FDA批准首個X光檢查系統的AI
根據昨天CNBC的報道,通用電氣(GE)公司宣布FDA已經批准了其人工智慧 X 射線設備。該設備能夠使用人工智慧演演算法掃描X射線圖像檢測氣胸,將常規所需的
8 個小時減少為不到
15 分鍾。氣胸是一種潛在致命的疾病,也被稱為肺塌陷,在美國每年大約發生
7萬多例氣胸。
GE
Healthcare (GE醫療)是通用電氣公司旗下的子公司,它和醫學名校加州大學舊金山分校(等同於加州大學醫學院)的科學家一起合作,開發和訓練了這款能夠檢查氣胸的AI。該公司還表示,它正在努力把AI用於檢測其他的健康狀況。
GE Healthcare是個百年老店。以Victor電器公司的牌子成立於1895年10月,剛開張時只有一間30平方米的地下室和6名員工。然而該公司卻抓住了2個月後新發現的X線這個商機。
大家都知道,1901年倫琴因為發現X射線而獲得了第一個諾貝爾物理學獎。
當倫琴於1895年12月28日完成了他的關於「一種新的射線」
的初步報告后,Victor電器公司很快就嗅到了X射線的商業開發用途,它馬上調整方向開展X光放射業務,並於1896年就推出了它的X光機。X光的發現和X光機的問世於1896年也在某些醫院催生了最早的放射科。
從此該電器公司不斷擴充組合,並於 1920s年被通用電氣公司收購合併成為GE的分公司,1930年更名為通用電器X射線公司(GE
X-Ray Corporation)後來又幾度擴大改名,發展為現在擁有5萬多員工的GE Healthcare。此次它又想借X光系統的AI登峰造極。
除了GE Healthcare外,高端醫療器械的其它巨頭Philips和Siemens以及網際網路的巨頭Google,
騰訊和阿里等等也在進軍醫療AI。
據報道,Google的 DeepMind聯合英國某眼科醫院開發了AI眼底篩查技術,該AI能夠在30秒內識別出糖尿病視網膜病變,
高血壓眼底病變,老年性黃斑,青光眼等一系列眼底疾病.
現在所拍攝的CT影像的肺結節的識別,一個成熟的影像醫師需要5分鐘以上閱讀一位患者的300-500張圖像做出診斷,人工智慧只需要幾秒鐘。而「AI+醫生」的雙重閱片機制也使得漏診率大大減小。
美國NIH國家癌症研究所(National
Cancer Institute)的Mark
Schiffman團隊積累了9000名婦女宮頸檢查和長達18年的隨訪信息,一直在尋找一種更為精確地檢查宮頸癌癌前病變的方法。然而,他們自己的分析卻不盡人意。
後來他們和蓋茨基金會合作,使用卷積神經網路(convolutional
neural network)的AI來分析宮頸照片。他們首先使用資料庫中70%的信息來讓AI進行機器學習,然後使用AI去診斷剩下30%的病例。結果機器學習能夠以91%的準確率將健康組織,癌前病變和癌症區分開來,而常規細胞學的準確率只有71%。
斯坦福大學曾報道使用近13萬張皮膚病臨床圖像訓練卷積神經網路AI對皮膚病變進行分類。 結果發現一種演演算法可以對照片中的病變包括惡性黑色素瘤和癌變進行分類。經機器學習后AI的診斷的準確率達到了91%,這達到了訓練有素的皮膚科醫生的水平。
連被稱為醫學的金標準或最後診斷的病理診斷,也有AI頻頻光顧。現在已經發現AI對某些癌症指標診斷的準確度和病理醫生的相匹配。可以預料,未來將有更多的AI進入醫療領域。
主要參考資料
https://www.cnbc.com/2019/09/12/ges-health-unit-wins-first-fda-clearance-for-ai-powered-x-ray-system.html
https://en.wikipedia.org/wiki/GE_Healthcare
Hu L et al. An Observational Study of Deep Learning and Automated
Evaluation of Cervical Images for Cancer Screening. J Natl Cancer Inst. 2019
Jan 10. doi: 10.1093/jnci/djy225
https://doi.org/10.1https://www.kuaaa.com/ai/WiseMedical/1701.html093/jnci/djy225
https://artificialintelligence-news.com/2019/04/01/deepmind-first-product-eye-diseases/
Esteva A. et al. Dermatologist-level
classification of skin cancer with deep neural networks, Nature volume542,
pages115–118 (02 February 2017)
Coudray N et al. Classification and mutation prediction from
non-small cell lung cancer histopathology images using deep learning.
Nat Med. 2018
Oct;24(10):1559-1567