「PACS+AI」如何更好地解决数字化医院建设难题？
共 3871字，需浏览 8分钟
·
2021-08-31 13:09
作者 | 刘海涛
编辑 | 李雨晨
以2011年IBM公司的机器人沃森“入职”Wellpoint为起点，到2016年国内业界公认的医疗AI元年至今，医疗AI已经走过数个年头。中间几度浮沉，被寄予厚望，也曾遭受质疑。
2020年以来，随着多达15款医疗AI产品陆续获批NMPA三类证，笼罩在医疗AI头顶的迷雾终于一点点散去，2021年也被称作医疗AI在中国的商业化元年。
医疗AI从前景迷茫到商业化道路日渐清晰，广州市妇女儿童医疗中心信息中心主任曹晓均是见证者和亲历者之一。
广州市妇女儿童医疗中心信息中心主任 曹晓均
从2019年开始，广州市妇女儿童医疗中心先后引进了多款医疗影像AI产品。看着医疗AI产业发展越来越好，曹晓均由衷地感到高兴：
一方面，医疗影像AI产品在广州市妇女儿童医疗中心落地后，确实展现出了它的价值。“医疗影像AI对影像科提升工作效率有很大帮助。例如肺结节的诊断、骨龄的测算，以前没有AI，需要医生逐张片子去看。现在AI可以先给出一个初步诊断，帮助医生更好地关注到片子中的问题。”
另一方面，广州市妇女儿童医疗中心在引进医疗影像AI的过程中也投入了不少资源和精力。
医疗影像AI运行需要强大的算力作为支撑，这就要求医院必须对服务器等硬件进行升级。这个担子自然落在了作为信息中心主任的曹晓均肩上。
行业早期，很多公司为了把自家的AI产品送进医院，都会免费帮医院部署服务器，有些医院为了节约人力和资金也乐见其成。
但广州市妇女儿童医疗中心对数据安全格外重视，为保险起见，还是决定自己采购和部署服务器。刚接触医疗影像AI，曹晓均经验不多，不知道该部署多大算力的GPU。
为此，他走访考察了不少医院，跟合作的厂商更是反复沟通交流。如今医疗影像AI的价值逐渐得到认可，他和医院的这番功夫也算没白费。
1
医疗影像AI之痛：与PACS
系统彼此割裂
虽然医疗影像AI的商业化前景正逐步明晰，但曹晓均也看到，其发展仍然存在许多不足和挑战。
首先，需要医疗影像AI的场景非常多，AI目前能解决的只是一小部分问题。
“影像科医生希望AI能够识别所有类型的片子，对所有类型的疾病进行诊断，但现实中AI根本做不到这么细。它只有在面对单一疾病——比如肺结节、骨折时，才能有较高的诊断能力。针对复杂维度的使用场景，现在还没有很好的产品能够落地。”
其次，医疗影像AI与医院既有PACS系统之间的兼容和打通也是一大挑战。作为信息中心主任，曹晓均对此深有体会。
当前，各家公司的医疗AI产品都只能针对单一疾病或者少数几种疾病进行辅助诊断，因此医院往往需要引进多家公司的产品来满足对于不同病种的辅助诊断需求。
而且，行业早期AI公司为了提前“占位”，会尽最大努力把产品送进医院，这就导致一个医院可能同时存在几款针对同一病种的医疗影像AI产品。比如广州市妇女儿童医疗中心就同时引进了包括汇医慧影在内的三家厂商的肺结节医疗影像AI辅助诊断系统。
医疗影像AI产品作为一个独立系统，需要通过定制化的接口从PACS系统获取影像数据。而每个PACS系统都有自己的开发语言和技术标准，这就需要医院信息科为引入的每一款医疗影像AI产品独立开发PACS系统接口。
“对接的AI厂商越多，需要开发的接口就越多，增加了我们的工作量，而且接口也不方便管理。AI系统对于数据字段的要求会随着算法的演进不断改变，如果以后A公司要增加字段，B公司也要增加字段，维护的成本就会非常高。”
这种系统的割裂也影响到了医疗AI产品的最终用户——影像科医生的使用体验。
北京协和医院放射科高级工程师、中华医学会影像技术分会前主委付海鸿就曾提到，“这些AI工具大多使用独立的服务器、工作站，或是作为放射科医生工作站的一个单独应用存在，并未与日常的数字化阅片诊断工作流程集成在一起。AI工具和PACS、RIS的相互独立，使得医生在工作时需在PACS、RIS与AI工具之间闪转腾挪、往复切换，不利于放射科医生的工作效率和工作体验提升。”
2
信息科的权宜之计：搭建
两大集成平台
医疗影像AI产品和PACS系统彼此割裂的问题从前者诞生的那一刻起便存在，只是随着其逐步走向商业化，用户期望越来越高，才逐渐凸显出来。
作为信息中心主任，曹晓均很早就注意到了这些问题，并且已经探索出了一套相对成熟的解决方案。他认为，医院信息科可以从两大方向入手解决医疗影像AI产品和PACS系统互相割裂的问题：
一是在医疗影像AI产品和PACS系统之间搭建一个数据接口平台，把各个AI公司可能用到的数据字段都纳入到这个平台中去，AI公司按需取用即可，这样就能避免反复开发，同时也方便管理。目前，广州市妇女儿童医疗中心已经取得了不错的实践成果。
二是为影像科医生在PACS系统中开发一个AI辅助诊断结果的集中展示界面。
“比如我们医院接入了三家公司的医疗影像AI产品，它们都对某个病人的片子有自己的看法，那么就可以反馈三个结果出来，统一展示在PACS系统的界面中。有了这个集中展示界面，医生就不需要再同时打开多个窗口了，对使用体验有很大的改善。”
实际使用中，医生并不一定会同时打开3个AI产品，而是会根据自己的偏好进行选择。比如广州市妇女儿童医疗中心虽然引进了3款肺结节AI辅助诊断系统，但每个产品的使用频率并不相同，汇医慧影的产品明显比其他两家厂商更受欢迎。
曹晓均介绍，有了这个集中展示界面后，就可以实现单点登录，避免设立多个账号密码的麻烦。而且系统可以根据医生的偏好自动推荐相应系统的辅助诊断结果。甚至还可以在这个基础之上开发一套评分系统，医生可以对各个AI辅助诊断系统的表现进行评分。
曹晓均表示，以前AI产品好不好都是厂商关起门来自己比，数据都很漂亮，但产品好不好用只有医生才有发言权。有了这样一套评分系统，厂商就能更加客观地认识到自己的长处和短板，对于行业的发展大有裨益。
3
医疗AI发展的终极之道：
与PACS系统走向融合
曹晓均主任提出的两大平台对医疗影像AI系统的使用体验有很大提升，但并未从根本上解决其与PACS系统互相割裂的问题。
不少行业专家认为，影像科医生要想在工作流程中无缝地使用AI，最好办法就是推动医疗影像AI系统与PACS系统走向融合。
比如北京协和医院放射科高级工程师、中华医学会影像技术分会前主委付海鸿就旗帜鲜明地提出，“未来，不集成、不部署、不应用AI的PACS一定会被淘汰，不与PACS、RIS集成的AI也一定会被淘汰。”
但AI产品和PACS系统的融合过程中究竟该由谁来占据主导权呢？
在AI厂商和PACS厂商的对决之中，后者并不被看好。目前许多医院中PACS系统也早已经停止更新迭代。研发实力一般的PACS想在AI领域有所建树必然不是一件容易的事情。
而反过来，AI公司的崛起势头一直都很猛，而且部分企业在PACS+AI领域已经布局了很长时间。
以汇医慧影为例，作为国内医疗AI公司中的先行者和领跑者，汇医慧影很早就确定了“PACS+AI”齐头并进的发展思路，研发了数字智能胶片、大数据科研平台、PACS+数据中台、影像云平台等多条产品线，构建起了以智慧影像为核心的全周期人工智能医学影像解决方案。
汇医慧影“PACS+AI”的整体发展战略可以分成几个维度：
首先，从底层数据出发，瞄准医院数据繁多、价值高、利用率低等问题，从底层架构做起建设PACS+数据中台，将AI对于数据处理的能力赋能给医院，通过数据中台，医院可清晰的看到数据目前的使用、清洗标注等情况。
面向临床科室，汇医慧影研发大数据科研平台，拥有深度学习、机器学习等多种模型算法，临床医生通过科研平台针对感兴趣的研究方向，可以实现图像文本分析，生成准确的论文分析数字和模型。
面向患者端，汇医慧影提供的数字智能胶片可供患者随时调阅。
面向医生端，不受办公地点、距离的约束就能让医生用手机、平板看到原始DICOM格式的数字胶片。同时，汇医慧影的AI辅助筛查系统可帮助医生自动定位病灶信息，效率较纯粹人工诊断提升15%以上。
面向基层医院，汇医慧影推出影像云产品，链接各级医院，服务医联体/医共体、医疗集团等各类医疗机构，实现医学影像数据的互联互通，真正助力实现优质医疗资源下沉。
对于究竟是PACS+AI还是AI+PACS，曹晓均主任也有一番独到的见解。
他认为，虽然PACS厂商的研发能力比较薄弱，但目前而言PACS系统依旧是医生非常依赖的工具，而AI起到的更多是辅助作用。
从这个角度而言，AI企业短时间内还很难撼动PACS厂商的地位。不过长远来看，不排除AI厂商开发的产品也能满足医生对于PACS系统的一切功能需求。
曹晓均认为，医疗AI与业务场景的无缝结合一定是大势所趋。在他看来，最理想化的状态就是，“医生拍完冠脉造影片子后，AI就能自动把关键数字提取出来生成报告，不用医生再去测总容量。”
但他也清楚这不是一两年就能做到的，需要分步有机地结合，从局部应用扩大到全场景。对于医疗AI的未来，他有充分的信心，也有足够的耐心。
小米 OV 集体自研 ISP 芯片的背后，真相并不简单
AI 商业模式的脱靶、崩塌、救赎
留给教育SaaS思考的时间不多了