![谷歌云使医疗成像数据与医疗成像套件更加可访问、可互操作和有用](http://www.alohadebbie.com/sites/default/files/styles/content_large/public/Google_Cloud_MIS_hero_graphic.jpeg?itok=0Rntgwj5)
谷歌云使医疗成像数据与医疗成像套件更加可访问、可互操作和有用
2022年10月7日——谷歌Cloud宣布医疗影像套件这是一种新的行业解决方案,使成像医疗数据更容易访问、可互操作和有用。
医学影像是诊断病人的重要工具,每年全球有数十亿张医学影像被扫描。成像数据约占所有医疗数据的90%1而且,到目前为止,这些复杂的图像一直高度依赖于人类来阅读。此外,图像的数量持续增长,增加了放射科医生和其他医疗保健专业人员为临床医生和患者解释这些图像的工作量。谷歌云使成像AI的开发能够支持更快、更准确的图像诊断,提高卫生保健工作者的工作效率,并改善患者的护理获取和预后。
谷歌云的MedTech战略和解决方案全球主管Alissa Hsu Lynch表示:“谷歌率先在谷歌照片、谷歌图像搜索和谷歌镜头中使用人工智能和计算机视觉,现在我们正在为医疗保健和生命科学企业提供成像专业知识、工具和技术。”“我们的医疗成像套件展示了科技公司和医疗保健公司携手合作的可能性。”
谷歌Cloud的医疗成像套件解决了组织在开发AI和机器学习模型时面临的常见痛点,并利用这一点实现数据互操作性。医疗影像套件的组成部分包括:
- 影像存储:云医疗保健API,是医疗影像套件的一部分,允许使用国际标准进行简单和安全的数据交换DICOMweb成像标准。Cloud Healthcare API提供了一个完全受管理、高度可伸缩的企业级开发环境,并包括自动化的DICOMde-identification.成像技术合作伙伴包括NetApp为无缝的对云数据管理,和改变卫生保健这是一款由放射科医生临床使用的云端企业成像PACS。
- Imaging Lab: ai辅助注释工具英伟达而且MONAI帮助自动化高度手工和重复的医学图像标签任务,谷歌Cloud还提供与任何DICOMweb查看器的本机集成。
- 成像数据集和仪表板:组织可以使用BigQuery而且美人查看和搜索拍字节的成像数据,以执行高级分析和创建零操作开销的训练数据集。
- 成像AI管道:使用顶点的人工智能Cloud可以加速AI管道的开发,以构建可伸缩的机器学习模型,定制建模所需的代码行数减少了80%。
- 成像部署:最后,医疗成像套件为云部署、在线部署或边缘部署提供了灵活的选项,使组织能够满足不同的主权、数据安全和隐私需求——同时提供集中管理和策略实施谷歌分布式云,由Anthos.
前列腺癌的早期发现
哈肯萨克子午线保健公司该公司正开始使用Medical Imaging Suite去识别拍字节级的图像,并计划未来构建AI算法来预测前列腺癌患者的转移,这是一种严重影响美国黑人男性的危及生命的结果
Hackensack Meridian Health公司高级副总裁兼首席数据和分析官Sameer Sethi表示:“我们正致力于构建AI能力,支持一系列成像的基于图像的临床诊断,并成为我们临床工作流程中不可分割的一部分。”“谷歌Cloud的成像功能,包括标准化存储和去识别,正在帮助我们解锁成像数据的价值,因此临床医生和研究人员配备了数字化决策支持,以适应他们的临床工作流程。谷歌的医疗图像套件对我们将AI和机器学习应用到这些数据中,以预测和预防疾病,帮助挽救更多的生命也是至关重要的。”
改善子宫颈癌诊断
Hologic,开发了首个ce标记的实验室数字细胞学平台,该平台将宫颈癌筛查的新AI算法与先进的体积成像技术相结合。该平台帮助细胞学家和病理学家识别女性的癌前病变和宫颈癌细胞。下一步,Hologic计划使用医疗成像套件扩展平台的功能。
Hologic研发、创新副总裁Michael Quick表示:“我们已经与谷歌Cloud合作,使用医疗成像套件来增强我们目前的Genius数字诊断系统。通过将谷歌Cloud在AI、深度学习和基于云的图像存储技术方面的专业知识与我们在诊断和人工智能方面的专业知识相补充,我们正在发展我们的市场领先技术,以改善实验室性能、医疗保健提供者决策和患者护理。”
医疗影像套房的隐私和安全
隐私和安全在谷歌Cloud的医疗成像套件的各个方面都是最重要的。通过实施谷歌云的可靠基础设施和安全的数据存储支持HIPAA的标准——以及每个客户的安全层、隐私控制和流程——客户能够保护对患者数据的访问和使用。
谷歌Cloud的交付合作伙伴生态系统为医疗成像套件提供专家实现服务,以帮助医疗保健和生命科学组织进行大规模部署。这些合作伙伴包括CitiusTech、Deloitte、Omnigen、Slalom和Quantiphi。
欲了解更多信息:https://cloud.google.com/
参考:
1 S. K. Zhou等,“深度学习在医学成像中的回顾:成像特征,技术趋势,进展重点的案例研究,和未来的承诺”,《IEEE学报》,第109卷,no. 1。5, pp. 820-838, 2021年5月,doi: 10.1109/JPROC.2021.3054390。