作者： 硅谷密探發(fā)布日期：2019-03-14
讓一個(gè)機(jī)器人透視你的身體，洞察你體內(nèi)的蛛絲馬跡，比經(jīng)驗(yàn)豐富的老教授更快更準(zhǔn)地找出你的沉疴暗疾，你是會(huì)覺(jué)得驚悚還是幸運(yùn)？
在人工智能熱潮興起之初，吳恩達(dá)（Andrew Ng）、Jeffery Hinton等多位AI大佬放言，醫(yī)療領(lǐng)域AI會(huì)讓放射科醫(yī)生下崗失業(yè)。
在2019年的今天，才來(lái)談?wù)揂I+醫(yī)療，好像顯得有些不合時(shí)宜。畢竟，至少早在2017年起，智慧醫(yī)療的火焰已是如火如荼。
仿佛不遠(yuǎn)的未來(lái)，你就能和機(jī)器人醫(yī)生面對(duì)面，由絕對(duì)精確的機(jī)器智能為你作出診療。
然而，時(shí)至今日，智慧醫(yī)療最大的突破，仍然主要限于基于計(jì)算機(jī)視覺(jué)技術(shù)的醫(yī)療影像輔助診斷之上。AI，距離完全取代醫(yī)生，可能還差了一個(gè)比鄰星到地球的距離。
在這一情況之下，聚焦于最為成熟的醫(yī)療影像AI領(lǐng)域，談?wù)凙I在做什么，AI公司在做什么，可能顯得更為重要。
AI醫(yī)療影像診斷，圖片來(lái)自Nvidia
聚焦：醫(yī)療影像+ AI從公司門(mén)口的人臉識(shí)別到你手機(jī)里欺世盜貌的美顏相機(jī)，再到讓李彥宏吃下罰單的自動(dòng)駕駛，這些AI新浪潮的背后站著的，都是由深度學(xué)習(xí)驅(qū)動(dòng)的計(jì)算機(jī)視覺(jué)技術(shù)。
從這里出發(fā)，當(dāng)你在考慮AI如何應(yīng)用在醫(yī)療中時(shí)，首先想到的可能就會(huì)是：
如何將在自然圖像下日趨成熟的深度學(xué)習(xí)算法應(yīng)用于醫(yī)療之中？
這個(gè)問(wèn)題不難回答。
即使你從未進(jìn)過(guò)醫(yī)院影像科，也應(yīng)該對(duì)CT、核磁共振（MRI）、B超等等檢查有所耳聞。這些檢查就像一臺(tái)特殊的照相機(jī)，借助射線(xiàn)和聲波為你體內(nèi)的器官骨骼留下倩影，幫助醫(yī)生對(duì)人體內(nèi)的真實(shí)情況作出判斷。
隨著低劑量螺旋CT、核磁共振等技術(shù)的發(fā)展和推廣，影像檢查正變得更為安全、高效、準(zhǔn)確，也更廣泛地應(yīng)用于定期體檢和疾病診斷之中。僅2016年，全球診斷成像設(shè)備市場(chǎng)價(jià)值就高達(dá)227億美元，增長(zhǎng)率為2％。海量的醫(yī)療影像數(shù)據(jù)在幫助診斷之余，也讓影像科醫(yī)生的負(fù)擔(dān)日益加重。
就以常見(jiàn)的CT來(lái)說(shuō)，在影像醫(yī)療領(lǐng)域，CT是一個(gè)大趨勢(shì)，所有的東西都能看清楚，但拍一次下來(lái)就有300多張影像，一個(gè)醫(yī)生看下來(lái)是非常消耗時(shí)間和精力的。所以衍生出來(lái)的一個(gè)問(wèn)題就是——需要大量的醫(yī)生來(lái)“看片”。
深度學(xué)習(xí)AI算法的用武之地正在于此。
計(jì)算機(jī)輔助診療技術(shù)（Computer Aided Diagnosis: CAD）借助機(jī)器視覺(jué)算法，對(duì)醫(yī)療影像進(jìn)行自動(dòng)分析，幫助醫(yī)生鎖定病灶，提供診斷建議和依據(jù)。傳統(tǒng)上，基于人工設(shè)計(jì)規(guī)則的算法在功能、準(zhǔn)確度和速度上均有較多局限。深度學(xué)習(xí)算法的引入，讓CAD的應(yīng)用場(chǎng)景大大擴(kuò)展。從早期癌癥篩查到心血管異常，從神經(jīng)疾病診斷到骨骼肌肉損傷，CAD系統(tǒng)的AI化浪潮已是如火如荼。
風(fēng)口回歸，競(jìng)爭(zhēng)進(jìn)入后半程新技術(shù)的浪潮牽動(dòng)千萬(wàn)病人的健康，亦牽動(dòng)資本涌動(dòng)。
據(jù)估計(jì)，到2023年，AI+醫(yī)療影像的市場(chǎng)規(guī)模將超過(guò)20億美元。諸多創(chuàng)業(yè)企業(yè)、互聯(lián)網(wǎng)巨頭、醫(yī)療影像器械廠(chǎng)商紛紛投入重金，力求在這一戰(zhàn)場(chǎng)占據(jù)一席之地。
不過(guò)在2019年的今天，前兩年的資本風(fēng)口漸漸回歸理性，賽程進(jìn)入后半場(chǎng)。
截止至2018年上半年，AI醫(yī)療影像初創(chuàng)企業(yè)已經(jīng)募集逾5億美元資本投入，資本從新興初創(chuàng)逐漸轉(zhuǎn)向晚期創(chuàng)業(yè)企業(yè)。縱觀這一領(lǐng)域，整個(gè)2018年上半年，僅有加拿大醫(yī)療影像企業(yè)Circle Cardiovascular Imaging獲得A輪融資，其他各企業(yè)均已進(jìn)入B輪或之后的成熟階段。
從戰(zhàn)略方向上來(lái)看，企業(yè)也多由早期技術(shù)積累轉(zhuǎn)向產(chǎn)品落地，企業(yè)與醫(yī)院的合作、落地成為主議題，AI+醫(yī)療影像日趨成熟。
基于AI的醫(yī)療影像分析軟件市場(chǎng)規(guī)模
AI+醫(yī)療，還是醫(yī)療+AI？與自動(dòng)駕駛領(lǐng)域的“車(chē)廠(chǎng)對(duì)陣AI巨頭”的陣勢(shì)頗有相似，在醫(yī)療影像AI領(lǐng)域，傳統(tǒng)影像器械商和AI科技企業(yè)的雙向競(jìng)技也正如火如荼。
以西門(mén)子（Siemens）、通用電氣（GE）等為首的傳統(tǒng)醫(yī)療影像器械廠(chǎng)商，正依靠其硬件和數(shù)據(jù)優(yōu)勢(shì)，對(duì)其傳統(tǒng)影像分析算法進(jìn)行“AI化”迭代升級(jí)，為醫(yī)院提供整合性更強(qiáng)的一站式解決方案。
西門(mén)子的AI-Rad系統(tǒng)針對(duì)胸部CT影像，提供多方面的測(cè)量、定位和自動(dòng)報(bào)告生成功能。比如，借助影像分割技術(shù)，找出胸部CT影像中大動(dòng)脈的像素級(jí)定位，實(shí)現(xiàn)對(duì)動(dòng)脈直徑等多方面的自動(dòng)化測(cè)量。該系統(tǒng)還利用目標(biāo)檢測(cè)技術(shù)，對(duì)體內(nèi)器官的各項(xiàng)異常進(jìn)行定位和初步診斷。
在早期肺癌篩查中，AI可以準(zhǔn)確地識(shí)別出肺部小結(jié)節(jié)的位置所在，并對(duì)結(jié)節(jié)進(jìn)行初步分析，幫助醫(yī)生盡早做出診斷，大大提升早期肺癌的發(fā)現(xiàn)率。根據(jù)美國(guó)國(guó)家肺部篩查試點(diǎn)研究組的研究數(shù)據(jù)，借助肺結(jié)節(jié)早期篩查，逾20%的肺癌罹難者將有機(jī)會(huì)幸免于難。
AI-Rad系統(tǒng)，圖片來(lái)自西門(mén)子
除去AI技術(shù)上的轉(zhuǎn)型，器械廠(chǎng)商對(duì)AI的系統(tǒng)化整合，成為他們?cè)诟?jìng)爭(zhēng)中脫穎而出的重要法寶。2018年底，GE發(fā)布了Edison AI開(kāi)發(fā)平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)、算法、硬件之間的無(wú)縫整合?，F(xiàn)時(shí)，平臺(tái)已經(jīng)上線(xiàn)48個(gè)影像分析應(yīng)用，為研發(fā)部門(mén)整合多來(lái)源、多模態(tài)的海量數(shù)據(jù)源，亦為醫(yī)院提供各細(xì)分領(lǐng)域的輔助診斷服務(wù)。
長(zhǎng)遠(yuǎn)來(lái)看，Edison的野心并不止于此。GE計(jì)劃將平臺(tái)對(duì)外開(kāi)放，讓合作開(kāi)發(fā)者加入算法研發(fā)，打造AI醫(yī)療影像的“AppStore”生態(tài)，促成AI醫(yī)療影像技術(shù)的更好發(fā)展。
相比傳統(tǒng)器械廠(chǎng)商的系統(tǒng)優(yōu)勢(shì)，醫(yī)療影像領(lǐng)域的AI技術(shù)公司便更多依靠自身算法突破建立競(jìng)爭(zhēng)護(hù)城河。
其中，較大規(guī)模的創(chuàng)業(yè)企業(yè)和AI巨頭企業(yè)們，選擇多領(lǐng)域發(fā)力，在各方面與傳統(tǒng)器械廠(chǎng)商展開(kāi)正面角逐。
在美國(guó)市場(chǎng)上，以色列一家AI醫(yī)療影像公司Zebra Medical Vision推出了從骨骼、乳腺到肺部、心血管的多器官診斷產(chǎn)品，意圖建立自身生態(tài)。
中國(guó)創(chuàng)業(yè)企業(yè)亦然。作為國(guó)內(nèi)醫(yī)療影像AI領(lǐng)域估值最高的推想科技，推出了InferRead全系解決方案，覆蓋腦部、肺部、骨骼等全部位影像診斷。
Zebra Medical Vision：骨骼診斷產(chǎn)品
較小規(guī)模的創(chuàng)業(yè)公司，則多聚焦垂直領(lǐng)域，在單一器官或單一病癥上建立自己的技術(shù)優(yōu)勢(shì)。
英國(guó)一家初創(chuàng)企業(yè)Brainomix便是其中典型例子。它專(zhuān)注腦部影像分析，在中風(fēng)的診斷與輔助治療中建立起自身的獨(dú)特優(yōu)勢(shì)，找到自己的發(fā)展方向。
Brainomix：腦部影像分析系統(tǒng)
英偉達(dá)旗下孵化的一家初創(chuàng)企業(yè)ImFusion則獨(dú)辟蹊徑，借助AI影像生成技術(shù)，開(kāi)創(chuàng)了從二維平面超聲影像生成三維立體模型的新方法。他們以對(duì)應(yīng)病人的二維超聲影像和三維CT影像作為訓(xùn)練數(shù)據(jù)，讓AI找到二維和三維影像之間的潛在聯(lián)系，從而幫助醫(yī)生更好地理解、感知病人體內(nèi)的狀況。
將2D超聲影像轉(zhuǎn)化為3D人體模型，圖片來(lái)自英偉達(dá)
專(zhuān)注于特定垂直領(lǐng)域，小企業(yè)更容易找到自身競(jìng)爭(zhēng)突破點(diǎn)，卻也留下了產(chǎn)品功能單一化的缺憾，產(chǎn)品的落地應(yīng)用大大受限。這一情況下，中小企業(yè)往往要與器械廠(chǎng)商或AI巨頭展開(kāi)合作，將自身技術(shù)與生態(tài)平臺(tái)相融合，實(shí)現(xiàn)產(chǎn)品的大規(guī)模落地部署。
目前來(lái)看，AI+醫(yī)療影像領(lǐng)域仍將長(zhǎng)期處于競(jìng)爭(zhēng)與合作交織，技術(shù)和產(chǎn)品共同推進(jìn)的百花齊放階段。
作為醫(yī)療影像領(lǐng)域的后發(fā)選手，中國(guó)在影像器械的賽道上，起步較晚，暫時(shí)缺席。不過(guò)，在AI算法的競(jìng)技中，依托本土AI人才和海量醫(yī)療數(shù)據(jù)，以推想科技、匯醫(yī)繪影為代表的中國(guó)初創(chuàng)企業(yè)們已經(jīng)成功找到自己的發(fā)展方向。不僅如此，騰訊、阿里、商湯等AI巨頭企業(yè)也紛紛向醫(yī)療影像領(lǐng)域持續(xù)發(fā)力，彎道超車(chē)未來(lái)可期。
競(jìng)業(yè)者更是同盟軍所以，在2019年的今天，AI會(huì)讓放射科醫(yī)生下崗嗎？
如今看來(lái)，雖然醫(yī)療影像AI已經(jīng)取得長(zhǎng)足進(jìn)展，取代放射科醫(yī)生仍顯得言之甚早。
一方面，由于數(shù)據(jù)的限制，醫(yī)療影像AI的適用面仍然較窄。目前只有針對(duì)肺部結(jié)節(jié)、腦部腫瘤、骨科等少部分領(lǐng)域的AI技術(shù)相對(duì)成熟，大大限制了醫(yī)療影像AI的臨床應(yīng)用。
另一方面，深度學(xué)習(xí)本身的“黑盒”、不可解釋的特性使得我們難以對(duì)其結(jié)果進(jìn)行分析歸因。不論是出于安全性還是醫(yī)學(xué)倫理上的考慮，醫(yī)療影像AI在可預(yù)見(jiàn)的未來(lái)里仍只能扮演助理角色，難以成為最終的決策者。
除此之外，醫(yī)療影像的分析并不只依賴(lài)于圖像自身。醫(yī)生在對(duì)影像進(jìn)行診療時(shí)會(huì)結(jié)合病人的病史、其他檢查、疾病的相關(guān)醫(yī)學(xué)知識(shí)進(jìn)行綜合考量。
相比之下，醫(yī)療影像AI大多情況下只能依靠圖像內(nèi)在的特征進(jìn)行判斷，使得較復(fù)雜的、與影像形態(tài)不直接相關(guān)的病情分析效果不佳。
不過(guò)，作為醫(yī)生的助手，AI的精準(zhǔn)檢測(cè)可以有效減少漏診情況，幫助醫(yī)生快速定位相關(guān)病灶。自動(dòng)生成的影像分析等數(shù)據(jù)資料也可以為醫(yī)生提供良好的參考，大大提升他們的工作效率。這一點(diǎn)，在各醫(yī)院影像檢查數(shù)量均大幅增長(zhǎng)的現(xiàn)在，顯得尤為重要。
除此之外，放射科醫(yī)生其實(shí)還扮演著AI的人生導(dǎo)師角色。深度學(xué)習(xí)算法需要大量的標(biāo)注數(shù)據(jù)，這需要放射科醫(yī)生的鼎力支持。比如在肺結(jié)節(jié)篩查任務(wù)中，醫(yī)生需要預(yù)先標(biāo)注成百上千張CT影像里的肺結(jié)節(jié)的具體位置、類(lèi)型。借助這些訓(xùn)練數(shù)據(jù)，算法才能最終找到這些結(jié)節(jié)的隱含特征，實(shí)現(xiàn)準(zhǔn)確的檢測(cè)、分析。
目前看來(lái)，這場(chǎng)AI+醫(yī)療影像的變革，更多地是從普通馬到汗血寶馬式的漸進(jìn)性進(jìn)化，而非從馬匹到汽車(chē)的時(shí)代革命。
與其擔(dān)憂(yōu)被取代下崗，放射科醫(yī)生更應(yīng)理性看待AI熱潮，摒除“人工智能”這一名字的神秘光環(huán)，理解AI的長(zhǎng)處與不足，讓它成為工作的重要助力。
原文鏈接：http://www.tmtpost.com/3817852.html
來(lái)源：鈦媒體
