作者： 硅谷密探發(fā)布日期：2019-03-14

讓一個機器人透視你的身體，洞察你體內(nèi)的蛛絲馬跡，比經(jīng)驗豐富的老教授更快更準地找出你的沉疴暗疾，你是會覺得驚悚還是幸運？

在人工智能熱潮興起之初，吳恩達（Andrew Ng）、Jeffery Hinton等多位AI大佬放言，醫(yī)療領域AI會讓放射科醫(yī)生下崗失業(yè)。

在2019年的今天，才來談論AI+醫(yī)療，好像顯得有些不合時宜。畢竟，至少早在2017年起，智慧醫(yī)療的火焰已是如火如荼。

仿佛不遠的未來，你就能和機器人醫(yī)生面對面，由絕對精確的機器智能為你作出診療。

然而，時至今日，智慧醫(yī)療最大的突破，仍然主要限于基于計算機視覺技術(shù)的醫(yī)療影像輔助診斷之上。AI，距離完全取代醫(yī)生，可能還差了一個比鄰星到地球的距離。

在這一情況之下，聚焦于最為成熟的醫(yī)療影像AI領域，談談AI在做什么，AI公司在做什么，可能顯得更為重要。

AI醫(yī)療影像診斷，圖片來自Nvidia

聚焦：醫(yī)療影像+ AI

從公司門口的人臉識別到你手機里欺世盜貌的美顏相機，再到讓李彥宏吃下罰單的自動駕駛，這些AI新浪潮的背后站著的，都是由深度學習驅(qū)動的計算機視覺技術(shù)。

從這里出發(fā)，當你在考慮AI如何應用在醫(yī)療中時，首先想到的可能就會是：

如何將在自然圖像下日趨成熟的深度學習算法應用于醫(yī)療之中？

這個問題不難回答。

即使你從未進過醫(yī)院影像科，也應該對CT、核磁共振（MRI）、B超等等檢查有所耳聞。這些檢查就像一臺特殊的照相機，借助射線和聲波為你體內(nèi)的器官骨骼留下倩影，幫助醫(yī)生對人體內(nèi)的真實情況作出判斷。

隨著低劑量螺旋CT、核磁共振等技術(shù)的發(fā)展和推廣，影像檢查正變得更為安全、高效、準確，也更廣泛地應用于定期體檢和疾病診斷之中。僅2016年，全球診斷成像設備市場價值就高達227億美元，增長率為2％。海量的醫(yī)療影像數(shù)據(jù)在幫助診斷之余，也讓影像科醫(yī)生的負擔日益加重。

就以常見的CT來說，在影像醫(yī)療領域，CT是一個大趨勢，所有的東西都能看清楚，但拍一次下來就有300多張影像，一個醫(yī)生看下來是非常消耗時間和精力的。所以衍生出來的一個問題就是——需要大量的醫(yī)生來“看片”。

深度學習AI算法的用武之地正在于此。

計算機輔助診療技術(shù)（Computer Aided Diagnosis: CAD）借助機器視覺算法，對醫(yī)療影像進行自動分析，幫助醫(yī)生鎖定病灶，提供診斷建議和依據(jù)。傳統(tǒng)上，基于人工設計規(guī)則的算法在功能、準確度和速度上均有較多局限。深度學習算法的引入，讓CAD的應用場景大大擴展。從早期癌癥篩查到心血管異常，從神經(jīng)疾病診斷到骨骼肌肉損傷，CAD系統(tǒng)的AI化浪潮已是如火如荼。

風口回歸，競爭進入后半程

新技術(shù)的浪潮牽動千萬病人的健康，亦牽動資本涌動。

據(jù)估計，到2023年，AI+醫(yī)療影像的市場規(guī)模將超過20億美元。諸多創(chuàng)業(yè)企業(yè)、互聯(lián)網(wǎng)巨頭、醫(yī)療影像器械廠商紛紛投入重金，力求在這一戰(zhàn)場占據(jù)一席之地。

不過在2019年的今天，前兩年的資本風口漸漸回歸理性，賽程進入后半場。

截止至2018年上半年，AI醫(yī)療影像初創(chuàng)企業(yè)已經(jīng)募集逾5億美元資本投入，資本從新興初創(chuàng)逐漸轉(zhuǎn)向晚期創(chuàng)業(yè)企業(yè)?？v觀這一領域，整個2018年上半年，僅有加拿大醫(yī)療影像企業(yè)Circle Cardiovascular Imaging獲得A輪融資，其他各企業(yè)均已進入B輪或之后的成熟階段。

從戰(zhàn)略方向上來看，企業(yè)也多由早期技術(shù)積累轉(zhuǎn)向產(chǎn)品落地，企業(yè)與醫(yī)院的合作、落地成為主議題，AI+醫(yī)療影像日趨成熟。

基于AI的醫(yī)療影像分析軟件市場規(guī)模

AI+醫(yī)療，還是醫(yī)療+AI？

與自動駕駛領域的“車廠對陣AI巨頭”的陣勢頗有相似，在醫(yī)療影像AI領域，傳統(tǒng)影像器械商和AI科技企業(yè)的雙向競技也正如火如荼。

以西門子（Siemens）、通用電氣（GE）等為首的傳統(tǒng)醫(yī)療影像器械廠商，正依靠其硬件和數(shù)據(jù)優(yōu)勢，對其傳統(tǒng)影像分析算法進行“AI化”迭代升級，為醫(yī)院提供整合性更強的一站式解決方案。

西門子的AI-Rad系統(tǒng)針對胸部CT影像，提供多方面的測量、定位和自動報告生成功能。比如，借助影像分割技術(shù)，找出胸部CT影像中大動脈的像素級定位，實現(xiàn)對動脈直徑等多方面的自動化測量。該系統(tǒng)還利用目標檢測技術(shù)，對體內(nèi)器官的各項異常進行定位和初步診斷。

在早期肺癌篩查中，AI可以準確地識別出肺部小結(jié)節(jié)的位置所在，并對結(jié)節(jié)進行初步分析，幫助醫(yī)生盡早做出診斷，大大提升早期肺癌的發(fā)現(xiàn)率。根據(jù)美國國家肺部篩查試點研究組的研究數(shù)據(jù)，借助肺結(jié)節(jié)早期篩查，逾20%的肺癌罹難者將有機會幸免于難。

AI-Rad系統(tǒng)，圖片來自西門子

除去AI技術(shù)上的轉(zhuǎn)型，器械廠商對AI的系統(tǒng)化整合，成為他們在競爭中脫穎而出的重要法寶。2018年底，GE發(fā)布了Edison AI開發(fā)平臺，實現(xiàn)數(shù)據(jù)、算法、硬件之間的無縫整合?，F(xiàn)時，平臺已經(jīng)上線48個影像分析應用，為研發(fā)部門整合多來源、多模態(tài)的海量數(shù)據(jù)源，亦為醫(yī)院提供各細分領域的輔助診斷服務。

長遠來看，Edison的野心并不止于此。GE計劃將平臺對外開放，讓合作開發(fā)者加入算法研發(fā)，打造AI醫(yī)療影像的“AppStore”生態(tài)，促成AI醫(yī)療影像技術(shù)的更好發(fā)展。

相比傳統(tǒng)器械廠商的系統(tǒng)優(yōu)勢，醫(yī)療影像領域的AI技術(shù)公司便更多依靠自身算法突破建立競爭護城河。

其中，較大規(guī)模的創(chuàng)業(yè)企業(yè)和AI巨頭企業(yè)們，選擇多領域發(fā)力，在各方面與傳統(tǒng)器械廠商展開正面角逐。

在美國市場上，以色列一家AI醫(yī)療影像公司Zebra Medical Vision推出了從骨骼、乳腺到肺部、心血管的多器官診斷產(chǎn)品，意圖建立自身生態(tài)。

中國創(chuàng)業(yè)企業(yè)亦然。作為國內(nèi)醫(yī)療影像AI領域估值最高的推想科技，推出了InferRead全系解決方案，覆蓋腦部、肺部、骨骼等全部位影像診斷。

Zebra Medical Vision：骨骼診斷產(chǎn)品

較小規(guī)模的創(chuàng)業(yè)公司，則多聚焦垂直領域，在單一器官或單一病癥上建立自己的技術(shù)優(yōu)勢。

英國一家初創(chuàng)企業(yè)Brainomix便是其中典型例子。它專注腦部影像分析，在中風的診斷與輔助治療中建立起自身的獨特優(yōu)勢，找到自己的發(fā)展方向。

Brainomix：腦部影像分析系統(tǒng)

英偉達旗下孵化的一家初創(chuàng)企業(yè)ImFusion則獨辟蹊徑，借助AI影像生成技術(shù)，開創(chuàng)了從二維平面超聲影像生成三維立體模型的新方法。他們以對應病人的二維超聲影像和三維CT影像作為訓練數(shù)據(jù)，讓AI找到二維和三維影像之間的潛在聯(lián)系，從而幫助醫(yī)生更好地理解、感知病人體內(nèi)的狀況。

將2D超聲影像轉(zhuǎn)化為3D人體模型，圖片來自英偉達

專注于特定垂直領域，小企業(yè)更容易找到自身競爭突破點，卻也留下了產(chǎn)品功能單一化的缺憾，產(chǎn)品的落地應用大大受限。這一情況下，中小企業(yè)往往要與器械廠商或AI巨頭展開合作，將自身技術(shù)與生態(tài)平臺相融合，實現(xiàn)產(chǎn)品的大規(guī)模落地部署。

目前來看，AI+醫(yī)療影像領域仍將長期處于競爭與合作交織，技術(shù)和產(chǎn)品共同推進的百花齊放階段。

作為醫(yī)療影像領域的后發(fā)選手，中國在影像器械的賽道上，起步較晚，暫時缺席。不過，在AI算法的競技中，依托本土AI人才和海量醫(yī)療數(shù)據(jù)，以推想科技、匯醫(yī)繪影為代表的中國初創(chuàng)企業(yè)們已經(jīng)成功找到自己的發(fā)展方向。不僅如此，騰訊、阿里、商湯等AI巨頭企業(yè)也紛紛向醫(yī)療影像領域持續(xù)發(fā)力，彎道超車未來可期。

競業(yè)者更是同盟軍

所以，在2019年的今天，AI會讓放射科醫(yī)生下崗嗎？

如今看來，雖然醫(yī)療影像AI已經(jīng)取得長足進展，取代放射科醫(yī)生仍顯得言之甚早。

一方面，由于數(shù)據(jù)的限制，醫(yī)療影像AI的適用面仍然較窄。目前只有針對肺部結(jié)節(jié)、腦部腫瘤、骨科等少部分領域的AI技術(shù)相對成熟，大大限制了醫(yī)療影像AI的臨床應用。

另一方面，深度學習本身的“黑盒”、不可解釋的特性使得我們難以對其結(jié)果進行分析歸因。不論是出于安全性還是醫(yī)學倫理上的考慮，醫(yī)療影像AI在可預見的未來里仍只能扮演助理角色，難以成為最終的決策者。

除此之外，醫(yī)療影像的分析并不只依賴于圖像自身。醫(yī)生在對影像進行診療時會結(jié)合病人的病史、其他檢查、疾病的相關(guān)醫(yī)學知識進行綜合考量。

相比之下，醫(yī)療影像AI大多情況下只能依靠圖像內(nèi)在的特征進行判斷，使得較復雜的、與影像形態(tài)不直接相關(guān)的病情分析效果不佳。

不過，作為醫(yī)生的助手，AI的精準檢測可以有效減少漏診情況，幫助醫(yī)生快速定位相關(guān)病灶。自動生成的影像分析等數(shù)據(jù)資料也可以為醫(yī)生提供良好的參考，大大提升他們的工作效率。這一點，在各醫(yī)院影像檢查數(shù)量均大幅增長的現(xiàn)在，顯得尤為重要。

除此之外，放射科醫(yī)生其實還扮演著AI的人生導師角色。深度學習算法需要大量的標注數(shù)據(jù)，這需要放射科醫(yī)生的鼎力支持。比如在肺結(jié)節(jié)篩查任務中，醫(yī)生需要預先標注成百上千張CT影像里的肺結(jié)節(jié)的具體位置、類型。借助這些訓練數(shù)據(jù)，算法才能最終找到這些結(jié)節(jié)的隱含特征，實現(xiàn)準確的檢測、分析。

目前看來，這場AI+醫(yī)療影像的變革，更多地是從普通馬到汗血寶馬式的漸進性進化，而非從馬匹到汽車的時代革命。

與其擔憂被取代下崗，放射科醫(yī)生更應理性看待AI熱潮，摒除“人工智能”這一名字的神秘光環(huán)，理解AI的長處與不足，讓它成為工作的重要助力。

原文鏈接：http://www.tmtpost.com/3817852.html

來源：鈦媒體