沒有人會質(zhì)疑AI促進醫(yī)療發(fā)展的意義。其中,，AI醫(yī)學影像是醫(yī)療領(lǐng)域落地最快的一個方向,。
近日,，中科院蘇州醫(yī)工所聯(lián)合麗水市中心醫(yī)院,、蘇州大學附屬第二醫(yī)院研究團隊開展了一項新的研究。研究結(jié)果顯示,，與醫(yī)學影像聯(lián)合使用的人工智能系統(tǒng)SE－DenseNet與增強核磁共振圖像結(jié)合,，可以在無創(chuàng)條件下為病患完成癌癥分級。研究團隊表示,，將把該技術(shù)應(yīng)用在其開發(fā)的肝癌消融計劃導航系統(tǒng)中,，以更準確地輔助制定手術(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著AI醫(yī)學影像向前走,。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,。
看似順風順水,，實則推進困難
在醫(yī)療診斷中，影像的價值是無可取代的,，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、用藥風險等,。但在臨床應(yīng)用中,，影像解讀高度依賴于醫(yī)生經(jīng)驗，具有較大的主觀性，因此,，尋求客觀,、有效的評估方法是一個重要的研究方向。使用“醫(yī)學影像＋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)學影像的發(fā)展根源在于數(shù)據(jù),。數(shù)據(jù)是深度學習算法所需的核心資料,。中國醫(yī)療的獨特性，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)院相對獨立，數(shù)據(jù)獨握,，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)過程中幫助機器學習,，讓醫(yī)院允許產(chǎn)品進場試用,。在實際產(chǎn)品應(yīng)用過程中得到反饋?？萍脊拘枰馁M大量的人力物力財力去搞定醫(yī)院和醫(yī)生,。
而且，國內(nèi)現(xiàn)階段缺乏標準化的高質(zhì)量訓練集,，使得各家人工智能企業(yè)采用的數(shù)據(jù)訓練集標準多樣,，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,，因為病例多且普遍,，病患反應(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，都可以拿這個數(shù)據(jù)庫跑一個模型出來,。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)品落地實用性遭質(zhì)疑
除了在推進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遠沒有達到預期,，面臨著專業(yè)醫(yī)生的質(zhì)疑,。
目前AI醫(yī)學影像基本是基于單病種圖像標注形成的模型，尚沒有符合臨床使用場景的產(chǎn)品,，產(chǎn)品集中于少數(shù)幾個病種,，難以覆蓋全部醫(yī)學影像問題。最重要的是產(chǎn)品實用性,，即AI閱片準確率的問題,。在臨床過程中，很多創(chuàng)業(yè)公司的產(chǎn)品準確率只能達到50％,。視覺識別的不準確,，產(chǎn)品性能自報與實際檢測數(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,，目前進入人工智能醫(yī)學影像領(lǐng)域的創(chuàng)業(yè)公司,，已達40多家。除了垂直度高的人工智能醫(yī)療公司,，互聯(lián)網(wǎng)巨頭也接連進場,，影響著領(lǐng)域內(nèi)的格局變化。
第三方市場調(diào)研機構(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),，預計到2024年，行業(yè)將達到250億美元,，增速超40％,。
現(xiàn)實卻并不樂觀,。即便是龍頭IBM Watson，其Watson for Oncology也還沒有報告具有了盈利能力,。
2017年2月,，人工智能醫(yī)療領(lǐng)域的風向標項目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。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激烈,，誰能在博弈中搶得跑道。
小結(jié)：
得益于計算機視覺這種深度學習技術(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)公司率先在各個跑道上推動著AI落地,。經(jīng)過多年的發(fā)展，AI醫(yī)學影像也已經(jīng)成為AI賦能應(yīng)用的重點領(lǐng)域,。作為最早競爭也最激烈的戰(zhàn)場,，AI醫(yī)學影像商業(yè)化之路還有多遠,。
行業(yè)的興起與泡沫，是任何一個新技術(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,。