请选择 进入手机版 | 继续访问电脑版

Discuz! Board

 找回密码
 立即注册
查看: 554|回复: 0

推想科技发布零编程可视化AI学者科研平台

[复制链接]

2

主题

2

帖子

8

积分

超级版主

Rank: 8Rank: 8

积分
8
发表于 2019-3-28 20:08:14 | 显示全部楼层 |阅读模式
  3月26日,推想科技在北京发布AI学者科研平台——InferScholar Center,将推想领先的人工智能基础设施与强大的科研服务能力相结合,为更多的医生提供零门槛的AI科研能力,让医者皆可AI。借助InferScholar Center,医生可以快速将深度学习(Deep Learning)*、影像组学(Radiomics)** 以及文本数据处理相关的前沿技术应用到自己的临床科研实践中。

  医生需要更智能、更易用的临床科研助手
  随着医疗信息化水平的提升,医疗设备的升级,医疗数据无论从数据量、数据产生的速度或是数据种类,一直保持高速增长。以医疗影像数据为例,每年都保持着30-40%的增长率。大数据颠覆了临床、科研对医疗数据的利用方式,能否让海量医疗数据发挥最大的医学价值,成为关键所在。
  此外,医疗工作者的时间和精力都极为宝贵,高强度的工作节奏、临床与科研的双重压力,占用了他们绝大多数的时间。《中国医生生存现状调研报告》显示,77%的医生曾一周工作超50小时,更有24.6%医生曾一周工作超过80小时。传统的信息技术产品都需要医者花费更多时间和精力去学习和使用这些工具,更何况基于大数据的AI模型的处理和运用,这对医者更是一个巨大的挑战。
  现在,越来越多的医学研究者不仅希望使用AI产品,也希望结合自身的医疗大数据和临床经验优势,进行AI方面的自主临床研究。然而,从事深度学习和影像组学研究往往需要具备扎实的代码能力,以及全面的数学、统计、计算机工程基础,甚至还需要认知科学的理论常识,形成这样跨学科的知识体系往往需要多年的系统化训练,也成为了深度学习和影像组学研究最高的门槛,从一定程度上限制了深度学习和影像组学作为新一代医学大数据分析方法论在不同学科领域的传播与推广。绝大多数医疗机构缺乏进行深度学习及影像组学研究的基础设施和专业人员。于是,更加智能化、简单易用的临床科研助手呼之欲出。
  零编程、可视化,全流程强安全覆盖的AI基础平台
  InferScholar Center可提供临床科研全流程的可视化操作,并且预置了先进与丰富的深度学习模型和影像组学算法,医学研究人员无需进行任何代码编程即可开展AI医学研究。当然,InferScholar Center也支持创建、修改、编辑模型源代码的功能,使具备代码基础的研究人员可依据个性化需求编辑预置模型代码或创建全新模型。

  在挖掘医学大数据价值的同时,数据的安全性同样重要。InferScholar Center充分考虑了医学临床科研的安全性需求,采用软硬件一体机的方式,直接交付到医院,并且可以在与互联网完全隔离的环境中工作,可以做到数据不出院,保证了医院所有的科研数据、模型算法、研究成果均无泄漏风险。
  此外,推想科技两大科学家团队——全球临床科研合作学院(iCR)和先进研究院(iAR)将围绕InferScholar Center,为平台上的医疗科研人员提供基础模型以及临床研究的各类开发、培训、辅助等服务。推想科学家团队成员有的在医学临床领域有深厚的积累,还有掌握最领先的人工智能技术、并颇具建树的年轻科学家,两者密切配合,依托InferScholar Center展开以临床客户服务为核心的科研工作,将最前沿的人工智能技术应用到临床研究,从而覆盖医学临床科研的全流程,与用户共同挖掘临床科研价值。
  想医所想,为医生提供专属临床科研AI
  推想科技AI学者科研平台——InferScholar Center是一款集软、硬件一体的医学人工智能专用设备,可用于医学影像大数据管理与分析、数据标记、深度神经网络模型构建、影像组学特征提取、组学特征分析与机器学习模型构建等研究。它可应用于X线、CT、MRI、PET/CT、病理切片、消化内镜等多种影像数据深度学习与影像组学建模。除医学影像数据外,InferScholar Center同时还能够合并利用临床结构化文本信息,研究各类医学命题。

  医者可通过InferScholar Center构建专属AI进行研究,为AI注入医学“温度”。医学专家可自主选择孵化AI的数据、模式、逻辑、参数等,将让AI更加契合医疗业务特性,并从临床角度获得更多科研成果。InferScholar Center所孵化的AI,不止是一个独立的、冷酷的、陌生的机器,而是医者可驾驭、可理解的助手。其模型研究和孵化工具,可广泛应用于肿瘤、心血管、神经系统、呼吸系统等疾病影像检查的智能化、精准化研究,尤其是对于疾病早期诊断、治疗监测、预后预测的影像人工智能研究具有重要价值。
  格物致智,迎接医学健康全面进步的新时代
  自成立以来,推想科技始终以推动医学进步,造福人类健康为己任,用人工智能为医学诊疗赋能。截至2018年12月,推想科技智能AI产品已累计与全球300+大型医院合作。现在,推想科技推出InferScholar Center,就是希望将领先的人工智能基础设施和卓越的AI科研服务能力开放给更多的医院与医生,通过其零门槛的易用性激发医者的主动性,让全球各地的医者可以按照自己的需求,进行自主的临床和研究实践,加速AI在医疗领域的应用进程。
  格物致知,是医学研究必需的品格;格物致智,是医学研究通往未来的方向。疾病种类繁多,人类与疾病的斗争延续了千年,虽然现代医学大幅改善了人类的健康状况,但由于其博大精深,不计其数的医学专家将毕生精力奉献于此。若医学专家均有能力、有设施进行AI原创性研究,可以借助AI的力量节约大量精力和时间,大幅提升医学大数据宝库的挖掘效率,我们就有可能迎来前所未有的医学健康全面进步的新时代。
  注:
  *深度学习(Deep Learning)是通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。它试图建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据。目前,深度学习已成为医学影像大数据挖掘和分析的主流人工智能方法。
  **影像组学(Radiomics)是将医学影像内包含的所有信息提取出来然后进行综合系统化分析的方法。影像组学采用自动化算法从影像的感兴趣区(ROI)内提取大量的特征信息作为研究对象,并进一步采用统计分析或机器学习方法(如支持向量机、决策树、贝叶斯算法等)从大批量信息中提取出起作用的关键信息,用于疾病的辅助诊断、分类或分级。


回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|小黑屋|网赚论坛货源网 ( 皖ICP备15003055号-1

GMT+8, 2019-4-20 03:02 , Processed in 0.067177 second(s), 23 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表