翼展科技CTO邊海鋒：AI只是工具，須綜合考慮做診斷

題圖：翼展科技CTO 邊海鋒

「既然愛了就不後悔，再多的苦我也願意背」——用一首老歌的經典歌詞，形容邊海鋒對影像行業的執著再恰切不過。今年6月底，身為翼展科技CTO的邊海鋒，在由北極光創投舉辦的「E-Health發展與投資機會」大會上，闡述平台企業如何看AI技術在產業中落地時透露，「我2002年涉足影像行業，堅持至今」。16年紮根影像行業，他對醫療+人工智慧（AI）積累了深刻感悟。

邊海鋒總結了現今火爆的「醫學影像+AI」在實際落地方面，尚存在幾大難點：高質量數據難以獲取；跨學科複合型人才稀缺；機器學習需結合實際醫療場景進行持續優化；產品不能接受假陰性，只能接受適當假陽性；單一影像分析，並不能支持臨床科室的最終診斷；CFDA/FDA對產品上市前後的嚴格監控；產品上市後，醫院付費能力和付費意願有難度。

儘管開闢道路初期困難重重，但方向正確，剩下的只需要持之以恆去奮力完成。邊海鋒詳述「醫學影像+AI」領域存在的機遇與挑戰，對如何發現市場痛點並有效解決有獨到見解。

1、存在巨大市場痛點，醫療AI前景廣闊

先了解一些來自埃森哲（Accenture，全球最大的管理諮詢、信息技術和業務流程外包的跨國公司）和世界衛生組織（World Health Organization，簡稱WHO）的數據，關於老齡化、慢性病這些問題，在全世界範圍呈現出越來越嚴重的趨勢。再過10、20年，患者和醫護人員人數的缺口也會越來越大。從另個角度看，數據存儲和演算法成本卻會越來越低。經過20多年醫療信息化發展，醫療數據存儲積累豐富，這令大家都看到了新機會。

報告顯示，到2026年，AI將為美國醫療節省150億美金成本。我相信，隨著中國老齡化、經濟發展以及人們對健康的重視等變化，AI對中國的影響也會很大。回到影像這個話題來看，Global Market insight報告顯示，AI在醫學中的第一大應用在製藥行業，第二大是在醫學影像。2024年，也即6年後，將創造25億美金市場。可見，AI在醫學方面的雷聲確實非常大，這背後的邏輯是什麼？

我們看一下真正的醫療影像數據，關於這個數據，我試圖找到它的來源，沒有找到。不過所有媒體報道都引用過這些數據——兩個數字：一個是30%，一個是4.1%。意思是，隨著人們收入的增加和健康關注，會增加30%的影像檢查，另外，放射醫生的增長數是4.1%。另外一方面，從單項檢查所產生的影像數目來看，幾百張甚至是幾千張圖像的檢查不斷遞增，醫生的工作量無疑增加了更多。從這個趨勢看，現在放射科醫生能保持現有的診斷質量已經是一個很大的挑戰。所以，這將成為非常大的行業痛點。

再講一下醫聯體，醫聯體是醫改當中新的事物，希望小病不出鄉，大病不出縣。但是，如何確保小病不出鄉、大病不出縣是很大的命題，這在影像領域是容易實現的，影像醫生遠程就可以根據基層醫院提供的病患影像進行診斷，並判斷病患是否需要轉診，在提高診斷質量和效率方面，人工智慧可發揮很大作用。

我還想強調的是，關於今年6月19日出台的政策，不知道大家有沒有關注。在第三方醫學影像服務市場中，2016年底，中國政府就開始對第三方影像的牌照放開。但大家知道，中國的政策當中，剛開始放開和實施的東西，要看有沒有用，接著才會把核心資產投入其中，在中國醫療的核心資產還是公立醫院。

6月19日出台的政策把公立醫院放出來了，明確了對於第三方醫療機構的進一步認可，包括檢驗、病理、影像、消毒等，這些明文規定可以跟公立醫院合作。另外，還有對於第三方醫療機構的放開，對於審批程序，進一步簡化審批過程。站在第三方影像的服務角度來看，放射工作對於醫生而言非常重要，在現有的工作崗位，如何多點執業，以前的多點執業註冊比較複雜，現在都進一步的簡化了。這些都說明，國家在向整個社會和市場表明，願意開放，願意同社會資本一起來推進第三方醫療服務市場在這個事情上。

2、人工智慧對醫療只是工具 ，不能當產品

講到現在，雷聲進一步加大，是不是雨點會變小？我們看看這個行業里對於FDA（Food and Drug Administration，美國食品藥品監督管理局）的情況。從FDA角度來講，它還是遵循著CAD（Computer Aided Design，計算機輔助設計）計算機輔助的思路，主要分兩塊：一是檢測，二是診斷。

診斷方面，FDA不僅在AI的浪潮當中先行一步，其實在大數據的時代，FDA早已經做了很多不同的事情。新一屆的FDA推崇數據創新，所以它在大數據和AI方面做了很多的工作，其中一個是「數字健康創新計劃」。

大家可以在網站上看到，以前我們在產品完成之後，才能夠去FDA註冊，現在不一樣，只要符合規定，就可以申請提前做申請，FDA會審核你公司的質量體系，看你的質量體系是不是符合FDA的要求，看你的流程是不是符合質量規範，看你的產品風險在哪裡，產品一旦完成，就可以拿到FDA認證。大家可以看到FDA今年關於影像AI產品的審批，包括VIZ.AI、IDX-DR、Imagen OsteoDetect ，都是檢測異常，屬輔助診斷，不屬於代替人做診斷。個人認為，FDA在審批關於AI產品可以做診斷方面是相當謹慎的。

大家可以看到FDA今年關於影像AI產品的審批，包括VIZ.AI、IDX-DR、Imagen OsteoDetect，都是檢測異常，輔助診斷，不屬於代替人做診斷。

目前，中國還沒有一家企業產品獲得CFDA（China Food and Drug Administration，國家食品藥品監督管理局）的審批上市資格。大家可以看到，我們新版的《醫療機械分類目錄》今年8月1號正式開始實施，也就是說，到現在為止，我們還在遵循著舊版本的《醫療機械分類目錄》，舊版沒有包含人工智慧輔助手段的產品目錄。CFDA審批的過程從申報、建庫、專家標記、標準、測試檢驗，再提交到CFDA。從我的經驗來講，CFDA會看FDA怎麼走才會決定如何往前走。

我個人認為，我們不能把AI當產品來用，應該作為工具來用，要在你的應用場景當中，不斷迭代、優化你的產品。其次，產品不能接受假陰性，如果這個人真的有病，你不能把它判斷為沒病，但是，可以適當地說是假陽性，這是醫療行業里非常重要的一個特點。

這是否意味著，落地就沒有希望了呢？我們還是有不同的觀點。在影像當中，有單一影像就可以做量化的診斷報告。還有另外一些在往底層走、基層走，可以進行病的異常篩查，切記異常篩查和診斷是兩個概念。

我們跟清華大學合作過一個產品，關注頸動脈粥樣硬化斑塊的診斷，大家都知道，腦中風是一個非常嚴肅的話題，中國有1300萬腦中風的病人，每年新增200萬，死亡的有170萬左右，無論是致殘還是致死率都在中國排第一，國家建議40歲以上的人每年都要做一次篩查。過去十幾年，我們一直在做研究，如何能做到早篩查、早防治？現在的金標準是用MR進行頸動脈篩查，這個產品能夠根據單一影像就出量化報告，從而判斷斑塊是否易損，量化數據包括兩方面，一方面是對於頸動脈的管壁結構，另外一方面就是對於頸動脈管壁上斑塊的成分。

以前的痛點在哪裡？以前寫報告要做大量的交互工作，把管壁結構邊界、斑塊組織邊界確定，出一個報告所花時間恨不得要一個小時以上，藉助人工智慧後，目前可以在5分鐘左右，做完出一個量化的報告。

還有另外一個產品，它是對於冠心病量化的報告，從本質上同頸部動脈報告是一樣的，也是對於斑塊和血管管壁分析，這也是定量、定性的分析，可以快速得出來結果。

還有一份市場上很常見的肺結節的篩查報告，它根據指南出了一個量化的分析報告，基本上可以做到勾出結節在哪裡、多大、結節是哪種類型，屬於實性結節還是部分實性結節。同時你可以看到容積倍增時間，也就是可以結合上一次的檢查結節來看疾病發展史。看結節這個案例，同剛才兩個報告完全不一樣，剛才的報告是對於腦中風和冠心病出診斷的報告，這個只是結節篩查報告，相當於我給你數據，不下結論，具體是什麼診斷結論還需要結合臨床。

常見疾病的異常篩查，產品能夠在圖像上標註說明有異常，但是不告訴具體是什麼病導致的異常，也就是只告知異常，但是不下診斷結論。這中產品在什麼樣的場景下可以很好的應用，我認為是在篩查和體檢。

這是我們跟PETUUM【注，一家位於美國匹茲堡(Pittsburgh)的人工智慧創業公司】合作的產品，這已經是再往前走一步了，深度學習除了在圖像識別方面有優勢，其優勢還體現在NLP（自然語言處理）。根據圖像和對應的報告做訓練，在輸入一個圖像後，可以自動生成報告，這個產品在體現可以用，在一般的放射科也可以用，如果這個產品做的更好的話，可以在更多場景下用。

3、搭建第三方影像中心連鎖 ，打造人工智慧開放平台

翼展科技是2009年成立的公司，到現在已有9年歷史。第三方影像服務在美國主要做兩塊業務，第一是遠程診斷，第二是第三方影像中心，翼展這兩塊業務都做，同時大力發展依託於遠程診斷平台的人工智慧開發平台。

翼展的遠程診斷 「寧夏模式」指的是，以寧夏第一人民醫院為中心，覆蓋周圍的醫院，同時做了很好的分級轉診。這個模式利用翼展的雲影像平台和醫生集團，把寧夏周邊上百家的醫院接起來，既能夠做到把設備利用起來，同時能夠做到分級診療，當醫生來不及處理的時候，翼展的醫生集團可以介入到這裡面去做。2006年對中國來講，第三方影像牌照放開是一個新事物，到目前為止，翼展科技拿到了18個牌照。

可以想像一下，翼展是一個第三方影像中心的連鎖機構，除了能夠做常規的影像檢查、影像報告之外，我們還跟人工智慧進行落地結合。大家知道在中國沒有放射門診的概念，在美國有放射門診的。那麼，在中國我們怎麼做放射門診？

就是我剛才說的，單一影像量化可以出診斷報告的病種，我們都希望在我們的影像中心，用放射門診來診斷，當你發現某一種病，能夠藉助工具的力量、人工智慧的手段，到翼展第三方影像中心就可以把這個診斷做完，沒必要去大醫院了。其次，我們要做的事情是篩查工作，病患來到這裡，可以檢查出是否出現異常，如果正常就沒有什麼事，如果有異常，我們可以把病患轉診到上級醫院做進一步診斷和治療。

我再次強調一下，對於人工智慧在醫學影像中的應用，我們不要把它僅僅當作產品，要把它當成一個工具，產品在影像中心和醫療機構落地，要根據實際情況進行調整，進行迭代和優化，同時可以和運營、質量、風險管理等結合起來綜合考慮。比如，推出人工智慧產品以後，你可能會節省運營成本，但是相應的風險是否會增加，這需要綜合考慮。所以，我一直在不同的場合講，關於人工智慧，我們應該強調它的工具屬性，它是整個公司或者說機構在運營當中的一個很重要的手段，需要和其它要素結合在一起考慮。

來源 / 品途創投

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！