G上海长征医院萧毅教授：医学影像图像裁员|事业部

文章插图

“医疗AI的商业化，创新技术的应用化”，无疑成为2021年医疗行业的高频词汇。
近日，第六届全球人工智能与机器人大会（GAIR 2021）在深圳正式启幕，140余位产学领袖、30位Fellow聚首，从AI技术、产品、行业、人文、组织等维度切入，以理性分析与感性洞察为轴，共同攀登人工智能与数字化的浪潮之巅。
在医疗科技高峰论坛上，中华医学会放射学分会委员、上海长征医院影像科副主任萧毅教授发表了主题演讲。
萧毅教授表示，2020年以来，医学影像AI逐渐被临床接受，不少产品拿到NMPA认证，但是医学影像AI发的发展不是一帆风顺。
从人才层面看，核心心算法人才短缺导致供需不平衡、巨头公司对人工智能算法人才争抢激烈、既懂算法又懂医学的交叉人才难求。
从融资层面看，资本的马太效应使得早期创业公司融资更难。
当然，如果这些“外因”已经为企业设下了诸多难题，那么医学影像AI“入院”的难度则更大。
萧毅教授表示，“AI医学影像产品的商业化方式与医疗器械进院的采购模式类似。商业化进程依赖于大型设备的采购流程，流程长，耗时长，医院付费意愿仍需企业强势的市场开拓。”
而且，由于AI医学影像辅助诊断系统面向患者收费还没有形成共识，所以按例付费、按服务费收费等商业模式暂未形成。
“想要成功实现规模商业化，必须依次完成注册准入、物价准入、医保准入，这将是一个很漫长的过程。”
换言之，现在的医学影像AI企业，要学会用时间来换空间。未来，分级诊疗政策的深化，会让基层医疗机构得到大量的分流病人。
同时，基层医疗机构的医学影像设备配备、升级需求和医学影像诊断服务需求也将实现快速增长，这将为AI医学影像带来更大的市场空间。
以下是萧毅教授现场演讲的内容，雷峰网《医健AI掘金志》做了不改变原意的编辑与整理。
萧毅：各位嘉宾大家好！我是来自上海长征医院放射科的萧毅。我的演讲题目《AI在医学影像中的现状与趋势》。
医学影像AI的应用现状如何？
曾经，都认为AI在医疗行业的落地，会最先落在医学影像行业——影像医生的从业人数少，医疗需求又特别大。而且，对于图像的识别，正是AI非常擅长的事情，国外也有多种医学影像公开数据库可以用来训练模型。
所以，很多企业和科学家就很自然的以为，医学影像AI可以很快开花结果。
人工智能之父Hinton也说，可以停止培养放射科医生。这句话，也曾让放射科医生心中一颤。
2016年，各类初创公司拔地而起，资本相继跟进。然而，理想很丰满，现实却很骨感。五年之后的今天一波“蹭热点”的公司已经被淘汰出局，不见踪迹，资本也只关注行业里的头部公司。
问题出在哪里？失败的公司没有认真思考：影像科医生在干什么，医疗需要什么。与临床的沟通、交流程度，是企业产品价值逐渐拉开距离的关键。
而经过临床验证后的价值，最终得到监管部门的认可。

文章插图

现阶段，医学影像人工智能的应用是“链条式”的，可以分为两大区块：
传统设备厂商的医学影像AI，主要是与设备相关的智能摆位、高清成像；
新兴的科创公司，主要是成像后的图像质控、辅助诊断及科研；
现在，已经被临床使用和认可的AI产品，都有哪些作用？
在中枢神经系统方面，医学影像AI产品主要有：脑卒中AI，可以对脑卒中的病灶进行分割、定位、定量、测量，进而预判预后；
脑肿瘤AI产品，针对颅脑肿瘤的脑区分割、肿瘤鉴别。
除此之外，基于人工智能的分割技术，在退行性病变和脑白质病变上进行的模型训练，也获得了相对理想的结果。
除了对单病种进行单一模型的构建之外，企业也向纵深化发展。

文章插图

一个脑卒中的案例中，在传统的工作模式下，我们先进行CT扫描，图像经过处理后，可以查看动脉是否有狭窄和斑块，最终一个结构化报告。
如果我们使用人工智能辅助的方式，我们可以迅速地获得最结果，使得患者处理的时间从1000多秒降低到86秒。
图像的后处理实现了全自动、报告有了标准化的处理，甚至是最后的审核与打印，也减轻了医生的负担和工作量。

G上海长征医院萧毅教授：医学影像 图像

G上海长征医院萧毅教授：医学影像图像