维斯瓦纳特柱子
从开设银行帐户或购买保险单到抗击癌症甚至买一双鞋，我们都越来越受到人工智能（AI）的帮助或影响。在孟买，设计师Falguni和Shane Peacock使用AI创建了他们的最新系列。在班加罗尔，一家初创公司正在使用AI来改善对乳腺癌的检测，并降低治疗成本。在Pune的Tata Motors工厂中，机器人足够熟练，可以完成30种不同的任务-这又是人工智能。
周围世界的变化速度比我们想象的要快得多，这个由六部分组成的系列文章将在幕后进行了解。
关今天，我们研究人工智能如何破坏医学诊断。第一部分讨论了AI对汽车行业的影响，而第二部分则谈到了保险领域。
相关新闻Supertech尚未“移交” 200个单位，未获得任何超额收益：购房者冠状病毒：在喀拉拉邦冠状病毒中有633人正在观察：官员说，果阿人住院作为预防措施迄今为止，印度妇女一直在与乳腺癌作斗争。
在印度，死于乳腺癌的妇女人数超过了其他任何形式的癌症。在印度，乳腺癌的发病率高达100,000人中的25.8，而所有形式的癌症的发病率总计在95至104之间。
到2020年，预计约有180万印度妇女患有乳腺癌。更糟糕的是，根据今年早些时候在《柳叶刀》杂志上发表的一项研究，印度的乳腺癌生存率很低。在2010年至2014年之间，只有66.1％的印度妇女被诊断患有这种疾病，幸存下来，而美国和澳大利亚在同一时期内，被诊断出患有这种疾病的妇女的存活率高达90％。
乳腺癌专家将印度的低存活率归因于在治疗困难得多的第三或第四阶段发现的病例。
发生这种情况是因为印度女性的乳腺癌筛查率非常低，而且广泛使用的乳房X线照片-基于X射线的成像测试-有其自身的局限性。作为预防措施，医生通常建议年龄在45至74岁之间的女性每两年做一次乳房X线照片。
根据诊断中心和所用X射线机的技术，乳房X线检查的费用在2,000卢比至4,000卢比之间。
但是成本只是阻止女性进行乳腺癌筛查的众多因素之一。其他问题包括准确性（乳房X线照片中的乳房X线照片更容易遗漏癌症），测试过程中的疼痛和文化障碍。X射线的使用会引起辐射，因此不安全。
对于接受乳房切除术或部分或全部乳房切除术或乳房切除术的女性来说，乳房X光检查也不是最方便的检查方法。
很明显，印度在第一阶段就失去了与乳腺癌的斗争-诊断本身。
但是现在有了希望，因为机器已经发展到可以执行某些甚至比人类更好的任务的程度。
人工智能在医疗保健中的采用正在缓慢增长。从根本上讲，聊天机器人可帮助患者与专科医生预约约会。此外，人工智能还可以为医生提供治疗计划建议，提醒患者有关药物的信息，跟踪其身体活动并使用物联网监控重要的身体参数。
但是诊断是一个成熟的领域，因为成功的诊断取决于对模式（主要是视觉模式）的识别。与人类相比，这就是人工智能的优势所在。
AI优势
总部位于班加罗尔的健康技术初创公司Nirmai开发了一种基于AI的试剂盒来测试乳腺癌。
在经过三年半的研究和验证后，Nirmai由两位施乐前高管Geetha Manjunath和Nidhi Mathur创立，Nirmai在人工智能的帮助下，将其置于热成像之上。
该套件价格低廉，无创，便携式，无痛且无辐射，可解决传统乳腺X线照片所面临的大多数问题。
Nirmai（即具有机器智能的非侵入式风险评估）使用数字红外热像仪捕获乳房图像并检测热模式的微小变化。与正常细胞相比，癌细胞会产生更多的热量，这是由于血管的过度形成和新陈代谢的速率很高。
在传统诊断中，热图像由放射科医生扫描。但这是一个问题-并非所有的热形成细胞都可以归因于癌症，放射科医生的验证需要大量的时间和精力。也有可能出现假阳性或完全错过癌症。
这就是自动化成为现实的地方。
基于云的后端计算机使用机器学习算法和云技术在乳房X线照片数据堆上进行了广泛的培训。这些计算机然后运用人工智能来分析和解释数据，并将抛出异常加热模式是否与癌细胞有关的结果。
Niramai的筛查设备能够以比传统乳房X线检查便宜得多的成本检测到比临床检查能捕获的肿瘤小五倍的肿瘤。
Niramai首席执行官兼首席技术官Geetha Manjunath说：“随着数量的增加，成本将进一步下降。”
Manjunath说，该产品在比较乳房X线照片和“热解药”的结果时，正在慢慢地被医生和医院接受。
Manjunath称她的产品为热解药，并声称她的产品“比乳房X线照相术的准确性高16％”，而价格仅为乳房X射线照相机价格的十分之一。
乳房X光检查机的成本约为1千万卢比，不便于携带，需要放射科医生进行操作。考虑到社会和文化原因，女性通常更不愿意接受男性放射科医生的检查。
Manjunath表示，她的公司正在与跨国设备制造商进行讨论，以在将来在印度和全球范围内分发其解决方案。
AI病理学家当Nirmai试图破坏乳腺癌的筛查时，另一家位于班加罗尔的AI初创公司SigTuple通过研究血液样本的显微图像，对其进行解释并发布报告，建立了一种使病理学家的工作自动化的解决方案。
病理学家是一位医生，专门研究通过评估人体组织样本来诊断疾病的实验室测试。
例如，在最常用的验血或全血细胞计数（CBC）中，病理学家或技术人员必须在显微镜下查看载玻片并手动计数其数量并分析其形态（结构）以发现任何异常。CBC测试用于测量血液成分，例如红细胞，白细胞，血红蛋白，血浆和血小板。
病理学家必须在显微镜下检查每个载玻片，然后再给出报告。SigTuple的解决方案可自动执行该过程-所需的只是一张高分辨率的血液样本图像，其余部分则由AI技术完成。
“由于人们正在显微镜下检查样品-分析的结果取决于他或她的技能，经验甚至精神状态。这就是为什么我们看到从一个实验室到另一个实验室的报告差异很大的原因。” SigTuple首席执行官兼联合创始人Rohit Kumar Pandey说。
“我们已经开发了AI模型，可以自己进行整个分析，并提供虚拟报告，病理学家使用他们的手持设备可以查看并批准遍布全球任何地方的报告，” Pandey说。
SigTuple研究发现，每100份手动分析报告中，病理学家在33％的病例中得出的结论有所不同。误差率有时高达60-70％，而SigTuple AI解决方案的平均误差小于3％，远低于7-8％的可接受范围。
不仅是准确性，AI解决方案还可以将病理实验室的容量提高五倍。
通常，病理学家需要5到10分钟来分析载玻片，最多一天他可以复查100张载玻片。SigTuple解决方案现在可以帮助他查看至少500张幻灯片。
Pandey说，SigTuple不会对病理学家构成威胁，但可以使他们变得更有效率和生产力。Pandey补充说：“该国大约有90,000名病理学家有资格签署一份报告，而近30万名路径实验室–显然缺少医学专家，并且需要用现有资源来扩展测试范围。”
SigTuple由三位前美国运通高管Pandey，Apruv Anand和Tathagato Rai Dastidar于2015年创立，迄今为止，SigTuple从Flipkart联合创始人Sachin Bansal和Binny Bansal等投资者那里筹集了约600万美元。这家初创公司现在希望将其AI解决方案商业化。
降低医疗费用
为了确保不仅是Nirmai或SigTuple，诸如Ten3T（便携式，易于使用的心电图）和iNICU（儿童健康监测）之类的初创公司正在开发具有破坏性的诊断解决方案，这些解决方案将显着降低成本，同时实现物理距离非问题。
他们和该领域的其他人通过与医院和诊所，聊天机器人，智能应用程序和基于AI的数据分析的基于云的链接来做到这一点。
pi Ventures的创始合伙人Manish Singhal表示：“这意味着传感器，实时跟踪和分析将使我们能够抢先掌握自己的健康状况，从而使我们的生活更加警觉，更健康，更长寿。”
Pi Ventures使用人工智能，机器学习和IoT投资于早期创业公司，以解决医疗保健中的现实问题。这家风险投资公司已经投资了Nirmai，SigTuple和Ten3T。
甚至大型医院现在都在医疗保健服务中采用人工智能技术。
例如，Manipal Hospitals在过去两年中一直在使用IBM的Watson（基于人工智能的计算平台）为其癌症专家提供支持。
沃森（Watson）分析了大量数据，了解用自然语言提出的复杂问题，并提出基于证据的癌症治疗答案。
印度和全球的肿瘤学家都在努力跟上大量研究，医疗记录和临床试验的步伐。此外，医生们面临艰苦的战斗，以了解最新的治疗和护理管理最佳实践。
“这是早期，但AI的前景广阔，” Manipal Hospitals主席Ranjan Pai说：“ IBM Watson做到了这一点是为了进行癌症治疗，我们正在谈论的其他领域很少。”
Pai表示，数字病理学和放射学是他认为基于人工智能的应用还有很多领域的其他领域。
“在开始使用任何人工智能解决方案之前，我们将从医患的角度来看它，它的效用，成本收益率，有效性，成本收益以及它是如何工作的。
印度最大的医疗保健提供商阿波罗医院（Apollo Hospitals）紧随其后。Apollo上个月与Microsoft合作开发和部署了新的机器学习模型，以预测患者患心脏病的风险并协助医生制定治疗计划。该团队已经在开发基于人工智能的Cardio API（应用程序接口）平台。阿波罗最近还与IBM签约，可通过其医院网络访问Watson，以帮助其癌症专家。
存取资料
研究和咨询公司Gartner的研究副总裁Arup Roy表示，在利用AI促进健康方面，印度面临的最大挑战是拥有数字格式的数据。“为了使AI成功，医院需要保留病历（以数字格式）。医院信息系统缺乏适当的先进性是一个挑战，”罗伊说。
Pai同意Roy的观点。
“如果您拥有越来越多的数据，那么所有这些事情都会更好地工作，” Pai说。他的公司现在将大量数据存储在可访问的云中。
除了少数大都市和二线城市外，印度一直面临着医疗基础设施从医院到人力资源（如专科医生，放射科医生和护理人员）的严重短缺，而医疗费用却急剧上升。
根据政府数据，印度每千人口有0.6名医生和0.8名护士，每千人床位数为1.5张。世界卫生组织规定每千人口有1名医生和3名护士，每1000人有5张床。
“本质上，我们需要的是填补大量需求与少数人提供的服务之间的差距。我认为，人工智能（AI）能够实现构成访问的关键中间层的解决方案，从而使同等质量水平的庞大人口群体能够访问和负担得起医疗保健服务，而不论人们的社会地位如何。” Pi Ventures的Singhal说过。
（这是由六个部分组成的系列文章的第三部分，该系列文章探讨了AI在各个部门之间的影响。明天将研究机器人顾问如何改变共同基金的世界）
