软件|陈根:帮助识别齿科疾病,人工智能影像诊断边界再拓宽

软件|陈根:帮助识别齿科疾病,人工智能影像诊断边界再拓宽

文/陈根
尽管目前人工智能医疗应用尚在起步阶段 , 但人工智能医疗的潜力却是不可忽视的 。 其中 , 影像识别作为辅助诊断的一个细分领域 , 将人工智能技术应用于医学影像诊断中 , 是在医疗领域中人工智能应用最为广泛的场景 。
而人工智能在医学影像得以率先爆发与落地应用 , 主要是由于影像数据的相对易获取性和易处理性 。 相比于病历等跨越三五年甚至更长时间的数据积累 , 影像数据仅需单次拍摄 , 几秒钟即可获取 , 一张影像片子即可反映病人的大部分病情状况 , 成为医生确定治疗方案的直接依据 。
医学影像庞大且相对标准的数据基础 , 以及智能图像识别等算法的不断进步 , 为人工智能医疗在该领域的落地应用提供了坚实基础 。 从落地方向来看 , 目前 , Al医学影像产品布局方向主要集中在胸部、头部、盆腔、四肢关节等几大部位 , 以肿瘤和慢病领城的疾病筛查为主 。
不过 , 近日 , 齿科AI企业Diagnocat宣布其研发的一款面向齿科专业人士的人工智能软件 , 在加拿大获批 。 该软件可以通过x光和锥束计算机断层扫描(CBCT)识别30多种常见的齿科疾病 , 包括龋齿、牙石、根尖周病变等 , 以及部分齿科罕见病变 。 这让AI医学影响产品的领域又拓宽了一大步 。

Diagnocat的创始人兼CEO Alex Sanders , 同时也是一名口腔修复专家 , Alex表示 , “Diagnocat的目标是使齿科诊断尽可能接近无错误 , 3D数字齿科正在成为当今齿科行业的巨大组成部分 , 只需点击Diagnocat按钮几秒钟 , 齿科专业人士就可以轻松、快速、高效地完成诊断工作 。 ”
Diagnocat的北美经理Doug Gillespie表示:“齿科学校对学生进行了大量识别FMX和Pan图像的培训 , 但是 , 对齿科医生来说 , 理解和评估CBCT图像的难度要大得多 。 将Dicom文件转换和分割为STL文件的过程 , 也是为种植和正畸的3D数字病例的治疗计划积累经验的过程 。 Diagnocat使这个过程变得简单而高效 。 ”
Diagnocat的人工智能软件目前在欧洲、以色列、意大利、墨西哥的放射科、齿科实验室和大学投入使用 , 加拿大将成为下一个投入使用的区域 。
【软件|陈根:帮助识别齿科疾病,人工智能影像诊断边界再拓宽】无疑 , 作为新一代基础设施建设 , 人工智能在医疗行业的应用将对传统医疗机构运作方式带来变革 , 从长远有效缓解医疗资源压力 。 后疫情时代 , AI+医疗有望迎来大发展 , 而临床放射诊断实践无疑是其中一项重要应用 。

    相关经验推荐