數(shù)據(jù)庫是國家戰(zhàn)略資源，需要行業(yè)上下游貢獻(xiàn)力量，尤其是掌握數(shù)據(jù)且具備制定標(biāo)準(zhǔn)和標(biāo)注規(guī)則的細(xì)分行業(yè)醫(yī)生，更有不可推卸的責(zé)任，而醫(yī)生也將成為最終的受益者。

2020年9月18-20日，由中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟（CAIERA）主辦的第二屆中國醫(yī)學(xué)影像AI大會(huì)在上海國際會(huì)議中心盛大開幕。 作為本次大會(huì)的戰(zhàn)略合作媒體，雷鋒網(wǎng)進(jìn)行了全程報(bào)道。 本屆大會(huì)以“AI助力健康中國”為主題，吸引國內(nèi)外數(shù)千名政、產(chǎn)、學(xué)、研、醫(yī)及AI產(chǎn)業(yè)界代表參會(huì)。 在第一天的開幕式上，中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟理事長、大會(huì)主席劉士遠(yuǎn)主任在現(xiàn)場重磅發(fā)布了《醫(yī)學(xué)影像人工智能2020發(fā)展報(bào)告》，總結(jié)了2018年首屆醫(yī)學(xué)影像AI大會(huì)以來的最新行業(yè)變化與趨勢。 作為醫(yī)學(xué)影像AI的前瞻者，劉士遠(yuǎn)主任一直關(guān)注并積極推動(dòng)AI產(chǎn)品的試用與反饋。《醫(yī)學(xué)影像人工智能2020發(fā)展報(bào)告》中，共提及了行業(yè)的七大趨勢。其中一點(diǎn)在于“整體解決方案平臺(tái)化，提升臨床使用效率”。 劉士遠(yuǎn)主任在接受雷鋒網(wǎng)《醫(yī)健AI掘金志》采訪時(shí)，對這一要點(diǎn)作了進(jìn)一步闡釋：未來的趨勢在于，是在信息化系統(tǒng)或者設(shè)備工作站系統(tǒng)中整合各類醫(yī)療AI應(yīng)用，通過一個(gè)統(tǒng)一的入口來提升醫(yī)生的工作效率，提升臨床醫(yī)生、影像醫(yī)生的使用獲得感。 當(dāng)然，解決這個(gè)問題的核心，還在于醫(yī)院領(lǐng)導(dǎo)和信息化部門的思維創(chuàng)新，即開不開放信息化系統(tǒng)的接口；以及如何辨別不同醫(yī)療AI產(chǎn)品的差異性。 而第二點(diǎn)，這就回到了產(chǎn)品考核體系的問題——建立一些客觀的行業(yè)標(biāo)準(zhǔn)。標(biāo)準(zhǔn)，一直是醫(yī)療AI行業(yè)數(shù)年來討論不斷的話題。圍繞數(shù)據(jù)庫建設(shè)和行業(yè)標(biāo)準(zhǔn)的問題，劉士遠(yuǎn)主任非常健談：“現(xiàn)在行業(yè)缺少的就是標(biāo)準(zhǔn)，每個(gè)環(huán)節(jié)都是。雖然已經(jīng)有企業(yè)拿到三類證，但是這僅僅是一個(gè)開端。進(jìn)入臨床以前，任何一個(gè)醫(yī)療產(chǎn)品都要有效果考核體系，要考核有效性、安全性、穩(wěn)定性。” 在今年幾款醫(yī)療AI產(chǎn)品獲批的條件下，劉士遠(yuǎn)主任預(yù)判：在進(jìn)入臨床應(yīng)用之前，醫(yī)管局將會(huì)進(jìn)一步加速評價(jià)體系的工作進(jìn)度。然而，從微觀層面來看，肺結(jié)節(jié)、冠脈、腦腫瘤，這些不同病種的評價(jià)標(biāo)準(zhǔn)不一致，數(shù)據(jù)庫建設(shè)的維度很多、難度很高。 因此，完成這件事情需要依賴行業(yè)協(xié)會(huì)的核心專家，如果沒有核心專家的參與，標(biāo)準(zhǔn)的制定很難符合實(shí)際情況。 除了監(jiān)管和行業(yè)協(xié)會(huì)，從幾年前起，不同的醫(yī)療AI公司也組織相關(guān)人力，對醫(yī)學(xué)影像數(shù)據(jù)進(jìn)行梳理、標(biāo)注，形成了一個(gè)個(gè)的小數(shù)據(jù)庫。 但是，這樣的數(shù)據(jù)庫有若干問題：一、數(shù)據(jù)的采集、標(biāo)注數(shù)據(jù)的質(zhì)量如何界定？二、數(shù)據(jù)采集的合法、合規(guī)，是否存在“灰色地帶”？ 當(dāng)然，這只是在數(shù)據(jù)采集階段面臨的一些難題。 除此之外，在產(chǎn)品的研發(fā)環(huán)節(jié)、驗(yàn)證環(huán)節(jié)、使用環(huán)節(jié)的標(biāo)準(zhǔn)都需要建立。這是因?yàn)椋瑪?shù)據(jù)庫系統(tǒng)建設(shè)是一項(xiàng)龐大的工程，需要逐步推進(jìn)； 其次，AI產(chǎn)品具有特殊性，本身的性能表現(xiàn)也具有波動(dòng)性；再者，產(chǎn)品的敏感性和特異性是“一個(gè)蹺蹺板的兩端”，評價(jià)AI產(chǎn)品的性能也是一個(gè)動(dòng)態(tài)的過程。 所有的一切都在變化，這就需要數(shù)據(jù)庫建設(shè)的參與者，做好“持久戰(zhàn)”的準(zhǔn)備，不斷更新思維、更新方法。 劉士遠(yuǎn)主任表示，數(shù)據(jù)庫建設(shè)是人工智能發(fā)展的一個(gè)核心問題。雖然人工智能的算法、算力在不斷進(jìn)步，但是數(shù)據(jù)永遠(yuǎn)是硬道理，數(shù)據(jù)庫的建設(shè)是一件“非做不可”的事情。 “高質(zhì)量標(biāo)注的數(shù)據(jù)，一定是AI上下游所需，也是政府監(jiān)測、檢測、評價(jià)所需。” 基于這樣的考慮，2018年，劉士遠(yuǎn)主任就曾牽頭建設(shè)一個(gè)帶有“示范性”和“實(shí)驗(yàn)性”的庫，其中包含600多例放射影像數(shù)據(jù)。 他坦言，這個(gè)庫只是基于CT的肺結(jié)節(jié)小樣本影像數(shù)據(jù)，更多的是摸索、試驗(yàn)并掌握建庫的方法、路徑和標(biāo)準(zhǔn)。而今年啟動(dòng)的肺結(jié)節(jié)數(shù)據(jù)庫建設(shè)，則是由衛(wèi)健委相關(guān)部門主導(dǎo)，希望從數(shù)據(jù)模態(tài)、數(shù)據(jù)規(guī)模和數(shù)據(jù)維度上完全不同的數(shù)據(jù)庫。據(jù)醫(yī)健AI掘金志了解，目前衛(wèi)健委放射影像數(shù)據(jù)庫的第一個(gè)立項(xiàng)是肺結(jié)節(jié)數(shù)據(jù)庫，未來冠脈、腦腫瘤、乳腺、肝臟都會(huì)單獨(dú)立項(xiàng)。 劉士遠(yuǎn)主任表示，未來形成的數(shù)據(jù)庫將具備大樣本、可挖掘、可拓展、多樣性的特征，真正符合數(shù)據(jù)庫建設(shè)的需求。 “數(shù)據(jù)庫是國家戰(zhàn)略資源，需要行業(yè)上下游貢獻(xiàn)力量，尤其是掌握數(shù)據(jù)且具備制定標(biāo)準(zhǔn)和標(biāo)注規(guī)則的細(xì)分行業(yè)醫(yī)生，更有不可推卸的責(zé)任，最終建成后醫(yī)生也會(huì)成為最終的受益者。” “比如放射影像數(shù)據(jù)庫，需要全國的放射醫(yī)生本著責(zé)任性和情懷，不僅要積極參與標(biāo)準(zhǔn)和標(biāo)注規(guī)則的制定，也要積極參與貢獻(xiàn)數(shù)據(jù)，一旦建成十多個(gè)亞專業(yè)方向的數(shù)據(jù)庫，其戰(zhàn)略價(jià)值不僅是人工智能的應(yīng)用，還可以用于多中心科研、醫(yī)生的繼續(xù)教育以及人才培養(yǎng)；它的價(jià)值也不只是全國性的，更會(huì)是全球性的。”

以下為劉士遠(yuǎn)教授的大會(huì)演講內(nèi)容，醫(yī)健AI掘金志做了不改變原意的編輯和整理

劉士遠(yuǎn)：中國醫(yī)學(xué)影像的發(fā)展，經(jīng)歷了十年的深耕，到現(xiàn)在為止發(fā)生了很大的變化。

宏觀層面。在新基建的背景下，基于“5G+AI+數(shù)據(jù)中心”的建設(shè)，將會(huì)促進(jìn)各個(gè)行業(yè)打破天花板。 同時(shí)，國家科技部也鼓勵(lì)所有的人工智能企業(yè)，與現(xiàn)實(shí)場景進(jìn)行深度融合。

學(xué)術(shù)層面。中國的學(xué)術(shù)研究熱度呈逐年上升的趨勢，放射組學(xué)、深度學(xué)習(xí)、臨床應(yīng)用和大數(shù)據(jù)成為持續(xù)的熱點(diǎn)、人工智能科研力度不斷加碼，理論積累與技術(shù)落地齊頭并進(jìn)、同時(shí)運(yùn)轉(zhuǎn)。 據(jù)《中國新一代人工智能發(fā)展報(bào)告2019》顯示，我國AI論文發(fā)表量全球排名第一。特別是近五年來，醫(yī)學(xué)影像AI的相關(guān)論文逐年增加，共發(fā)表文章6000余篇，中國以19.857%的占比僅次于美國的35.117%，位居世界第二，相關(guān)的研究領(lǐng)域集中在神經(jīng)、胸部等方面。

技術(shù)層面，深度學(xué)習(xí)的方法不斷取得突破：從深度神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)，再到生成對抗網(wǎng)絡(luò)。 另外，圖神經(jīng)網(wǎng)絡(luò)，基于其規(guī)則性和無序性的兩大特點(diǎn)，能很好發(fā)現(xiàn)實(shí)體之間的依賴關(guān)系，可以在社交網(wǎng)絡(luò)、推薦系統(tǒng)、金融風(fēng)控、分子化學(xué)和知識(shí)圖譜等領(lǐng)域產(chǎn)生巨大價(jià)值。這也讓圖神經(jīng)網(wǎng)絡(luò)成為新的研究方向。此外，還有計(jì)算和數(shù)據(jù)結(jié)合起來的新的算法和進(jìn)展。大內(nèi)存計(jì)算提升了數(shù)據(jù)處理性能，開始嶄露頭角，其工作原理是內(nèi)存融合基礎(chǔ)架構(gòu)（MCI），將內(nèi)存計(jì)算和數(shù)據(jù)存儲(chǔ)合二為一，能大幅提升數(shù)據(jù)處理的整體性能，解決海量數(shù)據(jù)對IT的挑戰(zhàn)。 目前，人工智能已從感知智能向認(rèn)知智能方向發(fā)展和邁進(jìn)。在原來的感知智能階段，深度學(xué)習(xí)要依賴海量標(biāo)準(zhǔn)標(biāo)注數(shù)據(jù)，且中間過程不可解釋。 現(xiàn)在，以遷移學(xué)習(xí)、類腦學(xué)習(xí)為代表的認(rèn)知智能研究熱度在不斷攀升，與傳統(tǒng)深度學(xué)習(xí)不斷融合，助推人工智能向認(rèn)知智能過渡。

中國初創(chuàng)AI企業(yè)2012年開始增長， 2015-2017年快速增長，2018年達(dá)到頂峰。 現(xiàn)階段，初創(chuàng)的企業(yè)越來越少，由于疫情等諸多因素的影響，2020年前半年成立的AI企業(yè)是2019年全年數(shù)量的12%，人工智能的創(chuàng)業(yè)機(jī)會(huì)從窗口期開始邁入尾聲階段。 這表明，初創(chuàng)企業(yè)原始技術(shù)積累基本完成，重心將加速向場景洞察和方案落地轉(zhuǎn)移。 以上情形都表明，通過前期的發(fā)展，我們的初創(chuàng)企業(yè)已經(jīng)進(jìn)入到落地或者是成熟的環(huán)節(jié)，而抗擊疫情進(jìn)一步促進(jìn)人工智能多場景快速部署，獲得正性反饋。 未來，隨著人工智能逐步走向成熟，歷經(jīng)時(shí)間考驗(yàn)的AI企業(yè)，將真正釋放AI的價(jià)值。

另一方面，資金現(xiàn)在進(jìn)入到理性投資的階段，總體上，AI私募投資趨于飽和，數(shù)據(jù)顯示，2019年僅為2018年的30%。 今年1到4月，AI企業(yè)種子輪/天使輪的投資事件僅占2019年的34%，大家更加關(guān)注有成長性人工智能企業(yè)。 早期成立的AI企業(yè)在技術(shù)、產(chǎn)品、資本的助推下，落地場景和商業(yè)形態(tài)基本形成，發(fā)展路徑逐漸清晰，高成長性逐漸形成。 同時(shí)，截止到2020年4月，人工智能企業(yè)里有十二家企業(yè)成功登陸科創(chuàng)板。科創(chuàng)板的創(chuàng)立，有效形成了私募市場和二級資本市場的銜接，讓人工智能企業(yè)得以持續(xù)資金注入進(jìn)行發(fā)展，釋放創(chuàng)新活力。 在新基建方面，5G+云計(jì)算+AI深度融合，打開行業(yè)成長的新空間。 到2025年，我國預(yù)計(jì)建設(shè)5G基站500萬到550萬個(gè)。國務(wù)院發(fā)展研究中心發(fā)布的《中國云計(jì)算產(chǎn)業(yè)發(fā)展與應(yīng)用白皮書》預(yù)測，到2023年，我國政府和企業(yè)上云率將超過60%。 5G負(fù)責(zé)對數(shù)據(jù)進(jìn)行高效的傳輸，云計(jì)算的強(qiáng)大算力對數(shù)據(jù)進(jìn)行存儲(chǔ)、計(jì)算和服務(wù)，AI負(fù)責(zé)對數(shù)據(jù)進(jìn)行分析和挖掘，5G+云+AI三者相互協(xié)同，將打破眾多行業(yè)發(fā)展天花板。

在應(yīng)用層面，疫情發(fā)展促進(jìn)了人工智能企業(yè)的落地。今年受到疫情的影響，政策層面也加速出臺(tái)了AI醫(yī)學(xué)影像相關(guān)細(xì)則，AI影像輔助診斷的三類注冊證陸續(xù)簽發(fā)，院端對AI醫(yī)學(xué)影像產(chǎn)品的合作意愿及要求均在提升。 現(xiàn)階段，院端付費(fèi)集中在三級醫(yī)院，滲透率大概是4.5%-7%。隨著產(chǎn)品價(jià)值不斷被認(rèn)可，醫(yī)院付費(fèi)意愿提升，2023年滲透率或達(dá)到15-20%。 AI類產(chǎn)品價(jià)值的體現(xiàn)將在基層實(shí)現(xiàn)最大化。然而，我國基層衛(wèi)生人員水平有限，基層AI醫(yī)療產(chǎn)品的落地和規(guī)模化將是長期過程。 因此，對基層衛(wèi)生人員進(jìn)行相關(guān)培訓(xùn)，才能提升人工智能企業(yè)未來落地場景的泛化。

從統(tǒng)計(jì)數(shù)字來看，人工智能的初創(chuàng)企業(yè)有57家，加上傳統(tǒng)的企業(yè)，共有100多家企業(yè)從事人工智能的研究，他們都有各自的領(lǐng)先優(yōu)勢，有三、四家企業(yè)已經(jīng)獲得認(rèn)證。

其中，推想獲得FDA認(rèn)證，另外一些企業(yè)獲得了歐盟以及日本的各種認(rèn)證。這些認(rèn)證將促進(jìn)各種產(chǎn)品在國內(nèi)以及國際市場上的落地和應(yīng)用。 而AI在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用，一是集中在臨床工作流程的優(yōu)化上，包括掃描、檢查、圖像處理以及掃描過程。 其次是圍繞疾病診療的產(chǎn)品和應(yīng)用，針對診療難度較大的胸部、神經(jīng)、冠脈疾病等的AI產(chǎn)品將會(huì)越來越多，而且使用的場景也越來越接近真實(shí)需求。

比如，醫(yī)院對肺結(jié)節(jié)AI模型的使用。長征醫(yī)院在2017年的利用率還是在60%左右，2019年達(dá)到70%。今年疫情結(jié)束后，點(diǎn)擊率基本持續(xù)保持在80%以上。 這些數(shù)字表示，臨床醫(yī)生歡迎且愿意使用好的產(chǎn)品、解決問題的產(chǎn)品。

未來，醫(yī)學(xué)影像AI產(chǎn)品的趨勢將是以患者路徑為核心，融合多模態(tài)的數(shù)據(jù)和先進(jìn)的算法技術(shù)，覆蓋全流程的決策環(huán)節(jié)。具體分為以下七個(gè)方面的趨勢：

產(chǎn)品發(fā)展趨勢之一：產(chǎn)品領(lǐng)域和種類、病種向產(chǎn)品多樣化擴(kuò)散，病種從胸部、神經(jīng)拓展到各個(gè)身體部位。 據(jù)億歐智庫不完全統(tǒng)計(jì)，截止到2019年5月，全國57家AI醫(yī)學(xué)影像公司中，以影像診斷為主要業(yè)務(wù)的已占到77.1%。

產(chǎn)品發(fā)展趨勢之二：產(chǎn)品功能垂直度加深。從檢出、分割、量化、分類、診斷、療效評估到治療決策，包括結(jié)構(gòu)化輸出，能提供一站式多維度的信息。

比如冠脈CTA智能診斷系統(tǒng)，不僅可以做影像后處理，還可以寫初步報(bào)告、復(fù)審和打印，每個(gè)環(huán)節(jié)都可以很好地解決臨床的痛點(diǎn)。

產(chǎn)品發(fā)展趨勢之三：單任務(wù)模型向單部位多任務(wù)模型發(fā)展。單部位多病種檢出，更加接近醫(yī)生的日常臨床工作模式，大幅提升了醫(yī)療的效率、準(zhǔn)確性和標(biāo)準(zhǔn)化。

產(chǎn)品發(fā)展趨勢之四：軟硬件一體化是人工智能技術(shù)落地的必然發(fā)展方向。一方面，AI算法與硬件融合不僅突破硬件物理局限，提升智能密度（單位面積算力）。同時(shí)，增加軟件使用臨床感受，改善軟件功能，促進(jìn)落地。

產(chǎn)品發(fā)展趨勢之五：AI嵌入全流程，助力打造診療閉環(huán)。AI醫(yī)學(xué)影像輔助診斷結(jié)合AI導(dǎo)診、AI預(yù)問診和AI預(yù)后康復(fù)等功能應(yīng)用，向著醫(yī)療完整流程應(yīng)用發(fā)展。

產(chǎn)品發(fā)展趨勢之六：整體解決方案平臺(tái)化，提升臨床使用效率。平臺(tái)化使得很多產(chǎn)品在醫(yī)院和科室的平臺(tái)上有一個(gè)統(tǒng)一的入口，使用方便且減少無效的操作，提升臨床工作的獲得感，使用的便捷性是未來傳統(tǒng)設(shè)備廠商、信息化廠商需要進(jìn)行投入和考慮的事情。

產(chǎn)品發(fā)展趨勢之七：云端部署，拓寬醫(yī)療邊界，落地分級診療。基于AI新基建的方法，促進(jìn)線上線下一體化發(fā)展，加快基層落地。

未來，我們需要建成一站式放射科全流程人工智能使用平臺(tái)。現(xiàn)階段的痛點(diǎn)是AI廠商多，服務(wù)器及產(chǎn)品存在孤島效應(yīng)，結(jié)果展現(xiàn)也不規(guī)范，流程集成度低。 此外，結(jié)構(gòu)化報(bào)告使用不足且不統(tǒng)一、不規(guī)范，各醫(yī)院模板有差異，缺乏標(biāo)準(zhǔn)。 希望今后有經(jīng)過認(rèn)證的AI產(chǎn)品進(jìn)入臨床，通過結(jié)構(gòu)化報(bào)告給臨床提供更多信息，形成放射科AI的綠色生態(tài)工作環(huán)境。

現(xiàn)今，醫(yī)學(xué)影像AI的發(fā)展依然面臨多方挑戰(zhàn)。產(chǎn)品層面，需要更多符合臨床使用場景的產(chǎn)品，以及配合各產(chǎn)品的檢測庫；監(jiān)管層面，需要對產(chǎn)品定義和分級，制定臨床驗(yàn)證規(guī)范的方法；商業(yè)層面，產(chǎn)品分類、分級、定價(jià)以及付費(fèi)主體都是需要考量的因素；安全層面，數(shù)據(jù)亟待規(guī)范，包括數(shù)據(jù)的安全性、合法性，符合倫理要求；醫(yī)院層面，AI產(chǎn)品要符合醫(yī)療的準(zhǔn)入規(guī)則、需要建立臨床評測標(biāo)準(zhǔn)和體系。

需要重點(diǎn)指出的是，相關(guān)上下游的專家，編寫了《中國醫(yī)學(xué)影像人工智能發(fā)展報(bào)告》，其中，包括了術(shù)語、數(shù)據(jù)、算法、算法熱點(diǎn)、質(zhì)量與控制、產(chǎn)品臨床驗(yàn)證、產(chǎn)品監(jiān)管臨床應(yīng)用現(xiàn)狀、產(chǎn)業(yè)化現(xiàn)狀、教育需求，以及倫理要求等。

現(xiàn)階段，人工智能增長是第一位的，未來無論地位是否下降，但是人工智能的決策、診斷、用于院前院后服務(wù)的全流程一定會(huì)成為未來趨勢。

今年是監(jiān)管部門集中發(fā)三類證的一年，明年將有更多人工智能企業(yè)落地到臨床使用，相關(guān)行業(yè)協(xié)會(huì)要配合政府部門來做進(jìn)入臨床環(huán)節(jié)的AI評價(jià)體系，也是需要提上議事日程的關(guān)鍵一年。 作為行業(yè)協(xié)會(huì)和相關(guān)的部門，我們也愿意一起制定相關(guān)的進(jìn)入臨床的有效性、安全性、風(fēng)險(xiǎn)倫理等等的工作。

目前，AI只能解決部分問題，臨床工作主體依然是醫(yī)生，但AI已經(jīng)顯露出作為醫(yī)療助理的強(qiáng)大潛力。隋著技術(shù)的不斷進(jìn)步，未來的發(fā)展趨勢一定是人機(jī)融合、交互，發(fā)揮更大作用。

責(zé)任編輯：xj

原文標(biāo)題：對話長征醫(yī)院劉士遠(yuǎn)教授：數(shù)據(jù)庫建設(shè)與醫(yī)學(xué)影像AI的未來

文章出處：【微信公眾號：IoT科技評論】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。