好医生网

腾讯觅影开放实验平台全面开放注册 探索医疗影像AI产学研新路径

来源 : 互联网

时间 : 2021-08-09

A+

近年来,“AI+医疗”成为科技赋能医疗行业的热点方向,在影像识别、医药器械等方面实现了诸多落地探索。医学影像AI研发的显著特点之一是需要不同的学科和行业交叉协作,发挥各自的专业与优势,共同来完成创新。然而实际中,医疗机构、科研院校、科创企业普遍面临数据来源少、标注太耗时、缺乏适用算法、产学研结合难等痛点,医疗影像AI创新仍然屡屡遭遇“卡脖子”的情况,全行业亟需更具系统性和综合性的研发和转化解决方案。

作为医疗健康领域的“数字化助手”,腾讯近日对旗下一站式医学影像智能服务平台——“腾讯觅影开放实验平台”进行了全新升级并开放注册。通过高效数据管理、简易算法设计、灵活算力配置、安全权限管理、便捷项目触达以及快速合作互联等多个方面的提升优化,平台打通了从影像数据脱敏、接入、标注,到模型训练、测试、应用的全流程服务,构建起数据全生命周期管理闭环。

以腾讯公有云为强有力基底,平台通过影像数据和业务流程的互联互通,从数字化“工具箱”升级为SaaS服务平台,与全行业形成长久连接关系,助力打破医疗影像AI产学研协同创新壁垒,有望提升科研成果在临床的转化落地效率。

升级一站式全生命周期数据管理 算法设计也如同搭积木般简易

影像检查是最常见的医疗环节之一,每天都会有大量的影像数据在医院产生。有研究统计,超过90%的疾病诊断数据来自于医学影像,其对临床治疗的指导意义不言而喻。这座“数据宝藏金矿”日益雄厚,随之产生的是愈加复杂的医学影像分析和处理要求。AI技术应用的出现,适时地为辅助医学技术的研发提供了新动力。比如,在新冠疫情爆发后,CT影像的AI辅诊技术成为了识别新冠肺炎的重要手段,有效提升了一线医疗影像检查诊断效率。

AI技术若想在医疗影像领域不断开花结果,仍需解决很多实际问题:医疗机构有大量高价值的影像数据,也有很多科研需求,但苦于数据标注工作太耗时;科研院校产学研合作和转化需求旺盛,但缺乏训练数据且算力资源有限;企业希望能将新产品真正转化落地,但亟待解决AI算法学习成本高、研发投入大等问题。此外,基于医疗数据管理的复杂性,国家陆续出台了《关于印发加强网络安全和数据保护工作指导意见的通知》等多部法规条例,要求加强对医疗数据的产生、传输、存储、使用、共享、销毁等全生命周期管理,更是增加了医疗影像AI科研的压力和难度。

对此,腾讯觅影开放实验平台基于腾讯强大的技术和连接能力,在AI研发中扮演了专业“工具箱”的角色,创新性地集数据中心、算法中心、应用中心、管理中心、合作中心五大功能要素于一身,为全行业提供“开箱即用”的一站式数据管理服务。一方面,用户可在平台上将数据上传、存储、可视化、标注、统计、增删改等不同阶段、不同操作归拢到一起,数据上线后即可完成整个项目的流程;另一方面,通过多层级权限、操作记录可视化、数据与模型公共仓库等管理手段,有效防控风险的同时,满足全流程数据处理以及行业合作需求,轻松实现数据全生命周期的有效有序管理,让影像数据得以不断流动到不同的阶段,释放出价值。

腾讯觅影开放实验平台全面升级

算力、算法和数据是人工智能的三个要素。数据本身并不意味着价值,要释放出价值,就必须进行有效的分析、运用。AI科研成果要在一个场景中的落地,从数据的算法开发设计、训练、集成往往要经历专业而漫长的过程,另外,算力配置不同也会影响成本与周期。

为帮助行业提高AI算法开发效率, 同时满足用户对算力的不同需求,升级后的开放实验平台秉承“化繁为简”的理念,为用户提供了简易的算法设计方式和灵活的算力配置。基于腾讯智能钛机器学习平台,用户可以对算子进行拖拉拽搭,将人工智能算法的不同步骤实现“积木式”集成,即可完成可视化的算法设计与验证的全流程,无须再亲自写代码。另一方面,平台支持影像组学和常用深度学习算法网络,支持算法研究机构接入自研算法,支持notebook模式,并汇聚不同类型影像的AI识别算法模型、业内常用算法、灵活的算力配置以供用户选择,方便各行业借助全套AI训练模型验证自身在医学中的概念,快速生成应用,极大地降低了使用门槛,也为用户节省了高昂的算法学习成本。

科研题目的算法验证从写代码简化成叠积木

加速产学研一体化互联合作 让医疗影像AI成果“从实验室到病床旁”

医疗科研工作之间需要经常协作,医疗影像AI的研究也是如此。目前,医疗影像从业人员的分布极为广泛,他们来自不同行业,涉及临床医疗、医学影像检查、数据科学、统计学、信息管理学等领域,这些人才在工作中通常需要发挥各自的长处和经验,以及学术背景优势,以合作的形式来完成各项数据分析,发掘医疗影像数据的价值,从而形成对临床医学的支持。

然而,医院、高校、企业各方长期以来在产学研过程中,经常受找不到合适的合作对象,科研需求无法对接临床需求,难以完成科研成果产品化等问题的困扰,一项医疗影像AI产品,要想从实验室走到病床旁,中间困难重重。

基于此,腾讯觅影开放实验平台希望为医疗影像AI跨行业合作,不断提供新的解决思路与路径。开放实验平台作为腾讯公有云的SaaS服务,实现了有网络的地方即可访问项目和数据,并且进行人工智能算法训练。同时,通过云储存、合作中心、数据技术中台等功能,可实现数据和业务流程的互联互通,与全行业形成以SaaS服务为核心的长久连接关系,如同打开水龙头就能用水一样,让不同的科研需求、转化需求在平台上轻松找到合适的合作对象,促进院内院外的协同创新,缩短科研课题与产品研发的对接与打磨时间,提升医学AI生态的整体研究能力,加速完成医疗影像等人工智能产品的开发和落地。

开辟医疗影像AI科研协同新路径

古有书同文、车同轨以奠定社会一统的基础,在医疗影像的数据世界里,往往也需要通过标准化、通用性强的分析和统计方法对数据进行管理,使不同行业对数据分析过程和结果达成一致理解。腾讯觅影开放实验平台面向各行业,提供了从数据脱敏、接入、标注,到模型训练、测试、应用的多种数据统计分析工具和全流程服务,以满足不同机构的数据处理需求,化解各行业在医学影像AI研发中所遇到的问题。其中仅数据标注一项,平台就支持多种类型标签灵活配置,包括信息标签、分类标签、检测标签、分割标签;同时支持多种数据标注方式,例如矩形检测框、多边形分割、自由笔勾画,满足不同项目中标注及标签需求。此外平台支持灵活的标注权限配置,可以配置标注、审核、仲裁等权限,满足不同标注流程及标注规范,帮助各种类型研究人员更好、更全、更细的掌握数据的多样性信息。

除了医疗影像AI 领域的研究,开放实验平台还在不断扩展基于SaaS体系的服务边界。因应药监局新政策要求中心影像评价,开放实验平台提供了一套在云端的数据标注分析系统,用以药物的临床实验评估,助力减少实验误差,提高药物研发工作的效率。

本次腾讯觅影开放实验平台的升级,是加速建设医疗影像AI产学研新生态的全新实践,将通过开放AI应用开发技术能力,进一步降低医疗影像AI科研的门槛与困难,让更多的创新者参与到行业中来,探索人工智能在医疗影像中的多元化应用场景与价值。

相关文章