沒有人會(huì)質(zhì)疑AI促進(jìn)醫(yī)療發(fā)展的意義。其中，AI醫(yī)學(xué)影像是醫(yī)療領(lǐng)域落地最快的一個(gè)方向。

近日，中科院蘇州醫(yī)工所聯(lián)合麗水市中心醫(yī)院、蘇州大學(xué)附屬第二醫(yī)院研究團(tuán)隊(duì)開展了一項(xiàng)新的研究。研究結(jié)果顯示，與醫(yī)學(xué)影像聯(lián)合使用的人工智能系統(tǒng)SE-DenseNet與增強(qiáng)核磁共振圖像結(jié)合，可以在無創(chuàng)條件下為病患完成癌癥分級。研究團(tuán)隊(duì)表示，將把該技術(shù)應(yīng)用在其開發(fā)的肝癌消融計(jì)劃導(dǎo)航系統(tǒng)中，以更準(zhǔn)確地輔助制定手術(shù)規(guī)劃。

資本扎堆，政策支持，放射類影像相對容易獲取數(shù)據(jù)，國內(nèi)影像醫(yī)生缺口巨大……許多充分必要條件都推動(dòng)著AI醫(yī)學(xué)影像向前走。但漫漫長征路，想要真正商業(yè)化應(yīng)用落地，還有諸多攔路石。

看似順風(fēng)順?biāo)瑢?shí)則推進(jìn)困難

在醫(yī)療診斷中，影像的價(jià)值是無可取代的，90%的醫(yī)療數(shù)據(jù)需要醫(yī)生通過影像來判斷病理情況、手術(shù)方案、用藥風(fēng)險(xiǎn)等。但在臨床應(yīng)用中，影像解讀高度依賴于醫(yī)生經(jīng)驗(yàn)，具有較大的主觀性，因此，尋求客觀、有效的評估方法是一個(gè)重要的研究方向。使用“醫(yī)學(xué)影像+AI”能更全面地獲取病灶信息，降低漏檢概率，具有重要的臨床意義。

AI醫(yī)學(xué)影像的發(fā)展根源在于數(shù)據(jù)。數(shù)據(jù)是深度學(xué)習(xí)算法所需的核心資料。中國醫(yī)療的獨(dú)特性，迫使人工智能企業(yè)必須和醫(yī)院深度合作。

在中國的衛(wèi)生體系中，醫(yī)院相對獨(dú)立，數(shù)據(jù)獨(dú)握，不同地區(qū)的醫(yī)院遵循的政策管理又不盡相同，中國的醫(yī)療數(shù)據(jù)的管控政策不清晰。這給AI+醫(yī)療公司帶來了諸多困難。為了得到醫(yī)院的寶貴數(shù)據(jù)，讓醫(yī)生在研發(fā)過程中幫助機(jī)器學(xué)習(xí)，讓醫(yī)院允許產(chǎn)品進(jìn)場試用。在實(shí)際產(chǎn)品應(yīng)用過程中得到反饋?？萍脊拘枰馁M(fèi)大量的人力物力財(cái)力去搞定醫(yī)院和醫(yī)生。

而且，國內(nèi)現(xiàn)階段缺乏標(biāo)準(zhǔn)化的高質(zhì)量訓(xùn)練集，使得各家人工智能企業(yè)采用的數(shù)據(jù)訓(xùn)練集標(biāo)準(zhǔn)多樣，系統(tǒng)偏差比較大。每家醫(yī)院的醫(yī)療流程不同，醫(yī)療政策差異，公司一般都需要單獨(dú)定制產(chǎn)品，這都加大了AI醫(yī)療公司的研發(fā)壓力和資金壓力。

這也反映在了公司的發(fā)展方向上。

目前做AI醫(yī)療影像的國內(nèi)公司，很大一部分都集中在肺結(jié)節(jié)病種上，因?yàn)椴±嗲移毡?，病患反?yīng)也相對統(tǒng)一，屬于較容易攻克的方向。但最重要的原因是，肺結(jié)節(jié)影像數(shù)據(jù)有公開數(shù)據(jù)庫，掌握AI算法的公司，都可以拿這個(gè)數(shù)據(jù)庫跑一個(gè)模型出來。但在其他病種上，科技公司很難拿到大量數(shù)據(jù)，對于AI公司來說，只有少量醫(yī)院的數(shù)據(jù)是沒有太大意義的。

產(chǎn)品落地實(shí)用性遭質(zhì)疑

除了在推進(jìn)過程中的困難和壓力巨大，已經(jīng)讓一部分科研公司望而卻步。在產(chǎn)品落地應(yīng)用上，目前來說，AI所取得的成果也還遠(yuǎn)遠(yuǎn)沒有達(dá)到預(yù)期，面臨著專業(yè)醫(yī)生的質(zhì)疑。

目前AI醫(yī)學(xué)影像基本是基于單病種圖像標(biāo)注形成的模型，尚沒有符合臨床使用場景的產(chǎn)品，產(chǎn)品集中于少數(shù)幾個(gè)病種，難以覆蓋全部醫(yī)學(xué)影像問題。最重要的是產(chǎn)品實(shí)用性，即AI閱片準(zhǔn)確率的問題。在臨床過程中，很多創(chuàng)業(yè)公司的產(chǎn)品準(zhǔn)確率只能達(dá)到50%。視覺識別的不準(zhǔn)確，產(chǎn)品性能自報(bào)與實(shí)際檢測數(shù)據(jù)不符，很難取得醫(yī)院和醫(yī)生的信任。這也是包括IBM Waston在內(nèi)的醫(yī)療影像行業(yè)的普遍問題。

市場蓬勃增長，但賺錢尚早

人工智能醫(yī)療行業(yè)熱度高漲，影像作為公認(rèn)的圖像識別技術(shù)在醫(yī)療領(lǐng)域最直接的應(yīng)用，掀起了一股創(chuàng)業(yè)潮。據(jù)不完全統(tǒng)計(jì)，目前進(jìn)入人工智能醫(yī)學(xué)影像領(lǐng)域的創(chuàng)業(yè)公司，已達(dá)40多家。除了垂直度高的人工智能醫(yī)療公司，互聯(lián)網(wǎng)巨頭也接連進(jìn)場，影響著領(lǐng)域內(nèi)的格局變化。

第三方市場調(diào)研機(jī)構(gòu)Global Market Insights數(shù)據(jù)顯示，醫(yī)療影像和診斷技術(shù)將成為2017年-2022年智能醫(yī)療領(lǐng)域增速最快的行業(yè)，預(yù)計(jì)到2024年，行業(yè)將達(dá)到250億美元，增速超40%。

現(xiàn)實(shí)卻并不樂觀。即便是龍頭IBM Watson，其Watson for Oncology也還沒有報(bào)告具有了盈利能力。

2017年2月，人工智能醫(yī)療領(lǐng)域的風(fēng)向標(biāo)項(xiàng)目MD安德森與IBM沃森宣布合作終止，這被很多人看作是人工智能在醫(yī)療領(lǐng)域的倒退。原因之一是雙方合作的系統(tǒng)IBM沃森支持的臨床決策系統(tǒng)——Oncology Expert Advisor(OEA)并沒有得到臨床應(yīng)用。

相比Watson，國內(nèi)一眾人工智能醫(yī)學(xué)影像公司都還處于疾病篩查的應(yīng)用階段，即判斷影像中是否存在某類疾病，對于病癥具體癥狀并不具有深度分析能力。比如肺部圖像識別在臨床中可能能協(xié)助醫(yī)生減少一些工作量，但對醫(yī)生的幫助以及應(yīng)用場景比較小，價(jià)值相對是較低的。因此，醫(yī)院和醫(yī)生并不愿意為此買單。與醫(yī)院的合作多是提供產(chǎn)品試用，收不到錢。沒有收入來源和場景，商業(yè)模式是不健康的。

但更苦情的是，盈利是AI醫(yī)療影像公司還來不及想的問題，考慮“在激烈競爭下活下來”，優(yōu)先級可能更高。

谷歌、IBM、英特爾等國際巨頭和國內(nèi)的BAT等科技大廠加緊布局，初創(chuàng)企業(yè)如何擺脫“大魚吃小魚”的命運(yùn)。即使巨頭們不大舉整合市場，創(chuàng)業(yè)公司之間的廝殺也相當(dāng)激烈，誰能在博弈中搶得跑道。

小結(jié)：

得益于計(jì)算機(jī)視覺這種深度學(xué)習(xí)技術(shù)，國內(nèi)有曠視科技、商湯科技、極鏈科技video++、云從科技等優(yōu)秀的AI創(chuàng)業(yè)公司率先在各個(gè)跑道上推動(dòng)著AI落地。經(jīng)過多年的發(fā)展，AI醫(yī)學(xué)影像也已經(jīng)成為AI賦能應(yīng)用的重點(diǎn)領(lǐng)域。作為最早競爭也最激烈的戰(zhàn)場，AI醫(yī)學(xué)影像商業(yè)化之路還有多遠(yuǎn)。

行業(yè)的興起與泡沫，是任何一個(gè)新技術(shù)浪潮的必經(jīng)之路。人工智能入局醫(yī)療，如何突破應(yīng)用關(guān)，還需要等待。