清翼 AI医疗领域再添重磅玩家，「清影」将AlphaGo Zero应用到医学中

近两年来，AI医疗领域备受资本市场关注，尤其是今年下半年，推定科技、马图神威、易慧汇英等企业先后完成了B轮融资。国内高端医学影像设备制造商UIH今年也投资3亿元人民币成立人工智能子公司，进军医学人工智能领域。此外，腾讯的《寻影》和阿里健康的《医生你》都是在医学影像智能辅助诊断系统上布局的。

今年8月，人工智能医疗行业新增成员，青鹰医疗科技有限公司正式成立。据了解，青鹰医疗团队主要由国内斯坦福大学、密歇根大学、芝加哥大学、清华大学的人工智能团队组成。虽然公司成立还不到半年，但团队核心成员从事医学人工智能领域的研发已经有两年左右的时间了。

目前，青鹰医疗有限公司正在与国内多家三甲医院合作进行产品开发和检测，并已推出医学影像和病理分析方面的相关产品。其中，乳腺癌、肺癌等疾病的智能辅助诊断系统已经比较成熟。未来，青英医疗将进一步拓展AI在基因组学数据分析和药物挖掘方面的应用。

多模式数据分析，从筛选、诊断到治疗建议

庆应医疗产品的研发路径和很多类似的公司一样，选择了从医学影像领域入手。70%的临床诊断依赖于医学影像。随着人口的增加，老龄化的加剧，收入水平的提高，带动了医学影像市场的扩张。但是，需求的上升对应的是医疗资源的短缺。医生在看片子时，由于疲劳或水平限制，容易漏诊、误诊。因此，人工智能在节省医生时间和提高效率方面发挥了作用。

当然，仅仅提高筛查水平并不能真正满足医院的需求。因此，除了CT、MRI等影像外，青影医疗还添加了病理、电子病历等数据，形成多模态数据分析，辅助临床科室进行诊疗方案推荐，从而形成了从筛查到肿瘤分级分期到治疗方案推荐的全过程智能辅助系统。

具体来说，目前青鹰医疗开发的系统中有几个典型代表:

1.青翼智能医学分析平台

通过与中国医学科学院肿瘤医院的合作，青影医疗开发了基于云的大规模医学影像信息分析平台“青翼智能医学分析平台”，整合高分辨率病理切片、MRI、CT、超声等医学影像，提供完整的临床信息、诊断方案记录、患者随访追踪信息，从而为乳腺癌的精确治疗提供大规模多维度的结核病医学信息库订单。

2.青云智能病理分析系统

庆应医疗联合斯坦福大学医院、北京协和医院、中国医学科学院肿瘤医院等医疗机构，通过对大量临床乳腺病理切片的深入研究和分析，开发了一套用于乳腺癌病理切片图像多层特征分析的计算机辅助诊断系统“庆应智能病理分析系统”。系统的病理诊断功能可以丰富当前病理诊断的结构，为病理学家提供快速准确的病理定量信息反馈，准确定义疾病的多层信息。

3.青峰三维超声智能诊断系统

基于大量乳腺癌三维超声样本数据，青莹开发了“青峰三维超声智能诊断系统”。三维超声智能诊断软件通过测试后，加载到超声设备中，使三维超声设备在扫描和检测过程中自动分析乳腺癌的诊断，进而开发出一体化的三维超声智能诊断设备。三维超声自动诊断软件系统和三维超声智能设备将为患者提供一个早期、方便、无创的乳腺癌筛查检测系统，从而提高乳腺癌检测的覆盖率和早期检出率。

除了以上系统，青鹰还有一批产品储备，这里不一一列举。据报道，青莹已与国内10多家知名三甲医院深入合作，共同开发各自的系统，共同拥有知识产权。近期还将发表相关学术论文。

应用数据增强技术，将AlphaGo Zero引入医疗领域

目前有很多公司从事医学影像智能辅助诊断系统的开发，从表面上看，技术路径是相似的。然而，青莹医疗的创始人邹昊表示，青莹在技术上有更多独特的优势。

“大多数公司采用的技术都处于AlphaGo阶段，需要大规模的数据来训练系统，而少量的数据用于测试和验证。这样得到的验证结果并不严谨。就像无人驾驶汽车系统不能只在小村庄的道路上验证一样，可以认为它可以应对世界各地的各种路况。医学样本非常复杂，小规模验证无法保证系统的稳定性。”邹昊说。

同时，也不容易得到大量高质量的标注数据。医疗方面的现状是大专家时间短，标记数据的空空余时间很少。普通医生标注的数据可能由于自身水平和经验的原因不准确。因此，采用大规模的数据训练系统不仅耗费大量的人力，而且很难获得高质量的数据，训练系统也不能准确。

而青莹医疗采用的是“高级版”技术，只需要小规模数据集就可以训练出一个高灵敏度、高稳定性的系统，也就是达到了AlphaGo Zero的阶段。

最重要的技术之一是数据增强。因为由于不同的医学成像设备型号、参数和人体操作的差异，很难统一图像数据，这必然会对训练模型产生负面影响。在数据增强中，一条数据可能会加入各种噪声，如色度不均匀、光照不均匀、清晰度不均匀等。，不断干扰系统，训练系统的灵敏度。这样，一个数据样本就衍生出几万甚至几十万个样本。因此，只要公司与专家和医生合作，获得少量高质量的标签数据，就可以确保即使是小样本数据也能训练出高精度的系统。

虽然小样本数据可以训练系统，但并不意味着清莹医疗不需要获取大量数据。为了验证系统的稳定性，庆应利用大规模数据对系统进行了测试和验证。其数据源主要包括欧美大学医学数据库中的开放或封闭数据集，以及美国医院和中国合作医院整理的临床数据。这些数据用于检查系统的指标，以获得医学界对系统的认可。

至于考虑到公司的商业化，清莹医疗的联合创始人朱一山表示，除了开发智能辅助诊断系统，清莹医疗还计划与医疗器械制造商合作开发智能医疗设备，并开设第三方智能病理诊断中心。此外，预计将进一步促进与保险的合作。

“未来有很多详细的实现业务实现的方式，我们会一步一步来实现。不便透露细节。青鹰医疗首要考虑的是如何为医院医生和患者创造价值，未来实现商业实现将是顺理成章的一步。”朱一山说道。

近两年来，AI医疗领域备受资本市场关注，尤其是今年下半年，推定科技、马图神威、易慧汇英等企业先后完成了B轮融资。国内高端医学影像设备制造商UIH今年也投资3亿元人民币成立人工智能子公司，进军医学人工智能领域。此外，腾讯的《寻影》和阿里健康的《医生你》都是在医学影像智能辅助诊断系统上布局的。

今年8月，人工智能医疗行业新增成员，青鹰医疗科技有限公司正式成立。据了解，青鹰医疗团队主要由国内斯坦福大学、密歇根大学、芝加哥大学、清华大学的人工智能团队组成。虽然公司成立还不到半年，但团队核心成员从事医学人工智能领域的研发已经有两年左右的时间了。

目前，青鹰医疗有限公司正在与国内多家三甲医院合作进行产品开发和检测，并已推出医学影像和病理分析方面的相关产品。其中，乳腺癌、肺癌等疾病的智能辅助诊断系统已经比较成熟。未来，青英医疗将进一步拓展AI在基因组学数据分析和药物挖掘方面的应用。

多模式数据分析，从筛选、诊断到治疗建议

庆应医疗产品的研发路径和很多类似的公司一样，选择了从医学影像领域入手。70%的临床诊断依赖于医学影像。随着人口的增加，老龄化的加剧，收入水平的提高，带动了医学影像市场的扩张。但是，需求的上升对应的是医疗资源的短缺。医生在看片子时，由于疲劳或水平限制，容易漏诊、误诊。因此，人工智能在节省医生时间和提高效率方面发挥了作用。

当然，仅仅提高筛查水平并不能真正满足医院的需求。因此，除了CT、MRI等影像外，青影医疗还添加了病理、电子病历等数据，形成多模态数据分析，辅助临床科室进行诊疗方案推荐，从而形成了从筛查到肿瘤分级分期到治疗方案推荐的全过程智能辅助系统。

具体来说，目前青鹰医疗开发的系统中有几个典型代表:

1.青翼智能医学分析平台

通过与中国医学科学院肿瘤医院的合作，青影医疗开发了基于云的大规模医学影像信息分析平台“青翼智能医学分析平台”，整合高分辨率病理切片、MRI、CT、超声等医学影像，提供完整的临床信息、诊断方案记录、患者随访追踪信息，从而为乳腺癌的精确治疗提供大规模多维度的结核病医学信息库订单。

2.青云智能病理分析系统

庆应医疗联合斯坦福大学医院、北京协和医院、中国医学科学院肿瘤医院等医疗机构，通过对大量临床乳腺病理切片的深入研究和分析，开发了一套用于乳腺癌病理切片图像多层特征分析的计算机辅助诊断系统“庆应智能病理分析系统”。系统的病理诊断功能可以丰富当前病理诊断的结构，为病理学家提供快速准确的病理定量信息反馈，准确定义疾病的多层信息。

3.青峰三维超声智能诊断系统

基于大量乳腺癌三维超声样本数据，青莹开发了“青峰三维超声智能诊断系统”。三维超声智能诊断软件通过测试后，加载到超声设备中，使三维超声设备在扫描和检测过程中自动分析乳腺癌的诊断，进而开发出一体化的三维超声智能诊断设备。三维超声自动诊断软件系统和三维超声智能设备将为患者提供一个早期、方便、无创的乳腺癌筛查检测系统，从而提高乳腺癌检测的覆盖率和早期检出率。

除了以上系统，青鹰还有一批产品储备，这里不一一列举。据报道，青莹已与国内10多家知名三甲医院深入合作，共同开发各自的系统，共同拥有知识产权。近期还将发表相关学术论文。

应用数据增强技术，将AlphaGo Zero引入医疗领域

目前有很多公司从事医学影像智能辅助诊断系统的开发，从表面上看，技术路径是相似的。然而，青莹医疗的创始人邹昊表示，青莹在技术上有更多独特的优势。

“大多数公司采用的技术都处于AlphaGo阶段，需要大规模的数据来训练系统，而少量的数据用于测试和验证。这样得到的验证结果并不严谨。就像无人驾驶汽车系统不能只在小村庄的道路上验证一样，可以认为它可以应对世界各地的各种路况。医学样本非常复杂，小规模验证无法保证系统的稳定性。”邹昊说。

同时，也不容易得到大量高质量的标注数据。医疗方面的现状是大专家时间短，标记数据的空空余时间很少。普通医生标注的数据可能由于自身水平和经验的原因不准确。因此，采用大规模的数据训练系统不仅耗费大量的人力，而且很难获得高质量的数据，训练系统也不能准确。

而青英医疗采用的是“高级版”技术，只需要小规模数据集就可以训练出一个高灵敏度、高稳定性的系统，也就是达到了AlphaGo Zero的阶段。

最重要的技术之一是数据增强。因为由于不同的医学成像设备型号、参数和人体操作的差异，很难统一图像数据，这必然会对训练模型产生负面影响。在数据增强中，一条数据可能会加入各种噪声，如色度不均匀、光照不均匀、清晰度不均匀等。，不断干扰系统，训练系统的灵敏度。这样，一个数据样本就衍生出几万甚至几十万个样本。因此，只要公司与专家和医生合作，获得少量高质量的标签数据，就可以确保即使是小样本数据也能训练出高精度的系统。

虽然小样本数据可以训练系统，但并不意味着清莹医疗不需要获取大量数据。为了验证系统的稳定性，庆应利用大规模数据对系统进行了测试和验证。其数据源主要包括欧美大学医学数据库中的开放或封闭数据集，以及美国医院和中国合作医院整理的临床数据。这些数据用于检查系统的指标，以获得医学界对系统的认可。

至于考虑到公司的商业化，清莹医疗的联合创始人朱一山表示，除了开发智能辅助诊断系统，清莹医疗还计划与医疗器械制造商合作开发智能医疗设备，并开设第三方智能病理诊断中心。此外，预计将进一步促进与保险的合作。

“未来有很多详细的实现业务实现的方式，我们会一步一步来实现。不便透露细节。青鹰医疗首要考虑的是如何为医院医生和患者创造价值，未来实现商业实现将是顺理成章的一步。”朱一山说道

出发地:清亭

新浪声明:Sina.com发表这篇文章的目的是为了传递更多信息，并不意味着同意其观点或证实其描述。