人工智能與醫療的結合受業界矚目，而醫療影像則被認為是AI與醫療的融合中，最有可能率先實現商業化的領域。

影像數據的標準性和大體量為AI在這一領域的應用提供了最重要前提。通過較為成熟的算法和大數據應用，機器讀片可以做到較為“客觀、精準、高效”，也給機器在醫學影像上與人工媲美，甚至代替人工增加了可能。

風口浪尖上，科技巨頭紛紛布局國內智能醫學影像市常英特爾、阿里、騰訊紛紛發布AI+醫學影像相關產品。

距離AI+醫學影像的商業化落地，中國究竟還有多少路要走？

巨頭紛紛布局

東方證券研報顯示，醫療大數據中有超過80%的數據來自于醫療影像，大量的影像數據讀取客觀要求更為高效、準確的技術手段，而人工智能恰好可以滿足要求。于是，具備技術和數據優勢的科技巨頭紛紛以AI+醫療影像為突破口，布局醫療領域。

盡管算法日趨成熟，數據質量、行業標準、醫學倫理等仍是AI在醫學影像領域落地需要深入解決的問題，基于深度學習的智能醫學影像創業公司多在實驗或臨床階段。

“出于將市場需求和自身技術優勢結合的考慮，阿里健康將醫學影像作為醫療AI的突破口。”阿里健康資深架構師范繹對第一財經記者介紹時稱，憑借高性能的計算環境、云平臺及深度學習技術優勢，阿里健康于今年7月正式對外發布AI醫療產品“DoctorYou”，該產品的CT肺結節智能檢測引擎是阿里健康進入實際應用的第一個醫療AI產品。

騰訊也在今年8月發起人工智能醫學影像聯合實驗室，并公布其首個AI醫學影像產品“騰訊覓影”，輔助早期食道癌等疾病的篩查。

為什么會吸引巨頭的關注？英特爾公司醫療和生命科學集團亞太區總經理李亞東表示，當前人工智能算法已經比較成型，計算能力不斷提升，數據支撐也為人工智能的應用提供了較好基礎，另外，“患者在醫療影像檢測上的意愿比較強，（醫學影像檢測）相對收費比較高，為整個商業模式的創新、支付打下了很好的基矗”

年初，英特爾與相關機構合作研發的一套基于超聲影像的甲狀腺結節良惡性的輔助診斷系統——“DE-超聲機器人”在部分醫院開始臨床試點。英特爾與愛爾眼科等公司共同簽署人工智能眼科疾病識別解決方案，從處理器和硬件角度支持眼科圖像診斷。

相對于人工閱片，AI+醫學影像具備準確率高、檢測效率高等優勢。李亞東總結，機器讀片的優勢主要在于“穩、準、狠”。“我們發現很多案例里面，人工智能準確性已經超過了一定工作年限的可比放射科醫生。舉例來說，三甲醫院10~15年工作經驗的放射科醫生，讀甲狀腺結節的超聲影像準確率在75%左右，我們的人工智能應用則達到85%以上，甚至在不斷提升。”李亞東解釋。

范繹表示，在某些特定病種檢測的速度、效率，以及對基礎和繁瑣的工作的承接能力上，機器超過人類正是人類設計它的目的。“以阿里健康‘DoctorYou’CT肺結節影像檢測技術來說，快速確診陽性病例能夠大量節省醫生時間。”

當然，弱人工智能階段，再高效、精準的機器，也只能作為醫生診斷的輔助工具。第二軍醫大學附屬長征醫院微創外科主任仇明認為，AI+醫學影像只能說使臨床診斷準確率進一步提高，早期疾病的發現和診治比以前更加提前，逐步取代一部分醫生的工作，但不可能完全取代醫生。

2009年，由國家衛生計生委頒布的《人工智能輔助診斷技術管理規范（試行）》就提到了對醫療機構、醫療人員的多項要求。

以影像診斷科為例，開展影像臨床診療工作5年以上，其技術水平達到三級醫院專業科室要求。必須有數字化影像診斷設備包括數字化常規X線設備、磁共振（MRI）、計算機X線斷層攝影（CT）和醫學影像圖像管理系統及其工作站的計算機硬件平臺。

此外，還要求人工智能輔助診斷醫師“具有5年以上與開展人工智能輔助診斷技術相關專業臨床診療工作經驗，具有副主任醫師及以上專業技術職務任職資格”。

阿里健康同樣指出，“以‘DoctorYou’為代表的醫療AI永遠不會替代醫生，它的正確角色定位是醫生的得力助手。”

事實上，科技巨頭布局智能醫學影像，往往采取“兩條腿走路”的策略。

以技術和硬件為強項，英特爾在縱深開發典型應用的同時，更注重在水平層面為業界提供硬件和技術支持。李亞東將這種思路總結為“既鋪路也開車”，“做垂直應用不是英特爾的初衷，我們的初衷還是鋪路。”

而阿里健康則在B端和C端兩方面發力。“我們希望在C端針對常見病和慢性病方面不斷產生突破，于B端我們希望在醫療科研大數據平臺、健康云服務和區塊鏈技術上產生好的積累，最終提升醫療效率。”范繹透露，“DoctorYou”目前聯合了阿里健康、阿里云、阿里巴巴iDST視覺計算團隊的三方力量共同推進。

數據質量是關鍵

在眾多醫學數據中，影像數據相對標準，長時間積累中形成了體量龐大的數據集合，從這一角度來講，AI+醫學影像具備了較好的發展基矗但是，必須看到，數據質量對于人工智能在計算和學習能力提升上起著更為重要的作用，目前來看，甚至是關鍵作用。

李亞東介紹，人工智能的突破主要依賴于算法、計算能力和數據三方面，當前人工智能算法已經相對成型，計算能力也在不斷提升，而數據則成為最重要因素，數據質量更是機器能否進行高效學習的關鍵。

華醫資本創始人劉云同樣認為，相比于算法，數據對于AI+醫學影像發展更為關鍵。“從算法上中國沒有落后國外很多，算法的比拼是小部分，大部分是對以往數據的積累能力和利用，問題還是在于數據的獲齲”

這也是醫療影像跟其他醫療數據不一樣的地方。醫療影像從誕生開始就因為考慮到了機器的兼容性應用了同樣的數據格式，醫療器械的幾大巨頭以及管理部門在文件一致性上也有著清晰的標準。另外，考慮到案件的回溯，以及病人存檔問題，各個國家都要求在醫療影像上存儲一定的時間。所以，在醫療影像細分市場上，積累了大量的高質量數據，而且數據非常集中。

“人工智能并不是單純追求數據量大，而是要追求質量。比如做機器學習，人工標注的準確性就非常重要，數據有沒有被‘清洗’很重要，讓機器接觸太多的‘噪音’，肯定學不出什么東西來，數據質量是一個很關鍵的因素。”李亞東進一步解釋。

盡管如此，現實是，我國市場上的醫學影像數據質量并不令人滿意。復旦大學醫學影像智能診斷研究所教授劉雷解釋，臨床數據比較亂、錯誤多、缺失多，都會造成人工智能對醫療大數據的處理不是很成功。

劉云介紹，“以眼科為例，糖尿病視網膜病變篩查，網上就有10萬張片子可以免費下載，但是片子有好有壞。”

那么，真正高質量的數據到哪兒去找？

李亞東認為，在醫療影像細分市場上，大量高質量數據集中在二甲以上醫院，或者說比較有能力、資本、規模的大型醫院。

然而，高質量數據的調取并不容易。由于缺乏有效的分享機制，高質量、有人工標記、適合機器訓練的數據往往封閉在醫院內部，不易獲得。

“醫院現在還沒有比較成熟的數據分享機制，各醫院不太愿意把自己的數據共享，因為都屬于醫院自己的財產。”海軍總醫院放療科主任、伽馬刀中心主任康靜波坦言。

同時，數據的隱私保護和應用范圍也必須考慮，“數據如何在一個合理的框架下進行分享很關鍵。”李亞東認為。

“現實情況是，有實力的公司往往與相關研究部門進行合作，自己發起臨床獲取數據，但矛盾點在于，其所能得到的數據數量又相對較校”劉云介紹。

商業化落地

《醫療影像的市場圖譜和行業發展分析》報告預計，2020年，我國醫學影像市場規模將達6000億至8000億左右。劉云估計，市場上AI+醫學影像創業公司不下百家。然而，受監管認證、跨界人才以及醫生、病人觀念等因素影響，AI+醫學影像的商業化落地仍需進一步探索。

盡管各路資本和技術紛紛搶占熱點，人工智能醫學影像試點遍地開花，然而醫療產品的商業化必須面對的第一個問題就是行業標準。

李亞東提出，AI+醫學影像進一步推廣需要一條“標準線”，需要從行業管理和質量管理方面制定指導。

劉云進一步解釋，當前智能醫療行業缺乏統一的行業標準和評估體系，人工智能在CFDA中沒有申報項目錄，智能醫學影像產品還是作為三類醫療器械向CFDA進行認證申請，這使得研發企業在拿證過程中面臨標準不清等問題。

另外，責任的明晰也是商業化推廣的重要保障。

仇明介紹，當前所有醫學影像判斷都是僅供臨床參考，最后決定診斷結果的是臨床醫生。盡管機器診斷擁有較高的準確率，但在醫療倫理和法制方面，仍需明確責任界定問題。

正如人們在自動駕駛汽車上路問題上的小心謹慎一樣，出于不了解、不放心，用戶通常對智能醫學影像診斷準確率上有更高要求。這也透露了當前醫生和病人對于人工智能的接受程度問題。

最后，醫療和人工智能作為兩個對專業化要求極高的領域，跨界人才也是其商業化發展的必備條件。阿里健康透露，在技術層面上，必須將招募更多醫療AI領域的專業人才與阿里巴巴集團的技術積累相結合。

在技術發展與廣闊的市場前景下，AI+醫學影像前景美好，然而，要真正實現其商業化，無論是科技巨頭還是創業企業，都還有很長的路要走。“就目前來看，醫療AI的未來雖然美好，但仍需要進一步探索其在商業化上的落地。”