AI在医疗影像领域还能走多远

  帮自己做剖腹手术的情节令人印象非常深刻。8年后，尽管科幻理想尚未照进现实中的手术室，却已深度介入生命健康管理的各个阶段，在辅助诊断、介入治疗、术后康复和健康监测等方面不断打磨医疗精度。

  在刚刚结束的“互联网之光”博览会上，百度的AI眼底筛查一体机前始终排着长长的队伍。该一体机以拍摄的二维眼底图输入，映射回真实的三维眼底形态，通过深度学习精准算法，提取眼底四大生理结构，并评估眼底病风险。据悉，整个检查过程只需1-2分钟，系统在10秒内就能够输出筛查报告，涉及病变位置、等级。

  “我们希望借此提升眼科医生的工作效率，为他们减轻负担”，百度共公共事务部经理石航介绍，产品能拓展眼底筛查的广度，在更基层、更偏远、眼科医生更难触及的地方去帮助患者。

  事实上，以辅助诊断、医学影像诊断为代表的“治疗前阶段”聚集了大量AI企业。2014年以来，AI技术的发展逐步进入垂直细分领域，医疗影像以其标准化程度相比来说较高而被认为是最早可以在一定程度上完成AI落地的场景之一。一时间，几十家勇于探索商业模式的公司涌入影像AI赛道，其中不乏已经拿到C轮融资的独角兽企业。今年6月，国家药品监督管理局为安德医智旗下的颅内肿瘤磁共振影像辅助诊断软件发放了国内首张三类医疗器械注册证，此举被视为AI在医疗影像领域的重大突破。

  记者了解到，三类医疗器械是指“植入人体，用于支持、维持生命，对人体具有潜在危险，对其安全性、有效性必须严控的医疗器械”，如植入式心脏起搏器、体外震波碎石机、有创内窥镜、超声手术刀等。级别最高，申请要求最严，难度最大的“三类证”花落医疗AI软件，表明人工智能技术在临床应用安全性和有效性方面获得了官方背书。

  据媒体报道，2020年下半年，AI医疗三类证进入“井喷式”集中过审，国家药品监督管理局已通过8家公司AI医疗器械审核，共计9项产品。目前通过审核的产品中，涉及心脏科、神经科、内分泌科、骨科、胸外科等学科。其中，心脏科产品数量最多，为4项，占比44.4%；其次是内分泌科，为2项，占比22.2%。

  技术和政策加持下，AI在医疗诊断领域迎来春天，但发展瓶颈依旧存在。安德医智中国区CEO李晶珏在今年的世界互联网大会人工智能分论坛上提到，数据共享是眼下人工智能辅助诊断发展中的最大痛点。

  “数字医生的老师是大数据，它需要有一个很重要的点，即需要学习，学习海量高质量的大数据。现在医疗AI发展中最大的痛点是数据，首先是数据来源的合法合规性，因为医疗数据涉及到个人隐私、伦理、数据安全、监管合规方面更加严格。”

  李晶珏表示，医疗数据很复杂，“一个病人的数据不只是一次检查的数据，可能是全周期多模态的数据”，此外，不同医院诊疗水平、医生差异也比较大。对于AI医疗公司而言，获取高质量、全周期以及安全，合规的海量数据是关键节点。

  另一方面，AI技术在诊间、手术室等具体医疗场景的落地，还有赖于硬件支持。软件与硬件的对接，成为制约AI医疗诊断技术商业化的又一难题。

  深圳帧观德芯科技有限公司是一家X射线成像领域的前沿科技公司，在世界互联网大会的论坛上，其创始人曹培炎以乳腺癌筛查为例，强调硬科学技术创新+AI对医疗产业的赋能效应。曹培炎说，国内的乳腺癌筛查推不起来有两方面的原因，一方面的原因是数字乳腺机不满足规定的要求；另一方面是阅片难。因此能通过底层硬科学技术创新和AI诊断云平台的结合，提供一揽子解决方案，“AI在医学影像领域，只有依托于硬件和数据入口，才有意义和价值，否则单纯做人工智能，商业化会十分艰难。”

  疫情笼罩下的2020年，生命健康得到前所未有的关注，人工智能技术在医学影像领域的落地无疑为提高早期诊断率，进而提升治愈率乃至改善生命质量带来了无限想象空间。但对于赛道上的企业而言，狂欢之后仍需冷静思考：如何打破数据共享壁垒，如何与上下游企紧密联系，如何立足临床需求打磨产品以及最关键的，怎么样提高产品的诊断准确率。

  以及生物制品的产生，为现代医学发展建立了良好的基础，并且让我们意识到科技对医学的重要性。在

  的效率及精确度均大幅高于人类医生，随着国内老龄化加重及人力成本攀升，未来

  ，进而识别顶级外科医生的最佳做法，这一些方法可以被反馈到模拟中，并可以跟着时间的推移不断获得改进。总之，数字化转型为

  美国纽约大学医学院研究者报告的一种新的美国纽约大学医学院研究者报告的一种新的

  “认字”读懂病历，甚至像医生一样“思考”，出具诊断报告，给出治疗建议……这不是科幻，

  ` 本帖最后由 cdhqyj 于 2020-10-23 11:09 编辑

  的一个分支学科，很难将其和大语种英语联系到一起，但是格物斯坦要提醒下：要学好

  的挑战和机遇 /

  11月20-21日，大湾区国际创客峰会暨Maker Faire Shenzhen 2021约定你！

  互补的达林顿，到底谁才是真推挽？非对称的乙类功放#硬件设计遇到过哪些坑？