攜手Watson醫準智能推出達爾文智能科研平臺

2019-05-15 14:14

5月15日，醫準智能發布AI醫學科研平臺——達爾文智能科研平臺，集合Watson Machine Learning Accelerator在深度學習的全球實力，以及醫準智能在影像組學上的深度研究實踐，幫助醫生零距離接觸AI，高效自主進行醫療研究。

“Watson Machine Learning Accelerator一直在尋求細分領域的領頭雁，我們很高興看到醫準智能在肺部和乳腺的智能檢測方面取得的卓越成就，高效精準的特征給我們留下了深刻印象。” IBM中國系統開發中心人工智能解決方案總監崔瑋博士表示，“而現在在Watson Machine Learning Accelerator上，用戶已經可以直接調用醫準智能的肺部和乳腺智能檢測結果，我相信能夠幫助用戶體會到更美妙的AI+醫療體驗。此外，用戶也可以通過達爾文智能科研平臺，快速安全的使用Watson Machine Learning Accelerator，進行深度學習研究。”

AI融入科研成長有煩惱

醫學研究的方式正在改變，一方面醫療數據極速增長，為研究提供了大量素材；另一方面醫生為工作和研究付出巨大的時間精力，經常“不堪重負”。于是，AI走入醫學研究，醫生發現臨床需求，通過與AI公司合作，共同進行數據處理分析建立模型，快速產出科研成果。

應用AI，醫學研究已經取得了非常豐碩的成果，最近兩年很多重要的論文都是以醫生與AI公司聯合體的方式產出。“我們與很多客戶也有這方面的嘗試，其中有一些成果在歐洲放射學會等國際會議上進行展示，受到了國內外行家的廣泛贊譽。”醫準智能創始人兼CEO呂晨翀表示，“但是這種方式還有一定局限性，算法團隊能夠承接的項目有限，難以滿足需求的爆炸性增長，而且溝通成本比較高，效率比較低。”

醫生能夠自主應用AI進行臨床研究，是最高效的解決方式。但是，深度學習和影像組學研究的門檻很高，不僅需要代碼能力還需要全面的數學、統計學、計算機科學的基礎。而將這些能力“打包”集成到一個平臺上，則可以有效提升醫生使用AI的可能。

高易用、強安全的國際領先AI科研平臺

達爾文智能科研平臺支持包括CT／MR／DXR等多種類型的數據，內置了Watson Machine Learning Accelerator和醫準智能影像組學雙平臺，具備標注工具、特征提取、模型訓練以及模型實施一體化特征，全面滿足醫生的科研需求。

Watson Machine Learning Accelerator一直是全球領先的深度學習平臺，具備最強大的模型調試工具，通過專業和高度自動化的參數搜索功能輕松學習出模型。

醫準智能組學科研平臺是基于影像組學的，高度可解釋性模型的研發平臺，提供豐富的交互功能，僅需要拖拽和點擊操作即可完成標注到應用的全部流程；為疾病的診斷提供豐富定量的特征，將醫療影像從定性征象診斷走向高度定量特征診斷；并支持模型訓練過程監視（準確率、Loss值等指標），具備模型評價可視化，以及特征可視化和特征降維功能。平臺通過組件化的形式自主控制整個學習流程，產生出豐富的模型。

在素材整理階段，平臺提供自動分割功能和標注工具，AI自動病灶分割和自定義病灶區域兩種模式，幫助醫生進行數據處理，提升效率。在影像導入到系統后，AI自動對影像進行一次分割，醫生可以選擇其中的優質結果作為科研素材。此外，醫生也可以選擇通過標注工具對影像進行主動標注，或者修改AI的自動分割結果作為科研素材。

總體而言，達爾文智能科研平臺在安全性、易用性和領先性上都表現優異，具體來說：

安全性：

底層采用IBM服務器架構，IBM擁有國際領先的企業級服務器架構，數據內網傳輸、雙盤存儲，安全穩定；

易用性：

先進的web端標注工具，可以快速勾畫ROI，加速科研；

支持多任務、多用戶協同工作，先進的GPU調度方案，支持多位研究者同時高效科研；

領先性：

深度學習網絡模型采用算法工程師專門調優的神經網絡，算法表現更好；

組學模型能夠提取接近1000維組學特征，并能自動進行特征篩選和分類；

攜手Watson醫準智能推出達爾文智能科研平臺

“達爾文智能科研平臺是我們研發能力的一次集中輸出，我們在輔助醫生研究上有過很多非常成功的案例，這次將算法能力平臺化，不僅包括了我們在影像組學的積累，還得到了Watson Machine Learning Accelerator的大力支持。”呂晨翀說，“我相信，這個平臺能夠為更多醫學研究者帶來更高效精準的AI研發體驗。”