药监局发布医疗AI产品审批要点 人工智能企业是否准备就绪？
在药监局进行“人工智能类医疗器械注册申报公益培训”半年之后，关于审批要求相关的官方详细文件终于下达。半年前的会议上，药监局细致入微的分析了影响医疗人工智能器械审批的每一个过程，细化到对每个指标进行了详尽的讲解。这一次，药监局正式向AI企业发布了审批相关文件《深度学习辅助决策医疗器械软件审批要点》（以下简称《要点》），以文件的方式将审批相关的具体指标确立下来。相比上一次会议，
AI技术在医学影像中的应用现状及行业发展情况分析
随着技术飞速发展、医学数据的持续扩增以及硬件设备的不断提升，人工智能和医疗的结合方式越来越多样化。目前AI在医疗领域中的落地的应用场景主要有医学影像、智能诊疗、智能导诊、智能语音、健康管理、病例分析、医院管理、新药研发和医疗机器人等，其中在医学影像中的应用最为广泛。一、影像医学发展现状医学影像是医生完成诊断的主要依据，通过对影像的分析和比较，从而完成有依据的诊断。但是在实际过程中，往往
AI病理诊断解释方案或解决人工智能CFDA三类申报获批关键难点
深度卷积神经网络（CNNs）已在实践中被证明是一种可以辅助生物医学图像诊断的技术，并已广泛运用于肺结节、眼底等放射影像识别。近日，病理领域的AI研究也有了新的进展。2019年5月，国内杨林团队的论文《Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning》 被《Nature Mach
AI辅助医疗已带来变革，化“零”为“整”全面满足患者需求
2019年6月1日，30位医生两两一组坐在电脑前，仿佛是在电竞对决，气氛十分紧张，走近一看，原来是人工智能心电人机协同锦标赛。5月31日，第十三届东方心脏病学会议暨人工智能与互联网医疗论坛（以下简称“AI医学论坛”）在沪召开，“人机协同锦标赛”是本次论坛上最抢眼的环节之一。在AI“黑科技”的辅助下，冠军组10份心电图分析用时短至15秒，准确率高达98%。人工智能心电人机协同锦标赛中国科学院院士、中
康泰瑞影亮相CMEF：由AI驱动的针对数字放射成像的影像增强方案Altumira™
近年来，人工智能技术与医疗健康领域的融合不断加深，科技巨头和资本巨头都在积极布局智能医疗产业，大批细分领域的初创公司也蓄势待发。2017年7月，国务院发布了《新一代人工智能发展规划》，提出了人工智能发展进入新阶段，已经成为国际竞争的新焦点，成为经济发展的新引擎，将带来社会建设的新机遇，同时发展的不确定性也将带来新挑战。不管从政策红利到技术创新红利，医疗行业将迎来更多机遇与挑战。目前，人工智能技术在
BioMind ™：神经影像AI探路者，亮相2019CMEF引关注
5月14日， 2019年中国国际医疗器械博览会（CMEF）在上海召开，神经影像AI领域领军者BioMind ™一亮相就吸引了众多业内专家的目光。其实，早在3月21日国家卫健委召开的“智慧医院建设工作”官方新闻发布会上， BioMind ™就被两次点名：一次来自国家卫健委医政医管局副局长焦雅辉的发言，一次则出自天坛医院副院长周建新的口中。 在逐渐热闹的医疗AI赛道上，BioMind ™
这款AI算法牛在哪里？
PARP抑制剂是一种可以阻断某些细胞酶的物质，有希望治疗由同源重组 (HR) 缺陷引起的癌症，同源重组是一种协调有害DNA断裂修复的微观机制。然而，PARP抑制剂的使用仍然有限，因为大多数临床测试无法对HR进行有效检测。近日，哈佛医学院的科学家们开发出了一个名为SigMA的AI筛查系统。该系统能够高效和准确地“读取”HR缺陷的分子特征，并进一步配合现有的筛查方法。该研究成果发表在了《自
美年健康发布2018年年报：营收超80亿，全面布局AI生态
4月25日，美年健康（SZ,002044）发布2018年年报，报告显示，公司实现营业总收入845,845.02万元，比上年同期增长34.64%；营业利润129,686.08万元，比上年同期增长53.78%；利润总额128,347.15万元，比上年同期增长52.59%；归属于上市公司股东的净利润82,064.83万元，比上年同期增长40.53%；基本每股收益0.26元，比上年同期增长36.84%
腾讯觅影亮相ASCVTS年会：AI是对影像管理的巨大变革
近年来，AI逐步走进医疗领域，人工智能在“数字”层面不断突破机器辅助诊断的敏感度和特异度，在多个场景里发挥它的价值。但是，不少产品离大规模临床应用还有些距离，要获得临床医生们的认可并不容易。对于医学界大咖来说，AI的能力是否真正在临床上体现价值才是关键点。动脉网获悉：2019年2月21日至24日，第27届亚洲胸心血管外科年会（ASCVTS）在印度金奈召开，来自世界各地的胸心外科学者参加了这个代表亚
IBM使用AI早诊阿兹海默病 准确率达77%
关于阿兹海默病，目前人们普遍认为β淀粉样蛋白是与疾病发展密切相关的生化指标之一。在阿兹海默病导致健忘之前，这种蛋白质就已经开始在脊髓液中逐渐累积。然而，检测β淀粉样蛋白并非易事。这种蛋白质存在于脊髓液中，想要对这一指标进行检测必须采取侵入型的医疗方法：腰椎穿刺。这种检查不仅听上去很痛，实际上也很痛，而且费用十分高昂。为了寻找能替代腰椎穿刺的检查方法，IBM澳大利亚团队开发了新的机器学习