ABC技术合力，医学影像行业踏光前行 ABC技术合力，医学影像行业踏

“踏光前行的医学影像”专题
第1篇文章
全文字数：4000余字

文章图片

文章要点速览

文章图片

技术：ABC引领的流程革新。只有当数据被转化为价值的时候，才有可能驱动业务流程和IT流程的优化，进而提高数据质量。数据与流程，成为掣肘人工智能在医学影像领域快速发展的两个因素。
需求：释放人力，拓展空间。人工智能与医学影像的融合，可在学科发展方面拾遗补缺。长期来看，“人工智能+医疗”会形成一个良性、共存的场景互补型行业。
人才：从读图专家转向数据专家。医学影像行业专家们正在从“读图”专家向“数据”专家转变。

技术：ABC引领的流程革新

人工智能（AI）、大数据（Big Data）、云计算（Cloud），三位一体的新技术潮流不仅引发了资本狂欢，而且从流程、规则、人才、服务等各方面逐步重塑着社会各行各业。作为数据标准化程度较高的医学影像行业将会是基于深度学习的人工智能在医疗行业最先实现突破和爆发的领域，值得我们格外关注。

在百度学术以关键字“ 人工智能”“医学”“影像”进行搜索，仅2017年~2018年3月，就有相关文献2260条，集中在前景展望与理论探讨、具体病种AI模型设计两大方面。在实际应用方面，2017 年以来，我们也看到越来越多AI系统能够在辅助医生方面达到更高诊断率。在2018年3月31日由中国医师协会胸外科医师分会主办的“我AI阅片共智未来——人工智能辅助肺小结节诊断体验专场”活动上，无论是1~3厘米大尺寸结节还是0.3~1亚厘米结节，人机协作组对病历良恶性诊断的准确率均高于单纯由医生诊断的准确率。诊断速度上，也较单纯由医生诊断的速度更快。

但是我们也注意到，由于国内医学影像领域的人工智能绝大多数仅集中于单纯的图像识别，缺乏医学数据的积累和对影像报告的分析，因此绝大多数AI发展依旧无法被应用于临床。只有当数据被转化为价值的时候，才有可能驱动业务流程和IT流程的优化，进而提高数据质量。数据与流程，成为掣肘人工智能在医学影像领域快速发展的两个因素。

数据量对人工智能发展的重要性毋庸置疑，大量专家对图像的交叉标注成为人工智能区别于CAD（Computer Aided Diagnosis，计算机辅助诊断）的重要原因，毕竟从研发逻辑上来看，CAD在研发过程中仅需要数名顶尖专家的标注便可以产出一个准确率不错的产品，但是CAD的准确率也因此面临着很难再提升的瓶颈。而只要有足够的数据量，人工智能产品的准确率可以无限接近于完美。

可以说，在这个数据资源贵比黄金的时代，拥有海量数据（Big Data）就拥有了探索AI的资本。但是，北京协和医院放射科主任金征宇在《协和医学杂志》（2018年第1期）上的评论文章《前景与挑战：当医学影像遇见人工智能》中提到，人工智能系统在复杂的临床应用中，不能准确收集到高质量可应用的数据，即有效数据，所得出的结论缺乏可靠性，难以保持测试数据集上的高准确率。即便医学影像标准化程度较高，但是训练AI模型所需的数据集依旧缺乏统一的标注标准，产品的不断完善是依靠标注的大量影像数据进行学习。心医国际数字医疗系统有限公司（以下简称“心医国际”）高兵在接受采访时认为：“AI训练所需的数据源缺乏整个行业的认同度，主要难度在于对影像数据的标注及标注后的数据在相关专科下的认可度。”

数据质量不高的另一个原因在于流程。未将医生的工作流程纳入考虑范围，导致临床医学数据的收集和预处理不够完善，也导致AI在后续落地中困难重重。在e医疗对北京大学第一医院医学影像科主任王霄英的采访中，她指出：“很多AI企业把更多精力放在算法开放、模型调整等工作上，对临床流程的不够重视，所以AI产品无法流畅地融入临床流程。”

梳理临床流程并为人工智能的应用做好准备，医院信息科的专家们已经在关注这件事。北京大学肿瘤医院信息部主任衡反修在接受采访时介绍了医院正在进行的全院影像平台建设：“过去影像是分散的，现在计划建设全院影像平台，包括放射、超声、内镜、PET、以及术中视频等等患者所有的影像资料，以时间轴方式集成和展现，便于临床共享。”这种影像平台的建设将极大地提升临床科室在数据收集、应用方面的感受。

如果说AI在医学影像领域的发展依旧以临床科研和探索为主，那么云技术引领的医学影像服务模式变革则已经日趋成熟。就在两年前，行业仍在为云技术是否安全、该如何走进医院争论不休，而现在利用云技术优化存储、实现三网互通已经成为绝大多数医院的选择。利用云技术实时获取医学影像数据、打通医疗机构之间的壁垒，以实现医疗影像检查数据的共享和机构间的业务协同，有助于推动国家分级诊疗政策的落地。

心医国际打造了影像云归档、影像云共享、影像云胶片、影像专家云、PACS云托管五大服务模式，以解决医学影像领域存储、流程、资源方面的难题。锐珂在全球搭建和运营了14个云影像中心，超过250亿幅影像数据在这里被访问和使用，影像云服务广泛推广的时机和条件已经成熟。一脉阳光依托云平台，以SaaS服务为切入，“一站式”解决基层医疗机构信息化建设、维护、运营问题。一脉阳光影像医院集团云平台总经理刘朝晖介绍，一脉阳光云影像平台服务形成了三种模式，即医院托管模式、遵循各省收费标准的患者付费模式以及患者“点”名专家看诊模式。

ABC对医疗行业的推动是三位一体的，AI的发展离不开Big Data（大数据）与Cloud（云计算）的支撑，Big Data是智能时代贵比黄金的资源，Cloud则为AI的落地应用提供了更为丰富的模式依托。不过，医学影像行业虽然欢迎新技术，却并不意味着新技术可以“任性”。医生的工作流程和工作场景是相对固化的，所以人工智能在进入医疗场景的时候要尽量做到“无知无觉”地嵌入医生的工作流程，慧影医疗科技（北京）有限公司（以下简称“汇医慧影”）CMO高荣强认为，在用户与产品的磨合过程中尽量不对医生原本的工作效率造成不良影响，尽量在工作流中提升医生对模型的交互评价，进而完善模型。只有完善到一定程度后，医生才会主动拥抱这项新技术。

需求：释放人力，拓展空间

北京协和医院放射科主任金征宇在前述评论文章中提出，研究表明，目前我国医学影像数据年增长率约为30%，而放射科医师数量年增长率约为4%，其间的差距为26%，放射科医师数量增长远不及影像数据增长，且医师从业需要较长时间的培训和学习，这意味着放射科医师在未来处理影像数据的压力会越来越大，难以承担巨大的负荷。另外，在多学科相互渗透交叉的时代，放射科医师缺乏强有力的方法或武器参与竞争以稳定学科发展的方向。而人工智能与医学影像的融合，恰好可在学科发展方面拾遗补缺。

结合国家推行分级诊疗、提升基层能力等政策，新技术推动创新医学影像服务可以从两个角度看：一是释放人力，比如结构化影像报告的自动生成，能够极大地节省影像科医生写报告的时间；二是拓展空间，比如云计算、互联网技术的成熟应用，使医生能够随时随地阅片，拓展了其工作空间。

汇医慧影CMO高荣强认为，人工智能在医学影像领域的发展前景与其需求密不可分，有两个发展方向是值得关注的：一是将大型三甲医院的高技术含量医疗技能通过人工智能赋能基层医疗机构，例如通过云影像、数字胶片、远程阅片等方式将优质专家资源下沉到基层；二是利用人工智能高效、高质地完成大量重复性强而人力严重不足的工作。比如在医学影像行业，图像的产出越来越高清、高精化，这对人力增长缓慢的影像科造成了越来越明显的压力，新技术在这样的场景中更容易被采纳，这也是为什么人工智能首先在医学影像行业取得不错进展的原因之一。

但是人工智能产品的“同质化”成为一个绕不过去话题，比如“肺结节”成为“AI+医学影像”各类论坛上出现频率最高的一个词。

不过在高荣强看来，在发展初期有一定程度上的同质化是正常的。在初期发展中，很多人工智能企业都从肺结节识别、皮肤癌识别做起，一是因为数据、模型、理论相对成熟公开，二是因为患者量大，属于典型需求，从这类典型场景起步是进入医疗行业的“通行证”，所以看上去大家的发展似乎是“同质化”的，但是这种由泛化场景引起的“同质化”是可以突破的。

第一，医学细分领域非常多，随着发展的深入，绝大多数公司都会选择切入其他细分领域，比如汇医慧影结合临床科研需求，已经在探索血管外科、肿瘤放疗、神经外科等领域的人工智能赋能方案，这种学科差异化发展是一个突破点。

第二，人工智能可以被纳入不同就医流程中，实现场景需求的差异化。例如汇医慧影尝试将影像智能识别与体检流程结合，辅助医生快速读片。

所以同质化是暂时的，长期来看，“人工智能+医疗”会形成一个良性、共存的场景互补型行业。伪同质化背后隐含着行业真需求。北京大学肿瘤医院信息部主任衡反修指出，在影像科室业务流程没有发生大的变化的时候，其需求在临床上看，感觉不明显，但是从系统发展的角度来看，设备采集的图像数据量激增，带来了临床对教学、科研方面的直接需求。

借助Big Data，人工智能的实力远不止于此，更复杂算法被用于拓展新的诊断方法，提升医学整体实力。2018年2月22日的Cell期刊上发表了中国广州医科大学和美国加州大学圣地亚哥分校等研究机构的研究人员利用人工智能和机器学习技术开发出的一种新计算工具，用于筛查患有常见的致盲性视网膜疾病的患者，从而加速疾病诊断和治疗。2018年3月15日《自然》发表了德国癌症中心的脑肿瘤诊断AI工具，弥补神经系统肿瘤诊断的短板。

人才：从读图专家转向数据专家

AI、Big Data、Cloud的日渐成熟与发展不仅影响着医院影像科室的流程与服务，也对人才建设提出新需求。新技术应用到传统领域会有很强大的爆发力，医学影像科的科研需求其实非常丰富，人工智能的兴起为这些科研需求的实现提供了一个新窗口、一种新能力，所以很多专家会主动去了解、学习这项新工具。

汇医慧影CMO高荣强观察到，人工智能对工作效能、临床科研能力的提升是显而易见的，所以医学影像行业专家们正在从“读图”专家向“数据”专家转变，这可能也是人工智能的兴起对医学影像行业最深刻的一个变化。

我们也注意到有一些科室已经在尝试引入生物医学工程领域的专家，以通过科室人才梯队的建设更好地利用人工智能。北京大学第一医院王霄英认为，不少科室正在尝试引入生物学工程专业的人才，以培养合格的“翻译官”，将临床需求准确传达给企业的数据工程师。

培养大量兼有生命科学基础知识和扎实理工实践能力的复合型人才成为行业刚需，从科技人才发展角度来看，这也是技术发展带来的必然趋势。2018年3月21日，教育部公布“2017年度普通高等学校本科专业备案和审批结果”，“机器人工程”“数据科学与大数据技术”等人工智能方向的专业屡次上榜。在新增备案本科专业名单中，有19所教育部直属高校申请开设“数据科学与大数据技术”专业，全国申请新设该专业的高校约有250所。

我们不纠结人工智能是否会超越临床专家，只关心行业能否打破藩篱，紧跟潮流。人工智能（AI）、大数据（Big Data）、云计算（Cloud），三位一体的技术潮流正在逐步引发整个医学行业的变革，将时间线拉长，或许若干年后，我们会发现这是又一次类似于“蒸汽机”之于工业社会的重要变革。

-END-

推荐阅读
国家医保局挂牌霸屏：因为高配，所以期待

IBM Waston大裁员，医学人工智能要破灭了吗？

主编短评：深度服务业务是医疗信息化下一阶段的要务

重磅！诚意满满的山东医改，2020年实现全部医疗机构信息互联互通

人才配比如何确定？年轻工程师怎么自我提升？他们来支招

CHITEC 2018：加快推进健康医疗大数据应用，打造数字经济新力量

依托实体医院，以To B理念打造可持续发展的互联网医疗模式：专访心医国际联合创始人、总裁邰从越

北京世纪坛医院田宗梅：从集成平台建设看项目管理的“套路”

北京友谊医院王力华：新岗位、新环境下对信息中心定位的思考

北大肿瘤医院经验贴：医疗IT的一些“小”问题可以运用新技术这样去解决

刘海一：关注数据的质量，就是关注产生这些数据源的系统质量

这五位医疗信息化专家是这样看待人工智能这件事的

曹战强：从四个角度来看，中国很有可能超车，成为人工智能领域的领先者

我们走进杭州这家医院，探寻“互联网+医疗健康” 的一种实现方式

正式发文！国务院办公厅印发《关于促进“互联网+医疗健康”发展的意见》
医学影像行业的深入变革，需要从更深层次的数字化开始

影像数据上“云”，五大服务模式打通应用节点

国新办解读《关于促进“互联网+医疗健康”发展的意见》

规划与信息司司长于学军：3个方面加强“互联网+医疗健康”监管

分级落实建设标准：卫健委发布全国医院信息化建设标准与规范

考察过华山医院，总理提出建立互联网专线，保障远程医疗需要