|
近年來，“AI+醫療”成為科技賦能醫療行業的熱點方向，在影像識別、醫藥器械等方面實現了諸多落地探索。醫學影像AI研發的顯著特點之一是需要不同的學科和行業交叉協作，發揮各自的專業與優勢，共同來完成創新。然而實際中，醫療機構、科研院校、科創企業普遍面臨數據來源少、標注太耗時、缺乏適用算法、產學研結合難等痛點，醫療影像AI創新仍然屢屢遭遇“卡脖子”的情況，全行業亟需更具系統性和綜合性的研發和轉化解決方案。 作為醫療健康領域的“數字化助手”，騰訊近日對旗下一站式醫學影像智能服務平臺——“騰訊覓影開放實驗平臺”進行了全新升級并開放注冊。通過高效數據管理、簡易算法設計、靈活算力配置、安全權限管理、便捷項目觸達以及快速合作互聯等多個方面的提升優化，平臺打通了從影像數據脫敏、接入、標注，到模型訓練、測試、應用的全流程服務，構建起數據全生命周期管理閉環。 以騰訊公有云為強有力基底，平臺通過影像數據和業務流程的互聯互通，從數字化“工具箱”升級為SaaS服務平臺，與全行業形成長久連接關系，助力打破醫療影像AI產學研協同創新壁壘，有望提升科研成果在臨床的轉化落地效率。 升級一站式全生命周期數據管理 算法設計也如同搭積木般簡易 影像檢查是最常見的醫療環節之一，每天都會有大量的影像數據在醫院產生。有研究統計，超過90的疾病診斷數據來自于醫學影像，其對臨床治療的指導意義不言而喻。這座“數據寶藏金礦”日益雄厚，隨之產生的是愈加復雜的醫學影像分析和處理要求。AI技術應用的出現，適時地為輔助醫學技術的研發提供了新動力。比如，在新冠疫情爆發后，CT影像的AI輔診技術成為了識別新冠肺炎的重要手段，有效提升了一線醫療影像檢查診斷效率。 AI技術若想在醫療影像領域不斷開花結果，仍需解決很多實際問題：醫療機構有大量高價值的影像數據，也有很多科研需求，但苦于數據標注工作太耗時；科研院校產學研合作和轉化需求旺盛，但缺乏訓練數據且算力資源有限；企業希望能將新產品真正轉化落地，但亟待解決AI算法學習成本高、研發投入大等問題。此外，基于醫療數據管理的復雜性，國家陸續出臺了《關于印發加強網絡安全和數據保護工作指導意見的通知》等多部法規條例，要求加強對醫療數據的產生、傳輸、存儲、使用、共享、銷毀等全生命周期管理，更是增加了醫療影像AI科研的壓力和難度。 對此，騰訊覓影開放實驗平臺基于騰訊強大的技術和連接能力，在AI研發中扮演了專業“工具箱”的角色，創新性地集數據中心、算法中心、應用中心、管理中心、合作中心五大功能要素于一身，為全行業提供“開箱即用”的一站式數據管理服務。一方面，用戶可在平臺上將數據上傳、存儲、可視化、標注、統計、增刪改等不同階段、不同操作歸攏到一起，數據上線后即可完成整個項目的流程；另一方面，通過多層級權限、操作記錄可視化、數據與模型公共倉庫等管理手段，有效防控風險的同時，滿足全流程數據處理以及行業合作需求，輕松實現數據全生命周期的有效有序管理，讓影像數據得以不斷流動到不同的階段，釋放出價值。
騰訊覓影開放實驗平臺全面升級 算力、算法和數據是人工智能的三個要素。數據本身并不意味著價值，要釋放出價值，就必須進行有效的分析、運用。AI科研成果要在一個場景中的落地，從數據的算法開發設計、訓練、集成往往要經歷專業而漫長的過程，另外，算力配置不同也會影響成本與周期。 為幫助行業提高AI算法開發效率， 同時滿足用戶對算力的不同需求，升級后的開放實驗平臺秉承“化繁為簡”的理念，為用戶提供了簡易的算法設計方式和靈活的算力配置。基于騰訊智能鈦機器學習平臺，用戶可以對算子進行拖拉拽搭，將人工智能算法的不同步驟實現“積木式”集成，即可完成可視化的算法設計與驗證的全流程，無須再親自寫代碼。另一方面，平臺支持影像組學和常用深度學習算法網絡，支持算法研究機構接入自研算法，支持notebook模式，并匯聚不同類型影像的AI識別算法模型、業內常用算法、靈活的算力配置以供用戶選擇，方便各行業借助全套AI訓練模型驗證自身在醫學中的概念，快速生成應用，極大地降低了使用門檻，也為用戶節省了高昂的算法學習成本。
科研題目的算法驗證從寫代碼簡化成疊積木 加速產學研一體化互聯合作 讓醫療影像AI成果“從實驗室到病床旁” 醫療科研工作之間需要經常協作，醫療影像AI的研究也是如此。目前，醫療影像從業人員的分布極為廣泛，他們來自不同行業，涉及臨床醫療、醫學影像檢查、數據科學、統計學、信息管理學等領域，這些人才在工作中通常需要發揮各自的長處和經驗，以及學術背景優勢，以合作的形式來完成各項數據分析，發掘醫療影像數據的價值，從而形成對臨床醫學的支持。 然而，醫院、高校、企業各方長期以來在產學研過程中，經常受找不到合適的合作對象，科研需求無法對接臨床需求，難以完成科研成果產品化等問題的困擾，一項醫療影像AI產品，要想從實驗室走到病床旁，中間困難重重。 基于此，騰訊覓影開放實驗平臺希望為醫療影像AI跨行業合作，不斷提供新的解決思路與路徑。開放實驗平臺作為騰訊公有云的SaaS服務，實現了有網絡的地方即可訪問項目和數據，并且進行人工智能算法訓練。同時，通過云儲存、合作中心、數據技術中臺等功能，可實現數據和業務流程的互聯互通，與全行業形成以SaaS服務為核心的長久連接關系，如同打開水龍頭就能用水一樣，讓不同的科研需求、轉化需求在平臺上輕松找到合適的合作對象，促進院內院外的協同創新，縮短科研課題與產品研發的對接與打磨時間，提升醫學AI生態的整體研究能力，加速完成醫療影像等人工智能產品的開發和落地。
開辟醫療影像AI科研協同新路徑 古有書同文、車同軌以奠定社會一統的基礎，在醫療影像的數據世界里，往往也需要通過標準化、通用性強的分析和統計方法對數據進行管理，使不同行業對數據分析過程和結果達成一致理解。騰訊覓影開放實驗平臺面向各行業，提供了從數據脫敏、接入、標注，到模型訓練、測試、應用的多種數據統計分析工具和全流程服務，以滿足不同機構的數據處理需求，化解各行業在醫學影像AI研發中所遇到的問題。其中僅數據標注一項，平臺就支持多種類型標簽靈活配置，包括信息標簽、分類標簽、檢測標簽、分割標簽；同時支持多種數據標注方式，例如矩形檢測框、多邊形分割、自由筆勾畫，滿足不同項目中標注及標簽需求。此外平臺支持靈活的標注權限配置，可以配置標注、審核、仲裁等權限，滿足不同標注流程及標注規范，幫助各種類型研究人員更好、更全、更細的掌握數據的多樣性信息。 除了醫療影像AI 領域的研究，開放實驗平臺還在不斷擴展基于SaaS體系的服務邊界。因應藥監局新政策要求中心影像評價，開放實驗平臺提供了一套在云端的數據標注分析系統，用以藥物的臨床實驗評估，助力減少實驗誤差，提高藥物研發工作的效率。 本次騰訊覓影開放實驗平臺的升級，是加速建設醫療影像AI產學研新生態的全新實踐，將通過開放AI應用開發技術能力，進一步降低醫療影像AI科研的門檻與困難，讓更多的創新者參與到行業中來，探索人工智能在醫療影像中的多元化應用場景與價值。 |
- 關注天氣:
