论文部分内容阅读
AI在医疗领域的落地尝试愈发丰富，医学影像、辅助诊疗、健康管理、数字医疗服务等场景中的新技术、新产品正不断涌现。
如果说“AI（人工智能）将彻底改变我们的生活”，应该不会有人质疑，但若细问“AI最好的应用场景是什么？”或许每个人都有不同的答案。
“我觉得人工智能最好的应用场景，毫无疑问是医疗的场景。”创新工场董事长兼CEO李开复表示，他在中国第五届医疗健康产业投资50人论坛年度峰会的演讲进一步阐明了投资界对医疗AI的认可。
医疗AI的早期探索可以追溯到20世纪70年代，1972年英国利兹大学研发出了第一款医疗人工智能系统APPHELP;1978年，北京中医医院关幼波教授研发出了我国第一个医学专家系统——关幼波肝病诊疗程序，由此打开了我国医疗AI研发的序幕。
进入21世纪，我国已累计研发出了上百个AI专家系统，但几乎所有的技术和系统都还是“纸上谈兵”，并没有被应用在临床实践中。最近几年，随着全球资本和技术的协同发展，加上各国政策的支持，医疗AI进入了快速发展时期——科技巨头纷纷成立“大健康事业部”布局医疗业务，创业公司扎堆涌入智能医疗设备和软件开发领域，AI在医疗领域的落地尝试愈发丰富，医学影像、辅助诊疗、健康管理、数字医疗服务等场景中的新技术、新产品正不断涌现。
AI最好的应用场景
作为疾病诊断的基础步骤，医学影像分析在临床中有大量应用，可辅助医生识别病灶，了解病情严重程度。
研究数据表明，有近90%的医疗信息基于医学影像分析得出，其在医疗过程中的重要性不言而喻。而作为机器学习的重要分支，深度学习在图像分析、识别中取得了很好的应用效果，利用深度学习技术进行医学影像分析辅助诊断也成为医疗AI落地的重点。
从国家药监局公布的三类证获批情况可以看出，肺部影像分析和糖网筛查是目前国内医疗AI企业的研究重点，12个已通过审核的产品中有6个与这两项检测相关。
2020年11月，国家药监局审核通过了全国首个肺部影像AI产品——肺结节CT影像辅助检测软件。这款软件来自一家创立于2016年的医疗AI企业——推想医疗，在论证了AI医疗技术可行、产品化可行，并在医院规模化应用后，推想医疗拿到了国家药监局市场准入认证，这也是非常典型的AI医疗企业的发展历程。
在新冠肺炎疫情暴发初期，推想医疗与疫区医院共同研发了“肺部辅助诊断系统肺炎特别版”，在武汉同济医院、北京海淀医院、重庆医科大学附属第一医院投入使用，辅助一线医护人员进行诊断、量化评估、分诊和疫情监控。
除肺部领域AI之外，视网膜AI也是目前在医疗影像AI领域中走在领先阵列的项目之一。很多人或许不了解，视网膜是我们人体唯一能够无创就可直接观测到血管和神经的组织，蕴含着丰富的生物学特性和健康信息，我们可以通过视网膜来检测到诸多慢病情况。医学研究表明，视网膜能观察到上千种病变，常见的有200余种。
2020年8月，鹰瞳Airdoc获得了国内AI眼底领域的第一张三类证。自2015年创立以来，鹰瞳科技在6年时间完成了7轮融资，融资总额超过8亿元人民币，其主营业务是AI视网膜影像识别早期检测、辅助诊断及健康风险评估方案。
事实证明，AI视网膜影像识别这个方向是正确的。2020年11月，糖网AI三类证产品被写进了国家糖尿病防控指南。这既是国家对医疗AI产品安全性、有效性的专业认定，也是推动国内医疗AI临床应用和深入发展的重大里程碑。
目前鹰瞳Airdoc能对糖尿病、心梗等55种疾病或病变进行相应的检测或风险评估。鹰瞳Airdoc创始人、CEO张大磊表示，去年鹰瞳Airdoc的视网膜AI产品共检测了200多万人次，其中临床科室和体检等医疗机构的贡献最大。他预计，今年检测量会达到1000万～2000万人次。随着检测量的增加，单次检测的成本会逐渐降低，这些技术也将普惠到更多人。
除了影像，语音技术也是深度学习在医疗AI领域的重要探索之一。截至2020年底，科大讯飞已在全国设立了200多个智慧医疗项目，累计进行了1.3亿次辅助诊断。NLP算法为医患沟通提供了智能交互能力，提高医生诊疗效率的同时，也为患者提供了更便利的就诊形式。
不止如此，科大讯飞研发的“智医助理”利用语音识别、自然语言处理技术，实现了智能问诊、智能交互功能。截至2020年底，科大讯飞的“智医助理”已在北京、安徽、西藏、内蒙古、青海、新疆等地的3万余家基层医疗机构上线。
此外，作为通用智能语音语言技术的提供商，思必驰也发现了AI医疗是一个“宝藏赛道”。新冠肺炎疫情期间，思必驰研发的智能外呼机器人通过信息采集、健康教育、患者随访极大地提高了医护人员的工作效率，每天处理百万级电话外呼，为疫情排查、病例分析提供了基础支持。
思必驰推出的“1+2”软硬一体化智慧医疗解决方案，目前在医疗服务的各个阶段都有应用，医生可以基于智能语音语言技术和智能人机交互技术，在门诊预问诊、门诊电子病历、手术室智能助理、医技报告语音录入等环节提高工作效率。
“针对医疗中人与人、人与机器沟通的场景，智能语音语言技术能够通过对知识的重构处理让沟通更便捷，这是传统信息化系统不能解决的问题。”思必驰智慧城市应用事业部副总经理邹平表示。
迈过高技术的门槛
无论是医疗还是AI，都是门槛很高的行业，医疗AI产品要进入市场就必须面临层层考验。当前，医疗AI产品拿到了医疗器械三类证，只能证明这些技术和服务过关，而它能否和临床紧密结合才是接下来的重点，也是医疗AI企业必须迈过的难关。
AI进行医学影像分析的步骤，大致可以分为：检查病灶、分析病情、制定治疗方案。在这三个步骤中，任何一个环节都离不开与医生的紧密配合：
首先，医生上传病人的影像资料后，AI可以自动筛查出病灶，结合医生的判断最大程度地减少漏诊;其次，AI与医生一样，都是通过大量的经验分析病人病情，经过大量数据对比后，AI可以结合以往病例帮助医生分析病情;最后，掌握病人基本情况和病情程度后，AI可以给出相应的治疗方案，但只能为医生提供参考。
无论何种AI模型，想要提高准确率都需要大量的数据和案例学习，而医疗AI面临的最大问题就是如何获取海量数据，并在保证数据安全的情况下训练AI。
2020年3月，国家药监局对医疗影像AI产品的审核提出了具体要求，包括训练数据不得少于2000例、来源超过3家医疗机构、人群分布平均等。为此，很多企业选择了与医院合作的方式来获取真实数据，同时还能直接了解到医院的真实需求，毕竟对医疗行业来说，医生在临床中大量需要的技术就是刚需。
AI的优势在于，其识别精度要远超人类，且医生在大量阅片时会产生疲劳，也会影響对病情的判断。有了AI影像技术的辅助后，可大大地节约医生的时间及精力，提高医生的问诊效率和质量。
近日，谷歌将Google Health团队的部分人员并入Fitbit，同时把剩余员工分为三个团队，其中一个就专注于医学影像领域的创新，使用算法筛查糖尿病视网膜病变，这也是Google Health目前最重要的研发方向之一。这件事进一步说明了视网膜影像AI方向的重要性及发展潜力。
不过，一直以来，我国对眼科疾病的重视程度不高，眼科医生长期处于缺乏状态，通过视网膜检测全身疾病的应用更是少之又少。鹰瞳Airdoc的产品首先关注疾病造成的眼部问题，譬如糖尿病的典型并发症——糖尿病视网膜病变。
2019年，爱康集团与鹰瞳Airdoc达成战略合作后，对数百万患者进行了基于视网膜AI的健康状况评估。其中，AI眼底照相疾病风险评估包括4大类30个各类各级异常，36.8%的受检者有两种以上的异常结果。
有受检者在拿到相关报告后，针对异常结果去医院做了精细的检查，发现果然在对应的部位出现了病变，这为受检者的后续治疗赢得了理想的时间。
事实上，医疗AI产品想要真正普及，只能通过不断创新为医生创造更多价值，保证整个行业的探索朝着有效的方向前进。除了医院和用户本身的需求，更重要的是在产品落地过程中能与临床有紧密的结合，且不必在不同的医院做不同的适配，有一个放之四海皆准的标准。
现阶段，企业要做的就是服务好医院和医生，让AI最大程度地辅助医生提高诊疗效率、放大诊疗效果并复制诊疗模式。
（编辑 宦菁 [email protected]）
如果说“AI（人工智能）将彻底改变我们的生活”，应该不会有人质疑，但若细问“AI最好的应用场景是什么？”或许每个人都有不同的答案。
“我觉得人工智能最好的应用场景，毫无疑问是医疗的场景。”创新工场董事长兼CEO李开复表示，他在中国第五届医疗健康产业投资50人论坛年度峰会的演讲进一步阐明了投资界对医疗AI的认可。
医疗AI的早期探索可以追溯到20世纪70年代，1972年英国利兹大学研发出了第一款医疗人工智能系统APPHELP;1978年，北京中医医院关幼波教授研发出了我国第一个医学专家系统——关幼波肝病诊疗程序，由此打开了我国医疗AI研发的序幕。
进入21世纪，我国已累计研发出了上百个AI专家系统，但几乎所有的技术和系统都还是“纸上谈兵”，并没有被应用在临床实践中。最近几年，随着全球资本和技术的协同发展，加上各国政策的支持，医疗AI进入了快速发展时期——科技巨头纷纷成立“大健康事业部”布局医疗业务，创业公司扎堆涌入智能医疗设备和软件开发领域，AI在医疗领域的落地尝试愈发丰富，医学影像、辅助诊疗、健康管理、数字医疗服务等场景中的新技术、新产品正不断涌现。
AI最好的应用场景
作为疾病诊断的基础步骤，医学影像分析在临床中有大量应用，可辅助医生识别病灶，了解病情严重程度。
研究数据表明，有近90%的医疗信息基于医学影像分析得出，其在医疗过程中的重要性不言而喻。而作为机器学习的重要分支，深度学习在图像分析、识别中取得了很好的应用效果，利用深度学习技术进行医学影像分析辅助诊断也成为医疗AI落地的重点。
从国家药监局公布的三类证获批情况可以看出，肺部影像分析和糖网筛查是目前国内医疗AI企业的研究重点，12个已通过审核的产品中有6个与这两项检测相关。
2020年11月，国家药监局审核通过了全国首个肺部影像AI产品——肺结节CT影像辅助检测软件。这款软件来自一家创立于2016年的医疗AI企业——推想医疗，在论证了AI医疗技术可行、产品化可行，并在医院规模化应用后，推想医疗拿到了国家药监局市场准入认证，这也是非常典型的AI医疗企业的发展历程。
在新冠肺炎疫情暴发初期，推想医疗与疫区医院共同研发了“肺部辅助诊断系统肺炎特别版”，在武汉同济医院、北京海淀医院、重庆医科大学附属第一医院投入使用，辅助一线医护人员进行诊断、量化评估、分诊和疫情监控。
除肺部领域AI之外，视网膜AI也是目前在医疗影像AI领域中走在领先阵列的项目之一。很多人或许不了解，视网膜是我们人体唯一能够无创就可直接观测到血管和神经的组织，蕴含着丰富的生物学特性和健康信息，我们可以通过视网膜来检测到诸多慢病情况。医学研究表明，视网膜能观察到上千种病变，常见的有200余种。
2020年8月，鹰瞳Airdoc获得了国内AI眼底领域的第一张三类证。自2015年创立以来，鹰瞳科技在6年时间完成了7轮融资，融资总额超过8亿元人民币，其主营业务是AI视网膜影像识别早期检测、辅助诊断及健康风险评估方案。
事实证明，AI视网膜影像识别这个方向是正确的。2020年11月，糖网AI三类证产品被写进了国家糖尿病防控指南。这既是国家对医疗AI产品安全性、有效性的专业认定，也是推动国内医疗AI临床应用和深入发展的重大里程碑。
目前鹰瞳Airdoc能对糖尿病、心梗等55种疾病或病变进行相应的检测或风险评估。鹰瞳Airdoc创始人、CEO张大磊表示，去年鹰瞳Airdoc的视网膜AI产品共检测了200多万人次，其中临床科室和体检等医疗机构的贡献最大。他预计，今年检测量会达到1000万～2000万人次。随着检测量的增加，单次检测的成本会逐渐降低，这些技术也将普惠到更多人。
除了影像，语音技术也是深度学习在医疗AI领域的重要探索之一。截至2020年底，科大讯飞已在全国设立了200多个智慧医疗项目，累计进行了1.3亿次辅助诊断。NLP算法为医患沟通提供了智能交互能力，提高医生诊疗效率的同时，也为患者提供了更便利的就诊形式。
不止如此，科大讯飞研发的“智医助理”利用语音识别、自然语言处理技术，实现了智能问诊、智能交互功能。截至2020年底，科大讯飞的“智医助理”已在北京、安徽、西藏、内蒙古、青海、新疆等地的3万余家基层医疗机构上线。
此外，作为通用智能语音语言技术的提供商，思必驰也发现了AI医疗是一个“宝藏赛道”。新冠肺炎疫情期间，思必驰研发的智能外呼机器人通过信息采集、健康教育、患者随访极大地提高了医护人员的工作效率，每天处理百万级电话外呼，为疫情排查、病例分析提供了基础支持。
思必驰推出的“1+2”软硬一体化智慧医疗解决方案，目前在医疗服务的各个阶段都有应用，医生可以基于智能语音语言技术和智能人机交互技术，在门诊预问诊、门诊电子病历、手术室智能助理、医技报告语音录入等环节提高工作效率。
“针对医疗中人与人、人与机器沟通的场景，智能语音语言技术能够通过对知识的重构处理让沟通更便捷，这是传统信息化系统不能解决的问题。”思必驰智慧城市应用事业部副总经理邹平表示。
迈过高技术的门槛
无论是医疗还是AI，都是门槛很高的行业，医疗AI产品要进入市场就必须面临层层考验。当前，医疗AI产品拿到了医疗器械三类证，只能证明这些技术和服务过关，而它能否和临床紧密结合才是接下来的重点，也是医疗AI企业必须迈过的难关。
AI进行医学影像分析的步骤，大致可以分为：检查病灶、分析病情、制定治疗方案。在这三个步骤中，任何一个环节都离不开与医生的紧密配合：
首先，医生上传病人的影像资料后，AI可以自动筛查出病灶，结合医生的判断最大程度地减少漏诊;其次，AI与医生一样，都是通过大量的经验分析病人病情，经过大量数据对比后，AI可以结合以往病例帮助医生分析病情;最后，掌握病人基本情况和病情程度后，AI可以给出相应的治疗方案，但只能为医生提供参考。
无论何种AI模型，想要提高准确率都需要大量的数据和案例学习，而医疗AI面临的最大问题就是如何获取海量数据，并在保证数据安全的情况下训练AI。
2020年3月，国家药监局对医疗影像AI产品的审核提出了具体要求，包括训练数据不得少于2000例、来源超过3家医疗机构、人群分布平均等。为此，很多企业选择了与医院合作的方式来获取真实数据，同时还能直接了解到医院的真实需求，毕竟对医疗行业来说，医生在临床中大量需要的技术就是刚需。
AI的优势在于，其识别精度要远超人类，且医生在大量阅片时会产生疲劳，也会影響对病情的判断。有了AI影像技术的辅助后，可大大地节约医生的时间及精力，提高医生的问诊效率和质量。
近日，谷歌将Google Health团队的部分人员并入Fitbit，同时把剩余员工分为三个团队，其中一个就专注于医学影像领域的创新，使用算法筛查糖尿病视网膜病变，这也是Google Health目前最重要的研发方向之一。这件事进一步说明了视网膜影像AI方向的重要性及发展潜力。
不过，一直以来，我国对眼科疾病的重视程度不高，眼科医生长期处于缺乏状态，通过视网膜检测全身疾病的应用更是少之又少。鹰瞳Airdoc的产品首先关注疾病造成的眼部问题，譬如糖尿病的典型并发症——糖尿病视网膜病变。
2019年，爱康集团与鹰瞳Airdoc达成战略合作后，对数百万患者进行了基于视网膜AI的健康状况评估。其中，AI眼底照相疾病风险评估包括4大类30个各类各级异常，36.8%的受检者有两种以上的异常结果。
有受检者在拿到相关报告后，针对异常结果去医院做了精细的检查，发现果然在对应的部位出现了病变，这为受检者的后续治疗赢得了理想的时间。
事实上，医疗AI产品想要真正普及，只能通过不断创新为医生创造更多价值，保证整个行业的探索朝着有效的方向前进。除了医院和用户本身的需求，更重要的是在产品落地过程中能与临床有紧密的结合，且不必在不同的医院做不同的适配，有一个放之四海皆准的标准。
现阶段，企业要做的就是服务好医院和医生，让AI最大程度地辅助医生提高诊疗效率、放大诊疗效果并复制诊疗模式。
（编辑 宦菁 [email protected]）