您当前位置:主页 > 产品技术 > 技术背景

技术背景

2011-2016 年中国医疗技术与医疗器械行业收入的年平均复合增长率高达20.7%,远高于全球 3%左右的年平均复合增长率。2016年中国医疗技术与医疗器械市场规模约3,700亿元,比2015年度的3,080亿元增长了620亿元,年增长率约为20.1%。预计2019年市场规模将达到6,000亿左右。

其中影像设备、体外诊断和高值耗材占据医疗技术与医疗器械市场的前三大细分,分别占到总市场规模的19%,16%及13%。从药械比来看,目前我国器械市场与医药市场的规模比例仅为1:7左右,远低于全球1:3的水平。从人均医疗技术与医疗器械费用看,我国目前人均费用仅为6美元,而发达国家人均费用都在100 美元以上,美国达到329美元/人,瑞士更是达到513美元/人。因此,无论从诊疗方法学,还是从消费水平来衡量,中国医疗技术与器械市场均具备巨大的成长空间

2016年6月,国务院办公厅正式印发《关于促进和规范健康医疗大数据应用发展指导意见》,将健康医疗大数据定义为重要的国家基础战略资源,把应用发展健康医疗大数据纳入国家大数据战略布局。8月召开的全国健康与卫生大会指出,要完善人口健康信息服务体系建设,推进健康医疗健康大数据的应用


肿瘤

肿瘤是机体在各种致瘤因素作用下,局部组织的细胞在基因水平上失去对其生长的正常调控导致异常增生与分化而形成的新生物。新生物一旦形成,不因病因消除而停止生长,他的生长不受正常机体生理调节,而是破坏正常组织与器官


放射治疗

肿瘤放射治疗是利用放射线治疗肿瘤的一种局部治疗方法。放射线包括放射性同位素产生的;射线和各类x射线治疗机或加速器产生的x射线、电子线、质子束及其他粒子束等。大约70%的癌症患者在治疗癌症的过程中需要用放射治疗,约有40%的癌症可以用放疗根治。放射治疗在肿瘤治疗中的作用和地位日益突出,已成为治疗恶性肿瘤的主要手段之一


深度学习

通过建立和模拟人脑的分析学习的神经网络,模仿人脑的学习机制,在数据的培训下达到能够自动处理数据,辅助和取代人来完成高强度人机互动的任务。我们将深度学习技术用于医学影像处理及肿瘤放射治疗领域,解决以下痛点:

基于saas云服务模式,不同地域的医师均可通过云服务进行业务处理,基层医院治疗享受一线医院的水平的医疗服务

人工智能自动处理:提高医院医师的工作效率,降低误诊率,降低副反应

降低患者治疗成本,提高医院承载患者数量,增加患者治疗生存率


医学影像+人工智能

医学影像上将肿瘤和各个危及器官勾画出来是开展放射治疗必不可少的步骤,深度学习算法让软件在经过挑选的数据库中学习靶区和危及器官的勾画,从而实现对医学影像的自动图像分割。软件将会自动将病人影像上的靶区和危及器官自动分割,医生只需要对自动分割后的影像进行审核,微调和修改,这样极大的减少了医生的工作量


放射治疗+人工智能

运用大数据和深度学习相结合的方法,能够有效的利用过去积累的放疗计划系统,自动搜索出和当前病例类似的过往病例,并且通过机器学习,分析这些病历上面的放射治疗计划是如何设计而且疗效如何。通过深度学习的方法分析这些病例,能够自动完成放射治疗计划的设计,自动给出最合适的放射治疗方案。可惜的是目前这些大量的数据资料仅仅是被储存,而没有得到有效的利用,利用机器对大量数据的学习则可以代替医生完成这项工作,物理师只需要对软件自动完成的放疗计划进行审核和微调,便可以快速的完成放疗计划的设计。