يقع مقر الشركة الرئيسي في تأسست سان فرانسيسكو تبدأ Enlitic في عام 2014، حصل على جولة البذور التمويل 2000000 $. أكتوبر 2015، أعلنت الطبية التشخيصية خدمات التصوير الشركة الأسترالية الكابيتول الصحة اعتماد نظام Enlitic الخبيث نظام الكشف عن الورم. هذا وقد اعتمدت نظام شركة Enlitic أولا. وفي الوقت نفسه، استثمرت الكابيتول الصحة للEnlitic 10000000 $.

لى فنغ شبكة علم والتعلم العميق Enlitic هي شركة مكرسة لالمبتكرة التشخيص الطبي. الذكاء الاصطناعي الخوارزميات دراسة Enlitic التي كتبها متعددة التخصصات، دوليا بيانات العلماء المشهورين، تصميم الأساس آلة الممارسين والأخصائيين الطبيين، لمدة سنتين متتاليتين فاز مجلة معهد ماساتشوستس للتكنولوجيا تقنية مراجعة كأول شركة في العالم من الذكاء الاصطناعي 35 (2015) و 14 ( 2016).

وتركز الشركة على تشخيص أدوات AI إلى الصور الطبية، شهادة طبية، السريرية قاعدة بيانات محاكمة، مع التركيز على تحسين كفاءة الأشعة. تطوير النظام أساسا لتوسيع قاعدة بيانات الصور الطبية، يمكن إدراج البرامج Enlitic في المؤسسات الطبية قيد الاستخدام بين النظم، وبالتالي تقاسم أو عرض الصور الطبية، والأطباء لا يجب أن تدع نفسك تكافح للعثور على بيانات الصور ذات الصلة.

أعرب مؤسس والرئيس التنفيذي Enlitic جيريمي هوارد عن أمله في أن هذه الطريقة في استخراج البيانات الطبية، والرعاية الصحية المهنيين لتوفير تطبيق سهل الاستخدام.

الأشعة السينية للتعرف على درجة من الصعوبة هي خبيثة عالية

لى فنغ شبكة الاتصال الوصول إلى المعلومات التي، على سبيل المثال، وفقا للمركز الأمريكي لمكافحة الأمراض (CDC) وتقدر على الأشعة السينية أن كل عام في الولايات المتحدة هناك حوالي 1210 شخص تلقوا أشعة X الثدي، ولكن وفقا لإحصاءات الجمعية الأميركية للسرطان (ACS)، وهو تقريبا يكون نصف المشتبه بهم "إيجابية كاذبة"، وهو سيقال نصف النساء الأصحاء لديهم سرطان. للتأكد من أن الكثير من النساء تختار لقبول خزعة الثدي (نحو 1.6 مليون دولار سنويا)، منها 20 تنتمي إلى امرأة سليمة، في حين أن معدل الصحيح خزعة من 60 فقط -80.

قرار الأشعة السينية عادة على مستوى مليون، ولكن فقط الورم الخبيث حجم عشرات بكسل. من الحصص النسبية للعرض، للتمييز بين الأورام الخبيثة مع صعوبة عالية نسبيا.

الأشعة لا اعتقد ان الجهاز هو مفيد لأن التشخيص بمساعدة الكمبيوتر (CAD) ليست سهلة. وقال هوارد أن هذا النموذج يمكن التقاط الصور في البقع، ولكن غالبا ما تظهر عن طريق الخطأ بأنها إيجابية. لذلك، والأطباء غالبا ما يشعر أن دعم أدوات برامج سخيفة، Enlitic القيام به هو تغيير هذا التصور.

هو شخص لا يهدأ

مؤسس والرئيس التنفيذي Enlitic جيريمي هوارد هو Enlitic، FastMail، القرارات المثلى المجموعة ثلاثة التكنولوجيا مؤسس الشركة ومديرها التنفيذي، هو الرئيس السابق وكبير علماء منصة البيانات الكبيرة Kaggle المسابقة، والجامعة الأميركية في التفرد (وحدانية الجامعة) أصغر أعضاء هيئة التدريس، هي كلمة رئيسية في عام 2014 منتدى دافوس الرائدة عالميا الشباب، في خطابه يوم في TED "آثار رائعة ومرعبة من أجهزة الكمبيوتر التي يمكن أن تتعلم" تحصد ما يقرب من 200 مليون زيارة ...

من الواضح، انه شخص لا يهدأ. لإعطاء تقنيات التعلم عمق فهم واستخدام عدد أكبر من الناس، جيريمي هوارد أنشئت مؤخرا منصة مشترك يسمى تكنولوجيا fast.ai. منصة ليس فقط يوفر سلسلة من دروس الفيديو المجانية على عمق تقنيات التعليم (على سبيل المثال، تدرس من قبل جيريمي هوارد نفسه "العملي ديب التعلم لالمبرمجون")، ولكن أيضا يمكن أن مباشرة الممارسين مساعدة والمستخدمين لتطوير بسيطة وبرامج فعالة المنتجات.

معدل الكشف عن سرطان الرئة نظام الكشف Enlitic أكثر من الأطباء

البحث عن ورم خبيث من الأشعة السينية وصور الاشعة المقطعية في برنامج التعرف على صورة هي طريقة واحدة للاستفادة من التعلم العميق "التلافيف الشبكات العصبية (ConvNet، والالتواء الشبكة العصبية)" التنمية. ConvNet فحص فني الأشعة وجود أو عدم وجود عدد كبير من البيانات الطبية صورة والأورام الخبيثة وغيرها من آلة موقف التعلم، لخص تلقائيا ممثل شكل من الأورام الخبيثة "التوقيع" التي يمكن وصفها في الاهتمام ويحدد ما إذا كان أو خبيثة "واسطة". سوف ConvNet تحديد أنماط لصورة طبية جديدة، سنعرف ما إذا كان هناك الخبيثة الصور الورم.

كما سبق وذكرت صحيفة سيدني مورنينج هيرالد، Enlitic مع تكنولوجيا التعلم عميقة وراء رأس الأشعة الأربعة، بما في ذلك تشخيص 7 من السرطانات البشرية لا يستطيع الأطباء تشخيص، وكذلك الأطباء البشري تصل إلى 66 في المئة من معدل التشخيص الخاطئ السرطان الحالة تكون نسبة خطأ في التشخيص Enlitic من 47 فقط.

التعاون تبادل لاطلاق النار الطبي مع فوز، مع المركز الوطني الصيني للتحقق من صحة دراسة متعمقة

أبريل 2017، فازت الشركة الصينية التكنولوجيا الطبية استغرق الأطباء AI إنشاء الرسمي للتطبيقات حقيقية "تبادل لاطلاق النار النار معهد بحوث الذكية الطبية الطب"، وصلت Enlitic التعاون عمقها، لاختبار المياه في الذكاء الاصطناعي في التصوير الطبي. وفقا لشبكة لى فنغ من المفهوم أن الصين والولايات المتحدة الطلب لخدمة الأشعة ملحة جدا. من معدل أشعة السنوي النمو، والولايات المتحدة والصين مع 2.2 فقط وبنسبة 4.1، أقل بكثير من بيانات الصور الطبية الموافق 63.1 و 30.0 للنمو عالية السرعة. 300 مليون راكب في العام المشتركين للمشاركة في السوق الطبي هو أيضا قوية يوضح المشكلة.

حواجز محددة Enlitic في مجال الرعاية الصحية لديها ما؟

التطبيقات التشخيصية للتكنولوجيا التشغيل الآلي في مجال الرعاية الصحية على نطاق أوسع، ولكن ليست هذه هي التكنولوجيا في التشغيل الفعلي على سلسة ذلك؟ في مقابلة أجريت معه في يناير من هذا العام، كان جيريمي هوارد Enlitic بعض المشاكل التي واجهتها في هذا المجال للرد. ما يلي هو استجابة لمحتويات حديثه.

واحدة من أكبر العقبات هو عدم وجود مجموعة كاملة من البيانات، وهما عدد كبير من المرضى الذين يعانون من مختلف الفحوصات الطبية والتدخلات الطبية، فضلا عن بيانات شاملة مجموعة من تأثير طبي على مدى فترة من الزمن. تستند فقط على مثل مجموعة كاملة من البيانات على نطاق واسع، يمكننا وضع نموذج التعلم عمق الدقيق الذي يقدم توصيات التشخيص والعلاج على أساس التأثيرات الصحية الفعلية، بدلا من التشخيص الأولي بسيط من التكهنات.

عقبة أخرى هي عدم وجود العلماء بيانات العاملة في هذا المجال. أنا مندهش أن هناك عددا كبيرا من العلماء المتميزين تعمل في مناطق نفوذ النسبية منخفضة، مثل تكنولوجيا الإعلانات، توصيات المنتج والشبكات الاجتماعية. وفي الوقت نفسه، هناك الكثير من الباحثين دراسة متعمقة قد ركزت على كيفية "بناء الدماغ"، بدلا من استخدام التكنولوجيا في حل المشاكل العملية التي تواجه الإنسانية.

عقبة أخرى والمثير للدهشة، هو كسر المجال الطبي أيضا أسفل المهنية للغاية، وهذا يسبب بحثنا قد تكون قادرة على تطبيق لقسم معين، ولكن من الصعب تقديم المشورة الفعالة في المزيد من المشاكل الطبية العامة. ولذلك، فإن انهيار الطب التقليدي والتخصص هي واحدة من العقبات.

وعمق تكنولوجيا التعلم الاستفادة من البيانات الكبيرة (مثل التصوير الطبي) لتدريب نظام الذكاء الاصطناعي، ومن ثم تحليلها لإعطاء ملاحظات على البيانات الجديدة. الشركات الأخرى توفر أدوات متعمقة التعلم، فضلا عن Clarifai، بديل مختبرات، Metamind، Nervana أنظمة وSkymind.

التكنولوجيا لا يوجد نقص في التكهنات والتعلم العميق في تغيير بسرعة. ضمن مساحة معينة، يمكن للتكنولوجيا التعلم عميقة في متناول اليدين في العديد من الصناعات، ولكن قد تنطبق أيضا فقط لمناطق محددة وأنواع من العمال. يعتقد هوارد كان تواصل دراسة الممكن عمق حتى تنضج.