核心觀(guān)點(diǎn)：

• 醫生認為存在哪些問(wèn)題？第一是沒(méi)有行業(yè)標準，第二是AI與臨床醫生承擔的法律責任劃分，第三是醫生缺乏相應AI的知識，第四是AI產(chǎn)品的可信度還達不到。
• 離我們臨床或者是落地最接近的AI技術(shù)就是肺結節，其次就是糖網(wǎng)篩查，其他還有骨骼，越往后的離我們臨床越遠。
• 中國醫學(xué)影像AI公司是很多的，美國反而很少。但是要注意，美國的這些公司都是拿到FDA證的，中國的公司雖然多但還沒(méi)有一個(gè)拿到證的。雖然我們繁榮，但還沒(méi)有落地。
• 現在可能大家都意識到了，單病種是不符合我們臨床場(chǎng)景的，需要多任務(wù)學(xué)習。多病種的學(xué)習才符合我們的臨床場(chǎng)景。
• 現在核心是數據，是醫生，但是未來(lái)核心在于科學(xué)家，只有最核心的算法突破、技術(shù)突破，才能帶來(lái)行業(yè)的革命。
• 只要找到了付費的方式，才有AI企業(yè)的未來(lái)。

12月15日-16日，首屆中國醫學(xué)影像AI大會(huì )于上海召開(kāi)。本文是大會(huì )主席、中國醫學(xué)影像AI產(chǎn)學(xué)研用創(chuàng )新聯(lián)盟理事長(cháng)劉士遠先生在大會(huì )上說(shuō)作的主題演講整理。

我講的題目是“醫學(xué)影像AI研發(fā)現狀和展望”。北美放射學(xué)年會(huì )每年的主題大家都非常關(guān)注，應該說(shuō)這個(gè)主題的演變代表著(zhù)全球對于A(yíng)I觀(guān)念的轉變。

2016年上半年，我第一次講AlphaGo戰勝李世石帶給醫學(xué)影像的挑戰，當時(shí)有人不理解AI跟醫學(xué)有什么關(guān)系。2016年的RSNA年會(huì )主題是Beyond Imaging，參加完之后大家覺(jué)得好像AI跟醫學(xué)有關(guān)系。2017年，主題變成了Explore Invent and Transform，2018年的主題是Tomorrow’s Radiology Today。

現在大家覺(jué)得AI是我們人類(lèi)的助手，AI會(huì )改變我們工作方式，改變醫學(xué)影像的狀態(tài)，所以我們要去擁抱它、參與它，對未來(lái)充滿(mǎn)著(zhù)憧憬。所以我覺(jué)得，從RSNA年會(huì )的主題就可以看到我們對于A(yíng)I觀(guān)念的轉變。

大家都知道，發(fā)展AI作為國家戰略是非常堅定的。中國從事AI的公司有1500多家，從事AI影像的公司也有很多。但是，AI在醫學(xué)上到底有什么需求？今年，中國醫學(xué)影像AI產(chǎn)學(xué)研用創(chuàng )新聯(lián)盟（CAIERA）聯(lián)合中華醫學(xué)會(huì )放射學(xué)分會(huì )與中國醫學(xué)裝備協(xié)會(huì )人工智能聯(lián)盟，聯(lián)合搞了一個(gè)調研。

這次調研我們回收了醫生問(wèn)卷5142份，企業(yè)問(wèn)卷50多份，研究所問(wèn)卷120多份。其中，四川省和安徽省在參與和完成問(wèn)卷數量上分別排第一位，云南在醫生注冊上排在前面，雖然云南省不大，但是填寫(xiě)問(wèn)卷的數量排在第二位。 

在參與調研的醫院中，二級醫院占48.41%，三級醫院占47.81%，基本上是五五開(kāi)的樣子。三級醫院完成問(wèn)卷的情況更好一些。這些醫院是否跟相關(guān)企業(yè)或者科研院所合作過(guò)？結果顯示，沒(méi)有合作過(guò)的有84%，所以空間很大，值得大家去耕耘。 

在被調研的醫生感興趣AI領(lǐng)域，腹部最多，有56%；其次是心胸45%、骨關(guān)節36%、神經(jīng)35%、頭頸29%、乳腺14%、兒科12%等等。

AI應用過(guò)程中，醫生認為存在哪些問(wèn)題？第一個(gè)是沒(méi)有行業(yè)標準，第二個(gè)是AI與臨床醫生承擔的法律責任劃分，第三個(gè)是醫生缺乏相應AI的知識，第四個(gè)是AI產(chǎn)品的可信度還達不到。

這份調研報告加起來(lái)有50多頁(yè)，還沒(méi)有正式發(fā)布，我僅僅簡(jiǎn)單介紹了其中2頁(yè)的內容，給大家透露一點(diǎn)信息。相關(guān)結果詳情我們會(huì )選擇一個(gè)合適的時(shí)機發(fā)布，希望調對醫學(xué)影像AI的布局有所幫助。


中國醫學(xué)影像需求很大，但是服務(wù)跟不上，很多AI公司在這個(gè)領(lǐng)域發(fā)展，是所有影像科醫生的福音。大量的公司投入其中，必然有更多的機會(huì )解決我們的痛點(diǎn)。我們研究了一下中國醫療領(lǐng)域AI公司布局的方向，發(fā)現他們集中在頭部、胸部、盆腔、四肢關(guān)節。最多投入的就是肺結節以及肺部相關(guān)疾病，其次是腦出血，盆腔的主要是前列腺、直腸，骨關(guān)節主要圍繞骨折和骨齡。

大家可以看到，中國醫學(xué)影像AI公司是很多的，美國反而很少。但是要注意，美國的這些公司都是拿到FDA證的，中國的公司雖然多但還沒(méi)有一個(gè)拿到證的。雖然我們繁榮，但還沒(méi)有落地。

中國AI企業(yè)的產(chǎn)品布局，最多的是肺結節等肺部疾病，幾乎所有的AI公司都有，因為這一塊大家都覺(jué)得門(mén)檻低，類(lèi)似于黑紙上找白點(diǎn)，大家覺(jué)得比較容易，其他的眼底、皮膚、骨骼、腦出血等等雖然難度稍微大一些，但總體上圖像維度都比較低，比較好識別，成為大家的切入點(diǎn)。復雜維度的地方，目前的算法還是解決不了，需要未來(lái)大家一起攻克。

因此，離我們臨床或者是落地最接近的AI技術(shù)就是肺結節，其次就是糖網(wǎng)篩查，其他還有骨骼，越往后的離我們臨床越遠。

目前AI產(chǎn)品涉及成像、篩查、隨訪(fǎng)、診斷、治療及療效評估等各個(gè)環(huán)節。

成像環(huán)節，目前基于全迭代的圖像重建一個(gè)病人要半個(gè)小時(shí)或更久，臨床難以接受。用深度學(xué)習的方法有望實(shí)現類(lèi)似于全迭代重建的效果，而時(shí)間大大縮短，能解決優(yōu)質(zhì)圖像的瓶頸問(wèn)題，可能給圖像質(zhì)量的重建帶來(lái)一個(gè)革命。

病變的檢測環(huán)節，人機協(xié)同一定會(huì )提升檢測病變的敏感度?，F在可能大家都意識到了，單病種是不符合我們臨床場(chǎng)景的，需要多任務(wù)學(xué)習。多病種的學(xué)習才符合我們的臨床場(chǎng)景，所以現在已經(jīng)有多家公司來(lái)布局多任務(wù)的學(xué)習，對于肺里面的結節腫塊、肺炎等等進(jìn)行檢測。另外還有骨折模型，胸部的肋骨骨折可能是急診常常會(huì )出現漏診的地方，基于深度學(xué)習的肋骨骨折模型顯示了未來(lái)強大的應用潛力；有一些隱蔽的骨折，我們可以通過(guò)改變攝像的體位來(lái)進(jìn)行證實(shí)。

對于基于CT的肺結節診斷模型，AI產(chǎn)品目前能夠從發(fā)現結節、結節的排序、量化、隨訪(fǎng)，一直到提取一些結構化的信息或者是報告，甚至做一些危險度處理的建議。

在診斷環(huán)節，也在進(jìn)行著(zhù)各種探索。只要有大量手術(shù)證實(shí)的病例，機器學(xué)習是有希望的，目前有部分公司的產(chǎn)品在閉環(huán)數據上已經(jīng)顯示了非常好的敏感度和特異度（分別達到95%和70%），這樣差不多就達到了主治醫生的水平，如果解決了泛化性問(wèn)題，前途是美好的。

預測環(huán)節，AI可用于腫瘤預后、治療效果、能否手術(shù)等等，比如純磨玻璃密度結節到底哪一個(gè)該開(kāi)？哪一個(gè)不該開(kāi)？能夠真正判斷出來(lái)的專(zhuān)家畢竟數量有限，作為普通的醫生，怎么判斷？我們外科醫生怎么判斷？如果有AI模型幫助他判斷，這個(gè)結節可能是有風(fēng)險的，那就可以幫助他來(lái)解決這個(gè)問(wèn)題，減少誤判。

在治療環(huán)節，現在基于深度學(xué)習的圖像重建，可以幫助醫生重構更加直觀(guān)的病變位置、形態(tài)以及信息，可以進(jìn)行被切除部位殘余正常器官組織的功能評價(jià)，可以進(jìn)行年輕醫生術(shù)前培訓，可以進(jìn)行術(shù)前模擬手術(shù)的導航以及路徑訓練，這些都是AI未來(lái)很有潛力的方面。

在放療領(lǐng)域，當然可以在各個(gè)環(huán)節為放療醫生賦能，比如說(shuō)通過(guò)深度學(xué)習推薦、自動(dòng)勾畫(huà)靶區等等。還可以進(jìn)行評價(jià)，可以通過(guò)深度學(xué)習獲得更加微觀(guān)的信息，來(lái)提供診斷效果的評價(jià)。

尤其是靶向治療，哪些適合，哪些不適合？我們要拿到病理才知道患者該用哪一種靶向藥。微觀(guān)和宏觀(guān)之間的關(guān)系，可以通過(guò)深度學(xué)習的方法來(lái)獲得，甚至不用做活檢都可以知道哪些病人用靶向藥，或者是哪些病人不用靶向藥，這是非常有潛力的領(lǐng)域。

未來(lái)AI產(chǎn)品可能會(huì )基于整個(gè)醫療流程的全數據形成模型，從而為病人提供更加精準的個(gè)性化診治方案。我們影像科醫生面臨了一個(gè)大好的機遇，未來(lái)值得期待。比爾·蓋茨說(shuō)過(guò)，任何新技術(shù)的短期影響都可能被高估，但長(cháng)期的影響都可能被低估。AI將會(huì )帶來(lái)我們影像科整個(gè)工作內容、工作效率、工作流程、工作方式的轉變。


為什么醫學(xué)影像AI中國遲遲拿不到證？第一，AI不同于傳統醫療產(chǎn)品， AI如何定義？如何分級？如何測試？比如說(shuō)，硬件只需要上報產(chǎn)品參數，經(jīng)檢測符合就可以給證，但是AI的模型敏感度可以在50%到99%之間進(jìn)行調節， 相應的變化就是假陽(yáng)性率由低到高的變化。這當中如何平衡和判斷，需要相關(guān)專(zhuān)家和管理部門(mén)從新學(xué)習、選擇和確定。

還有，我們是否具備了完整意義的AI產(chǎn)品？如何整合到醫療流程？拿到證后賺誰(shuí)的錢(qián)？這些都是需要考慮的。我們常常說(shuō)，現在單病種的模型不符合臨床場(chǎng)景，覆蓋現在幾個(gè)病種還不夠，要覆蓋全病種；現在的單純基于圖像識別的產(chǎn)品還不夠，需要基于工作全流程的產(chǎn)品。

肺結節的模型比較靠譜，給了我們4點(diǎn)啟示。第一個(gè)就是開(kāi)放、完整、高質(zhì)量數據庫是至關(guān)重要的，肺結節全球開(kāi)放數據庫多，大家的學(xué)習機會(huì )多。第二個(gè)是從源頭進(jìn)行頂層設計，進(jìn)行高質(zhì)量的標注，在當下是很重要的。第三個(gè)是找到明確的臨床需求和使用場(chǎng)景，每個(gè)產(chǎn)品到底是解決什么問(wèn)題，一定要和醫生磨合才行。第四，進(jìn)行大量訓練和迭代，以便適合臨床工作場(chǎng)景非常關(guān)鍵。

但是，現在作為AI產(chǎn)品核心的數據有很多不如意的地方，數據的數量、質(zhì)量、標注、共享都是值得我們討論的和重點(diǎn)解決的問(wèn)題。

我想與各個(gè)公司和科學(xué)家們分享自己的一個(gè)觀(guān)點(diǎn)：現階段基于深度學(xué)習的AI核心是高質(zhì)量數據，是醫生；未來(lái)的核心在于算法科學(xué)家，只有最核心的算法突破、技術(shù)突破，才能帶來(lái)真正的行業(yè)革命。

我注意到，浙江大學(xué)某附屬醫院出了一個(gè)多學(xué)科的人工智能會(huì )診報價(jià)。這是一個(gè)很好的嘗試和示范，AI怎么落地？你是直接給病人收費，還是直接綁在硬件和軟件上收費，還是直接作為診療費付費，還是人機互動(dòng)的付費，還是多學(xué)科的付費？不管怎么說(shuō)，只有找到了付費的方式，才有AI企業(yè)的未來(lái)，才會(huì )給我們整個(gè)行業(yè)帶來(lái)繁榮。

臨床的使用環(huán)節，可能現階段有很多的問(wèn)題，我們要幫助企業(yè)去解決?？赡苁钱a(chǎn)品或者是流程的問(wèn)題，可能是現在的臨床醫生訓練不夠，但科技發(fā)展會(huì )帶來(lái)整個(gè)架構的改變。就像圍棋下到中盤(pán)，要系統考慮后半盤(pán)如何下，我們也應該從更高的層次上來(lái)考慮，如何在現有的層面上來(lái)重塑我們的知識結構和方法。

我相信人工智能一定會(huì )帶來(lái)重大的技術(shù)革新，也會(huì )帶來(lái)我們行業(yè)的變革，未來(lái)發(fā)展會(huì )越來(lái)越好。