核心觀點(diǎn)：

• 醫(yī)生認(rèn)為存在哪些問題？第一是沒有行業(yè)標(biāo)準(zhǔn)，第二是AI與臨床醫(yī)生承擔(dān)的法律責(zé)任劃分，第三是醫(yī)生缺乏相應(yīng)AI的知識(shí)，第四是AI產(chǎn)品的可信度還達(dá)不到。
• 離我們臨床或者是落地最接近的AI技術(shù)就是肺結(jié)節(jié)，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(yuǎn)。
• 中國(guó)醫(yī)學(xué)影像AI公司是很多的，美國(guó)反而很少。但是要注意，美國(guó)的這些公司都是拿到FDA證的，中國(guó)的公司雖然多但還沒有一個(gè)拿到證的。雖然我們繁榮，但還沒有落地。
• 現(xiàn)在可能大家都意識(shí)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(xí)。多病種的學(xué)習(xí)才符合我們的臨床場(chǎng)景。
• 現(xiàn)在核心是數(shù)據(jù)，是醫(yī)生，但是未來核心在于科學(xué)家，只有最核心的算法突破、技術(shù)突破，才能帶來行業(yè)的革命。
• 只要找到了付費(fèi)的方式，才有AI企業(yè)的未來。

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

我講的題目是“醫(yī)學(xué)影像AI研發(fā)現(xiàn)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(yīng)該說這個(gè)主題的演變代表著全球?qū)τ贏I觀念的轉(zhuǎn)變。

2016年上半年，我第一次講AlphaGo戰(zhàn)勝李世石帶給醫(yī)學(xué)影像的挑戰(zhàn)，當(dāng)時(shí)有人不理解AI跟醫(yī)學(xué)有什么關(guān)系。2016年的RSNA年會(huì)主題是Beyond Imaging，參加完之后大家覺得好像AI跟醫(yī)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(xiàn)在大家覺得AI是我們?nèi)祟惖闹?，AI會(huì)改變我們工作方式，改變醫(yī)學(xué)影像的狀態(tài)，所以我們要去擁抱它、參與它，對(duì)未來充滿著憧憬。所以我覺得，從RSNA年會(huì)的主題就可以看到我們對(duì)于AI觀念的轉(zhuǎn)變。

大家都知道，發(fā)展AI作為國(guó)家戰(zhàn)略是非常堅(jiān)定的。中國(guó)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(yī)學(xué)上到底有什么需求？今年，中國(guó)醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟（CAIERA）聯(lián)合中華醫(yī)學(xué)會(huì)放射學(xué)分會(huì)與中國(guó)醫(yī)學(xué)裝備協(xié)會(huì)人工智能聯(lián)盟，聯(lián)合搞了一個(gè)調(diào)研。

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

在參與調(diào)研的醫(yī)院中，二級(jí)醫(yī)院占48.41%，三級(jí)醫(yī)院占47.81%，基本上是五五開的樣子。三級(jí)醫(yī)院完成問卷的情況更好一些。這些醫(yī)院是否跟相關(guān)企業(yè)或者科研院所合作過？結(jié)果顯示，沒有合作過的有84%，所以空間很大，值得大家去耕耘。 

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

AI應(yīng)用過程中，醫(yī)生認(rèn)為存在哪些問題？第一個(gè)是沒有行業(yè)標(biāo)準(zhǔn)，第二個(gè)是AI與臨床醫(yī)生承擔(dān)的法律責(zé)任劃分，第三個(gè)是醫(yī)生缺乏相應(yīng)AI的知識(shí)，第四個(gè)是AI產(chǎn)品的可信度還達(dá)不到。

這份調(diào)研報(bào)告加起來有50多頁(yè)，還沒有正式發(fā)布，我僅僅簡(jiǎn)單介紹了其中2頁(yè)的內(nèi)容，給大家透露一點(diǎn)信息。相關(guān)結(jié)果詳情我們會(huì)選擇一個(gè)合適的時(shí)機(jī)發(fā)布，希望調(diào)對(duì)醫(yī)學(xué)影像AI的布局有所幫助。


中國(guó)醫(yī)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(yī)生的福音。大量的公司投入其中，必然有更多的機(jī)會(huì)解決我們的痛點(diǎn)。我們研究了一下中國(guó)醫(yī)療領(lǐng)域AI公司布局的方向，發(fā)現(xiàn)他們集中在頭部、胸部、盆腔、四肢關(guān)節(jié)。最多投入的就是肺結(jié)節(jié)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(jié)主要圍繞骨折和骨齡。

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

中國(guó)AI企業(yè)的產(chǎn)品布局，最多的是肺結(jié)節(jié)等肺部疾病，幾乎所有的AI公司都有，因?yàn)檫@一塊大家都覺得門檻低，類似于黑紙上找白點(diǎn)，大家覺得比較容易，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(shí)別，成為大家的切入點(diǎn)。復(fù)雜維度的地方，目前的算法還是解決不了，需要未來大家一起攻克。

因此，離我們臨床或者是落地最接近的AI技術(shù)就是肺結(jié)節(jié)，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(yuǎn)。

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

成像環(huán)節(jié)，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(xí)的方法有望實(shí)現(xiàn)類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)圖像的瓶頸問題，可能給圖像質(zhì)量的重建帶來一個(gè)革命。

病變的檢測(cè)環(huán)節(jié)，人機(jī)協(xié)同一定會(huì)提升檢測(cè)病變的敏感度?，F(xiàn)在可能大家都意識(shí)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(xí)。多病種的學(xué)習(xí)才符合我們的臨床場(chǎng)景，所以現(xiàn)在已經(jīng)有多家公司來布局多任務(wù)的學(xué)習(xí)，對(duì)于肺里面的結(jié)節(jié)腫塊、肺炎等等進(jìn)行檢測(cè)。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(xiàn)漏診的地方，基于深度學(xué)習(xí)的肋骨骨折模型顯示了未來強(qiáng)大的應(yīng)用潛力；有一些隱蔽的骨折，我們可以通過改變攝像的體位來進(jìn)行證實(shí)。

對(duì)于基于CT的肺結(jié)節(jié)診斷模型，AI產(chǎn)品目前能夠從發(fā)現(xiàn)結(jié)節(jié)、結(jié)節(jié)的排序、量化、隨訪，一直到提取一些結(jié)構(gòu)化的信息或者是報(bào)告，甚至做一些危險(xiǎn)度處理的建議。

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

預(yù)測(cè)環(huán)節(jié)，AI可用于腫瘤預(yù)后、治療效果、能否手術(shù)等等，比如純磨玻璃密度結(jié)節(jié)到底哪一個(gè)該開？哪一個(gè)不該開？能夠真正判斷出來的專家畢竟數(shù)量有限，作為普通的醫(yī)生，怎么判斷？我們外科醫(yī)生怎么判斷？如果有AI模型幫助他判斷，這個(gè)結(jié)節(jié)可能是有風(fēng)險(xiǎn)的，那就可以幫助他來解決這個(gè)問題，減少誤判。

在治療環(huán)節(jié)，現(xiàn)在基于深度學(xué)習(xí)的圖像重建，可以幫助醫(yī)生重構(gòu)更加直觀的病變位置、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(píng)價(jià)，可以進(jìn)行年輕醫(yī)生術(shù)前培訓(xùn)，可以進(jìn)行術(shù)前模擬手術(shù)的導(dǎo)航以及路徑訓(xùn)練，這些都是AI未來很有潛力的方面。

在放療領(lǐng)域，當(dāng)然可以在各個(gè)環(huán)節(jié)為放療醫(yī)生賦能，比如說通過深度學(xué)習(xí)推薦、自動(dòng)勾畫靶區(qū)等等。還可以進(jìn)行評(píng)價(jià)，可以通過深度學(xué)習(xí)獲得更加微觀的信息，來提供診斷效果的評(píng)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。微觀和宏觀之間的關(guān)系，可以通過深度學(xué)習(xí)的方法來獲得，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AI產(chǎn)品可能會(huì)基于整個(gè)醫(yī)療流程的全數(shù)據(jù)形成模型，從而為病人提供更加精準(zhǔn)的個(gè)性化診治方案。我們影像科醫(yī)生面臨了一個(gè)大好的機(jī)遇，未來值得期待。比爾·蓋茨說過，任何新技術(shù)的短期影響都可能被高估，但長(zhǎng)期的影響都可能被低估。AI將會(huì)帶來我們影像科整個(gè)工作內(nèi)容、工作效率、工作流程、工作方式的轉(zhuǎn)變。


為什么醫(yī)學(xué)影像AI中國(guó)遲遲拿不到證？第一，AI不同于傳統(tǒng)醫(yī)療產(chǎn)品， AI如何定義？如何分級(jí)？如何測(cè)試？比如說，硬件只需要上報(bào)產(chǎn)品參數(shù)，經(jīng)檢測(cè)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(diào)節(jié)， 相應(yīng)的變化就是假陽(yáng)性率由低到高的變化。這當(dāng)中如何平衡和判斷，需要相關(guān)專家和管理部門從新學(xué)習(xí)、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(yī)療流程？拿到證后賺誰(shuí)的錢？這些都是需要考慮的。我們常常說，現(xiàn)在單病種的模型不符合臨床場(chǎng)景，覆蓋現(xiàn)在幾個(gè)病種還不夠，要覆蓋全病種；現(xiàn)在的單純基于圖像識(shí)別的產(chǎn)品還不夠，需要基于工作全流程的產(chǎn)品。

肺結(jié)節(jié)的模型比較靠譜，給了我們4點(diǎn)啟示。第一個(gè)就是開放、完整、高質(zhì)量數(shù)據(jù)庫(kù)是至關(guān)重要的，肺結(jié)節(jié)全球開放數(shù)據(jù)庫(kù)多，大家的學(xué)習(xí)機(jī)會(huì)多。第二個(gè)是從源頭進(jìn)行頂層設(shè)計(jì)，進(jìn)行高質(zhì)量的標(biāo)注，在當(dāng)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題，一定要和醫(yī)生磨合才行。第四，進(jìn)行大量訓(xùn)練和迭代，以便適合臨床工作場(chǎng)景非常關(guān)鍵。

但是，現(xiàn)在作為AI產(chǎn)品核心的數(shù)據(jù)有很多不如意的地方，數(shù)據(jù)的數(shù)量、質(zhì)量、標(biāo)注、共享都是值得我們討論的和重點(diǎn)解決的問題。

我想與各個(gè)公司和科學(xué)家們分享自己的一個(gè)觀點(diǎn)：現(xiàn)階段基于深度學(xué)習(xí)的AI核心是高質(zhì)量數(shù)據(jù)，是醫(yī)生；未來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，才能帶來真正的行業(yè)革命。

我注意到，浙江大學(xué)某附屬醫(yī)院出了一個(gè)多學(xué)科的人工智能會(huì)診報(bào)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(fèi)，還是直接綁在硬件和軟件上收費(fèi)，還是直接作為診療費(fèi)付費(fèi)，還是人機(jī)互動(dòng)的付費(fèi)，還是多學(xué)科的付費(fèi)？不管怎么說，只有找到了付費(fèi)的方式，才有AI企業(yè)的未來，才會(huì)給我們整個(gè)行業(yè)帶來繁榮。

臨床的使用環(huán)節(jié)，可能現(xiàn)階段有很多的問題，我們要幫助企業(yè)去解決?？赡苁钱a(chǎn)品或者是流程的問題，可能是現(xiàn)在的臨床醫(yī)生訓(xùn)練不夠，但科技發(fā)展會(huì)帶來整個(gè)架構(gòu)的改變。就像圍棋下到中盤，要系統(tǒng)考慮后半盤如何下，我們也應(yīng)該從更高的層次上來考慮，如何在現(xiàn)有的層面上來重塑我們的知識(shí)結(jié)構(gòu)和方法。

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