人工智能时代前沿技术社区

首页 > 人工智能 > 热点

人工智能技术在互联网医疗中的应用

客户需要的是服务,他们不关心技术,不要为了技术而技术。

作者: | 2020-03-01 16:40:29

一、业务模式

我大致划分了一下:

1、ToB:针对药企,做信息化管理(外勤、研发、生产……)

2、ToH:针对亿元,做院内信息化(院内系统、互联网医院……)原来是孤岛,现在流行起来。里面也会涉及到人工智能可以解决的问题。

3、ToG:针对政府,做区域信息平台(区域协同、数据中心……)比如,医院数据共享。

4、ToD:针对大夫,做医生集团(高端私服、飞刀)

5、ToP:针对病人,轻问诊,OTC(在线问诊,药品递送)

 

我们公司主要是ToG的,重点讲一下这块。

我们的模式:ToG

1、目标:将区域内所有的医疗机构链接起来,包括省市、乡镇、诊所,实现数据共享,业务协调。真正实现起来其实比较复杂,尤其是公立之外的医院,涉及到隐私、历史等问题。

2、连接:设立一个虚拟中心,打造一个星形网络。

3、共享:各医院开放各种接口,进行数据的增删改查;

4、协同:远程影响、心电、超声、病理、会诊、转诊……;

5、问题:病例数量大,专家资源匮乏,如何进行快速“初诊”?

二、案例分析

 1583052218979997.png

不是专业的其实没有任何感受,实际上,医院这种黑白片子很多,但是最常见的是前三种,但是各自特点不一样,有些像素值非常高,有些像素范围特别广,有些是动态的视频图。

任务一:疾病分类(演示)

1、解决思路:先通过二维卷积提取特征,然后再做分类。

2、参考模型:AlexNet GoogleLeNet VggNet ResNet

任务二:病灶检测(演示)

1、解决思路:通过物体检测算法,将病变类型和区域找出来

2、参考模型:RCNN系列、YOLO系列、SSD系列…… mmdetection工具箱

——案例分享(序列类数据)

 image.png

  image.png

任务:疾病分类(演示)

1、解决思路:通过思路:通过一维卷积或是玄幻神经网络提取特征,然后再做分类。

2、参考模型:Conv1D,LSTM

——案例分享(文本类数据)

 image.png

任务一:关键信息提取(演示)

1、解决思路:序列标注问题

2、参考模型:IDCNN+CRF、BILSTM+CRF、BERT+CRF……

三、个人感悟

1、数据集比算法宝贵,比如说让你做一个任务,这个任务看上去太简单,什么网络都可以拿过来用,算法是开源的,但是数据集是核心资产,很麻烦,这是决定项目生死的。

2、有数据,不见得就可以构建一个非常实用的“数据集”,仅仅识别正常的没有罕见病例,就会有一些问题;

3、定期总结、分析“难例样本”,累计一个优质的“数据集”,需要回访、定期分析,累计,反复累计升级。

4、最新模型,可以先用上,看实际效果,然后再去研究理论。人工智能行业非常活跃,很多模型每年刷新,这些模型要去跟,但是要先看效果,有帮助的话先去用,再去研究理。

5、机器学习算法是解决问题的最后选择,优先选择传统算法。机器学习不是万能的,机器学习的代价比较大,特别是数据集的构建,做项目的时候要灵活去看。

6、客户需要的是服务,他们不关心技术,不要为了技术而技术。