今天百科互动给各位分享智云健康午后涨逾5%该组织指的是未来AI赋能医疗的巨大潜力的知识，其中也会对智云健康组织架构进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录：
- 1、人工智能专业主要的课程是什么呀？
- 2、深睿医疗的2018，用AI赋能科室，用科技改变医疗
- 3、AI赋能医疗的背后，临床大数据该如何“跑起来”
- 4、AI医疗“霸屏”红杉健康峰会 数坤AI已获临床高频使用
人工智能专业主要的课程是什么呀？
人工智能技术关系到人工智能产品是否可以顺利应用到我们的生活场景中。在人工智能领域，它普遍包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、AR/VR七个关键技术。
一、机器学习
机器学习(MachineLearning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据(样本)出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。
根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。
根据学习方法可以将机器学习分为传统机器学习和深度学习。
二、知识图谱
知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。不同实体之间通过关系相互联结，构成网状的知识结构。在知识图谱中，每个节点表示现实世界的“实体”，每条边为实体与实体之间的“关系”。通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。
知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。特别地，知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，已成为业界的热门工具。但是，知识图谱的发展还有很大的挑战，如数据的噪声问题，即数据本身有错误或者数据存在冗余。随着知识图谱应用的不断深入，还有一系列关键技术需要突破。
三、自然语言处理
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。
机器翻译
机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程。基于统计的机器翻译方法突破了之前基于规则和实例翻译方法的局限性，翻译性能取得巨大提升。基于深度神经网络的机器翻译在日常口语等一些场景的成功应用已经显现出了巨大的潜力。随着上下文的语境表征和知识逻辑推理能力的发展，自然语言知识图谱不断扩充，机器翻译将会在多轮对话翻译及篇章翻译等领域取得更大进展。
语义理解
语义理解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程。语义理解更注重于对上下文的理解以及对答案精准程度的把控。随着MCTest数据集的发布，语义理解受到更多关注，取得了快速发展，相关数据集和对应的神经网络模型层出不穷。语义理解技术将在智能客服、产品自动问答等相关领域发挥重要作用，进一步提高问答与对话系统的精度。
问答系统
问答系统分为开放领域的对话系统和特定领域的问答系统。问答系统技术是指让计算机像人类一样用自然语言与人交流的技术。人裂穗们可以向问答系统提交用自然语言表达的问题，系统会返回关联性较高的答案。尽管问答系统目前已经有了不少应用产品出现，但大多是在实际信息服务系统和智能手机助手等领域中的应用，在问答系统鲁棒性方面仍然存在着问题和挑战。
自然语言处理面临四大挑战：
一是在词法、句法、语义、语用和语音等不同层面存在不确定性;
二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性;
三是数据资源的不充分使其难以覆盖复杂的语言现象;
四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算
四、人机交互
人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。人机交互是与认知心理做做学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。传统的人与计算机之间的信息交换主要依靠交互设备进行，主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、肆胡卜数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。
五、计算机视觉
计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。
目前，计算机视觉技术发展迅速，已具备初步的产业规模。未来计算机视觉技术的发展主要面临以下挑战：
一是如何在不同的应用领域和其他技术更好的结合，计算机视觉在解决某些问题时可以广泛利用大数据，已经逐渐成熟并且可以超过人类，而在某些问题上却无法达到很高的精度;
二是如何降低计算机视觉算法的开发时间和人力成本，目前计算机视觉算法需要大量的数据与人工标注，需要较长的研发周期以达到应用领域所要求的精度与耗时;
三是如何加快新型算法的设计开发，随着新的成像硬件与人工智能芯片的出现，针对不同芯片与数据采集设备的计算机视觉算法的设计与开发也是挑战之一。
六、生物特征识别
生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看，生物特征识别通常分为注册和识别两个阶段。注册阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以及特征提取技术对采集的数据进行处理，得到相应的特征进行存储。
识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。从应用任务看，生物特征识别一般分为辨认与确认两种任务，辨认是指从存储库中确定待识别人身份的过程，是一对多的问题;确认是指将待识别人信息与存储库中特定单人信息进行比对，确定身份的过程，是一对一的问题。
生物特征识别技术涉及的内容十分广泛，包括指纹、掌纹、人脸、虹膜、指静脉、声纹、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、语音识别、机器学习等多项技术。目前生物特征识别作为重要的智能化身份认证技术，在金融、公共安全、教育、交通等领域得到广泛的应用。
七、VR/AR
虚拟现实(VR)/增强现实(AR)是以计算机为核心的新型视听技术。结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现。
虚拟现实/增强现实从技术特征角度，按照不同处理阶段，可以分为获取与建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与评价体系五个方面。获取与建模技术研究如何把物理世界或者人类的创意进行数字化和模型化，难点是三维物理世界的数字化和模型化技术;分析与利用技术重点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语义表示和分析;交换与分发技术主要强调各种网络环境下大规模的数字化内容流通、转换、集成和面向不同终端用户的个性化服务等，其核心是开放的内容交换和版权管理技术;展示与交换技术重点研究符合人类习惯数字内容的各种显示技术及交互方法，以期提高人对复杂信息的认知能力，其难点在于建立自然和谐的人机交互环境;标准与评价体系重点研究虚拟现实/增强现实基础资源、内容编目、信源编码等的规范标准以及相应的评估技术。
目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由交互和感知融合四个方面。在硬件平台与装置、核心芯片与器件、软件平台与工具、相关标准与规范等方面存在一系列科学技术问题。总体来说虚拟现实/增强现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适化的发展趋势
深睿医疗的2018，用AI赋能科室，用科技改变医疗
“AI和医生的关系，不是谁代替谁，而是相互提升、赋能医疗。”这是深睿医疗CEO乔昕的态度，也是深睿医疗未来发展的目标。
对于深睿而言，2018年是不平凡的一年。成立仅一年的深睿在这一年中完成了第三轮融资，其融资总额多达到3亿，创下行业融资速度之最。随着技术与资金的共同助力，深睿成功跻身人工智能头部，成为医疗人工智能研发中不可缺少的一股力量。
作为医疗AI企业中最年轻的公司之一，深睿在短短时间便成为影像AI最具能量的企业，其研发实力在整个行业名列前茅。是人才赋予了深睿灵魂？还是数据锻造了其力量？深睿走来的路径值得深究。
生命科学的从业者需要历练
医疗不同于其他行业，其庞大的知识结构要求从业者进行长时间的经验积累。深睿医疗CEO乔昕20多年西门子医疗影像事业部的从业经验让他能够深刻认识企塌搏业发展中每一阶段的真实需求。
乔昕表示：“在这一阶段，人工智能的能力来源于人；是人通过勾画、编程等方式，将人脑中的智慧一步一步植入软件之中——其核心仍是人。所以，深睿最核心的优势来源于人才。”
“从成立之日起，深睿便把人才放置于核心位置。经过一年的发展，我们的研究院已经多达80人，其中的领军人物俞益洲教授近日当选为2018 ACM杰出科学家，并入选2019年度 IEEE Fellow。在他的带领下，深睿研究院日益强大，不断地为深睿的发展提供不竭动力。”
深睿医疗CEO乔昕在2018世界人工智能大会上发表主题演讲
研究院的其余成员同样是行业之中的佼佼者，其智能专业模型算法团队由北京大学、中科院、斯坦福大学的博士及高级科研人员组成，70%的成员曾在ICCV AAAI CVPR等顶级会议上发表文章，此外，团队还拥有众多在医疗跨国公司工作多年的影像专家和管理专家。
以技术奠定优势
在外界看来，深睿似乎没有很频繁的曝光，他更像一位持续修炼内功以求厚积薄发的隐士。深睿将更多的气力放在了技术研发方向，而技术的迭代更新往往不易被外界轻易察觉。正是因为这样的发展方式，成立仅一年6个月的深睿，已经推出了7条AI相关产品线，肿瘤、卒中、乳腺、影像云……深睿将人工智能产品切入了各类中国发病率最高的病种。
来自一线医生的频频好评帮助深睿递交了2018年的完美答卷。在2018年12月China Daily改革开放40周年的特刊中，深睿医疗与阿里、吉利 汽车 作为民营企业代表，展现了中国民营企业从全球智能转型趋势中抓住机遇，凭借自主研发的技术与国际竞争对手展开了激烈竞争的魄力。
但即便是坐拥7条产品线的深睿，也不过只在人工智能医疗上打开了一个小口子，开拓的领域只是冰山一角。这意味着，这里存在着巨大的空间等待着深睿去发掘，人工智能领域隐藏的市场意味着我们很难评估深睿究竟有多么大的潜力。
因此，在新的一年中，深睿的核心力量将兼顾已有产品的升级与全新病种的突破。虽然现有的产品已经得到专家的广泛认可，但AI技术仍有极大的进步空间，深睿医疗拥有一只在行业内首屈一指的核心算法团队，这是深睿科研力量的源泉。
同时，深睿时刻将创新视为其运营的核心。乔昕认为：创新是一个企业想要长久生存下去的不竭动力，是决定企业存亡的生命线。只有持续推出产品，才能在市场之中取得先发优势，消运并在未来AI技术成熟之际突出重围，占据战略高地。
探索 未知
时至今日，深睿医疗新一轮的融资也在筹备之中。乔昕表示：“在未来的融资与发展之中，我们不会轻易接受投资人的邀请，而是需要考虑投资机构的战略布局，了解投资人能给深睿带来什么战略价值。”
截至12月，深睿已经将其人工智能的产品落地到了近300家医院。深睿的产品不仅仅应用于三甲医院，基层医院同样是深睿以AI技术去普惠更多的人民的主要场景。同时，体检机构也是深睿合作的重要方向，而其合作已在近期有着重大的进展。
对于体检这一应用场景，乔昕认为：“体检和诊断是两个不同的场景：拿衫梁诊断更注重‘分析’，而体检仅注重‘查出’。但这并不意味着体检降低了AI技术的算法要求，实际上，体检人口基数庞大，而不同疾病的体检要求也不同。为了保证体检的成功率，我们必须做更多的研究，去保证其体检结果的有效性，这实际上提高了我们的技术要求。”
“当然，其核心仍在于技术开发。这对于深睿并不是问题，深睿拥有一只冲击一切困难和解决一切技术难题的团队，这是深睿的核心竞争力。”
难以衡量的价值
医疗AI企业的估值一直是一个难题。在没有明确商业化路径的情况下，很多企业只能通过总市场大小以及可能的市场份额去估算未来可能存在的盈利空间，甚至不能达成未来现金流标准的共识，所以，由不同的估值方式带来的估值常常会出现较大差异，即便是提交相同的数据，数据本身也缺乏标准化的流程。因此，现阶段的估值很难到达一个精确的数值。
一个常用的方式是通过寻求同一领域企业的估值去判断现有企业的估值是否合理，尽管仍存在较大的误差，但也存在一定的参考价值。以把计算机视觉作为核心技术的智能驾驶为例，行业的普遍估值在10亿美金之上，大多数企业估值在11亿至20亿美金之间。
专注于医疗领域的人工智能企业估值普遍偏低，估值作为一个企业发展标志性的指数，代表这企业发展阶段，作为一个参考指标，很多企业核心价值比如雄厚的科研实力，以及巨大发展潜力等这些都无法在估值上体现，而深睿医疗这个方向上具有非常大的潜力，非常高的可提升空间。
此外，AI技术在医疗领域的应用仍处于飞速发展阶段，不断拓展着新的疆域。未来，AI可能运用于病理、运用于手术、运用于康复，所有未来场景的逐步实现，都将为已有的AI企业迎来更多价值——他们赢在了起跑线上。
作为AI医疗企业的头部，深睿既拥有人才优势以支撑可持续发展，又拥有政策、资本等外部资源的支持，这些财富都将在未来引领深睿不断前进，Deeper and Wiser。
*文中图片由受访企业提供。
文 | 赵泓维
微信 | qq850860074
添加时请注明：姓名-公司-职位
后台发送关键词即可获得相关好文
网站、公众号等转载请联系授权
国外巨头布局
近期推荐
AI赋能医疗的背后，临床大数据该如何“跑起来”
19世纪，英国流行病学家、麻醉学家约翰·斯诺运用近代早期的数据科学，记录每天的死亡人数和伤患 人数，并将死亡者的地址标注在地图上，绘制了伦敦霍乱爆发的“群聚”地图，霍乱在过去被普遍认为是由有害空气导致，斯诺通过调查数据的汇总，确定了霍乱的元凶是被污 染的公共水井，并同时奠定了疾病细菌理论的基础，这算是大数据运用的早期雏形之一。
斯诺大概不会想到，在近两百年后，大数据的应用早已不再是偶然，随着医疗卫生信息化的迅速发展，其通过与AI的结合在生物医药研发、疾病管理旁余、公共卫生和 健康 管理等方面的渗透已逐渐常态化，但问题也相应地随之凸显。
信息孤岛仍存
近两年，关于医疗大 健康 数据的政策频出，从顶层设计、具体规划指导、数 据隐私和安全、数据管理等多个方面提出了相关的指导意见。
2016年6月，国务院办公厅下发《关于促进和规范 健康 医疗大数据应用发展的指导意见》指出，鼓励各类医疗卫生机构推进 健康 医疗大数据采集、存储，加强应用支撑和运维技术保障，打通数据资源共享通道，加快建设和完善以居民电子 健康 档案、电子病历、电子处方等为核乱握心的基础数据库。
2018年9月， 国家卫生 健康 委印发《国家 健康 医疗大数据标准、安全和服务管理办法（试行）》，对医疗 健康 大数据行业从规范管理和开发利用的角度出发进行规范。《办法》从医疗大数据标准、医 疗大数据安全、哗启庆医疗大数据服务、医疗大数据监督四个方面提出指导意见，直击目前医疗大数 据领域的痛点，未来对数据的统筹标准管理、落实安全责任、规范数据服务和管理具有重要意义。
然而，即使有专项政策的支持，但都限于宏观层面，相较于其他成熟领域而言， 健康 医疗大数据领域的法律法规依然存在明显的滞后性，缺乏比较全面、细致、明确的指引和规则，使其的发展受到严重制约。虽然现阶段，已有很多企业在医疗大数据领域进行深耕布局，但受制于市场准入和产业政策的不确定性，目前尚在摸着石头过河，市场热情和活力并未得到充分、有效地释放。
复旦大学上海医学院生物医学研究院教授刘雷认为，正是医疗大数据政策的不明朗，标准的不统一，也直接导致了各个系统之间难以进行数据交换和信息共享，产生了大量的“信息孤岛”。举个简单的例子，患者在A医院拍的片子到了B医院却不认，B医院的医生想要了解患者的信息则需要从零开始，患者曾在A医院做的检查需要在B医院重新再来一轮，“想要打通医疗机构间临床大数据资源的共享通道，至少在现阶段是一件挺困难的事情。”刘雷表示。
相似的困扰也发生在相距超过一万公里之外的美国，华盛顿大学医学院信息研究所所长Philip Paynes在接受医谷采访时表示：临床大数据间的彼此“孤立”给国家医保机构、患者和医院都带来了负担，实现大数据间的互通互用，是全世界范围内都在着力解决的问题。
作为两所顶尖大学的知名研究学者，刘雷和Paynes想在临床大数据领域做一些努力和尝试。
两人共有的想法迅速得到了学校层面的大力支持，2019年7月26-29日，由复旦大学医学院和圣路易斯华盛顿大学医学院联合授课的“应用临床信息学和数据分析研修班”进行了第一次开班。
复旦大学生物医学研究院教授、复旦大学大数据研究院医学信息与医学影像智能诊断研究所所长刘雷授课
据刘雷介绍，此次研修班得到了业界人士的积极响应，在第一届学员中，来自医院、医疗企业、高校各占了三分之一，“就是纯粹地想把对临床大数据分析和感兴趣的业界人士聚集在一起，通过共有的努力，能把临床大数据的有效运用更推进一步。”
圣路易斯华盛顿大学医学院信息学研究所主任Philip Paynes授课
“希望通过这种国际化的合作，能让临床大数据在医疗机构间甚至跨国间真正地’跑’起来多一种可能性。” Paynes说道。
各自所做的 探索
而在这种可能性之前，刘雷和Paynes各自所在的研究机构均已做了大量的工作。
据悉，刘雷所在的复旦大学上海医学院生物医学研究作为一家致力于创建“中国第一、世界一流的生物医学交叉学术研究机构”，已经在生物医学交叉学科领域形成“代谢与肿瘤的分子细胞生物学”、“医学表观遗传学”、“系统生物医学”三个优势方向，并正在努力拓展转化医学研究和精准医学研究，包括老年医学、肿瘤和心血管疾病、出生缺陷、靶点结构与活性小分子、组学和大数据、生物治疗与干预，形成新的交叉学科生长点和下游技术。
另悉，目前，复旦大学上海医学院生物医学研究还在申请一个超算中心的建设项目，以该项目来支撑生物学大数据的研究，“复旦大学有包括中山医院、华山医院、仁济医院等17所附属教学医院，这其中有一些医院也在做自身的临床大数据中心，从研究所层面，希望能够给他们提供一些人才培养和技术研究的有力支持。”刘雷表示。
Paynes所在的华盛顿大学医学院信息研究所则是华盛顿大学所有大数据计划的中心， “我们拥有世界上最好的基因组研究所和最具生产力和影响力的基础科学研究企业”，在医学信息技术方面的能力非常强，但在大数据的整合方面还有待加强。”而这也成了Paynes担任华盛顿大学医学院信息研究所第一届所长之后重点开展的工作。
自Paynes上任后，首先将研究所与旗下15所附属教学医院进行了打通联动，从临床大数据的收集到整合再到挖掘，最后到应用，铺设了一条全链式的临床大数据之路。
在Paynes看来：研究所下属的15所教学医院简直就是大数据来源的宝藏，这15家在全美医疗机构中排名比较靠前的医院每天产生大量的临床数据，依托这些已有的临床数据的回顾性研究，是分析研究疾病最基本、最重要的研究方法之一，通过将这些海量的临床数据进行统计分析，分析的结果又将反过来为医生临床诊疗全过程提供疾病共享的发病及治疗总体情况信息，帮助医生科学决策，实现精准医疗。
“我们的梦想是不仅仅是利用临床大数据帮助患者，而是希望这些临床大数能渗透到他们的生活和工作，甚至休闲 娱乐 ，通过大数据的分析能够把他们患病的概率降到最低，让人们能一直保持 健康 的状态。” Paynes对医谷展望道。
未来发展构想
在刘雷、Paynes和其团队所做的大量临床数据整合的工作中，由于各自旗下拥有多所强大的教学医院，数据的来源已不是问题，然而，摆在他们面前更为现实的问题有两个，一是要解决多模态临床大数据的选择问题。临床大数据来源多样，是一种多模态数据，其包括有结构化很好的数据，比如化验单、处方；还有一些半结构化的数据，比如住院小结、出院小结；还有完全无结构化的数据，比如医疗影像；还有像基因测序这样的组学数据；以及时间序列数据，比如ICU里会看到患者插着各种各样的仪器测量血压心率脉搏等各种流数据。
怎样从这些不同模态的数据里面选出需要的数据，刘雷表示他们，他们需要的更多的是结构化很好的临床数据，为了得到这部分数据，会通过一定的技术平台会对数据进行一定的清洗，从中选取高质量的有效数据。
这个问题解决后，还有一个临床大数据一直以来绕不开的一个争议--安全和隐私问题。
对此，刘雷表示，依托现有的技术，目前收集的临床大数据基本都能做到“不出院”，这在一定程度程度上很好地保证了数据的安全性。Paynes也指出，美国对于医疗大数据有很严密的保护法规，患者的关键隐私数据，如姓名、住址、电话、身份证号等进入数据管理的时候必须要打马赛克，同时对数据进行强加密，数据即使被泄露也是不可解密的，对所有的数据访问（谁什么时间能访问什么）都要有一套严格的访问控制，通过这样的方式来保证数据安全性。
当技术的问题已不再是问题， 这意味着临床大数据和AI的结合会变得更为完美，因此，刘雷和Paynes更多希望监管层能在未来对基于大数据训练的AI能进行更多关于有效性和安全性方面的评估，也就是审批准入要做到严，同时，还要加强公众对医疗AI的认知，不管AI发展到多么先进的程度，总归存在一定的局限性，它永远不可能替代医生，只能是医生的一种辅助诊断工具。
尽管还有一段路要走，但对于临床大数据和AI的搭配，刘雷和Paynes都充满信心，至少在他们现有开展工作的规划里，“应用临床信息学和数据分析研修班”能最终逐步发展为一个硕士人才培养项目，为临床大数据和人工智能培养更多专业人才。同时，基于两个研究机构现阶段开展的工作，有天能实现跨国界的汇聚统一，可以把所有的临床大数据统一在同一个模型上，建立一个类似于联盟数据一样的联合体，这对于数据的整合和应用就会变得游刃有余。
【凡本网注明来源非大 健康 Pai的作品，均转载自其它媒体，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。】
AI医疗“霸屏”红杉健康峰会 数坤AI已获临床高频使用
“我们看到一个交叉点正在兴旺地发展智云健康午后涨逾5%该组织指的是未来AI赋能医疗的巨大潜力，就是IT和BT（生物技术），其融合速度超过 历史 上任何时刻滑销缺。”在2021红杉全球医疗 健康 产业峰会上，红杉资本全球执行合伙人沈南鹏分享了自己对AI医疗智云健康午后涨逾5%该组织指的是未来AI赋能医疗的巨大潜力的看法。
当前，人工智能技术逐渐成熟并在医疗 健康 领域不断取得突破，人工智能结合医疗影像、辅助诊断、赋能新药研发等应用场景不断落地。AI医疗行业热度提升，2020年我国AI医疗领域投资达到64.09亿元，同比增长141.9%，就连腾讯、阿里、华为等 科技 巨头亦纷纷入局。
更让人欣喜的是，AI医学影像在医疗 健康 领域不断获得商业化成功。数坤 科技 联合创始人兼CEO马春娥在峰会上透露，数坤 科技 的AI产品已经被三甲及基层医院的临床医生高频使用，数坤正在努力扩大AI产品在基层医院的使用范围，帮助更多基层患者尽快享受到更优质的医疗服务资源。
未来已来AI+医疗引领数字医疗新趋势
新兴技术与医疗 健康 产业正在加速融合，资本市场也正向创新型医疗 科技 公司敞开大门。因此，AI医疗也成为了此次峰会的重头戏。
“在医院空间中，早期应用环境智能可使得临床工作流程更加有效，并提升重症监护室和手术室中的患者安全性”斯坦福大学教授李飞飞认为，对于未来的居家场景来说，大多数老年人的大部分时间会在家里度过，而AI传感器将能够帮助老年人的日常生活更加独立，并通过日常数据的收集进行慢病管理，以及身体康复的治疗。
在李飞飞教授关于AI医疗话题的完美开场下，华为、腾讯、百度、数坤 科技 、科大讯飞等国内人工智能领先企业，将“AI+医疗”的未来趋势讨论推向高潮。
世界卫生组织数字医疗技术咨询委员会专家、腾讯医疗副总裁吴文达认为，AI影像现在已经供不应求了，提高了很多医生的工作效率。
科大讯飞医疗总裁陶晓东也认为医疗AI在本质上还是服务医生和患者。“人工智能已经在很多领域展现出价值，包括辅助诊信辩断、影像以及患者和医生的精准匹配等。未来，AI会在越来越多的场景下展现它的价值，帮助到患者和医生。”
“AI和医疗的结合，将有潜力提升整个医疗产业链上不同环节的效率，从基因组学的研究，到疫苗和药物的筛选研制，到临床的辅助诊断”华为云人工智能领域副总裁袁晶如是表示。
在数坤 科技 联合创始人兼 CEO马春娥看来，医疗资源的稀缺、分布不均衡等现实存在的问题让很多人看不上病，而AI技术的美感正在于让每个普通人，都能够公平享受到医疗服务，这也是AI医疗企业的使命，希望数坤 科技 未来在智慧医疗里做最大的贡献。
解决痛点 数坤AI获临床医生高频使用
对很多创业企业来说，AI在医学诊疗领域的应用面临着互联网巨头的竞争，但是能够在医疗领域真正实现商业化落地的企业并不多，数坤 科技 无疑是最早实现临床价值的一家AI企业。
几年前马春娥看到市场上出现的产品同质化程度高，集中在肺结节、糖网的筛查。她坚信，长期获得商业化成功的只会是临床价值很大的产品。2020年底，数坤 科技 获得全球首张心脏冠脉狭窄AI医疗器械三类证，便已经迅速部署在了全国600多家医院。
此外，国内大部分的AI影像产品都是基于二维医学图像研发辅助诊断产品。而数坤 科技 则在构建数字人体的思路下，相继构建了“数字心”“数字脑”“数字肺”“数字腹”等产品。
马春娥介绍，数坤 科技 在构建“数字心”时，首先把断层的片子重建，用三维立体方式建立完整心脏，医生能做进一步诊断。这不是心脏里某一个斑块的检测，医生需要做很多工作。
马春娥表示，数坤团队从以上的认知出发，首先把器官数字化，例如在做头颈产品时，先把头颈整个解剖结构数字化，之后模拟影像科医生的诊断思路在结构里找异常，对异常做定性、定量的分析，最后写出一个报告，这可以符合影像医生工作的思维模式。
“所以当我们的数字心部署到临床日常工作之后，医生们都非常喜欢，我们沿着这个思路又做了数字脑及其智云健康午后涨逾5%该组织指的是未来AI赋能医疗的巨大潜力他产品，”马春娥说，“病灶的检测是技术角度上相对简单的任务，但它能够提供一定的价值，我们思考的是如何能够把产品的价值做深，做临床医生特别喜欢的产品，尤其是解决心、脑这样复杂场景的更多诊断。”
临床医生们喜欢数坤斗槐AI的另一大原因是，AI的介入重构了影像诊疗的工作流程，从扫描影像到结构化报告，可以从以前的两三个小时缩短到现在的两三分钟，这让临床医生大大节省了时间，也让更多患者减少了排队时间。
AI落地 更多普通人享受优质医疗
解决了临床医生的痛点，商业化自然水到渠成。
马春娥表示，去年数坤的心血管AI诊断产品获证后，很多医院愿意自主采购，也有另一些医院在与大设备的供应商协商采购合同时希望设备商搭配数坤的产品，由医院进行采购。越来越多的设备厂商主动与数坤开始战略合作，数坤不需要逐单销售产品，而大设备的厂商标配数坤AI产品也能提升其价值，给客户更好的解决方案。
马春娥表示，数坤希望实现每一个影像都可以成为AI辅助生成的报告，每一个手术都可以由AI产品为它做辅助的手术规划。而商业化只是量变到质变的过程，更多普通人也将更快享受到优质的大三甲医疗资源。
为了实现这一目标，数坤 科技 迅速部署渠道下沉，不断将AI推进到基层县域医院。
据人民日报 健康 客户端报道，去年12月，江苏省兴化市人民医院于去年12月底引进了数坤 科技 研发生产的数字脑、数字心、数字肺人工智能影像系统，经过两天的装机培训之后，医院影像科的医生们就能够熟练运用该系统对患者进行智能诊断。
该医院CT室主任刘兴明表示，“医院引入数坤 科技 的冠脉和头颈CTA的人工智能辅助诊断系统后，对于提升医疗效率和质量很有帮助，如今每天都在临床高频次使用。而有些疑难杂症，患者们对我们的诊断还不太放心，当听到是人工智能和医生共同出具的报告之后，患者们反而消除了疑虑。”
把患者留在家门口，把影像医生从繁琐的阅片中解放出来，把三甲医院医生的经验带到基层，AI有效提升了基层医院的诊断能力，让分级诊疗制度能够真正在基层医院和患者当中扎根落地。
如今，数坤AI已经成为许多医生不可或缺的医疗诊断工具，与医生端和患者端形成了高度粘性关系。而这种被依赖性和高黏度性，更是投资机构们最为关切的投资决策依据。去年12月28日，数坤 科技 完成新一轮5.9亿元人民币融资，该轮融资由红杉资本中国基金领投。去年数坤 科技 累计完成近10亿元融资，一跃成为AI影像领域的领头羊。
关于智云健康午后涨逾5%该组织指的是未来AI赋能医疗的巨大潜力和智云健康组织架构的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
