AI医学落地医院加速 影像数据更易“入口”

3月7日讯1位在广州1家3甲医院影象科从业8年的医生，用先进门瞧瞧来形容他的工作，我们需要经过历史影象对照、定量分析等步骤，才能对患者拍完的片子做1个基础的诊疗判断，然后，决定患者需要甚么样的医治方案。

在医疗诊断根据中，影象的价值是没法取代的。90%的医疗数据是影象，它们来自CT、X线、磁共振、超声、PET等。如为1个癌症患者实行手术前，要拍片，以肿瘤的状态、血管狭窄程度等信息为根据，判断手术方案，用药方案及后续风险。

人工智能（AI）技术和图象辨认技术的进步，让这项工作有了1个得力助手人工智能医学影象分析系统。

同1张2维医学图象，医生需要花费10几分钟来视察和推理，而人工智能经过深度学习训练能在几10秒便可读出来。在充足的大数据支持下，人工智能有望将诊断速度提升10倍，且由此大幅紧缩诊疗本钱。

对医生而言，高效的分析，能帮助他们节省读片时间、下降误诊率、提供更丰富的历史图象比对。医院也乐于看到人工智能对医学影象处理的数字化成果，便于医疗数据库的构筑，借此下降诊疗方案的本钱。

资本、技术和医疗数据3者的聚集，是当下人工智能医学影象起飞的3股东风，这位还处于实习期的读片助手能否终究独当1面？

抢栏快马，胜在数据

与2016年相比，2017年的人工智能医疗行业热度更加高涨，同时渴求能落地的成果。

大家都谈腻了。毕竟没人可以靠‘鸡血’过日子。亿欧智库医疗产业分析师尚鞅告知《财经》记者，有无在利用层面可以称得上‘拿得出手’的呢？我认为就是人工智能医学影象分析。

和人工智能医疗的其它领域相比，人工智能医学影象的优势部份在数据。影象学的数据不像1份病历1样，包括病史、病人信息、症状、医治手段、愈后恢复等多方面的零散信息，它本身的信息集成度高1张医学病理片子就包括大量高价值信息。因此，和其他的医疗数据相比，影象数据处理难度更小，处理价值却更高。

医学影象原始图片是很高维、很复杂的，而人工智能把高维的数据，变换成1个低维度的、更容易处理的问题。零氪科技有限公司首席架构师王晓哲对《财经》记者说，医学影象数据本身很好地契合了人工智能表征模型算法。

影象数据标准统1，对算法来讲更容易入口，辅助诊断模型的构建更加轻松。

各家医院的影象数据，不只在放射科1个科室，几近触及到每一个临床科室，这也意味着影象数据不单单存在1个信息区域里。北京大学肿瘤医院信息部部长衡反修告知《财经》记者，医学影象数据在医院是数据量最大的，而且是标准化的，更便于机器浏览，这非常重要。

动医学影象脑筋的大有人在。早在2003年，飞利浦健康科技临床科学部高级总监周振宇和他的导师就有1个创建影象大数据平台的想法，但在那个年代，很多挑战我们都没法克服，比如成像质量、数据和计算机的不匹配，诊断的逻辑思路也不规范，这些都致使15年前我们没法做到真实的智慧医疗。周振宇告知《财经》记者。

正如影象科医师需要浏览大量的临床医学图象，喂食病理图象数据，是人工智能系统最主要的学习方式。和周振宇与他的导师起动机时相比，目前能喂食的病理图象数据愈来愈充足，人工智能分析能力才能茁长成长。

由于数据相对充足，开发者们得以向垂直领域集合。2016年，贝斯以色列女执事医学中心（BIDMC）与哈佛医学院公布，2者合作研发1个人工智能乳腺影象诊疗平台。研发人员不断输入大量的病理图象，让系统完成对片子的癌细胞辨认和健康领域划分，并在深度学习技术框架中完成自我完善，提高辨认准确率和效力。该平台负责人Andrew Beck称，该平台对患者乳腺的影象分析准确率能到达92%，与病理学家的分析结合后诊断准确率可达99.5%。

落地医院加速，巨头启动

医疗的独特性，迫令人工智能企业必须1开始就得和医院合作。由于在卫生体系中，医院相对独立，数据独握，使1众人工智能企业都有机会多点进入。2017年，瞄准医疗领域的人工智能企业频繁公布与医院的合作项目，从对外公布的数据看，不但医学图象处理和分析的能力提升，也有了更多的临床利用案例。

对肺结节进行跟踪迹像是其中1例。通过人工智能系统，不但能告知患者哪里有肺结节，通过原有数据分析，还能预测恶性的几率，通过几率建议病人筛查复查时间，或是否是需要做穿刺活检，或相应的基因型的检查。这些明确的信息不但让患者更明了病情，医患容易沟通，也会为支付减重，这也是政府乐意看到的。

独立第3方医学影象平台汇医慧影CEO柴象飞提供给《财经》记者的数据显示，汇医慧影的阅片量已超过百万。这与其加快了切入实际利用场景的步伐分不开，目前汇医慧影已接入500多家基层医院和200多家顶级3甲医院。

另外一家临床利用较为突出的人工智能医疗公司Airdoc，主要集中于眼科的影象分析，借由国内外医院搜集了数10万张眼底照片。今年下半年，Airdoc与浙江省眼科医院、上海市北医院都达成合作协议，建立了人工智能眼科图象分析相干的技术基地。

据不完全统计，目前进入人工智能医学影象领域的创业公司，已达40多家。除垂直度高的人工智能医疗公司，互联网巨头的动作变得愈来愈明显。

鉴于互联网巨头们积累已久的数据优势，它们的参与可能直接影响这1领域未来的格局变化，政策的加持又让这份影响力得到放大。

11月15日，科技部在新1代人工智能发展计划暨重大科技项目启动会上宣布，首批国家新1代人工智能开放创新平台名单：依托百度公司建设自动驾驶、依托阿里云公司建设城市大脑、依托腾讯公司建设医疗影象、依托科大讯飞公司建设智能语音。这是人工智能医学影象，首次被政府层面列为人工智能领域的1种单独分类。

腾讯空降人工智能医学影象市场，不过是在这份名单公布的3个月前。8月，腾讯推出首款AI医疗产品觅影，主要利用于初期食管癌的筛查。目前，中山东大学学附属肿瘤医院、广东省第2人民医院、深圳市南山区人民医院都加入了这1合作项目。

不管是互联网巨头，还是垂直度更高的人工智能医疗公司，2017年下沉到医院的成果都非常显著保证了人工智能数据食粮的充足，发现利用中遇到的问题，离临床更近，更具有商业化前景，这些都是资本乐于看到的。

资本涌动，但赚钱尚早

撇除人工智能技术本身的光环，医学影象市场在2017年也到达了1个新的临界点。

日趋增长的市场需求与医学影象资源之间，断裂变得显著。而蓬勃增长的医学影象市场的利润，吸引了人工智能公司蜂拥而至，希望在成为这条裂缝中最早的缝合胶的同时，成为第1批到达的采矿工。

火石创造CEO杨红飞介绍，从目前医疗影象的市场范围来看，患者端高速增长，影象检查收入占医院总收入超过10%，紧随药品收入占比。火石创造6月发布的《医疗影象的市场图谱和行业发展分析》指出，依照过去5年中国医疗整体支出，2020年中国医学影象市场范围将会到达约6000亿至8000亿元。

这也吊起资本的胃口。据不完全统计，截至发稿，国内人工智能医学影象市场完成天使轮融资的企业有3家，Pre-A轮融资企业2家，A轮7家，B轮3家，C+轮1家。

其中，金额最大的3次融资集中在5月及下半年。5月，依图科技宣布完成3.8亿元的C轮融资，由高瓴资本团体领投，云锋基金、红杉资本、高榕资本、真格基金跟投；9月，推想科技宣布完成1.2亿元B轮融资，由启明创投领投，元生资本、红杉中国联合投资；10月，汇医慧影宣布完成数亿元的B轮融资，投资方为达泰资本及其他2家投资机构。

在咨询公司Frost&Sullivan中国区总裁王煜全看来，国内资本扎堆人工智能医学影象是非常公道的结果。人工智能影象对医疗的提升是必定会产生的事情，这个提升是可以看得见的，也是当下最热门的，预计到2018年资本热忱也不会变冷。王煜全告知《财经》记者。

但是，看起来巨大的蛋糕，要切1块其实不容易。即使是龙头IBM Watson，其Watson for Oncology也还没有报告具有了盈利能力。

肿瘤辅助诊疗解决方案Watson for Oncology的工作内容是通过医学图象分析结果，为医生提供诊疗建议，生成医治方案，借此提升医生诊疗的准确性，背靠的是IBM本身的信息分析专长和市场认可度。Watson for Oncology进入中国、美国、荷兰、韩国、泰国与印度等多国。但是，目前IBM Watson盈利情况暂时未见诸于公然报告。

相比Watson，国内1众人工智能医学影象公司都还处于疾病筛查的利用阶段，即判断影象中是不是存在某类疾病。在知其有知其所以有和知如何让其无3步中，大部份人工智能医学影象公司仍停留在第1步的探索中。

就目前来说，AI所获得的成果还远远没到达料想的。上海长征医院眼科主任魏锋利对《财经》记者说：AI主要利用于筛查，实际使用时，医生会重新复核1遍，就像患者拿了地方医院的诊断报告，我们看到了还是要重新斟酌。

另外，国内公司仍集中在医学图象分析要求较为简单的疾病领域，价值相对较低。以肺部为例，肺癌辨认是1个人工智能医学图象热门领域，这是由于肺部图象辨认有天然的对照，属于较容易攻克的方向，但对肺癌具体症状其实不具有深度分析能力。

广东省人民医院放射科教授刘再毅对此感受颇深，我们医院肺癌病例大部份是复查的，3期、4期病人的肺部有很多转移灶、合并渗出、肺不张等状态，计算机很难对这些特点实现自动对照。这些协助医生产品在临床中确切可能减少1些工作量，但对医生的帮助及利用场景都较小。

扎堆较为容易突破的领域，意味着竞争更加剧烈，被巨头排挤吞并的风险也更高。而在《财经》记者对业内人士的采访中，盈利模式和盈利问题还是他们脑中顺位靠后的问题。

11月，光大证券分析，以服务为主的医疗影象下游产业亟待服务模式的创新，在远程医疗影象诊断和独立影象中心快速获得足够资源的企业，未来展开影象智能诊断将有更大的优势。

从巨头们的市场反应看，已屡次尝试开启中国市场的IBM，加上已动作频频的阿里、腾讯，1旦出手对市场的影响都非常强。亿欧智库医疗产业分析师尚鞅告知《财经》记者，据我在资本方面的接触，可以预期巨头们在2018年会抓紧行动，1轮的‘大鱼吃小鱼’马上就会开始了。

咨询公司Frost&Sullivan中国区总裁王煜全则认为，即便巨头们不会那末迅速地大举整合人工智能医学影象市场，小公司之间的厮杀也会非常惨烈，谁能胜出难以预测，乃至有可能像同享单车行业1样，沦为资本博弈的代表。

2017年人工智能与医疗的结合开始深入和细化，作为最早也竞争最剧烈的1个战场，人工智能医学影象行业遇到的诸多问题难以找到经验参考，而这也反应了它距离品味到人工智能医疗这鲜美的第1口汤最为接近。

标签：