CCR2019：风口之后趋于理性，探寻医疗人工智能的问题与策略

11月初的北京一片金黄，大风过后，银杏叶已稀稀落落。而此时的国家会议中心内却是热闹非凡，正在召开中华医学会第26次全国放射学学术大会（CCR2019）。

全国的放射学家齐聚与此，GPS、东软医疗、联影智能、赛诺威盛，以及一大批人工智能企业也纷纷在此建立根据地，向整个行业分享着技术的进步与模式的创新。

在这之中，话题的C位依旧被人工智能所牢牢占据。

学术：影像学数理化还面临哪些难题？

作为国家重大战略之一，国务院《新一代人工智能发展规划》、《关于促进和规范健康医疗大数据应用发展的指导意见》等文件的发布不断推动医疗人工智能技术向前发展。但对于企业如何获取医院数据，何如使用医院数据，相关的法律法规仍是一片空白。

法律的问题只是其中之一，在浙江大学应用数学研究所所长孔德兴教授看来，卡住人工智能脖子的关键在于“核心算法”——人工智能算法的现状并不能匹配当前医疗环境对于这项技术的需求。

事实上，深度学习作为一项拥有近40年历史的技术，至到2012年卷积网络的出现才有了今天繁荣，但数年的发展或许已将技术红利消耗殆尽。孔德兴教授认为，医学人工智能缺乏的，是能够对小样本进行分析，对分析结果可解释，并能够将真实世界数据数字化的新一代人工智能。如果不具备这些条件，这样的人工智能可能在实验室中能够展示出优异的成绩，一旦进入医院，它的准确率就会大打折扣。

此外，与此相匹配的智能化信息系统也非常重要，医院方需要尝试搭建一个支持人工智能医疗产品的信息化系统，用以打通不同医疗机构的数据隔阂、消除不同器械之间的影像格式差异，这是当务之急。

这些问题既是机遇，又是挑战。在演讲之中，孔德兴教授主要将这些问题分为了四个点，并以此从“数理”的角度给出了解决方案。

问题一：精准性瓶颈

精准性瓶颈来源于影像设备的局限性与医生认知的局限性。正如任正非所说：“现在的图像不是照出来的，是数学算出来的。”影像学的未来应是彻底的数字化。

从临床角度来看，从基因发生异常到组织病变出现需一年的时间；而从组织病变发展到肿瘤形成需要5－20年时间。周期虽长，但若仅是由医生通过医学设备观察肿瘤，很多病灶将会不可避免的忽略。这不是医生水平的问题，而是人类的视觉极限问题。

所以，一方面，医生需要更精确的设备去生成更为详细的图像信息；另一方面，研究人员需要用数理的方式，将影像信息内涵的信息挖挖掘出来。对于人工智能而言，两个方面均有待深入研究。

问题二：分析方法缺陷

在这个时间上，通过计算机视觉处理医学图像很难精准，最为常见的是“同病异像”、“异病同像”、“模糊边界”等问题。

对于这些问题，很多人工智能企业也开出了“多模态”的药方，或是融入电子病历等信息，为人工智能“构造”一个关联上下文的场景，但在实际之中，缺乏源头可控和图像分析一体化的角度处理、常用刚体的图像处理方法处理柔性对象等问题，依然困扰着人工智能识别图像的精准度。

问题三：数据孤岛

数据孤岛是一个老问题，AI是一项以大数据、大模型、大算力为基础的技术，但由于隐私、产权等原因，不同医疗单位之间的数据难以打通，不能支持医学AI高质量应用。

那么我们是否能用新的方式去解决这个问题呢？联邦学习或许是一个答案。通过这种分布式的计算模式，研究人员可以在不改变数据属性、安全性的前提下，将各家医院的数据连接起来，用于人工智能的训练。

问题四：深度学习缺陷

大数据依赖、黑箱建模、真实数据迁移困难三大问题是人工智能在医学领域发展所遇到的特有问题，也是制约这项技术在医疗领域发展的关键。对于这些问题，目前尚未出现好的解决方案，或许只有发展新一代的深度学习算法，才能以此解决上述问题。

总的来说，孔德兴教授认为，人工智能在当下受到了广泛关注，但由于“经验＋案例”这样自上而下的基本模式依然是AI产品的主流研发方式；理论、技术、方法尚未取得重大突破，临床应用实现仍需一定时间。

展区：没那么热闹，但更理性

回到展区，不少参展的器械商都谈到了今年会场的相对了冷清的氛围。的确，相对于去年，参展的企业少了不少，但参与互动的放射科医生依然在展台间络绎不绝。

与RSNA、ECR等国际放射学会相似，人工智能初创企业与大型影像设备厂商占据了会场的大部分席位。以GPS、东软医疗、联影医疗为主的设备厂商纷纷掏出自己的看家本事。

以GE为例，这家器械巨头不仅展示了前不久通过FDA审批的Edison及其相关应用，还发布了全新一代数字化64排CT“Revolution Maxima”，GE医疗中国CT产品部总经理黄毅告诉动脉网记者：“这台64排CT搭载了“数字化天眼视觉认知系统”、“数字化自由心平台”和“数字化高清诊断平台”三大核心技术，能够满足每日150－200人的流量任务，能够广泛的应用于三甲医院、二甲医院等诸多场景。”

在人工智能企业部分，本次展会的新颖之处在于“质控”与“移动终端”两个概念的深入发展。

以翼展医疗集团发布的新一代翼展AI＋5G盒子（3．0）为例，这台作为搭载了5G通信模块的边缘计算智能网关工具，可以实现现场不同区域、大量医学影像设备数据传输到云端，并提供实时质控、远程监控、远程维护及故障预警功能，为建设大规模远程医学影像诊断平台提供坚实基础。

无独有偶，汇医慧影同样发布了集成多项诊断工具的最新一站式影像人工智能解决方案。通过这台设备，医院可以一次性获得汇医慧影基于人工智能的临床应用、科研应用以及影像信息化服务。

汇医慧影一站式影像人工智能解决方案

大会的另一个亮点在于初创公司对于“质控”的重视。

PereDoc CEO连静表示：“随着DRG政策的推动，我们不仅尝试通过人工智能解决医学影像图像获取、传输、显示、存贮、共享、管理、分析等问题，以强化患者电子病历之中的影像信息质量，也尝试运用我们过去在信息化中的积累，用NLP技术对病案首页进行质控。”

人工智能企业如何战略突击？

展台的情况一定程度上反应了当前人工智能领域的状况。整个2019年，人工智能领域的发展步伐确实有所放慢。为了更好的了解人工智能企业的发展现状，动脉网记者拜访了数位人工智能企业，并将其战略调整梳理如下。

数坤科技：差异化竞争、产品质量铸成行业壁垒

对于数坤科技而言，2019年算不上是寒冬。这家人工智能企业在2月拿到了2亿人民币的B轮融资后；5月取得了全球首个AI与金标准对照多中心结果；8月头颈CTAAI产品已经落地宣武医院等十家三甲医院；9月其冠脉CTA产品被西安高新医院采购；10月与平谷合作开始打造作用于基层医疗心血管病筛防的“平谷模式”。

数坤的突破不绝于此。近日，数坤科技的冠脉CT造影图像血管狭窄分析软件成功进入三类证创新通道，这是我国首个进入创新通道的人工智能辅助诊断类产品。

寒冬之下，为何数坤能保持十足的热度？究其原因，差异化道路的选择是影像因素之一，心血管AI的难度一时让初创公司们望而却步，导致数坤成为了心血管领域中唯一能进入临床的AI产品。

但是，赛道的选择并不足以成为数坤拔得头筹的决定性因素，只有产品打动医生，人工智能企业才能活下去。

左边是AI做的重建，右边是传统工作站

以冠脉CTA产品为例，一个患者预约冠脉CTA需要等7天，病人集中的时候要等14天，做完后再等3天才能取报告；而在数坤冠脉CTA的支持下，患者上午做CTA，下午就能拿到结果。

这背后，是患者、医院、医生的三方共赢。在DRG政策的推动之下，住院时间的缩短意味着大幅医疗费用的节省，患者的时间、医疗开销随之减少了，医生、医院治疗单个患者的支出减少了，接纳的患者变多，收入自然得到了保证。

总的来说，数坤科技已经在三甲医院的心血管场景中打下了坚实的壁垒，而随着算法的进步，数坤也可逐渐在相对低质量的影像中获得有效信息，所以，基层医院、体检中心、非公医疗将成为数坤战略中的下一组核心。

深睿医疗：纵向布局涌现系统性解决方案

很长一段时间以来，深睿都是以高频率、模块化的方式向外推出人工智能产品，但随着头颈CTA等产品的引入，这盘棋似乎涌现出了一些新的东西。

与过去的脑卒中产品结合及优化，深睿医疗能够为临床医生提供一套完整的神经系统AI解决方案，这样完整的解决方案将更好地覆盖医生的需求。

此外，基层医疗同样是深睿战略版图的重要一部分，通过为医联体建立云“管道”，深睿将AI企业的价值扩展到了科室之外，建立起集连接、处理为一体的影像通路，让医疗资源下沉至基层，全面助力分级诊疗。

推想科技：深入，再深入

如果说深睿是要从纵向的角度把AI产品做到最好，以涌现新的价值。推想科技的打法在于将已有的产品线做到行业最优。

在CCR上发布一站式胸部CT多系统多器官多兵种解决方案的推想，则印证了推想科技做好胸部影像辅助诊断产品的决心。

依图医疗：向国内基层医疗与海外医疗开拓新市场

依图医疗的战略部署可归纳与三个词：深化产品，布局基层，远征海外。

在深化产品方面，依图的NLP、辅助诊断、科研平台三大AI产品并驾齐驱，兼顾了医生的工作需求与科研需求。

面向基层的“AI防癌地图”则已点亮广东、福建、河南、浙江、重庆、湖北、辽宁等多个省市，累计服务数十万人次，实施肺癌智能早筛5000余次，筛出疑似高危患者50余人，为基层医疗献计献策。

据依图副总裁方骢所言，依图医疗接下来的布局将延续“临床应用和科研并驾齐驱的方式”当前发展。

翼展医疗集团：布局基层医疗，打通影像科室

在战略方面，这一起家于软件服务的医院一直有着明确的目标和宏大的布局。与上述企业不同，翼展想做的是以基层为核心的云AI产业链，让自己的平台能够包含更多的基层医疗系统与更多的AI影像运用。

在翼展CMO高云龙看来，基层医疗才是AI应用的最佳场景，在这一时期，他认为翼展应该更为专注的做好自己的事——布局基层医疗，打通影像科室。

从上述五家典型企业来看，基层无疑是人工智能企业争夺的下一个场景，这个市场足够大，也有足够的需求等待AI企业去做信息上的连接与医疗服务质量效率的提升。此外，每家企业的战略也随着市场而变得更为聚焦，并因此更加理性。这样来看，医疗人工智能领域并没有丧失它的差异性，这里还拥有足够的空间以供AI企业开发。

卡住AI的关键圆木

过去，伐木公司常常在河流的上游伐木，并将圆木经由河道运往下游进行加工。然而，随着河道宽度的变化，常常有圆木在漂流的过程中卡在了河道中间，并造成了后续木头的堆积。在这个时候，工作人员只需要找到那一根“关键的原木”，将其移动，后续堆积的木头也随着流动，整个链条随之恢复正常。

那么在人工智能领域，初创企业已经做了一定的成果，并沿着这一成果向关联领域奋进，但由于某些因素，商业化的进程被卡住了。而卡住他们的“关键的原木”，正是审批。

即便如此，严格的审批流程的确存在这样的必要。作为一款医疗产品，各个部门审慎的态度在长远来看实则有利于AI产业的发展。

所以，市场的现状或许并没有反应医疗影像AI领域的真实价值。在过去的一段时间内，这个市场曾被高估，而在冷寂之后，我们也需防范价值低估。这是因为，虽然没人能够保证人工智能产品在获得审批之后就能进行优异的商业化落地，但审批的通过必能为人工智能初创公司营造一个更为优秀的发展环境，在此环境下，企业的潜力或将由此迸发。

不过在这之前，人工智能企业还需要挺过一段困难时间。

文 ｜ 赵泓维

网站、公众号转载请联系授权