【医健创新100+】 ​OpenBayes重新发掘人工智能价值,用技术驱动医疗科研

在大批AI创业项目致力于寻找商业落地的场景,寻求技术与企业商业流程之间进行有机融合的时候,有一家名叫Openbayes的企业,在这波浪潮中走出了一条截然不同的路。

作者: 曹文佳 来源: 大健康派 2019-11-14 16:16:56

近年来,人工智能成为当下最热门的技术,机器学习和图像识别技术的成熟,使得人工智能在更多的商业场景中得以实现,人脸识别、语音识别等相关产品在人们的日常生活中不断渗透。AI在不同领域的应用也成为产业升级的必经过程,也是人工智能技术下一阶段的主要任务。


在大批AI创业项目致力于寻找商业落地的场景,寻求技术与企业商业流程之间进行有机融合的时候,有一家名叫Openbayes的企业,却在这波浪潮中走出了一条截然不同的路。

啊啊啊啊.png


一面商业服务,一面基础研究


Openbayes是一家人工智能基础设施服务商,为企业及研究机构提供一站式的 AI 模型生产与部署系统。于2017年9月获得来自联想之星的天使轮投资,随后,老股东联想之星又携招商局资本再次对Openbayes进行投资。


团队的核心成员来自YouTube的创始人Steve Chen 和Chad Hurley共同创立的AVOS System实验室,核心团队中,技术人员构成了主要部分,目前公司整体团队规模超20人。


Openbayes的核心业务来自Openbayes机器智能实验室,为科研机构、工业部门、各类商业机构等提供技术服务。此外,Openbayes还建立了天津大学贝式计算人工智能研究中心,与天津大学展开深入合作,进行基础研究,共同承接重大专项课题,助力京津冀一体化发展,同时为Openbayes机器智能实验室、为其他的机构输出人才。


目前,Openbayes在上海交大现也建立了实验室,与北京大学医学部、清华大学、深圳大学、东南大学等,都开展了各类产学研方面的研究。


“即刻连接人工智能”


Openbayes的CEO王臣汉告诉大健康派记者,我们现在说的广义的人工智能是最近几年火起来的,已经是人工智能技术的第三代,其实是归属于统计学中的贝叶斯学派,包括经典的机器学习,也包括神经网络技术在数据建模当中的利用。2016年,AlphaGo和人类棋手对弈获胜,使得技术得到了更广泛的普及。


微信图片_20191114140301.jpg

Openbayes CEO王臣汉


但是对于很多企业而言,做人工智能的门槛仍然很高,首先需要许多人工智能技术领域专业的从业人员。技术的应用还处在一个较新的阶段,人才供给跟不上,而企业培养人才也需要一定的成本。


另一方面,在某些应用场景下,还面临一些“软性”的障碍。如今金融、安防等领域都在采用人工智能,面向大场景、普遍的群体,背后有大量的技术人员做支撑。但实际上,在许多工业化场景上和一些更加垂直的场景中,不是所有的机构都需要专门设置这样的人才。


以医疗场景为例,王臣汉以间质性肺病的诊断进行说明。


间质性肺病有一种治疗方法是需要使用激素治疗,激素治疗的同时也可能会伴随一些副作用,这样一个小的病例,耗费的医疗资源也并不少,需要有经验的从业医师以及他的专业技术。而在这种非常细分的领域,采用算法的可能性并不高,仍然需要专家医生投入大量的精力。


包括Openbayes服务的医院、港口工业、广电媒体等领域,有很多细节性的需求,他们需要的可能不是一个可以普遍直接调用的接口,而是针对自己专门的需求构建的人工智能模型。自建团队的成本非常高,在这些领域,许多机构在人员设置方面还面临编制、待遇等诸如此类的复杂问题,无法设置专门的人工智能岗位,很难获得顶级人才的支持。


Openbayes从这样的痛点切入,为医院提供了自动化的建模服务——不再需要专门的算法工程师在背后驱动,只要有完整的结构化数据,具备一些入门级的基础知识就可以自行建模,降低技术应用门槛。这也是Openbayes的创业初心——“即刻连接人工智能”。


两套产品,将技术分发给各类用户


王臣汉介绍,Openbayes目前拥有两套产品线,一套是Openbayes建模系统,另一套叫做Openbayes Gear算力容器。两套产品不同分工。


Openbayes建模系统主要服务于那些未建立专门的AI技术团队,但又有数据使用场景和建模需求的用户。


医学影像是人工智能技术在医疗领域应用的一个主要场景。近年来,医学影像的研究正越来越多地采用各种各样的人工智能技术,从基础的目标检测,到病理上的判定,再到对医疗影像的三维重建、三维还原、超分辨率,这些研究使得医生能更好地甄别病灶,AI医疗影像影像也可以在化合物的构成、反应等过程中发挥作用。


医疗影像是Openbayes建模系统落地领域之一,将系统部署在医院的集群,由医院的医生来完成结构化信息,利用系统自行建模,只需要会写一点简单的代码就可操作。即使医生完全不懂代码,Openbayes的系统也可以帮助他们构建一些简单的任务指导模型。


另一套产品,Openbayes Gear算力容器是一套算力供给平台,致力于服务专业的人工智能团队,将技术人员的生产力从重复、繁琐的基础工作中解放出来。


王臣汉表示,Openbayes希望能让人工智能技术能被各个领域的人都利用起来,将构建能力分发给不同公司、不同机构,让他们都能从这个工具中获益。目前Openbayes的平台上已经积累了7000多注册用户。


“精确度提升8%” 超声影像数据集意义凸显


王臣汉介绍,Openbayes目前正在参与建设天津市的人工智能重大专项,包括为天津市建立甲状腺结节的病理数据库、影像数据库,再到研究病历分布等。目前Openbayes已经建立了一个规模较大的甲状腺超声影像数据集。王臣汉提到,超声影像在甲状腺结节的检测中应用非常广泛,超声影像设备采用率非常高。沿海地区医疗条件相对较好,但是在我国内陆的许多地区,超声影像在技术上还具有许多局限性。Openbayes建立大规模的甲状腺超声影像数据集,将使得更多人从中受益。


这个超声影像数据集已经显示出不错的效果,与来自不同机构的医师诊断结果进行对照,Openbayes对照的数据显示,大约20名医师诊断的平均精确度是88%,而目前初步建立的模型已经可以达到92%的精确度,比人类医师看影像诊断的精确度提升了4%。更重要的是,人工智能对模态的分析和人类经验的侧重点不同,用AI模型对人类进行辅助,医生看片的时候,AI模型也将其结果标注在上面,最终双方配合的精确度能达到96%,比单独的人类医师判断提升了8%。这一结果对于许多基层医疗机构和繁忙的医院非常具有价值。


此外,Openbayes还与首都医科大学天坛医院合作进行脑膜瘤的分析。与北医三院康复科也有合作,帮助他们将AI应用在运动员的康复上,一个摄像头+激光雷达捕捉患者的运动影像,将运动员还原到三维空间,供医生分析,判断他们的康复状态。


站在科研一端,实现自我造血


在人工智能创业领域,许多企业面临着技术商业化的“死亡之谷”,而Openbayes似乎已经突破了自我造血的瓶颈,2019年已经获得千万级收入,实现盈利,目前A轮融资也已经在推进中。


关于下一步的计划和目标,Openbayes有着清晰的时间表。王臣汉说:“我们希望在未来18到24个月,为行业客户部署10个超算集群,我们第一个超算集群的峰值算力希望能达到10-15petaflop/s,公开服务可以服务8-10万客户。”


谈及人工智能领域资本的退潮和行业的“寒冬说”,王臣汉向大健康派记者表示,一两家公司的问题不代表人工智能、机器学习本身出现了问题,一两个时间段的冷冻期也不代表行业真的有问题,只是一个正常的调整,人工智能的逻辑是被验证过的。如今资本冷静下来,有些同业公司消失了,但是一些新崛起的同业公司也带来了竞争压力, 不合格的公司被淘汰,合格的公司面临充分的竞争,实际上对行业是一件好事。


而对于Openbayes来说,公司建立的基础逻辑在于,人工智能是一种价值投资。


Openbayes判断,虽然目前许多人工智能领域的头部企业在安防、医疗、金融等领域体量巨大,在这些传统行业中实现了规模效应,形成竞争红海,但是在许多行业机器智能和人工智能算法的渗透率还不够,还有蓝海可以开拓。把时间线拉长,人工智能在未来会有非常广阔的市场空间。


而Openbayes则是站在科研的一端,服务医疗的科研,以及其他行业的研究。他们认为,人工智能会如同云服务一样,未来的各个领域都会需要这样的研究方案。



Openbayes 医疗科研 人工智能

关注大健康Pai 官方微信:djkpai我们将定期推送医健科技产业最新资讯