摘要：AI醫(yī)學(xué)影像的市場即將進(jìn)入快速增長期，我們也期待著在減輕醫(yī)生負(fù)擔(dān)的同時，能夠享受到更好的醫(yī)療品質(zhì)。

[[383146]]

近日，AI醫(yī)療影像企業(yè)紛紛傳出“捷報”。

專注于超聲人工智能動態(tài)醫(yī)學(xué)影像分析的初創(chuàng)公司深至科技在上周宣布完成B輪億元級融資。

本月初，已完成七次融資的醫(yī)療AI企業(yè)Airdoc，其主體公司北京鷹瞳科技發(fā)展股份有限公司已與中信證券簽署上市輔導(dǎo)協(xié)議，并向北京證監(jiān)局備案，擬于科創(chuàng)板掛牌上市。

據(jù)健康界的不完全統(tǒng)計，2020年，國內(nèi)人工智能醫(yī)療健康領(lǐng)域共完成了65次融資，其中醫(yī)療影像約占總?cè)谫Y數(shù)的三分之一，AI醫(yī)療影像逐漸成為人工智能醫(yī)療健康領(lǐng)域的熱門賽道。從融資輪次看，部分公司開始步入發(fā)展成熟階段，產(chǎn)品技術(shù)日漸得到市場認(rèn)可，商業(yè)模式也逐漸成熟。

在肺結(jié)節(jié)領(lǐng)域的集中爆發(fā)后，AI醫(yī)療影像的“春天”再度來臨了?

研發(fā)到落地的漫漫長路

“我國每年醫(yī)學(xué)影像超30%的增長量，遠(yuǎn)遠(yuǎn)大于每年4%的放射科醫(yī)生增長數(shù)量。此現(xiàn)象為醫(yī)院和醫(yī)師帶來巨大壓力。”AI醫(yī)療公司數(shù)坤科技董事長毛新生在一次采訪中提到。醫(yī)師在重復(fù)、單調(diào)的閱片工作中容易出現(xiàn)疲勞、漏診等現(xiàn)象；一些醫(yī)療機構(gòu)甚至缺乏具備診斷能力的影像醫(yī)師，造成可拍片但無人診療的局面。“無論從患者端，還是醫(yī)生端，都急需‘AI醫(yī)生’輔助。”

從2014年至今，AI醫(yī)療影像經(jīng)歷了扎堆冒進(jìn)、不被接受、逐步獲得認(rèn)可與發(fā)展、大跨步前進(jìn)等過程。隨著AI圖像識別技術(shù)進(jìn)步、醫(yī)學(xué)影像設(shè)備的升級與產(chǎn)業(yè)數(shù)字化發(fā)展，相關(guān)產(chǎn)品向外擴展至骨科、眼科、心血管、神經(jīng)系統(tǒng)、消化道、腦部、超聲波、肝膽胰脾腎等眾多疾病的輔助診斷預(yù)測。

雖然人工智能醫(yī)學(xué)影像分析技術(shù)日漸精進(jìn)，各項產(chǎn)品也紛紛落地，相關(guān)政策與審批未開放卻使得AI醫(yī)療影像產(chǎn)品商業(yè)化困難重重。

相較于歐美，國內(nèi)對臨床評價的路徑控制非常嚴(yán)格，AI醫(yī)療產(chǎn)品的審批必須經(jīng)過耗時較長的臨床試驗。加上用于審批的標(biāo)準(zhǔn)數(shù)據(jù)庫又要兼具資料來源的廣泛性、數(shù)據(jù)種類的兼容性(如CT圖像需包含5毫米圖像、1-2毫米圖像、亞毫米圖像等不同層厚的圖像)與醫(yī)學(xué)圖像標(biāo)記的標(biāo)準(zhǔn)化。而各個地區(qū)、醫(yī)院的數(shù)據(jù)標(biāo)準(zhǔn)不同，統(tǒng)一的數(shù)據(jù)規(guī)范與標(biāo)準(zhǔn)化數(shù)據(jù)庫的建設(shè)需要不少時間。

臨床試驗的耗時與數(shù)據(jù)庫建設(shè)的遲緩皆拖慢了審批進(jìn)程。因此，直到2019年年底，仍然沒有任何一項AI醫(yī)療影像相關(guān)產(chǎn)品取得三類醫(yī)療器械注冊。沒有三類器械認(rèn)證的醫(yī)療產(chǎn)品無法進(jìn)入醫(yī)院的設(shè)備采購目錄，難以進(jìn)行商業(yè)化。對于研發(fā)投入極大的人工智能醫(yī)療產(chǎn)業(yè)而言，就意味著前期投入與后期的現(xiàn)金回流被割裂。

產(chǎn)品投入臨床使用的具體時間無法預(yù)估，商業(yè)價值的實現(xiàn)就變得遙遙無期。于是，2019年行業(yè)投資規(guī)模金額斷崖式下滑300%，與前些年的快速上升形成鮮明對比。AI醫(yī)療影像行業(yè)進(jìn)入了冰河期。

商業(yè)化受挫、審批困難，產(chǎn)品遲遲無法投入商用造成AI在醫(yī)療影像產(chǎn)業(yè)的實際應(yīng)用受到各界質(zhì)疑。一批沒有造血能力的企業(yè)走向倒閉；另一些公司選擇降低成本咬牙苦撐，在商品銷售受阻之后，全力投入研發(fā)工作。如已完成B輪融資的匯醫(yī)慧影開啟大規(guī)模裁員，全職員工數(shù)從巔峰時期的300多人下降到100余人。

柳暗花明

2019年底，新冠疫情的突然出現(xiàn)給了人工智能醫(yī)療影像表現(xiàn)的機會。防疫措施與大量的診療需求快速推動了各醫(yī)院設(shè)備、系統(tǒng)的智能化發(fā)展，AI+醫(yī)療的相關(guān)鼓勵政策出現(xiàn)。由于抗疫所需，AI醫(yī)療影像產(chǎn)品的審批也被提上日程。

“肺結(jié)節(jié)AIII類證”、“AI+CTA III類證”、“AI影像輔助決策III類證”等各類相關(guān)證書的下發(fā)解除了AI醫(yī)療影像公司們的困境，2020年共有9項AI醫(yī)學(xué)影像產(chǎn)品通過NMPA批準(zhǔn)。時隔多年，AI醫(yī)療影像產(chǎn)品的商業(yè)閉環(huán)終于得以打通，資本也紛紛回流。其中，表現(xiàn)最為明顯的就是AI對于CT影像的輔助篩查。

疫情的爆發(fā)讓CT影像的AI輔助診療成為全國商業(yè)化最快的AI醫(yī)療影像應(yīng)用場景之一。在新冠肺炎爆發(fā)初期，國內(nèi)核酸檢測試劑供應(yīng)數(shù)量不足，且假陰性比率居高不下，CT檢測便成為病人確診新冠肺炎的重要標(biāo)準(zhǔn)之一。

在醫(yī)療資源緊張、醫(yī)生超負(fù)荷工作的情況下，超量的CT影像檢查對一線抗疫工作形成了巨大的醫(yī)療資源需求挑戰(zhàn)。在這種狀況下，人工智能的引入可說是雪中送炭。不但能實現(xiàn)快速高效的大規(guī)模篩查，極大地提升影像科工作效率、減輕醫(yī)生負(fù)擔(dān)，減少誤診漏診，還能通過算法的圖像映射與重建技術(shù)，將低劑量或受到器官運動影響形成偽影的CT和PET圖像重建，降低病患接受輻射的風(fēng)險。

新冠疫情爆發(fā)所帶來的海量病患影像數(shù)據(jù)，在很大程度上加快了AI+CT等醫(yī)療影像產(chǎn)品通過審批所需的標(biāo)準(zhǔn)化數(shù)據(jù)庫建設(shè)，專門應(yīng)用于新冠肺炎病癥的AI模型也能通過大量數(shù)據(jù)訓(xùn)練快速落地。同時，暴增的臨床運用需求也使得審批所需的臨床試驗進(jìn)行速度大幅提高。嚴(yán)峻的抗疫情勢讓AI醫(yī)療影像技術(shù)“直接跳過”了以往新技術(shù)從出現(xiàn)到落地被自然接受的漫長過程。

疫情帶來的需求暴增可說是加速AI醫(yī)療影像相關(guān)產(chǎn)品審批的最后一股“東風(fēng)”，使得基于CT的疾病篩查與輔助診斷成為了AI醫(yī)療影像競爭最激烈、產(chǎn)品商業(yè)化種類最多的領(lǐng)域之一。但AI醫(yī)療影像并非萬能，還是有一定的局限。

像是一些沒有足夠數(shù)據(jù)影像資料的疾病，AI影像分析便愛莫能助。除了海量的病歷圖片，人工智能醫(yī)療影像產(chǎn)品從開發(fā)到成熟，大量臨床醫(yī)生的反饋意見也是不可或缺的。若是二者缺一，便可能造成AI分析識別率低下，不但無法幫助醫(yī)生減輕工作量，還徒增困擾。

市面上的AI+CT產(chǎn)品也存在良莠不齊的問題，部分“智能”檢測軟件僅能實現(xiàn)50%的識別率。“最初我們很期待，但用了之后發(fā)現(xiàn)系統(tǒng)不太穩(wěn)定，且準(zhǔn)確率不高，常出現(xiàn)漏診或多篩的情況，作用沒有想象中那么大。用AI看一遍，自己再檢查一遍，也沒有節(jié)省時間。”一名放射科醫(yī)生表示。

此外，大多數(shù)AI醫(yī)療影像產(chǎn)品還停留在“單病識別”的階段，一套系統(tǒng)只能用來篩查一類疾病，系統(tǒng)的應(yīng)用范圍有待加強。“基本上，目前的產(chǎn)品還處于初級階段，需要更多病例去迭代才能夠獲得較好的使用效果。尤其對于這種炎癥，病毒性肺炎本身‘異病同影’現(xiàn)象比較嚴(yán)重，在幫助診斷這一塊的功能可能還需要進(jìn)一步拓展。”一名影像醫(yī)學(xué)與核醫(yī)學(xué)科主任表示。

在努力解決技術(shù)問題的同時，AI醫(yī)療影像公司們也為現(xiàn)有產(chǎn)品融入云端服務(wù)，嘗試為醫(yī)院提供更為多樣的AI+CT影像識別解決方案。

醫(yī)療影像新氣象AI+CT+云

目前，AI+CT的相關(guān)產(chǎn)品主要有三種盈利方式:

第一種是將AI+CT掃描輔助診斷作為單獨的軟件開發(fā)服務(wù)，此種模式較符合大多數(shù)醫(yī)院的采購習(xí)慣。如聯(lián)影智能的“uAI新冠肺炎智能輔助分析系統(tǒng)”，可在達(dá)到九成以上識別準(zhǔn)確率的同時大幅縮短閱片時間，并獨立完成大部份影像報告的撰寫。可根據(jù)患者不同掃描體位自動調(diào)整完成遠(yuǎn)程掃描，大幅降低醫(yī)患間交叉感染的風(fēng)險與操作時間。曾用于武漢火神山醫(yī)院、武漢同濟(jì)醫(yī)院、武漢協(xié)和醫(yī)院等抗疫一線醫(yī)院。

匯醫(yī)慧影的Dr.Turing®新冠AI輔助篩查方案基于SaaS化服務(wù)，具備快速復(fù)制、可擴充性等優(yōu)點，支持云端或私有化靈活部署。其影像識別速度處于行業(yè)領(lǐng)先，可在三秒內(nèi)完成500幅以上的CT影像分析，且能全自動量化對比評估病況進(jìn)展與療效。目前這款系統(tǒng)已進(jìn)入海外市場。

百度飛槳平臺也與連心醫(yī)療合作上線了“基于CT影像的肺炎篩查與病情預(yù)評估AI系統(tǒng)”，其結(jié)合飛槳開源框架和視覺領(lǐng)域技術(shù)領(lǐng)先的PaddleSeg開發(fā)套件研發(fā)，可快速完成對患者CT影像的病灶檢測、病灶輪廓勾畫、雙肺密度分布直方圖及肺部病灶的數(shù)量、體積、肺部占比等全套定量指標(biāo)的計算與展示。已在湖南郴州湘南學(xué)院附屬醫(yī)院等投入使用。

騰訊旗下的AI醫(yī)療實驗室“騰訊覓影”也曾推出基于CT圖像識別的AI輔助診斷新冠肺炎，此系統(tǒng)采用了可移動的應(yīng)急專用CT裝備，獨立于醫(yī)院或放射科之外，避免受檢者交叉感染。最快能夠在2秒內(nèi)完成AI模式識別，可在1分鐘內(nèi)為醫(yī)生提供輔助診斷參考。此系統(tǒng)曾裝設(shè)于武漢協(xié)和西院、武漢日海方艙醫(yī)院、洪湖市人民醫(yī)院等醫(yī)療機構(gòu)。

第二種是與影像設(shè)備廠商合作提供具有AI功能的醫(yī)療影像設(shè)備，收取一定的分成獲取利潤，這種形式較難提供完整的拍片、閱片智能解決方案、需要重新申報CFDA審批認(rèn)證，目前落地較少。

第三種是基于云端、大數(shù)據(jù)及物聯(lián)網(wǎng)的AI+CT一站式服務(wù)，可分為公有云和私有云兩種形式。

如華為云與華中科技大學(xué)、藍(lán)網(wǎng)科技合作研發(fā)推出的新型冠狀病毒肺炎AI輔助醫(yī)學(xué)影像量化分析服務(wù)，便是結(jié)合互聯(lián)網(wǎng)科技優(yōu)勢，基于云PACS提供一站式的醫(yī)療影像解決方案。聯(lián)接醫(yī)院端與華為公有云，在提供AI閱片輔助診斷技術(shù)的同時，解決海量影像數(shù)據(jù)的實時存儲、備份、歸檔問題，并支持多種設(shè)備云端閱片方式。

此外，華為云還提出區(qū)域影像云解決方案，為區(qū)域內(nèi)醫(yī)院提供影像存儲、云端閱片、智能閱片的等功能，支持區(qū)域影像醫(yī)生的在線診斷。讓基層醫(yī)療機構(gòu)得以集中處理醫(yī)療影像業(yè)務(wù)，幫助基層的醫(yī)療資源分配工作。

匯醫(yī)慧影也基于云計算、大數(shù)據(jù)與人工智能，搭建了智慧醫(yī)學(xué)影像整體解決方案，包含NovaCloud®智慧影像云平臺、Dr.Turing®人工智能輔助診斷平臺和RadCloud®大數(shù)據(jù)人工智能科研平臺三大產(chǎn)品體系，可為醫(yī)院、醫(yī)生及患者提供不同形式的人工智能輔助篩查系統(tǒng)、教學(xué)及科研平臺等多項服務(wù)，并實現(xiàn)“三端互聯(lián)”。

目前看來，AI+CT商業(yè)前景一片光明，基于云端的一站式解決方案與全鏈條服務(wù)模式也已取得不錯的商業(yè)成績，云的加入固然提升了數(shù)據(jù)運用的便利性，但也帶來一些新的問題。

首先，AI的能力與用于訓(xùn)練的數(shù)據(jù)量成正比，基于云端網(wǎng)絡(luò)的分析與存儲方式能實時更新保存大量數(shù)據(jù)，方便資料分類整理與調(diào)用，便于人工智能自動更新迭代與學(xué)習(xí)。云端系統(tǒng)在設(shè)備上部署完成后，可在線上統(tǒng)一調(diào)試、更改設(shè)定，方便管理。在系統(tǒng)裝設(shè)與運用上可減少人員在不同醫(yī)院間的流動，有助防疫。疫情爆發(fā)期間的方艙醫(yī)院多使用此類解決方式。

其中，公有云的解決方案有利于形成全行業(yè)統(tǒng)一的CT影像大數(shù)據(jù)庫，也能幫助一些數(shù)據(jù)量較不充足的基層醫(yī)院提升診療水平。而一些本身即有大量數(shù)據(jù)且病例影像資料不斷更新的大醫(yī)院使用私有云方案也能達(dá)到類似效果。

將數(shù)據(jù)聯(lián)網(wǎng)上傳云端分析固然方便，但與便利性相應(yīng)的，數(shù)據(jù)泄露的風(fēng)險也大幅增加。基于安全考量，有些醫(yī)院不愿使用云管理的模式，選擇將數(shù)據(jù)保存在醫(yī)院機房內(nèi)。但這樣又不利于AI的學(xué)習(xí)更新與系統(tǒng)調(diào)試，技術(shù)服務(wù)商也不方便針對不同病癥與病例難以開發(fā)新功能。

對于診療水準(zhǔn)高、病歷影像數(shù)據(jù)多的大醫(yī)院而言，可獲取的資料品質(zhì)和數(shù)量相對穩(wěn)定，對AI學(xué)習(xí)進(jìn)化的速度更快。數(shù)據(jù)在自家系統(tǒng)內(nèi)迭代更新也保證了資訊安全，但小醫(yī)院的情況就完全相反。因此，這種方式也容易形成馬太效應(yīng)，導(dǎo)致醫(yī)療進(jìn)一步資源失衡。

結(jié)語

AI在新冠肺炎防治與診斷的成功應(yīng)用加速了人工智能在醫(yī)學(xué)影像領(lǐng)域的開花結(jié)果，其產(chǎn)品雖存在一些有待解決的問題，卻也無法阻擋資本與市場的持續(xù)升溫。畢竟，醫(yī)療是人類的剛需。AI醫(yī)學(xué)影像的市場即將進(jìn)入快速增長期，我們也期待著在減輕醫(yī)生負(fù)擔(dān)的同時，能夠享受到更好的醫(yī)療品質(zhì)。