医疗AI第一股诞生在即，影像AI还有哪些堵点和软肋？

全文5154字，阅读约需10分钟

编辑｜漆叶青

来源｜亿欧健谈

ID：EO-Healthcare

题图｜Pixabay

医疗AI上市潮正在袭来，11月5日，“医疗AI第一股”——鹰瞳科技将正式登陆港交所。在这股IPO热潮下，影像AI产品开发、落地还有哪些软肋？

10月11日-13日，“天府健谈·CHS 2021第六届中国大健康产业升级峰会”正式召开。本届峰会由中国卫生信息与健康医疗大数据学会全科医学与健康管理工作委员会、亿欧EqualOcean主办，四川省卫生健康委、中国卫生信息与健康医疗大数据学会指导，中国卫生信息与健康医疗大数据学会三医联动健康保障分会、健康保险工作委员会、信息及应用安全防护分会协办，成都市卫生健康委支持，亿欧大健康承办。

中国大健康产业升级峰会已成功举办了5届，本届峰会以“集成创新·引领产业融合”为主题，围绕数字医疗、AI和计算驱动的新药研发、基层医疗、支付创新、基因检测、中医康养、智慧养老七大细分领域的市场环境、投资热点和产业变革等话题展开探讨，共包括1场开幕式、7场产业论坛、1场晚宴盛典、3天产业创新展、1场创新项目路演、1场院长培训班。

在10月13日的数字医疗产业论坛上，围绕“多方协作，医疗AI的集成创新之路”这一主题，由亿欧EqualOcean董事、亿欧大健康董事合伙人梁永生主持，成都市第五人民医院影像科主任付兵，强联智创®创始人、CEO刘文哲，科亚医疗AI实验室副总裁尹游兵，从医院端和产业端两方面进行了探讨，他们的核心观点如下：

付兵：影像AI产品可能可以继续从三方面努力，1.检出问题，目前定量问题已经做得很好，但定性还需提升；2.AI产品最终可能还要落到基层，可支付性、怎么落地是问题；3.AI产品给出的诊断结论，若引起纠纷，有没有相关保险可以支持。

刘文哲：从整个疾病诊疗和医院的角度来看，医疗AI产品的落地和未来发展，不仅仅涉及到临床和影像科室，还有信息化等，AI赋能临床也不只是安装软件这么简单的事，事关医疗服务能力的提升。

尹游兵：从医疗影像AI产业的落地科室看，不管是影像科室还是临床科室，并不存在优劣的差别，主要是看怎么去实现真正的落地，在医院里面让患者能够受益，这才是最关键的。

梁永生：整个医疗影像AI赛道有很多产品，做肺结节、骨折的、骨龄的、冠脉的，作为企业方真正应该考虑的是，这些产品到底是企业想象出来的市场需求，还是针对院方的需求、真正能够解决患者的诉求。

医疗AI产品开发：

院端与企业如何打配合？

梁永生：影像数据是相对易获取的数据，但每一家数据质量不一样的，有的医院可能信息化建设比较好、数据相对齐全一些，而有的医院数据质量可能并不那么好，在数据参差不齐的情况下，企业所打磨出来的产品到最后的落地使用，情况也会参差不齐，从企业端而言应当如何解决这个问题？

尹游兵：这个问题非常好，这一波人工智能发展是由数据驱动的，数据是产品的核心，个人认为可以从两个方面探讨一下这个问题，首先就是数据本身，CT影像和核磁影像，另外就是金标准和标注这两个层面。

数据本身的话，相比于自然图像，医疗影像差异性不是特别大，医疗影像这些设备都是经过验证的、标准化的，影像采集手段也有相应规范、指南，也是符合指南标准的，当然也存在一些比较小的差异，比如说参数设置方面。在我看来，在模型开发的阶段首先是严把QC的关、入组合规的数据，同时尽量加入更多数据使数据多元化，此外在数据测试过程中进行不同亚组分析，保证这个模型和产品对于不同厂家的仪器都是可以满足性能指标。

关于金标准和人工标注，金标准是客观测量，至于人工标注，比如说要勾画一个肺结节必须要从流程上严把关，首先通过不同的医生验证、把标准进行统一，有了一个统一的标准之后再进行大规模数据的标注，保证上游的金标准是准确的。

刘文哲：梁总提了一个客观实际存在的问题，刚刚尹总也说得非常有道理，首先我们要正视这个客观存在的差异化问题，不同的设备厂家甚至不同的操作技师，无论是操作还是质量都会有所差异或者说是有其特点，在这种情况下作为医疗公司来讲我们是这么做的，首先是发挥算法优势，可以分成两部分：

一、在数据收集过程中，将不同场景的数据收集齐全，而不仅仅是好的优质数据。实际开发一款普及临床使用的产品，要涵盖临床实际过程当中的尽量多的场景及其数据；

二、修炼内功，强联智创®采用了很多迁移学习的方式，对于AI模型和算法模型做了大量的预训练，这样一来，在训练级数据量比较小的情况下，也能达到比较好的效果。

其次是联影智能周总谈到的，从设备采集端来讲，算法应该更早介入到影像采集的场景当中，通过用AI赋能采集、赋能设备来更好地解决问题。

最后，产品落地时要提供更多好的配套服务，包括培训以及后续临床产品的打磨，没有一种方式可以绝对解决所有问题。

梁永生：付主任从医院方的角度为大家分享一下，如何配合企业，或者说企业和医院端应当如何相互去合作，去解决这种因为数据参差不齐问题到最后所训练出来的系统问题，在院端如何和企业合作或者是打配合？

付兵：这确实是个问题，目前主要存在的问题是，人员、数字化存在差距，实际上影像提到同质化，主要指的是规范的培训、以及统一标准。目前我们一直在努力做的，尤其是在基层医院一定要加强培训，严格按照指南进行，同时对于AI医疗公司，把我们面临的问题、诉求与他们的能力结合起来，把这方面工作做得越来越好。

梁永生：谢谢付主任。临时想到一个问题，联影智能的周总也坐在台下，联影智能属于设备+医学影像AI，本身联影有自己的医疗设备，而强联智创和科亚医疗是纯粹软件出身的，想问一下两家企业，相较于设备+软件的公司，纯软件公司的优势在哪里？

尹游兵：作为一个医疗行业从业者，我非常希望有更多公司加入到这个行业来，医疗的目的在于让患者获益，这个赛道是一个很广的赛道、疾病种类很多，比如肺疾病就涵盖多种，另外像科亚医疗发力的心脑血管疾病，从早期的筛查、诊断到手术的指导和术后评估，也都是在围绕着医学影像AI技术及应用做深度挖掘、探索。

我们可以说是灵活的，包括商业落地、产品规划等各个方面都是很灵活的，科亚医疗也是最早拿到医疗器械三类证的，过去一年多实践，公司也在市场推广方面也是做了很多工作，包括准入、物价方面等。目前科亚医疗的产品已经覆盖了国内上千家医院、覆盖了近3000万患者，从这个角度而言，大家各自有各自的优势。

刘文哲：首先澄清一点，强联智创®打造的不是影像AI，我们是临床AI或者是疾病AI。我们以患者为中心，以疾病的整个诊疗流程为主线，并不是单单解决诊断这一个环节的问题。我们一直认为，医疗的核心在于解决疾病的问题，而不只是开发一个好用的工具，我们更希望站在临床的角度一起来面对疾病、解决疾病。

当然联影智能很有优势，刚刚我也在前面提到了，采集端上设备和AI的结合是非常有必要的，但对我们纯软件公司来讲，我们会更轻盈，我们不会受到采集端的制约，我们会更从疾病的角度来考虑问题，无论是诊断环节、治疗环节，还是更前端的筛查、后端的随访环节，均已超出医院的场景了，因此强联智创®更多强调的是做全诊疗流程的智能化解决方案。

基于这样的前提，强联智创®在每一个环节都有落地和应用的可能，最终我们希望，强联智创®成为珍珠项链上的那根金丝线，把疾病诊疗的全流程串起来，而强联智创®所做的所有有价值的产品和服务将是这根丝线上一颗一颗闪亮的珍珠。

商业化落地场景怎么选：

影像科还是临床科室？

梁永生：刚才尹总、刘总都同时提到了一个词“灵活”，我所理解的灵活可能是，我们纯软件的公司可以跟GPS其中的任何一家合作，可以不限于数据采集端，这是我所理解您说的灵活的优势。

借由刚才刘总所说到的全流程追问一个问题，目前在业务推进过程中，有些企业可能直接跟影像科室合作，比如一些做肺结节产品的公司，还有一类是类似于强联智创这样的公司，从临床科室去进行业务推进的，两类业务推进路径有所差异，为什么是这两种选择业务推进的方式？这两种业务推进方式可能无法评价好坏，那哪种方式可能对于医院更好接受？

刘文哲：强联智创®是从临床终端切入的，但商业化落地场景不仅限于临床，强联智创®同样也有影像或纯影像后处理的智能化软件。比如说急性卒中优化智能软件，偏急救场景，更适合与CT对接，这样我们实际认为它更适合影像的落地场景。当然还有一些术中和术后的评估产品，可能更适合于临床的场景当中。

再次重申和强调，强联智创®不只是在临床当中落地，就像刚才讲的一样，我们希望能把整个疾病诊疗流程串起来，而不是单纯的站在影像端或者站在治疗端来考虑问题，我们其实是考虑整个疾病治疗的角度。

尹游兵：解释一下灵活这个事情，刚刚梁总谈到软件厂家跟不同的设备厂商相对接，另外其实此前我们在GPS也有过工作经验，像GPS这些大厂商对于项目立项是有一个很严格的流程，要通过各种不同的部门，走的流程会相对较长。

而像我们科亚医疗去年新冠肺炎，从开始决定做投入开发这个产品到最后上线，其实短短就是几个星期的时间，包括我们发表第一篇新冠病毒相关的文章也仅有两三个星期，从立项开始到做，到最后的软件出来速度很快的，像我们之类的国内企业在这方面有非常明显的优势。

至于落地的事，两个路径（影像和临床科室）科亚医疗都有，针对影像类的产品，包括冠脉的结构化报告、脑卒中结构化报告，而冠脉CT功能评估主要是针对于心内科室，但我们跟影像科室也会积极沟通，经常两边都会进行结合，彼此间有合作。我个人认为，不管是影像科室还是临床科室，并不存在优劣的差别，主要是看怎么去实现真正的落地，在医院里面让患者能够受益，这才是最关键的。

付兵：AI软件一般分为两类，一类基本上是全终端的，可能涉及到临床治疗计划、疗效评估等等，另一类是影像诊断，从影像切入，收集数据进行证实，比如说临床有病症然后进行规划，最后不断学习，到这个软件成熟。我感觉最好的合作方式还是三方协同了，首先从影像方面进行判断，到临床根据不同的影像结构怎么处理，采取哪种方式。

刘文哲：正好付主任谈到这个问题，我想补充一下，从整个疾病诊疗角度或者从整个医院角度来讲，其实AI的落地和发展，未来不只是涉及到临床和医院，还有信息化，特别是我们临床采集的输入端不只是影像数据，还有很多临床的信息。

而信息化水平的提升或者说医疗AI的应用，也绝不只是装个软件、装个系统这么简单的事情，它事关整体医疗能力的提升，而医疗能力的提升对医院来讲就是多维度的。所以就像付主任所言，不单影像、临床，可能还要加一些信息化因素，包括现在特别敏感的数据问题，从方方面面加以考虑，综合起来努力用新技术来赋能，提升整体医疗能力。

梁永生：论坛现场在座的既有做设备的，也有做软件的，我们也请付主任给这些公司一些建议。

付兵：建议谈不上，可以谈一下我们平常思考的一些困惑，医疗AI相关产品我们非常需要，现阶段大家用了就更加知道，但是它还是存在一些需要解决的问题。

以肺结节为例，目前检出一点问题没有，定量的问题已经做的很好了，但是定性还是需要继续提升，比如说很多病变检出以后，诊断结果要用人工的判断，肺结节到底是良性、恶性等等。

另一方面，用好AI产品，不光是要在大医院用，最终也要落实到基层包括乡镇医院等等，面临的问题是AI收不收费，怎么来收费，大医院可能没关系，只要能够把医生的相对劳动强度降低、效率提高，但是小医院可能就是个问题了，如若对病人收费，但小医院的病人又比较少，所以怎么落地是一个问题。

第三，既然这些产品最终现在已经推出市场，国家相关的部门同意核准了，但如果AI公司的结论最终给错了，甚至引起了相关纠纷，这时该怎么办？有没有什么保险的形式可以支持一下。

梁永生：谢谢付主任，由于时间关系就不做展开讨论了。亿欧大健康其实早在2016年的时候就开始关注这个赛道，那个时候整个赛道还是初始阶段，我们也跟企业去聊，跟医院端去聊，去跟政策口的人去聊，我们发现这个赛道有很多产品，做肺结节的、做骨折的、做骨龄的、做冠脉的等等，产品线很多很多，作为企业方，其实应该考虑这些产品到底是我们企业想象出来的市场需求，还是针对院方的需求，真正能够解决患者的诉求。

如果我们只是做一个软件去解决效率的问题，在我看来，这个效率的问题可能还不能够发挥医疗AI的全部价值，医疗AI它应该有更大的发挥空间，我们也相信，医疗AI这个赛道足够大，足够让各家企业均在这里面去分到一杯羹，我们也希望这个产业能越走越好，亿欧大健康也会在这个产业竞争当中扮演一个行业观察者的角色。

本文由亿欧健谈授权亿欧发布，申请文章授权请联系原出处。