拥有三家公司的他用AI探索放射学里的人与机器!

本文作者:李雨晨

导语:技术并不缺乏炒作,深度学习在快速变化。一定的空间内,深度学习技术可以在许多行业派上用常

总部位于美国旧金山的新兴企业Enlitic创立于2014年,种子轮获得了200万美元融资。2015年10月,澳大利亚的医疗图像诊断服务公司Capitol Health宣布采用 Enlitic 的恶性肿瘤检出系统系统。这是 Enlitic 公司的系统首次被采用。同时, Capitol Health 对 Enlitic 出资1000万美元。

了解到, Enlitic 公司是一家深度学习的公司,致力于革新诊断性医疗。 Enlitic 的人工智能算法由多学科、国际知名数据科学家、机器学习从业者和医学专家组成的基础设计,连续两年蝉联MIT Technology Review杂志评选的全球人工智能公司第35(2015)和第14名(2016)。

该公司专注于人工智能辅助诊断工具,以医学图像、诊断书、临床试验为数据基础,着重提升放射科医生的工作效率。其开发的系统主要针对医疗图像扩充数据库, Enlitic 软件可以插入到医疗机构已经在使用的系统当中,从而分享或查看医疗图像,让医生不必自己费劲查找相关图像数据。

Enlitic 的创始人兼首席执行官杰里米·霍华德表示,希望通过这种方法挖掘医疗数据,并给医护专业人员提供易于使用的应用程序。

X 光片要识别出恶性肿瘤难度颇高

雷锋网查阅资料得知,就 X 光片为例,据美国疾控中心(CDC)估计,每年美国大约有1210万人接受乳腺 X 光检查,但根据美国癌症协会(ACS)统计,其中差不多有一半都有“假阳性”嫌疑,也就是一半的健康女性会被告知他们得了癌症。大量女性为了确信度选择接受乳腺活组织检查(每年160万人左右),而其中的20%都属于健康女性,同时活检结果正确率也只有60%-80%。

X 光照片的分辨率通常在百万级别,恶性肿瘤的尺寸却仅占数十位像素。从相对比例上来看,要分辨出恶性肿瘤具有相当高的难度。

放射科医生并不都认为机器是有用的,因为计算机辅助诊断(CAD)并不好用。霍华德说,这种模型可以捕捉影像中的斑点,但经常错误显示为阳性。因此医生们常常觉得辅助软件工具很傻,Enlitic要做的是改变这种观念。

他是一个闲不住的人

Enlitic的创始人兼首席执行官杰里米·霍华德是 Enlitic 、 FastMail 、 Optimal Decisions Group 三家科技公司的创始人兼 CEO,是大数据竞赛平台 Kaggle 的前主席和首席科学家,是美国奇点大学(Singularity University)最年轻的教职工,是在2014达沃斯论坛上发表主题演讲的全球青年领袖,他在 TED 上的演讲《The wonderful and terrifying implications of computers that can learn》收获了近200万的点击…

显然,他是一个闲不住的人。为了让深度学习技术被更多的人理解和使用,杰里米·霍华德近期又创立了一个名为 fast.ai 的技术分享平台。该平台不但免费提供关于深度学习技术的系列视频教程(例如由杰里米·霍华德本人讲授的“Practical Deep Learning For Coders”),同时也可以直接帮助从业者和用户开发简单快捷的软件产品。

Enlitic 的癌症检测系统 肺癌检出率超过医生

从 X 光照片及 CT 扫描图像中找出恶性肿瘤的图像识别软件是利用深度学习的方法之一 “Convolutional Neural Network(ConvNet,卷积神经网络)”开发的。 ConvNet 对放射技师检查过有无恶性肿瘤及肿瘤位置等的大量医疗图像数据进行机器学习,自动总结出代表恶性肿瘤形状等的“特征”以及重视哪些特征能够判断有无恶性肿瘤等“模式”。 ConvNet 将找出的模式应用于新的医疗图像,便可知道图像中是否存在恶性肿瘤。

据此前悉尼先驱晨报的报道, Enlitic 凭借深度学习技术超越了4位顶级的放射科医生,包括诊断出了人类医生无法诊断出的7%的癌症,以及在人类医生高达66%的癌症误诊率的情况下,Enlitic的误诊率只有47%。