體素科技的皮膚AI產(chǎn)品”體素膚知匯”研發(fā)始于2016年。從立項之初，該產(chǎn)品便兼顧了醫(yī)生的臨床思維與患者的實際需求，摒棄了單病種AI的設(shè)計思路。

靜安寺獨居的張女士前段時間腰上莫名起了一圈紅斑，起初她以為是蚊蟲叮咬，并沒有過多留意。

但隨即而來的瘙癢和逐漸擴大的紅斑范圍使她徹夜難以入睡，不得不到診所求助，生怕得了什么疑難雜癥。所幸結(jié)果倒也沒那么糟，是常見的帶狀皰疹，讓張女士虛驚一場。

雖是小事一件，但卻反映出了一些社會性問題。相比于感冒、發(fā)燒等常見病，皮膚病這一類附帶肉眼可見癥狀的疾病顯然更讓人心生畏懼，羞于與他人訴說，因而治療的延誤是常有之事。

AI或許能為這個問題開出處方。

隨著大數(shù)據(jù)時代的到來和計算機硬件的巨大進步，人工智能技術(shù)，尤其是卷積神經(jīng)網(wǎng)絡(luò)，在圖像分類、檢測等很多任務(wù)中相對傳統(tǒng)模式識別方法取得了很大的突破。

大部分皮膚病的檢測診斷往往首先基于肉眼的觀察分析，引人發(fā)怵的特征恰好適合計算機視覺的技術(shù)解決，使得AI初步診斷皮膚病成為可能。

換言之，張女士甚至可以自己拍攝皮膚照片，以供AI診斷。

進一步看，皮膚影像診斷由最初的望診，發(fā)展到放大鏡和顯微鏡輔助診斷，再到近年來數(shù)字影像學(xué)技術(shù)，皮膚鏡、皮膚超聲、皮膚CT為代表的影像技術(shù)已成為臨床皮膚病診斷的重要工具，AI輔助診斷有了更為豐富的數(shù)據(jù)基礎(chǔ)。

從單病種到多模態(tài)全病種，AI必須完成這樣的跨越

回到人工智能話題本身，雖說更優(yōu)質(zhì)的成像設(shè)備、更標準化的醫(yī)療數(shù)據(jù)采集系統(tǒng)為醫(yī)院帶來了更優(yōu)質(zhì)的數(shù)據(jù)，但就目前而言，市面上的大部分皮膚病AI并不能很好地契合臨床。

盡管要做好一個醫(yī)療人工智能模型，具備算法、算力、數(shù)據(jù)三者便有可能，但要做好一個人工智能產(chǎn)品，最為核心的，是要滿足醫(yī)院的需求。

具體而言，很多AI醫(yī)療影像公司的AI輔助診斷工具可識別的皮膚病種十分有限，且常常僅利用了圖像的單一維度信息。

但在實際問診過程中，患者可能罹患的皮膚病的種類龐雜，且在進行判斷時，需要結(jié)合患者多時間、多維度的信息綜合判斷病癥。

要模擬醫(yī)生做到這一點并不容易，這需要人工智能企業(yè)理解各類皮膚病的基本信息，同時理清皮膚科醫(yī)生的診斷邏輯。為了能讓AI真正用于皮膚的診斷，成為臨床醫(yī)生的有力助手，體素科技做了整整四年。

體素科技的皮膚AI產(chǎn)品”體素膚知匯”研發(fā)始于2016年，從立項之初，該產(chǎn)品便兼顧了醫(yī)生的臨床思維與患者的實際需求，摒棄了單病種AI的設(shè)計思路。

1.0版本成型時，該模型可診斷82種皮膚疾病，張女士這樣的患者可在家直接拍照上傳進行咨詢，皮膚科醫(yī)生也可參考AI結(jié)果進行最終診斷。

但多病種并非體素科技的最終追求。利用其前期積累的海量病歷診斷報告數(shù)據(jù)（覆蓋性別、年齡、發(fā)作時長、發(fā)作部位、伴隨癥狀、疾病誘因、病史、用藥等多種類別數(shù)據(jù)），加之結(jié)構(gòu)化處理深度挖掘和分析醫(yī)學(xué)文獻、書籍和電子病歷中的非結(jié)構(gòu)化臨床特征數(shù)據(jù)，體素科技搭建了一套非常詳盡扎實的皮膚疾病醫(yī)療知識圖譜，從而可將患者病情數(shù)據(jù)變得規(guī)范化、標準化和結(jié)構(gòu)化，以便AI可以準確完整地“讀懂”病歷。

2020年末，體素科技的皮膚AI產(chǎn)品2.0版本完全成型，這一階段的AI可診斷143種皮膚疾病，覆蓋99%以上的皮膚自然發(fā)病情況，模型top1、top3以及top5的診斷準確率分別為 71% 、89%和93%。

相比之下，基層醫(yī)院對皮膚腫瘤良惡性診斷的正確率僅約為30%，而三甲醫(yī)院醫(yī)生的這一數(shù)字平均下來大概為70%。

這意味著，升級后的“體素膚知匯”產(chǎn)品，其疾病覆蓋率和模型準確率已足以媲美三甲醫(yī)院皮膚科醫(yī)生的水平，足以領(lǐng)先國際。

體素科技產(chǎn)品的價值與未來發(fā)展方向

正如所有人工智能企業(yè)一再強調(diào)的立場，體素科技開發(fā)出高準確率AI，并非是要取代皮膚科醫(yī)生。

相反，體素科技希望這樣一款A(yù)I產(chǎn)品能夠讓皮膚科醫(yī)生擺脫現(xiàn)在日常臨床工作中繁雜、低價值的重復(fù)勞動，讓他們有更多的時間去思考和投入有價值事情。

譬如對于銀屑病、蕁麻疹、痤瘡等常見多發(fā)病，要形成疾病篩防體系，我們需要的不單是是單一患者的準確診斷，更重要的，是要讓醫(yī)生們參與對疾病的回顧研究、新型治療方式的探索，并讓醫(yī)生們參與健康宣教之中，推動更多患者在患病初期便獲取治療。

對于疾病篩防體系的建立，體素科技也在以自己的方式努力。

長期以來，基層醫(yī)療資源不足、診療能力差，導(dǎo)致患者不愿意去基層醫(yī)療機構(gòu)問診，基層醫(yī)生因此難以獲得足夠的臨床實踐而進步，基層也留不住好的醫(yī)生，從而導(dǎo)致基層醫(yī)院的診療能力更差，從此陷入惡性循環(huán)。

而另一方面，微醫(yī)、平安好醫(yī)生等大平臺基本都是服務(wù)于三級醫(yī)院或患者，基層市場處于一個空白的狀態(tài)。

如今，體素科技皮膚AI全病種檢測產(chǎn)品正嘗試賦能基層醫(yī)療的全科醫(yī)生，通過AI的方式提升他們的診斷能力。

同時體素科技將發(fā)力美國市場，據(jù)測算通過優(yōu)化全科醫(yī)生和?？漆t(yī)生皮膚病分診、轉(zhuǎn)診流程，可以幫助美國商業(yè)醫(yī)保每年節(jié)約45-100億美金。

如上文所說，全科醫(yī)生在皮膚病診斷方面的準確率僅僅為24%-70%，而體素科技皮膚AI全病種檢測產(chǎn)品top5的診斷準確率高達93%。

相信在體素科技皮膚AI的輔助下，基層全科醫(yī)生的診療水平將有望媲美皮膚科醫(yī)生（診斷精確率為77%-96%），真正實現(xiàn)強基層的目標。

除了關(guān)于皮膚全病種研發(fā)之外，體素科技也嘗試深挖細分場景的精準分析能力，如研發(fā)了痤瘡分級模型。并與華山醫(yī)院皮膚科合作研發(fā)銀屑病甲嚴重程度分級模型，未來可應(yīng)用于銀屑病慢病管理AI。

同時，體素可以也可為醫(yī)學(xué)美容場景提供膚質(zhì)檢測和面部常見皮膚疾病輔助診斷能力。

目前，體素科技已為騰訊健康、妙手醫(yī)生、優(yōu)健康、薇諾娜等客戶提供皮膚病AI服務(wù)。到2020年12月為止，總服務(wù)使用量已經(jīng)接近1000萬次。

在體素看來，1000萬是一個不錯的數(shù)字，但也僅是一個數(shù)字。AI價值在于放數(shù)據(jù)價值來更好的服務(wù)醫(yī)生、造?；颊摺⑼苿俞t(yī)療衛(wèi)生體系的進步，要實現(xiàn)這個目標，體素任重道遠。

原文標題：覆蓋99%皮膚自然發(fā)病率，這家公司的AI輔診已被調(diào)用近1000萬次

文章出處：【微信公眾號：IoT科技評論】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責任編輯：haq