5年時間，對于醫(yī)療影像人工智能而言，已經(jīng)走過了發(fā)展的初期，即技術(shù)驗證階段，但行業(yè)之初時顯現(xiàn)的問題，不少至今依然存在。

其一，由于缺乏足夠豐富、有效的數(shù)據(jù)供企業(yè)訓(xùn)練，很多AI產(chǎn)品難以在臨床之中表現(xiàn)出好的判別水平。問題的背后是數(shù)據(jù)標(biāo)注的高成本與數(shù)據(jù)獲取的高難度。至今為止，醫(yī)療數(shù)據(jù)的倫理問題尚未通過立法的方式進(jìn)行解決，企業(yè)訓(xùn)練數(shù)據(jù)獲取的方式仍難以規(guī)范。

其二，受數(shù)據(jù)、算法限制，符合臨床實際的多病種、多線程的AI僅少數(shù)企業(yè)能夠一定程度實現(xiàn)，大量的AI產(chǎn)品能夠解決單病種問題，但難以完全滿足醫(yī)生的實際需求。

其三，缺乏統(tǒng)一的AI產(chǎn)品數(shù)據(jù)標(biāo)準(zhǔn)、測試平臺、第三方數(shù)據(jù)庫。在介紹產(chǎn)品準(zhǔn)確度、敏感度指標(biāo)時，企業(yè)往往只談數(shù)字，而沒談獲得數(shù)字的過程。若是拿著訓(xùn)練使用的數(shù)據(jù)庫進(jìn)行后續(xù)測評，好比學(xué)生參加自己出卷的考試，考出的結(jié)果有效性存疑。

要從這些問題之中找到答案，不僅需要企業(yè)自身的努力，還需要政策予以支持。數(shù)年來，國藥監(jiān)局器審中心、中國信通院等機構(gòu)一直為規(guī)范醫(yī)療AI不懈努力。本次世界人工智能大會之上公布的肺炎AI影像輔助診斷產(chǎn)品評測（下文簡稱“肺炎AI測評”）結(jié)果，便是中國信通院等機構(gòu)為解決第三個問題開出的處方。

評測技術(shù)構(gòu)成

肺炎AI測評源于工信部科技司的指導(dǎo)，實際由中國信通院、中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟、醫(yī)學(xué)人工智能研究與驗證工信部重點實驗室聯(lián)合舉行。這是一次創(chuàng)新式的、基于全封閉式獨立沙箱監(jiān)測環(huán)境的測評，從數(shù)據(jù)收集、標(biāo)注，到后續(xù)的測試、評分，均在脫離企業(yè)的情況下進(jìn)行，這保證了測評的公正性與權(quán)威性。

中國信通院高級咨詢顧問王道洋告訴動脈網(wǎng)：“沙箱環(huán)境意味著這是一個完全封閉的狀態(tài)，過去的測評常常是將處理后的數(shù)據(jù)交給企業(yè)進(jìn)行測試，而本次測試是由企業(yè)將AI 產(chǎn)品通過VPN進(jìn)行單項部署，部署完成后我們會先關(guān)閉通道，再進(jìn)行測試數(shù)據(jù)，所有測試數(shù)據(jù)從醫(yī)院拷貝后均處于緩存狀態(tài)，一經(jīng)測試完畢，立即刪除數(shù)據(jù)。”

測評使用的每一個數(shù)據(jù)都進(jìn)行了嚴(yán)格的篩選與勾畫，以保證試驗環(huán)境與真實世界的可比性。最終，整個數(shù)據(jù)庫收集了上海公共衛(wèi)生臨床中心、武漢市中南醫(yī)院、武漢市第三醫(yī)院、杭州市第一人民醫(yī)院、浙江大學(xué)附屬第一醫(yī)院、北京地壇醫(yī)院、溫州市中心醫(yī)院7家新冠肺炎定點醫(yī)療機構(gòu)，總計1000例測試數(shù)據(jù)。這1000例數(shù)據(jù)中，30．7％的數(shù)據(jù)來源于健康人群，36．2％的數(shù)據(jù)來源于新冠肺炎患者，33．1％的數(shù)據(jù)來源于非新冠肺炎。

智能CT影像診斷技術(shù)應(yīng)用評測數(shù)據(jù)來源（數(shù)據(jù)來源于中國信通院）

各數(shù)據(jù)分布（數(shù)據(jù)來源于中國信通院）

為了保證數(shù)據(jù)庫與真實世界盡量符合，工作組在采集過程中充分考慮了采集設(shè)備和配置、數(shù)據(jù)多樣化和病例分布三個維度指標(biāo)。具體而言，非新冠肺炎數(shù)據(jù)庫里包含了肺水腫、普通肺炎等多種數(shù)據(jù)，同時，考慮到魯棒性和抗干擾因素，本次測評加入了實際臨床中經(jīng)常出現(xiàn)的70例非標(biāo)準(zhǔn)影像數(shù)據(jù)。

后續(xù)的評測流程同樣經(jīng)過了深入的推敲。整個評測方案由功能審查、性能評測、專家評審三個方向進(jìn)行。功能審查主要從軟件質(zhì)量入手，核查肺炎AI產(chǎn)品的可靠性、易用性、兼容性、功能完備性與系統(tǒng)安全性五個維度。性能評測則采用已標(biāo)注測試數(shù)據(jù)進(jìn)行可觀察測試，對肺炎AI產(chǎn)品的臨床診斷性能進(jìn)行評價，其指標(biāo)包括準(zhǔn)確率、靈敏度、特異度和Kappa系數(shù)四個維度。專家評審則是邀請國內(nèi)權(quán)威專家從產(chǎn)品體驗性、實用性、產(chǎn)品創(chuàng)新性，以及合理性對產(chǎn)品進(jìn)行評價，同時綜合考慮創(chuàng)新性的特殊功能評價。

最終，北京安德醫(yī)智科技有限公司、上海聯(lián)影智能醫(yī)療科技有限公司、上海依圖醫(yī)療技術(shù)有限公司、上海深睿博聯(lián)醫(yī)療科技有限公司、平安科技深圳有限公司、杭州健培科技有限公司、上海皓樺科技股份有限公司7家醫(yī)療AI企業(yè)的肺炎AI影像輔助診斷產(chǎn)品從參評的17家醫(yī)療AI公司中脫穎而出。

總的來說，這次評測可謂是打破了之前醫(yī)療AI行業(yè)自說自話、各自為戰(zhàn)的局面，這不僅是首次由官方舉辦的醫(yī)療AI影像輔助診斷產(chǎn)品的同臺競技，更是特殊歷史時刻的“人工智能抗疫產(chǎn)品”測評，意義非同小可。

測評結(jié)果分析

“總體來看，國內(nèi)部分人工智能企業(yè)的肺炎AI產(chǎn)品已達(dá)到較好水平，產(chǎn)品的功能已相對成熟和完善，有近1／3的產(chǎn)品在肺炎層面的準(zhǔn)確率、靈敏度和特異度均在90％以上。部分產(chǎn)品在完善了基礎(chǔ)功能的基礎(chǔ)上逐步在開發(fā)一些對醫(yī)生有重要輔助意義的特色創(chuàng)新功能，如傳染性肺炎AI預(yù)警系統(tǒng)、智能示教功能等，也得到了醫(yī)生權(quán)威專家的認(rèn)可”。在分析了整個測評的結(jié)果后，中國信通院給出了上述結(jié)論。

但從17家企業(yè)的實際得分來看，人工智能企業(yè)的產(chǎn)品性能優(yōu)劣還是存在較大差異。此外，僅小部分產(chǎn)品實現(xiàn)了針對新冠肺炎的識別，對于病灶的定位精確度尚待進(jìn)一步提升。小部分產(chǎn)品沒有對肺炎進(jìn)行有效分類，產(chǎn)品功能、性能的提升需要通過更多標(biāo)注的數(shù)據(jù)進(jìn)行訓(xùn)練。

“性能測試部分是拉開差距的主要原因�！敝袊�信通院相關(guān)負(fù)責(zé)人介紹，性能測試包含“是否肺炎”、“是否新冠”、“病灶位置”。根據(jù)測評結(jié)果顯示，大部分企業(yè)產(chǎn)品都能較好地篩查出“是否肺炎”，但在“新冠肺炎鑒別診斷”方面，僅有3家企業(yè)準(zhǔn)確率、靈敏度、特異度在80％以上，部分指標(biāo)超過90％。

“出現(xiàn)這一結(jié)果的原因是多樣的，這是我們第一次啟用沙箱環(huán)境測試，企業(yè)對我們的數(shù)據(jù)格式、測試環(huán)境等因素不太熟悉造成了一定操作上的失誤。有的企業(yè)在測試過程中會出現(xiàn)一些故障，比如軟件突然Down掉了，導(dǎo)致后續(xù)的數(shù)據(jù)測不出來，而進(jìn)行補充測試時，模型可能已經(jīng)出現(xiàn)了一定偏移。對于這些情況，我們通常給予了操作失誤的企業(yè)重新測評的機會，但更為重要的原因還是在于訓(xùn)練數(shù)據(jù)與技術(shù)積累�！�

“從時間維度上講，三個月左右的疫情期算不上長，企業(yè)不太容易拿到數(shù)量充分的數(shù)據(jù)，也沒用充分的時間訓(xùn)練，加之后續(xù)的標(biāo)注流程可能存在問題，種種原因造成很多企業(yè)測評結(jié)果不佳。相比之下，有的企業(yè)技術(shù)積累較豐富、訓(xùn)練數(shù)據(jù)量較大，后續(xù)的測評結(jié)果也就越好，這是一個客觀原因�！�

“從更宏觀的維度上講，很多企業(yè)為了迅速實現(xiàn)商業(yè)化，會對產(chǎn)品功能進(jìn)行一些調(diào)整，使其能夠盡快完成器械準(zhǔn)入審批，實現(xiàn)商業(yè)化�！边@一激勵機制下，企業(yè)或許會對AI產(chǎn)品進(jìn)行了一定程度的簡化。但測評并非審批，人工智能企業(yè)得以立足的關(guān)鍵還是需要做出符合醫(yī)生實際臨床需求的產(chǎn)品。

如何建立面向未來的醫(yī)療AI？

為了進(jìn)一步了解本次測評的實際情況，并從中歸納經(jīng)驗，動脈網(wǎng)采訪到了本次獲得前7佳績的人工智能企業(yè)，希望從與他們的對話之中，探尋AI的未來發(fā)展方向。

＞＞＞＞

關(guān)于本次測評

Q：從企業(yè)的角度來看，必須做好哪些工作才能保證AI的性能，有效通過測試？

聯(lián)影智能詹翊強：由于本次測試的數(shù)據(jù)既包含了新冠肺炎的數(shù)據(jù)，也包含了非新冠肺炎的數(shù)據(jù)。因此，我們的思路是以已有的肺炎AI產(chǎn)品為基礎(chǔ)補充新冠肺炎的輔助診斷功能。

新冠肺炎的數(shù)據(jù)本身不多，這便對標(biāo)注過程提出了新的要求。在這一過程中，我們采用了“人在回路”的標(biāo)注方式，由醫(yī)生和專家團隊對小部分新冠肺炎數(shù)據(jù)進(jìn)行標(biāo)注，讓算法對這一部分內(nèi)容進(jìn)行學(xué)習(xí)，得到一個初始版模型。雖然這個初始版的模型性能欠佳，但在逐漸添加新數(shù)據(jù)的情況下，它將逐漸變得成熟。

分割環(huán)節(jié)則用到了聯(lián)影智能自主研發(fā)的分割引擎，這一AI引擎能夠?qū)Σ≡畋旧磉M(jìn)行分割，對肺段和肺葉進(jìn)行分割。這個分割過程實際上完成了兩件事，一是判斷是否存在病灶，二是通過分割病灶可獲得大量定量數(shù)據(jù)，我們能夠計算每一個肺段病灶區(qū)的感染比例，從而判斷患者病情的輕重。在當(dāng)時醫(yī)療資源緊張的武漢，這項功能能夠有效輔助資源的最有分配。

因此，要保證新冠AI產(chǎn)品的質(zhì)量，一是要高效的標(biāo)注手段，二是要創(chuàng)新性的AI算法，三是要與醫(yī)生進(jìn)行深入溝通。

安德醫(yī)智李晶玨：新冠肺炎和非新新冠肺炎的CT影像之間有很多重疊性，也有明顯特異性。我們的AI在進(jìn)行學(xué)習(xí)時，一定要明確這一數(shù)據(jù)的病原學(xué)情況，分清這個患者是不是新冠？如果不是新冠，那么我們會一定確認(rèn)它到底是細(xì)菌肺炎，甲流還是乙流。因此，對于這樣包含數(shù)據(jù)維度較為寬泛的數(shù)據(jù)庫，我們的訓(xùn)練方法為我們爭取到了很大的優(yōu)勢。

皓樺科技周英：長期的經(jīng)驗積累是必要的，舉個例子，平常醫(yī)生診斷時難以判斷甲流、乙流，我們是能夠通過AI解決這些問題，并通過多中心臨床試驗進(jìn)行驗證的。在新冠之后，我們有幸拿到了較多的新冠數(shù)據(jù)，進(jìn)一步強化了自己的產(chǎn)品，這可能是我們相對于部分企業(yè)的一個優(yōu)勢。

依圖醫(yī)療石磊：產(chǎn)品設(shè)計、研發(fā)、內(nèi)部測試、外部驗證，還有對于數(shù)據(jù)的標(biāo)注、專家內(nèi)部產(chǎn)品訓(xùn)練、專家的業(yè)務(wù)理解……AI性能是多因素合力結(jié)果。在此次疫情對企業(yè)是個考驗，各企業(yè)必須有能力在短時間內(nèi)，先借助較小樣本數(shù)據(jù)研發(fā)產(chǎn)品，并滿足產(chǎn)品在多家醫(yī)院使用的泛化性，這需要企業(yè)的綜合能力，是由企業(yè)多年經(jīng)驗積累而來的。這也同樣說明，本次僅有部分企業(yè)通過測試，性能拉開了一定差距，只是冰山一角，而水面之下的部分，是企業(yè)的真正實力展現(xiàn)。

Q：訓(xùn)練新冠肺炎AI算法用了多少數(shù)據(jù)？

深睿醫(yī)療李一鳴：肺炎數(shù)據(jù)是數(shù)萬例。

安德醫(yī)智李晶玨：有核酸金標(biāo)準(zhǔn)的數(shù)據(jù)１萬例左右，沒有核酸金標(biāo)準(zhǔn)的數(shù)據(jù)2萬例左右。

皓樺科技周英：5000例非新冠肺炎數(shù)據(jù)，1000例新冠肺炎數(shù)據(jù)。

Q：信通院曾表示，在材料審查時，新冠肺炎數(shù)據(jù)訓(xùn)練數(shù)據(jù)量大的企業(yè)往往結(jié)果會相對好一些，怎樣看待數(shù)據(jù)量與AI結(jié)果的關(guān)系？

深睿醫(yī)療李一鳴：數(shù)據(jù)的量雖然重要，但并非決定性因素。一個AI產(chǎn)品的開發(fā)，除了訓(xùn)練數(shù)據(jù)，還有核心的算法模型以及測試與臨床驗證。此外，在訓(xùn)練新冠AI時，我們更多地是在對已有產(chǎn)品進(jìn)行強化。單純從征象角度而言，新冠肺炎與傳統(tǒng)肺炎的差異并沒有那么大，但它會有一些其他的輔助信息需要我們注意，這也是我們模型調(diào)整的重點所在。

聯(lián)影智能詹翊強：數(shù)據(jù)量對于新冠AI算法的訓(xùn)練非常重要，其次則是數(shù)據(jù)的來源。武漢的疫情比較嚴(yán)重，如果我們所有的訓(xùn)練數(shù)據(jù)都來自于武漢，那么訓(xùn)練后的AI可能更多偏向于重癥患者。因此，我們會近況考慮到不同地域的不同數(shù)據(jù)收集，這樣才能有效提高AI產(chǎn)品的可靠性。

依圖醫(yī)療石磊：數(shù)據(jù)量是影響性能的因素之一，數(shù)據(jù)的質(zhì)量、標(biāo)注的質(zhì)量、模型的設(shè)計、訓(xùn)練等都是重要的影響因素，每個環(huán)節(jié)都要做好，才能獲得優(yōu)異的性能。所以AI產(chǎn)品的準(zhǔn)確率與數(shù)據(jù)量有關(guān)，但不能簡單理解為擁有大量數(shù)據(jù)就能獲得優(yōu)異的AI結(jié)果。

安德醫(yī)智李晶玨：好的AI離不開泛化性與大數(shù)據(jù)支持。實驗室的結(jié)果與實戰(zhàn)結(jié)果存在差異，這說明AI泛化性不足，這個問題于人工智能而言就像一塊牛皮蘚，很難解決，卻也必須解決。解決的方法倒也不難，AI企業(yè)需要把不同廠家設(shè)備、不同型號、不同CT層厚的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，這里需要投入大量的時間。再說大數(shù)據(jù)支持，這是許多企業(yè)AI不能表現(xiàn)出好結(jié)果的根本原因，人工智能來源于大數(shù)據(jù)，不與有效的大數(shù)據(jù)結(jié)合，基本上出不了好結(jié)果，數(shù)據(jù)的量與質(zhì)必須嚴(yán)控。

Q：企業(yè)在落地醫(yī)院之中往往會面臨一個新的環(huán)境，本次沙箱環(huán)境下的檢驗也是如此。為了保證AI產(chǎn)品在落地的第一時間就能表現(xiàn)出較好的準(zhǔn)確性、敏感度和特異度，企業(yè)應(yīng)該怎樣應(yīng)對？

深睿醫(yī)療李一鳴：這其實是一個經(jīng)驗問題。進(jìn)入醫(yī)院后，我們會遇見不同的PACS系統(tǒng)或是影像設(shè)備，這一問題在深睿醫(yī)療產(chǎn)品落地的早期確實存在。但經(jīng)過數(shù)百家醫(yī)院的實戰(zhàn)，我們?nèi)缃褚呀?jīng)積累了10余種跟PACS對接的方案，這些方案都為我們的AI影像平臺所支持，只需要在配置項上進(jìn)行適當(dāng)勾選即可。如果影像設(shè)備更標(biāo)準(zhǔn)，對接也更容易，相關(guān)的標(biāo)準(zhǔn)協(xié)議我們在AI開發(fā)時便已經(jīng)準(zhǔn)備就緒。

依圖醫(yī)療石磊：AI產(chǎn)品想要在醫(yī)院實際發(fā)揮作用，需要經(jīng)歷多方面考驗，首先是能夠與醫(yī)院已有的系統(tǒng)穩(wěn)定的對接，很多醫(yī)院的信息化系統(tǒng)較為復(fù)雜，如果企業(yè)沒有經(jīng)驗，甚至在這個環(huán)節(jié)都可能面臨困難。AI產(chǎn)品需要兼容不同設(shè)備產(chǎn)生數(shù)據(jù)，如果AI的泛化能力不足，不同拍攝條件下產(chǎn)生的細(xì)微差別，都有可能影響AI的能力。所以，企業(yè)在進(jìn)行AI研發(fā)時，要充分考慮數(shù)據(jù)的訓(xùn)練方法、數(shù)據(jù)來源的多樣性，并對于一些特殊情況進(jìn)行針對性的設(shè)計和訓(xùn)練。

第二個難題是當(dāng)AI進(jìn)入系統(tǒng)后，對于不同設(shè)備產(chǎn)生數(shù)據(jù)、不同地域數(shù)據(jù)在拍攝條件上產(chǎn)生的細(xì)微差別把控不足時，就容易出現(xiàn)判別結(jié)果不佳的問題。所以，企業(yè)在進(jìn)行算法訓(xùn)練時，要充分考慮數(shù)據(jù)的訓(xùn)練方法、數(shù)據(jù)來源的多樣性，并對于某些極端情況進(jìn)行一些穩(wěn)定性的設(shè)計。

平安科技黃凌云：我們對待這個問題的認(rèn)識不外乎三點，一是需要從臨床實際需求、業(yè)務(wù)場景流程和已有技術(shù)積累出發(fā)，幫助醫(yī)護人員和醫(yī)療機構(gòu)做好三提兩降，提效益提效果提體驗，降成本降風(fēng)險。

二是創(chuàng)新：要勇于進(jìn)行技術(shù)創(chuàng)新，比如新冠肺炎中對于病肺和病態(tài)肺葉的分割難點、以及初始條件下數(shù)據(jù)量和精準(zhǔn)標(biāo)注不足的問題；我們嘗試了在腹部CT病態(tài)器官中行之有效的新的分割網(wǎng)絡(luò)，以及遷移學(xué)習(xí)和人機結(jié)合半自動標(biāo)注等新的方法，指標(biāo)有了很好的提升。

三要做好項目管理，功能和性能測評針對的是一整個肺炎系統(tǒng)的體系，需要從算法到產(chǎn)品設(shè)計到交互等不同方面的工作人員相互配合，形成一個有機的整體，才能呈現(xiàn)最佳的產(chǎn)品效果。

Q： 信通院的結(jié)論之中提到了“系統(tǒng)可靠性需要進(jìn)一步提升”，企業(yè)應(yīng)該如何提高產(chǎn)品的可靠性？

健培科技周彬波：系統(tǒng)可靠性分為兩種，一是軟件本身的可靠性，它是否能夠在長期的運行中保證無故障。二是診斷結(jié)果的可靠性，是否能夠保證在長時間使用過程中保持的高準(zhǔn)確度，在不同設(shè)備之間保證結(jié)果的一致性。在研發(fā)軟件時，企業(yè)需要提前根據(jù)質(zhì)量管理體系在需求階段、研發(fā)階段、測試階段進(jìn)行質(zhì)量把控。

平安科技黃凌云：有兩個層面的考慮，一個從算法表現(xiàn)上來看，為了提升系統(tǒng)可靠性，我們應(yīng)該進(jìn)行多中心和多模態(tài)多品牌數(shù)據(jù)訓(xùn)練，并采用domain adaption等研究領(lǐng)域中的有效算法，提升系統(tǒng)的魯棒性；另一個是從系統(tǒng)運行角度來看，我們要設(shè)計好軟件系統(tǒng)架構(gòu)，從產(chǎn)品設(shè)計階段開始，對并發(fā)量、待處理數(shù)據(jù)排序、并行運算穩(wěn)定性做好規(guī)劃，并嚴(yán)格按照軟件開發(fā)流程規(guī)范進(jìn)行。

Q： 怎么看待創(chuàng)新分較低這一選項？

平安科技黃凌云：本次測評的創(chuàng)新分普遍較低，就我個人理解，大部分公司產(chǎn)品集中在肺炎病灶分割和定量測量等方面，醫(yī)生對于這批產(chǎn)品的功能感覺比較雷同，希望能有更多突破。但臨床的突破創(chuàng)新需要一定時間，隨著我們對于新冠數(shù)據(jù)更加系統(tǒng)化和結(jié)構(gòu)化的整理，采用人工智能技術(shù)對疾病轉(zhuǎn)歸預(yù)測等新的功能有深入挖掘，相信會對臨床起到更多的幫助作用。

此外，企業(yè)要強調(diào)創(chuàng)新，不能因循守舊，醫(yī)療AI解決的是一些醫(yī)療流程中的痼疾，但是要從新的視角切入，和新的算法流程表達(dá)； 同時AI學(xué)習(xí)訓(xùn)練方法上不能簡單地認(rèn)為用大體量標(biāo)注深度學(xué)習(xí)就能解決，這樣是很難規(guī)模化的。需要綜合考慮研發(fā)時間和人力資源成本和系統(tǒng)性能，要用方法上的本質(zhì)創(chuàng)新來優(yōu)化學(xué)習(xí)流程，并提高最后AI系統(tǒng)的精度和泛化能力。

＞＞＞＞

關(guān)于未來發(fā)展

Q：怎樣看待未來審批發(fā)展？

深睿醫(yī)療李一鳴：在這一個時點上，國家對于AI產(chǎn)品的審批給予了政策與資金上的大力支持，但在產(chǎn)品同質(zhì)化較為嚴(yán)重的今天，第一個同類產(chǎn)品的獲批必然面臨更為嚴(yán)格的審核。等到這一類產(chǎn)品的認(rèn)證陸續(xù)出現(xiàn)后，還需要解決的便是創(chuàng)新軟件更新迭代過程的報批問題，總不能一個產(chǎn)品來回審個7－8回吧？

我個人認(rèn)為未來的AI產(chǎn)品審批流程會有一個更為科學(xué)和適用的測試方案，在保證AI安全、有效的前提下，保證產(chǎn)品的更新與迭代，為企業(yè)和檢驗機構(gòu)都節(jié)省大量的成本與精力。

健培科技周彬波：從注冊角度來說，現(xiàn)在面臨最大的問題在于注冊周期實在太長了。從我們開始準(zhǔn)備做三類注冊，到現(xiàn)在差不多花費了兩年多的時間，我們AI產(chǎn)品的核心已經(jīng)經(jīng)歷了非常多次的迭代，傳統(tǒng)器械的審批流程真的不適用于創(chuàng)新企業(yè)的審批。

但是從這兩年開始，器審中心、信通院等機構(gòu)的介入正在建立第三方的測評平臺以及測評數(shù)據(jù)庫，如果這個測評結(jié)果可以被公認(rèn)，那對于企業(yè)而言，可以節(jié)省非常多的時間，如果每一更新都需企業(yè)去設(shè)計臨床試驗，它的時間跨度太長了。

Q：醫(yī)療人工智能發(fā)展至今有多年，為什么直到今年才陸續(xù)建立第三方測評標(biāo)準(zhǔn)、第三方測評數(shù)據(jù)庫？

依圖醫(yī)療石磊：這一輪醫(yī)療人工智能行業(yè)發(fā)展已有幾年，但從絕對時間上來說，AI作為一個新技術(shù)切入發(fā)展成熟的醫(yī)療領(lǐng)域，三四年時間還是偏短的。即便是在今天，AI產(chǎn)品仍在以日新月異的形態(tài)、種類和豐富多樣的落地形態(tài)和原有的醫(yī)療生態(tài)相結(jié)合，說明這個行業(yè)具有非常強的創(chuàng)新性，和無限生命力。

但是這也意味著行業(yè)認(rèn)知的成熟和行業(yè)標(biāo)準(zhǔn)的建立不能一撮而就，需要逐步完成。 這幾年中，中檢院、信通院等機構(gòu)開始牽頭建立數(shù)據(jù)標(biāo)準(zhǔn)與第三方數(shù)據(jù)庫，有助于行業(yè)長期發(fā)展。醫(yī)療AI領(lǐng)域正逐漸規(guī)范起來，從時間上來說，并不晚。

健培科技程國華：2016年，AlphaGo與圍棋大師的博弈掀起了公眾對于AI的狂熱潮，也正是這個時候，一大批企業(yè)在此扎根。

隨后的醫(yī)療人工智能經(jīng)歷了一個百家爭鳴的過程，接著是循序漸進(jìn)的認(rèn)知統(tǒng)一。對于一項新興技術(shù)而言，4年算不上長。

在這個期間，其實也有很多企業(yè)、機構(gòu)想要成為制定標(biāo)準(zhǔn)的人，但在共識之前，這樣的標(biāo)準(zhǔn)幾乎得不到其他人的認(rèn)可。大家各自有各自的想法，包括今天要建什么樣的數(shù)據(jù)庫？今天要建什么樣的標(biāo)準(zhǔn)？哪一個數(shù)據(jù)庫和標(biāo)準(zhǔn)先建？哪一個后建？大家都有各自的考量。

因此，從今年信通院、協(xié)和醫(yī)院等機構(gòu)開始介入建立數(shù)據(jù)標(biāo)準(zhǔn)與第三方數(shù)據(jù)庫，這實際也是長期考量的結(jié)果，也意味著過去混沌的認(rèn)知正在統(tǒng)一，新的生態(tài)意識與認(rèn)知正在達(dá)成一致。這是一件讓人欣慰的事，AI領(lǐng)域正因這些動作逐漸規(guī)范起來，而這個時間點，并不晚。此外，隨著三類證的逐步獲批，時間已經(jīng)成熟。

Q： 醫(yī)療影像AI的未來將走像何方？

聯(lián)影智能詹翊強：很難描述未來的AI具體是怎樣的，但聯(lián)影智能發(fā)展路徑至少是朝著它理想中的未來發(fā)展的，這里有兩條思考可供參考。

一是從病種出發(fā)，解決單一科室的問題。以腦卒中為例，首先要判斷患者是出血還是缺血，若是出血，其次要判斷是否造成了中線偏移，那么下一步就該指導(dǎo)患者做一個CT灌注，看看實際評分指數(shù)�？偠�言之，疾病的種類很多，但如今AI能夠處理的病種很少，我們正一個一個地攻克最為值得攻克的疾病問題。

二是從部位出發(fā)，實現(xiàn)一次胸部 CT 掃描，AI 輔助篩查肺結(jié)節(jié)、肺炎、肋骨骨折、食道癌、淋巴結(jié)等多疾病。影像學(xué)上有一個說法叫Incidental finding。打個比方，骨科醫(yī)生在看患者的胸部CT時，卻發(fā)現(xiàn)CT上有一個疑似病灶，經(jīng)進(jìn)一步確認(rèn)和發(fā)現(xiàn)這是腫瘤。這便是Incidental finding，也是聯(lián)影智能將骨折檢測、腫瘤檢測等功能放在一起的原因。

人們在處理事件的時候往往會產(chǎn)生主觀偏移，如果是骨科醫(yī)生接待患者，他的重點便放在了患者是否發(fā)生骨折這個點上，這時就容易漏掉一些肺部的病灶。AI的優(yōu)勢便在于此，沒有心理上的預(yù)設(shè)，它能夠及時地找到Incidental finding，通過單一影像找到更多信息，從這個角度出發(fā)，我們能夠發(fā)掘AI更為深遠(yuǎn)的價值。

安德醫(yī)智李晶玨：公共衛(wèi)生的防控是未來AI影像發(fā)展的一個重要方向。對于影像科醫(yī)生而言，識別肺炎是人家的基本職業(yè)素質(zhì)，但到了新冠就不一樣。如果是讓武漢大醫(yī)院的醫(yī)生去看新冠的CT，他可能一眼就看出來，但若放在許多疫情不嚴(yán)重的城市，那么這些醫(yī)生可能就不能一眼識別出新冠與否。這是AI作用的第一步，即分清新冠與非新冠。

進(jìn)一步，在分清新冠與非新冠后，醫(yī)生要進(jìn)一步確認(rèn)肺炎的種類，這對于醫(yī)生是個更大的挑戰(zhàn)，也是AI的價值所在。特別是在基層，如果AI能夠幫助醫(yī)生進(jìn)行一個初步的判斷，從而有的放矢地對疑似患者進(jìn)行進(jìn)一步的病原學(xué)檢測，能夠?qū)Ψ酪唧w系起到很大的幫助。

這也是新基建提及醫(yī)療AI的重要原因之一，當(dāng)出現(xiàn)新的流行性病毒時，AI雖然不能直接判斷新病毒的種類，但通過過去的學(xué)習(xí)，AI會給出不同于已訓(xùn)練種類的輸出，即“其他肺炎”，給予提示，取得監(jiān)測者的重視。因此，AI將是未來公衛(wèi)防控體系建設(shè)的重要力量。

＞＞＞＞

感謝以下專家對本文的大力支持

中國信息通信研究院云計算與大數(shù)據(jù)研究所智慧健康部主任 閔棟

中國信息通信研究院云計算與大數(shù)據(jù)研究所智慧健康部副主任 王秀梅

中國信息通信研究院華東分院智慧醫(yī)療中心高級咨詢顧問 王道洋

平安科技智能視覺技術(shù)團隊醫(yī)療影像技術(shù)組資深技術(shù)專家 黃凌云

上海聯(lián)影智能醫(yī)療科技有限公司首席運營官 詹翊強

北京安德醫(yī)智科技有限公司大中華區(qū)首席執(zhí)行官 李晶玨

杭州依圖醫(yī)療技術(shù)有限公司副總裁 石磊

北京深睿博聯(lián)科技有限責(zé)任公司 李一鳴

杭州健培科技有限公司董事長 程國華

杭州健培科技有限公司產(chǎn)品總監(jiān) 周彬波

上海皓樺科技股份有限公司總經(jīng)理 周英

（以上排名不分先后）

作者：趙泓維