Aldoc Medical：利用AI技术简化放射医生的工作流程，产品已获CE认证

2018 年 4 月 13 日 动脉网 胡宇

21世纪，人工智能成为医学领域面临的一些重要问题（包括医学成像，临床决策，药物输送与监测等）的新兴解决方案。

在某些情况下，人工智能在需要快速判断的诊断（如确定是否有异常的病变）挑战中胜过人类医生，2017年12月美国医学会杂志的一项研究表明，深度学习算法比长期工作在该领域的人类放射科医生更快地诊断出转移性乳腺癌，对于很多急诊病人来说，诊断时间的长短与直接生死挂钩。

人工智能已经进入了世界各地的医院，为医生和病人提供各种各样的服务。

医学影像科现状——CT、MRI扫描图像多，医生少

现代医学诊疗中 CT 和 MRI 发挥着越来越重要的作用，医生和患者对其的需求也在持续增加，再加上人口老龄化愈演愈烈，加速了需求的增长，然而，专业医疗影像人才的培养速度远远达不到需求的增加速度，在某种程度上来说，其数量已经趋于稳定，各地人员配备无法得到满足，降低诊疗效率。

放射科医生（分析医学扫描图像如X光、磁共振成像等）使用医学成像技术收集和查看患者相关信息，分析并诊断病人的情况。一般的放射科医师每天要检查数十个病例，其检查的顺序通常是由扫描完成的时间决定的。

而实际上，病人病情的严重程度却和扫描完成时间没有任何关联，如果贻误了病人的最佳诊治时间，其后果不堪设想。

虽然如今人工智能还无法取代医生，但已经有很多研究证明了人工智能在辅助医生就医诊治方面发挥着不可磨灭的作用。在

医学成像领域，人工智能和计算机视觉技术可以用来进行医学扫描和成像分析，为放射科医生和其他临床医生提供方便。

一个在这个领域运作的创业公司是AIdoc Medical公司。该公司由首席执行官Elad Walach、首席技术官Michael Berginsky、研发副总裁Guy Reiner和耶鲁大学放射科医师Gal Yaniv于2016年共同创办。

Elad Walach将AIdoc描述为一个可以在医学扫描中发现视觉异常的医学人工智能公司。

AIdoc公司团队涵盖了多位深度学习专家和放射学家，利用计算机视觉技术，从医疗成像领域切入，利用深度学习技术辅助医生进行成像分析，从而提高放射科医师的诊疗水平和诊疗效率。

Elad Walach表示： “我们想要为时间的本质增加价值——因为节约时间可能意味着挽救生命。”

Aidoc利用深度学习来改进放射科医生的工作流程

用人工智能完全取代医生并不现实，不过这种新技术的确能够为提高医疗行业效率做出贡献。

Aldoc技术/产品——为医学影像诊断量身定做的深度学习技术

Walach：“在以往多次与放射科医生的谈话中了解到，美国放射科医师难以逾越的一个巨大鸿沟是在极短的时间内需要处理大量的扫描成像图像。这样的压力可能会带来灾难性的后果，如医生误判导致错误的治疗方案。我们意识到，这将是我们团队的入手点和突破点。”

为了解决这一问题，AIdoc采用了基于深度学习的新人工智能技术，专门为医学图像量身搭建了一个图像分析和诊断平台，利用一般方法找到一些异常行为，该平台针对的是不同类型的疾病而不是某单一病例。

其主要技术原理如下：

通过大量的深度学习，AIdoc 的 AI 系统除了能在短时间内完成分析外，精确度也会得到进一步加强。

对于放射科的医师们来说，AIdoc 的 AI 系统也是对放射科医师们工作流程的一次优化，即区别于以往的先有影像结果再分析的工作流程，在 AI 系统的帮助下，在进行 CT 或 MRI 等扫描过程中，系统第一时间就能发现并标记异常状况，通过不同异常程度确定优先级。

例如，当Aidoc的算法检测到扫描中的异常时，此次扫描结果可以被向上提升，向放射科医师展现扫描结果中最关键的部分，为其检查的重点做了精确的定位。

因此，放射科医生只需要做他们最擅长的一件事——分析疾病，做出决策，大大缩减了医生寻找异常病变和做出决策的时间，为病人争取了最大化的诊治时间。此外，该平台会继续对未出现异常的部位进行再检查。

基于上述理论技术，该公司已经开发出一套用于放射学家的支持系统，帮助他们提取接收到的大量扫描图像的核心信息，简化医学影像诊断工作流程。

AIdoc的PACS（影像存储与传输系统）及工作列表桌面小程序（对输入的病例进行优先级排序）

从不同解剖部位综合分析患者不同数据类型

目前为止，Aidoc主要研究部位集中在头颈部（这是医学成像的一个主要区域），利用深度学习全面检测头颈部成像异常情况，不仅加快了放射科医师的工作流程还能增加结果准确性，为创伤病人带来了福音，因为对于他们来说，时间就是生命，一分一秒都极其重要。

在美国，洛杉矶的Cedars-Sinai医疗中心在2017年初评估了Aidoc的解决方案。根据该公司的说法，试验取得了积极成果。

Cedars-Sinai 医学中心成像主任兼美国放射协会会员的Barry Pressman博士说：“在我们的临床试验中，Aidoc的技术已经证明了它在简化放射学家工作流程方面的能力，因为异常的扫描可以被优先考虑，并得到更加仔细的检查。我的过往经历让我相信，这项技术有潜力大幅提高我们放射学医生的工作效率和准确性，帮助我们发挥最佳水平，这对于医生和病人来说都是一场革命性胜利。”

尽管该系统目前仅限于美国的研究使用， Aidoc正在朝着获得美国食品及药物管理局（FDA）的批准而努力着，希望2018年能在美国成为完全商业化的产品。

芝加哥医学院的医学博士Paul J. Chang： “Aidoc结合临床相关的深度学习和深度集成工作流等技术，成为为数不多的能够为放射学家提供真正价值的人工智能公司之一。”

公司发展与融资情况——多方向发展，分析处理多种异常疾病

作为一家公司，就要创造真正的价值。技术应该服务于医学，帮助医生更有效的工作，而Aidoc的创新满足了医生真正的需求。

2016年，公司刚创立不久就在Geektime的第九次年度Techfest创业竞赛中，打败一群优秀的竞争对手，荣获第一名。

2016年10月1日，AIDoc获350万美元种子轮融资，由Magma Venture Partners领投；
2017年1月26日，AIDoc获得一批未披露金额的非股权援助；
2017年4月26日，AIDoc医疗公司完成了由以色列风投公司TLV Partners领投，Magma Ventures 和 Emerge跟投的700万美元融资，AIDoc计划利用新融资扩大其核心研发团队、客户服务团队以及在美国和以色列的营销团队。

TLV Partners的联合创始合伙人Rona Segev说： “人工智能在技术上的进步和在数据上的开源，加上现今社会对数字技术的通用，使得AI技术在多个传统行业都能得到广泛应用。我们很高兴能与AIdoc一起踏上征程，利用人工智能去捕捉巨大的医学影像诊断市场。”

Aidoc的技术可以对放射工作流程产生重大影响，为整个卫生保健系统提供更有成本效益的治疗方案。2017年11月， Aidoc宣布获全球首个CE认证的商业头颈部深度学习医学成像解决方案，至此打开了整个欧洲市场，在欧洲实现商业化。

在竞争对手方面，Elad Walach称IBM（美国国际商用机器公司）Watson Health是其最大的竞争对手，但他谈到：“虽然Watson Health公司也是在做一件很了不起的事，但和我们公司的侧重方向不一样。IBM想要做的是利用他们的人工智能技术自动完成整个分析链。但要想做到这一点，必须把注意力集中在某个特定的疾病上，从某种意义上说，他们在一条非常狭窄的道路上走得很远。我们赞赏他们选择的那条路，但我们瞄准的却是另一个不同的市场。我们的目标是成为放射学家的支持伙伴，帮助他们处理海量的图像信息。”

该领域另一家公司是Zebra Medical Vision，该公司主要关注的是对偶然数据的回顾性分析，帮助保险公司发现异常病人，在后期可能需要接受额外的治疗。

相比之下，AIDoc提供更基本、更广泛的服务。

放射科医师通过分析扫描来获得报酬，任何能给他们提供帮助的产品都会赚很多钱，AIDoc的业务模式是直接销售给放射科部门，使用软件即服务模型，客户通过购买许可证并每年支付费用（该费用是全包的，用户无需支付额外的安装或服务费）获得软件使用权。

Elad Walach ：“我们明白，全世界无数病人受到多种病症的折磨，对于我们来说，要想真正有所作为，就不能只针对一两个病症，我们必须要做到更全面，利用我们的技术为更多人解决他们面临的难题。”