Enlitic以实现影像阅读的“快，准，狠”为目标，着力研发深度学习技术 / 四六文摘

“世界经济论坛（World Economic Forum）估计，我们需要至少300年的时间才可以培养出足够多的医护人员满足现在发展中国家的医疗需求，”Jeremy Howard，Enlitic公司的创始人兼首席执行官（CEO）说道。

随着人工智能（AI）在国内外的发展热度不断提升，AI在医疗领域的应用也在如火如荼地进行。为了解决医疗资源极度缺乏的难题，Howard利用AI为医生创造了一个强有力的医疗助手。为此，Enlitic诞生了。

据动脉网了解，Enlitic致力于运用人工智能及机器学习等前沿技术来辅助医疗诊断。公司采用时下最先进的深度学习算法对医学图像、诊断书、临床试验等大量医疗数据进行挖掘，实现快速、准确、可行的健康诊断。

作为一家来自美国加州旧金山的科技公司，《麻省理工科技评论》（MIT Technology Review）杂志评选的全球人工智能公司Enlitic分别位于第35名（2015）和第14名（2016）。

Enlitic主要做些什么？

目前，Enlitic主要用于放射科的疾病诊断，与传统方法相比，Enlitic诊断更快速、更准确、花费更少。

举个例子，一位患者做了肺部CT扫描，Enlitic会通过读取CT扫描来估测这位患者患有肺癌的可能性，并寻找病情相似病患的治疗方法和治疗结果。

医生可以根据Enlitic比较的结果来决定是否让病人做活检，如果需要做活检，那么活检能够提供更准确的信息，大大降低误诊的可能性。如果不需要做活检，Enlitic能够帮助患者省去一大笔开销，还能缓解他们的焦虑程度。

Enlitic数据来源繁多，既包括CT扫描、MRI等医疗影像，又包括临床记录、病理或放射学报告、实验室数据、患者报告的结果等等。

2015年10月，Enlitic获1000万美元A轮融资，投资方为澳大利亚供影像诊断服务领先的供应商Capitol Health。

Enlitic承诺为Capitol Health提供深度学习的技术，改善患者的预断，以实现其扩张到亚洲、提高利润率的主要目标。包括2014年10月完成的200万美元种子天使融资，Enlitic已经累计完成1500万美元融资。

2016年11月，Enlitic 的展位首次公开演示其胸部X射线治疗产品。该产品可高效筛查多个病理现象，帮助放射科学者更快做出正确诊断，同时减少错误。此外，该公司全新的肺癌筛查解决方案支持3D深度学习引擎，完成肺结节检测与鉴别的同时，能够防止不必要的活组织检查。

2017年4月，Enlitic与中国医疗AI科技公司医拍智能正式成立“拍医拍医学智能研究院”，达成深度合作，计划在人工智能医疗影像的辅助诊断等方面获得突破。研究院将主要集中在对CT、MRI、PET、病理切片、眼底照片、超声等医学影像信息采集和分析上。

“我们所做的，是给放射科医生提供工具，以提高他们的工作效率，”CEO Howard说道。Enlitic的软件主要通过以下几个方面来帮助放射科医生节省时间：使相关的早期研究浮出水面、进行检测、突出影像的重点区域、以及从有相似情况的患者身上总结出案例。

致力于探索深度学习的 “闲不住”创始人——Jeremy Howard

提起Enlitic公司的创始人兼CEO Jeremy Howard，人工智能和大数据领域的从业者们可谓无人不知无人不晓。

他是Enlitic、Optimal Decisions Group、FastMail三家科技公司的创始人兼CEO，是大数据竞赛平台Kaggle的前主席和首席科学家，是美国奇点大学（Singularity University）最年轻的教职工，也是在2014达沃斯论坛上发表主题演讲的全球青年领袖。同时，他在 TED 上的演讲收获了近200万的点击。

Optimal Decisions Group（简称：ODG）是一家为保险行业开发先进分析方法和软件应用的公司。

ODG在美国，英国和澳大利亚的保险公司主要研发可预测建模，多年模拟和模型优化，其产品服务用于有针对性的营销、承保、定价、收集和索赔等。

2008年2月，信息服务公司ChoicePoint收购了ODG。这次交易将通过结合ODG的定价优化以及ChoicePoint的数据服务交易来为客户创造额外价值。

在经营ODG的期间，Howard创办了FastMail公司。说起建立该公司的动机，Howard表示：“我对当时可用的电子邮件服务产品感到失望。” 他计划将FastMail打造成一个成功的全球性业务。

FastMail位于澳大利亚墨尔本，主要为个人和企业提供付费型电子邮件服务。2010年4月，该公司被Opera收购。2013年9月，FastMail宣布从Opera分离，成为一家私人控股的独立公司。至今，FastMail在国际上仍是最受欢迎的IMAP邮件服务之一，其主要服务器位于纽约市和阿姆斯特丹。FastMail共拥有数十个提供服务的域名。

2011年10月，Howard加入了一个名为Kaggle的预测建模分析平台，并担任其主席兼首席科学家。不同公司的研究人员们通过发布相关数据，与来自世界各地的100,000多名数据科学家进行竞争，以制造出最好的预测模型为目标。

Howard作为Kaggle的技术和战略顾问，负责基本软件的编写、资料采集，同时承担产品有关的媒体演讲。据动脉网了解，他也是该公司的第一个天使投资人。

此外，Howard在2013年被评为世界经济论坛的全球青年领袖（Young Global Leader）。全球青年领袖论坛是一个多元化社区，涵盖国家政府首脑、财富500强企业高管、诺贝尔奖得主、奥斯卡奖得主、联合国亲善大使、社会企业家等各界人士。

该团体中包括121位年龄在40周岁以下的全球各界青年人士，致力于塑造全球未来。成立Enlitic之后，Howard在2014年的达沃斯论坛上发表了有关“机器工作”的演讲。

同年12月，Jeremy Howard受TED大会邀请，开展了“The wonderful and terrifying implications of computers that can learn”的主题演讲。他对深度学习有着独特的理解：“深度学习是深受大脑启发的算法，它没有理论上的局限性。你给的数据越多、计算时间越多，那么深度学习可以便可得出更好的结果。”

自2016年5月至今，为了让深度学习技术被更多的人理解和应用，Howard又创立了一个名为fast.ai的技术分享平台。该平台不但免费提供关于深度学习技术的视频教程（例如由Howard本人讲授的“Practical Deep Learning for Coders”），同时也可直接帮助从业者和用户开发简单快捷的软件产品。Howard计划通过系列课程为广大观众分享工程实践中真正使用过，并证明有效的东西，而不仅仅是那些理论上的定义和公式。

Howard在一次采访中表示：“通过在Enlitic的研发经历，我认为深度学习技术在未来医疗领域的发展潜力是很大的。而且最重要的是，这方面的研究可以挽救病人的生命，降低发展中国家的医疗成本，这需要我们投入巨大的努力。”

提升影像诊断的效率与精确度

Enlitic广泛与合作伙伴和数据源合作，专注于开发最先进的临床决策支持产品。他们的深度学习技术涵盖各种非结构化医学数据，包括放射学和病理图像，实验室结果（如血液检测和心电图），基因组学，患者病史和电子健康记录（EHRs）。

Enlitic坚信，各个医疗领域的相关涉及和丰富经验可为每位患者带来深入的见解和更高的准确性。

Enlitic的解决方案承诺与现有的医疗系进行无缝连接，他们在放射学科上的应用可以连接到第三方图像查看器和其归档系统。

医患分流系统

每年仅在美国就会拍摄超过3亿张放射诊断图像。随着诊断服务需求的增长，医疗服务提供商也必须提高其效率和准确性。

Enlitic的医患分流系统可通过扫描患者病例，查找多个临床信息，确定疾病优先等级。之后，系统便会自动将对应的病患发送给网络中最合适的医生。研究表明，Enlitic的技术可以在几毫秒内读取医学图像，比普通放射科医师快10,000倍。

筛查程序

Enlitic表示，他们的筛查解决方案可以快速分析病例，突出可疑结果，帮助医生在处理患者流量时高效工作。在医疗影像中，肺癌是最难诊断癌症之一。一旦被诊断为晚期肺癌，80%-90%的患者将会面临死亡。但如果发现及时，那么患者的生存率将会提高十倍。

Enlitic第一次将深度学习用于胸部CT图像来自动检测肺癌结节，并且检测准确度要高于胸部放射科专家小组50%，假阴性率为0，而人类专家的假阴性率则为7%。除此之外，Enlitic还能为其是否会发展为恶性肿瘤的危险程度进行评级。

公众可以查看Enlitic的测试结果，并且美国卫生研究院（NIH）建立的肺癌图像数据库联盟（Lung Image Database Consortium，LIDC）承认Enlitic检测结果的透明性。

实时的临床支持

国家医学研究所（The National Institute of Medicine）估计，诊断错误每年影响了近1200万美国人。Enlitic认为，为医生提供更准确，更有效的决策支持工具可以大大减少这一数字。

公司的实时临床支持解决方案提供工作流的专业指导，帮助医生在解读具有挑战性的案例时更有把握。例如，Enlitic在骨折检测上取得突破性的进展，他们的深度学习技术能够通过X射线图像检测出小到0.01％的微小骨折，并保持其精确度。

对于放射科医师来说，“骨折”是一种常见疾病，但却一直缺乏可靠的诊断方法。错误的诊断不仅会导致不适当的骨骼愈合，而且会给患者留下一辈子的骨骼对齐问题。传统的骨骼CT像素在44×4至4,000×4,000之间，大大限制了计算机视觉技术的应用。

相比之下，Enlitic在“骨折检测”上达到了0.97 AUC（AUC是预测建模精度的一种常用方法），顶尖的放射科专家通常为0.85 AUC，而传统计算机视觉方法为0.71 AUC。

在高精确度的前提下，Enlitic对骨折诊断的速度非常快，能进行上千个CT检测，但所需要的时间比人类医生进行一次CT检测的所需的时间还要少。

此外，为避免放射学所产生的错误率，Enlitic的回顾性分析系统可快速帮助医生回顾过去的大量案例，阅读详细信息，并对其临床表现进行评估。回顾性分析作为医疗诊断上的一个具有价值的工具，有助于临床试验和药物开发的相关运用。

“自从伦琴的X光线应用于医学后，我们还没有见过放射科有如此大的提升”。Enlitic放射科的副总裁Rodney Sappington说道。

Jeremy Howard对科技医疗的愿景

随着数据科学不断向着自动化分析的方向发展，Howard认为阻止Enlitic的最大障碍是缺乏完整的数据集。他表示：“只有基于这样的大规模的完整的数据集，我们才可以建立精准的深度学习模型，提供基于实际医疗效果的诊断和治疗建议，而不是简单的初级的诊断猜测。”

Howard认为，“实际上，我希望在未来几年中，数据科学家的作用将越来越小，同时看到数据科学被纳入其他更多的职业之中，例如医疗专家、律师和物流经理等。因此，我认为数据科学家们应该了解一个行业是如何创造价值的，不同的行业是如何协同工作的，以及一个行业的内部组织架构师怎样的。最重要的是，数据科学家们应该找到某种方法来严格测试自己在相关领域的工作影响力，并与这一领域的专家合作，通过各种手段来增加自己的影响力。”

将数据应用与深度学习技术完美结合始终是Howard对Enlitic未来的要求与目标。“我们也不知道深度学习需要多长时间才能超越人类。但从目前的发展来看，每次我看到有人试图用深度学习技术来改善他们面对的特定问题时，似乎都能获得成功。”