您现在的位置是:首页 > 医疗

AI医学影像是医疗领域落地最快的一个方向

2023-06-26 02:05:03

没有人会质疑AI促进医疗发展的意义。其中,AI医学影像是医疗领域落地最快的一个方向。

近日,中科院苏州医工所联合丽水市中心医院、苏州大学附属第二医院研究团队开展了一项新的研究。研究结果显示,与医学影像联合使用的人工智能系统SE-DenseNet与增强核磁共振图像结合,可以在无创条件下为病患完成癌症分级。研究团队表示,将把该技术应用在其开发的肝癌消融计划导航系统中,以更准确地辅助制定手术规划。

资本扎堆,政策支持,放射类影像相对容易获取数据,国内影像医生缺口巨大……许多充分必要条件都推动着AI医学影像向前走。但漫漫长征路,想要真正商业化应用落地,还有诸多拦路石。

看似顺风顺水,实则推进困难

在医疗诊断中,影像的价值是无可取代的,90%的医疗数据需要医生通过影像来判断病理情况、手术方案、用药风险等。但在临床应用中,影像解读高度依赖于医生经验,具有较大的主观性,因此,寻求客观、有效的评估方法是一个重要的研究方向。使用“医学影像+AI”能更全面地获取病灶信息,降低漏检概率,具有重要的临床意义。

AI医学影像的发展根源在于数据。数据是深度学习算法所需的核心资料。中国医疗的独特性,迫使人工智能企业必须和医院深度合作。

在中国的卫生体系中,医院相对独立,数据独握,不同地区的医院遵循的政策管理又不尽相同,中国的医疗数据的管控政策不清晰。这给AI医疗公司带来了诸多困难。为了得到医院的宝贵数据,让医生在研发过程中帮助机器学习,让医院允许产品进场试用。在实际产品应用过程中得到反馈。科技公司需要耗费大量的人力物力财力去搞定医院和医生。

而且,国内现阶段缺乏标准化的高质量训练集,使得各家人工智能企业采用的数据训练集标准多样,系统偏差比较大。每家医院的医疗流程不同,医疗政策差异,公司一般都需要单独定制产品,这都加大了AI医疗公司的研发压力和资金压力。

这也反映在了公司的发展方向上。

目前做AI医疗影像的国内公司,很大一部分都集中在肺结节病种上,因为病例多且普遍,病患反应也相对统一,属于较容易攻克的方向。但最重要的原因是,肺结节影像数据有公开数据库,掌握AI算法的公司,都可以拿这个数据库跑一个模型出来。但在其他病种上,科技公司很难拿到大量数据,对于AI公司来说,只有少量医院的数据是没有太大意义的。

产品落地实用性遭质疑

除了在推进过程中的困难和压力巨大,已经让一部分科研公司望而却步。在产品落地应用上,目前来说,AI所取得的成果也还远远没有达到预期,面临着专业医生的质疑。

目前AI医学影像基本是基于单病种图像标注形成的模型,尚没有符合临床使用场景的产品,产品集中于少数几个病种,难以覆盖全部医学影像问题。最重要的是产品实用性,即AI阅片准确率的问题。在临床过程中,很多创业公司的产品准确率只能达到50%。视觉识别的不准确,产品性能自报与实际检测数据不符,很难取得医院和医生的信任。这也是包括IBM Waston在内的医疗影像行业的普遍问题。

市场蓬勃增长,但赚钱尚早

人工智能医疗行业热度高涨,影像作为公认的图像识别技术在医疗领域最直接的应用,掀起了一股创业潮。据不完全统计,目前进入人工智能医学影像领域的创业公司,已达40多家。除了垂直度高的人工智能医疗公司,互联网巨头也接连进场,影响着领域内的格局变化。

第三方市场调研机构Global Market Insights数据显示,医疗影像和诊断技术将成为2017年-2022年智能医疗领域增速最快的行业,预计到2024年,行业将达到250亿美元,增速超40%。

现实却并不乐观。即便是龙头IBM Watson,其Watson for Oncology也还没有报告具有了盈利能力。

2017年2月,人工智能医疗领域的风向标项目MD安德森与IBM沃森宣布合作终止,这被很多人看作是人工智能在医疗领域的倒退。原因之一是双方合作的系统IBM沃森支持的临床决策系统——Oncology Expert Advisor(OEA)并没有得到临床应用。

相比Watson,国内一众人工智能医学影像公司都还处于疾病筛查的应用阶段,即判断影像中是否存在某类疾病,对于病症具体症状并不具有深度分析能力。比如肺部图像识别在临床中可能能协助医生减少一些工作量,但对医生的帮助以及应用场景比较小,价值相对是较低的。因此,医院和医生并不愿意为此买单。与医院的合作多是提供产品试用,收不到钱。没有收入来源和场景,商业模式是不健康的。

但更苦情的是,盈利是AI医疗影像公司还来不及想的问题,考虑“在激烈竞争下活下来”,优先级可能更高。

谷歌、IBM、英特尔等国际巨头和国内的BAT等科技大厂加紧布局,初创企业如何摆脱“大鱼吃小鱼”的命运。即使巨头们不大举整合市场,创业公司之间的厮杀也相当激烈,谁能在博弈中抢得跑道。

小结:

得益于计算机视觉这种深度学习技术,国内有旷视科技、商汤科技、极链科技video++、云从科技等优秀的AI创业公司率先在各个跑道上推动着AI落地。经过多年的发展,AI医学影像也已经成为AI赋能应用的重点领域。作为最早竞争也最激烈的战场,AI医学影像商业化之路还有多远。

行业的兴起与泡沫,是任何一个新技术浪潮的必经之路。人工智能入局医疗,如何突破应用关,还需要等待。