体素科技AI辅诊已被调用近1000万次-电子发烧友网

体素科技的皮肤AI产品”体素肤知汇”研发始于2016年。从立项之初，该产品便兼顾了医生的临床思维与患者的实际需求，摒弃了单病种AI的设计思路。

静安寺独居的张女士前段时间腰上莫名起了一圈红斑，起初她以为是蚊虫叮咬，并没有过多留意。

但随即而来的瘙痒和逐渐扩大的红斑范围使她彻夜难以入睡，不得不到诊所求助，生怕得了什么疑难杂症。所幸结果倒也没那么糟，是常见的带状疱疹，让张女士虚惊一场。

虽是小事一件，但却反映出了一些社会性问题。相比于感冒、发烧等常见病，皮肤病这一类附带肉眼可见症状的疾病显然更让人心生畏惧，羞于与他人诉说，因而治疗的延误是常有之事。

AI或许能为这个问题开出处方。

随着大数据时代的到来和计算机硬件的巨大进步，人工智能技术，尤其是卷积神经网络，在图像分类、检测等很多任务中相对传统模式识别方法取得了很大的突破。

大部分皮肤病的检测诊断往往首先基于肉眼的观察分析，引人发怵的特征恰好适合计算机视觉的技术解决，使得AI初步诊断皮肤病成为可能。

换言之，张女士甚至可以自己拍摄皮肤照片，以供AI诊断。

进一步看，皮肤影像诊断由最初的望诊，发展到放大镜和显微镜辅助诊断，再到近年来数字影像学技术，皮肤镜、皮肤超声、皮肤CT为代表的影像技术已成为临床皮肤病诊断的重要工具，AI辅助诊断有了更为丰富的数据基础。

从单病种到多模态全病种，AI必须完成这样的跨越

回到人工智能话题本身，虽说更优质的成像设备、更标准化的医疗数据采集系统为医院带来了更优质的数据，但就目前而言，市面上的大部分皮肤病AI并不能很好地契合临床。

尽管要做好一个医疗人工智能模型，具备算法、算力、数据三者便有可能，但要做好一个人工智能产品，最为核心的，是要满足医院的需求。

具体而言，很多AI医疗影像公司的AI辅助诊断工具可识别的皮肤病种十分有限，且常常仅利用了图像的单一维度信息。

但在实际问诊过程中，患者可能罹患的皮肤病的种类庞杂，且在进行判断时，需要结合患者多时间、多维度的信息综合判断病症。

要模拟医生做到这一点并不容易，这需要人工智能企业理解各类皮肤病的基本信息，同时理清皮肤科医生的诊断逻辑。为了能让AI真正用于皮肤的诊断，成为临床医生的有力助手，体素科技做了整整四年。

体素科技的皮肤AI产品”体素肤知汇”研发始于2016年，从立项之初，该产品便兼顾了医生的临床思维与患者的实际需求，摒弃了单病种AI的设计思路。

1.0版本成型时，该模型可诊断82种皮肤疾病，张女士这样的患者可在家直接拍照上传进行咨询，皮肤科医生也可参考AI结果进行最终诊断。

但多病种并非体素科技的最终追求。利用其前期积累的海量病历诊断报告数据（覆盖性别、年龄、发作时长、发作部位、伴随症状、疾病诱因、病史、用药等多种类别数据），加之结构化处理深度挖掘和分析医学文献、书籍和电子病历中的非结构化临床特征数据，体素科技搭建了一套非常详尽扎实的皮肤疾病医疗知识图谱，从而可将患者病情数据变得规范化、标准化和结构化，以便AI可以准确完整地“读懂”病历。

2020年末，体素科技的皮肤AI产品2.0版本完全成型，这一阶段的AI可诊断143种皮肤疾病，覆盖99%以上的皮肤自然发病情况，模型top1、top3以及top5的诊断准确率分别为 71% 、89%和93%。

相比之下，基层医院对皮肤肿瘤良恶性诊断的正确率仅约为30%，而三甲医院医生的这一数字平均下来大概为70%。

这意味着，升级后的“体素肤知汇”产品，其疾病覆盖率和模型准确率已足以媲美三甲医院皮肤科医生的水平，足以领先国际。

体素科技产品的价值与未来发展方向

正如所有人工智能企业一再强调的立场，体素科技开发出高准确率AI，并非是要取代皮肤科医生。

相反，体素科技希望这样一款AI产品能够让皮肤科医生摆脱现在日常临床工作中繁杂、低价值的重复劳动，让他们有更多的时间去思考和投入有价值事情。

譬如对于银屑病、荨麻疹、痤疮等常见多发病，要形成疾病筛防体系，我们需要的不单是是单一患者的准确诊断，更重要的，是要让医生们参与对疾病的回顾研究、新型治疗方式的探索，并让医生们参与健康宣教之中，推动更多患者在患病初期便获取治疗。