官方微博
关注微信公众号 关注微信公众号
  • 本月热门标签:

当前位置: 主页 > 时事政治 >

2018人工智能医疗盘点:科研突破,巨头发力,产业联合,资本依旧

2018-12-04 18:56 - 织梦58 - 查看:
作者丨天一10月31日,在中共中央政治局第九次人工智能发展现状和趋势集体学习会上,新一代人工智能再次引起国家

10月31日,在中共中央政治局第九次人工智能发展现状和趋势集体学习会上,新一代人工智能再次引起国家领导层关注。

近年来,医疗健康逐渐成为中国人工智能落地商业化的前沿阵地之一。智能医学影、AI药物研、虚拟助手、健康大数据等不断变革、突破、创新,AI技术与应用日渐融合。

2018年,医疗人工智能依旧热度不减,而贝壳社作为行业的见证者和推动者,也见证者行业的惊喜和蜕变。这一年,医疗人工智能取得了哪些科研技术突破,产品的应用落地又解决了哪些痛点,资本凛冬下,医疗人工智能市场融资情况究竟又是怎样一番面貌?

踩着2018年的尾巴,我们从科研、产业、融资三大角度,全面复盘这一年医疗人工智能的重大事件。

科研

全球首创突破,多维度优化医疗流程

医学智能影像热度不减,技术走向落地

AI首次生成完整细胞3D模型,有望为癌症患者提供定制的治疗方案

为了全面了解每个细胞应对疾病的完整过程,美国西雅图生物科学研究所——Allen

Institute,使用人工智能创建了人类细胞的第一个完整3D模型。该模型全方位展示了人类体内典型诱导性多能干细胞(hiPSCs)的外观和结构,可以近距离展示癌症和其他疾病对个体细胞的影响。通过向AI提供癌细胞的数据和图像,研究人员和医生可以更全面地了解细胞及其各个组成部分是如何受到癌症影响的,从而帮助每个患者量身定制其疾病的治疗方案。

3D打印技术打印出全球首个人工角膜,有望解决全世界角膜捐赠短缺难题

英国纽卡斯尔大学研究人员通过干细胞中提取研发的“生物墨水”,用3D打印技术打印出了世界上首个人工角膜。该全新技术意味着,这项全新的技术在未来可以确保无限量的角膜供应,如果在未来数年间投入应用,全球1500万患者有望重见光明。研究人员称,该3D打印角膜目前尚无法用于移植,但未来有望解决全世界角膜捐赠短缺的难题。

无需活检,AI可以从CT图像预测免疫疗法效果

《The

Lancet

Oncology(柳叶刀肿瘤学)》上的一项最新研究发现,人工智能可以通过分析CT图像获得个体化的“放射学特征(radiomic

signature)”,预测患者对免疫疗法的反应,而无需进行活检。该回顾性研究通过基因组学,组织学和临床分析,验证500名不同实体瘤患者的放射学特征。为了测试实际应用效果,研究人员使用该算法评估了在五个参加免疫疗法1期试验的受试者,分析治疗之前的CT扫描图像。结果发现,放射学评分较高的患者在3-6个月时的治疗效果较好,并且总体生存率更高。

科学首次证明,CNN作为人工智能或机器学习形式比专业皮肤科医生更能准确诊断皮肤癌

5月28日,发表在ANNALS

OF

ONCOLOGY上的一项研究中,研究人员开发了一个深度学习卷积神经网络(CNN),并通过展示10万多幅恶性黑色素瘤和良性痣的图像来识别皮肤癌。在CNN与58位国际皮肤科医生的“PK赛”中,CNN比皮肤科医生更少漏诊黑素瘤,误诊良性黑素瘤的几率更低。这是科学家们首次表明,CNN作为人工智能或机器学习形式比有经验的皮肤科医生更能准确诊断皮肤癌。

Insilico发布深度生成对抗网络(GAN)最新研究成果

9月11日,将深度学习应用于靶标识别、药物发现和抗衰老研究的下一代人工智能公司Insilico

Medicine,发布最新研究“使用纠缠条件性对抗自动编码器进行从头药物发现”。该研究描述了一种原创深度神经网络结构——纠缠条件对抗自动编码器(ECAAE),能够基于对分子特性的各种要求产生分子结构,如对特定蛋白质的活性、溶解度和合成的简便性。2014年,Ian

Goodfellow博士提出的生成对抗网络(generative

adversarial

networks,GAN),被称为“AI想象”,是AI研究中最激动人心的领域之一。Insilico

Medicine是将GAN架构应用于生成新型分子结构的领先公司之一。

斯坦福吴恩达团队公布最大医学影像数据集,4万张为人体上肢端的X光片

1月19日,斯坦福吴恩达研究团队开源了含有4万张人体上肢端的X光片的数据集MURA,并用这个数据集训练CNN寻找并定位X光片的异常部分。为了加快X光片的诊断速度,近日(1月19日),最后,该模型在手指和手腕X光片中的诊断表现优于放射科医生。根据研究,全球现在超过17亿人的肌肉骨骼都出毛病,每年大概有3千万的急诊病例。

斯坦福大学:基因组学和机器学习成功预测动脉瘤风险

根据《细胞》杂志,斯坦福大学科学家开发了一种利用基因组学和机器学习来预测腹主动脉瘤(AAA)的方法。斯坦福大学的科学家们开发了一种利用基因组学和机器学习来预测腹主动脉瘤(AAA)的方法。研究过程中,团队不是试图将疾病与个体基因突变联系起来(如测试BRCA1或BRCA2突变以预测乳腺癌风险