI 1 已有 7 項用途獲得 CE Mark,在澳洲,、紐西蘭,、巴西、拉丁美洲和亞洲多個國家也獲得上市核準,。
Zebra 也宣布獲得由 aMoon Ventures 領投 3,000 萬美元的 C 輪融資,,并有 Aurum、Johnson&Johnson Innovation-JJDC,、Intermountain Health 和 Google 首席科學家 Fei Fei Lee 和 Richard Socher 等策略性投資者跟投,,而之前的投資者 Khosla Ventures、NVIDIA,、Marc Benioff,、OurCrowd 和 Dolby 創(chuàng)投資金也加入此輪融資,使公司總投資額達到 5,000 萬美元,。
集邦科技生技產(chǎn)業(yè)助理分析師陳欣儀表示,,AI 在醫(yī)療影像應用的議題近來火熱,其中又以 AI 輔助放射科醫(yī)師診斷影像最受矚目,,但觀看其技術發(fā)展速度事實上并不如市場預期的快,,除了影像設備的多樣性、影像資料完整性、影像在儲存 / 輸出 / 傳輸方式的差異,、格式差異,、如何獲得足夠且有用的數(shù)據(jù)、標記品質(zhì)等問題,,也成為 AI 算法開發(fā)的瓶頸與檢測結果品質(zhì)的挑戰(zhàn),。
Zebra 預計將推出一系列針對肺癌、乳癌,、肝癌,、心血管和骨骼疾病診斷的下一代 AI 算法產(chǎn)品。陳欣儀也指出,,Zebra 正與 Google 合作,,Google Cloud 提供其 AI1 云端技術服務,對于 Zebra 而言,,部署在 Google Cloud 可兼具大量運算與快速分享的特性,,或能更快地擴展其業(yè)務,Google 則可透過云端的附加服務,,提供醫(yī)院更具可擴展性和儲存安全性的平臺,,不僅以此建構具醫(yī)療保健服務的云端平臺,也可與微軟和 Amazon 的云端平臺有差異性的區(qū)隔,。