AI盛世之下 智能医疗影像诊断系统遭遇的骨感现实

本篇文章4431字，读完约11分钟

自2017年以来，关于人工智能泡沫的讨论一直很热烈。智虎的最后一个问题是“这一波人工智能泡沫将如何破灭？”它受到了广泛的关注。其中，玉林科技联合创始人彭波的支持率最高。他认为“人工智能有些危险，因为它现在似乎是一个很难认识的问题。”“目前，人工智能可能不足以支持一家独立的公司。它更适合作为其他公司的一个部门或被其他公司收购。”

许多智能成像的一线从业者可能非常同意他们的观点。科达讯飞智能医疗事业部医学影像产品负责人马文俊告诉雷锋。(公开号码:雷锋。“今天的智能图像与前几年的网络医疗非常相似。大家都蜂拥而至，但下一步该怎么做是个问题。”易慧惠英梁恩珍认为:“整体而言，智能影像诊断真正深入到临床诊断中。”目前，该行业试图与医生合作进行科学研究或提高效率，但要真正提高诊断率仍有很大差距。”

你经常会听到“人工智能代替医生”和“人工智能比医生更准确”的说法。与此同时，“理想是美丽的，现实是非常瘦”的感觉经常出现，理想的修辞随处可见。现实是什么？

有人说21世纪是数据为王的时代；有些人把算法比作引擎，把数据比作石油；其他人强调，行业数据、专家资源和核心技术是创建智能图像不可或缺的三个要素。我们不能过分强调数据的重要性。我们可以从图像数据和智能成像公司运营的角度，一窥智能成像公司的真实日常生活。

数据方面:保证质量，越多越好。尽管中国有第三方成像中心，但绝大多数医学成像数据来自医院。据报道，大型三甲医院一年产生的图像数据超过10t。怡园智能首席执行官吴波表示:“单个医院的图像数据存量非常大，每天都有数百个新病例出现。”

在医学信息系统中，pacs系统负责医学图像采集、数据传输和存储、图像分析和处理，不同的pacs系统可以通过dicom国际标准对接。

一般来说，有许多标准化的医院图像数据，便于机器阅读。因此，智能医学影像被业界认为是最先实现商业化的。

上海儿童医院影像科主任杨修军曾说:“许多医学影像领域特别适合人工智能/图像识别技术。国内外许多厂家都在从事这一领域的工作，并取得了一定的成绩。”

吴波告诉雷锋，对于人工智能来说，图像数据本身具有标准化的优势。然而，数据异常也很容易遇到。“以电脑断层扫描为例，有些病人不是躺着而是跪着扫描；有些人不先走，而是用脚先走；ct的长宽差为512像素或768像素，不同行机的层厚差和薄层重建算法都会影响清晰度。”他补充说，“只要处理流程充分考虑到这些变化并与之兼容，原始数据的可用比率仍然很高。”

对于人工智能系统来说，数据越多，前提越好。在保证饲养数据质量的情况下，增加数量是有意义的。图像数据质量的判断主要取决于ai公司开发的智能诊断产品的临床用途。此外，对于智能图像诊断，图像数据需要与更准确的诊断和后续结果相关联，否则垃圾会进入和排出。

南方医科大学副教授刘再义曾说:“我们有大量的数据。我们的成像部门每天都会产生大量的数据，但是有多少数据可以使用呢？% 1不可用，并且有许多错误消息。他补充说:“没有办法控制数据规格的问题，临床信息往往是错误的。”

以目前非常热门的肺结节智能诊断为例。对于人工智能公司来说，带有肺结节的图像很有价值。“在生成的图像数据中，只有10%或20%的患者有问题，即使如此，也不能使用所有有病变的图像数据。”梁恩泉说道。在医院中，医学影像系统和诊断报告是两个独立的系统，它们是不相关的。“用数据训练人工智能非常重要:有必要系统地判断图像是否有结节或病变。医院每天拍摄数百张照片，但没有标出哪里有结节。对于人工智能公司来说，这是毫无价值的数据。”梁恩泉告诉雷锋。

数据采集:“合作”和图像数据双赢属于医院。智能成像公司如何获得它们？

医学数据是一种资源，这意味着它是有价值的。获得有价值的东西的最简单的逻辑是“买入买入”，这是财大气粗的ibm的策略。2014年，在先后收购了大数据医疗保健分析提供商solar和explorys之后，2015年，以10亿美元收购了医疗成像和临床系统提供商merge healthcare。后者拥有8500名客户，包括美国联邦和州政府机构、雇主、医疗保险、医院等。和3亿病人数据。

在中国，排名前三的医院拥有绝大多数的图像数据，但必须保留的红线是图像数据不能出院。因此，这是人工智能公司寻求与医院“合作”的一种可能方式。一般来说，人工智能公司会选择与医院合作发展。一方面，他们将获得不敏感的数据和行业专家，另一方面，他们将获得产品抛光的场景。至于合作模式，各有特色。

总的来说，官方网站上的合作医院，一个智能成像公司，被认为是对其自身实力的认可。雷锋。com从该公司的官方网站上获悉，该公司已与北京协和医院、同济医院和长海常征医院等五家三甲医院达成合作；科达讯飞与北京大学口腔医院、上海交通大学第六附属医院南方医院等多家医院合作；易图科技与浙江人民医院合作。

刘再义曾表示，他非常希望与优秀的人工智能公司合作，分享以临床为中心的研究成果。“我们的临床数据是最珍贵的。技术上没有临床数据，许多数据都在纸上。”

“我们现在没有数据，但想利用它。在我们与医生的合作中，我们发现他们对数据共享持谨慎乐观和开放的态度。我们为数据注释、数据整理和数据隐私保护提供深入的学习经验和方法。医学数据与专家的结合仅仅是科学研究服务和学科服务的形式。”吴波称赞怡园智能已经切入医学影像领域，目前不擅长工具，但选择通过个人服务来实现。同时，医学成像数据是敏感的，处理算法应该能够以分布式的方式沉入数据位置，而不是盲目地期望在统一的平台上收集数据。

易慧汇英首席执行官柴表示，他们为顶级医生提供了实现双赢合作的工具和方法，而对于基层医院来说，他们在所提供的it工具的基础上，提供了一些更加智能和自动化的工具，同时不断收集数据和迭代算法模型。这与其计划中的商业模式是一致的，医院可以支付筛查成像系统的费用，从而在短期内提高效率并减少误诊率。至于与顶级医院的合作模式，公司高级营销经理梁恩珍透露，与多家医院的合作是以科研合作的形式进行的。最终结果由双方签字。"产品属于我们，数据来自医院."

数据处理:“只有劳动，没有智能”就像机器学习人工智能建模的装配线。医学图像数据处理过程也经历数据标记、清洗和切割，随后是建模和参数调整。

在处理图像数据的技术问题上，根据吴波的说法，医学图像数据描绘的是内部器官，这不同于传统的图片，例如花、鸟、昆虫、鱼、人脸等。成像原理和视觉特性不同，深度学习模式尤其需要深度转换。

然而，医学图像数据处理的特点是数据标注时间较长，阈值较高。“召集一批资深医生比下一份诊断报告更仔细地标记数据，在时间、进度和成本方面都很困难。”吴波说。难怪IFlytek智能医疗事业部总经理陶晓东说，行业数据、专家资源和核心技术是构建智能图像不可或缺的三大要素。大多数人工智能公司与医院合作开发，并由医院的专家标记。

以易慧汇英为例，医生在使用其产品时，可以对图像数据进行标记并生成所需的有效数据。“在看电影的过程中，如果医生发现了病变的图像，他们会直接用我们的系统进行标记。此外，该系统还集成了病理和病理数据，可用于判断是否有癌症。”梁恩泉告诉雷锋。这导致了一个真正的问题:数据生成速度非常低。

在医生的诊断中，图像只是参考信息，最终的诊断将参考病理诊断和其他信息。因此，对于构建智能诊断系统来说，收集大量的数据是有效的数据。对此，梁恩泉介绍说，ai公司需要开放尽可能多的不同系统来整合患者的所有相关信息，这实际上相当困难。易慧汇英自主开发了数据平台，集成了数据清理功能。病理、病例和图像数据输入后，必须进行整合和清理。“很难获得医学数据，而且标记工作很繁重。我们嘲笑所谓的人工智能，但只有人工智能不是智能。与机器视觉的其他领域相比，医学仍然较慢。”

实际效果:智能影像诊断系统的准确率达到95%以上，有助于医生进行科学研究或提高诊断效率。听说它超越人类医生并不罕见，但它的应用是什么？

刘再义曾经说过，许多人工智能公司在培训他们的智能系统时并没有发现错误信息，结果当他们真正投入临床实践时，准确率只有50%。“这没有价值。”

梁恩珍说:“如果你想用人工智能来提高诊断率，目前还有很大的差距。”他说人工智能诊断结果是一个概率问题，只要准确率不能达到100%，公司就很难对那1%负责。此外，许多公司在肺结节的诊断方面做得很好，但是医生很难判断某些癌症亚型，更不用说人工智能了。“总的来说，真正深入临床过程的人工智能很少。在现阶段，人工智能公司大多试图帮助医生进行研究或提高诊断效率。”

这是一个美丽的蓝图，由许多智能成像公司概述，以巩固顶级专家的诊断能力，并提供给基层医院。科达讯飞智能医疗事业部总经理陶晓东曾经说过，智能影像诊断系统是三甲医院顶级医生的锦上添花；但是基础放射科医生每天只看四部电影，他们经验较少，这是一个及时的帮助。杭州认知科技公司副总经理王泰峰表示，ibm watson可以提高基层医生的决策效率。

然而，这在实践中也很尴尬。人工智能基于云计算，数据被放置在云中。基层医院信息化水平不够，没有大数据。如何使用人工智能？此外，大多数医院使用局域网系统，它不能连接到外部网络，并且数据不能进入云。

如何说服医院同意将数据放到云中也是一个棘手的问题。"如何充分保障数据隐私是一个难以突破的地方."梁恩珍告诉雷锋。"但与其他数据相比，图像数据包含的私人信息更少，沟通更好."

智能图像:窗户到了吗，还是刚刚开始出现？

有人说，投资者判断的不是行业趋势，而是时间点，关键是判断时机在哪个时间点。如今，人工智能+医学影像被认为是第一个实现商业化的领域，这意味着窗口已经到来，还是刚刚出现？

刘再义告诉雷锋。“如果你真的做医学影像研究，你会发现许多陷阱和困难。我认为这里有更多的学术研究。要真正进入诊所非常困难，还有很长的路要走。”上海儿童医院影像科主任杨修军说:“一些智能诊断产品是针对某种疾病的。例如，开发一个软件可以更容易和更快地诊断皮肤癌，但大多数病变并不那么简单。”

梁恩泉认为，绝大多数智能诊断产品没有遵循临床工作流程。对于肺结节的诊断，仅诊断肺结节没有问题，并且不可能确定是否存在其他疾病，并且误诊或漏诊的后果非常严重。

飞利浦大中华区临床科学部高级主任周振宇对此印象深刻。此前，他参加了雷锋主持的中国基督教青年会大会。他说:“我今天来到这里，希望看到人工智能在医学上有更多的应用，但我们看到它和十多年前一样。”我们得到的结果仍然停留在纯粹的数据驱动的结果上，并且发现的100个肺结节的百分比对于临床知识没有多大价值。”他说，“另外，从疾病和器官的角度来看，它仍然局限于皮肤病、肺结节和其他相对容易的器官。更多的人类疾病，更重要的是中国人的肝、肾和乳房，事实上，各种制造商的进入点相对较慢。”

雷锋原创文章。严禁擅自转载。详情请参考转载说明。