QQ在線
企業微信
資訊
507到目前為止，疫情人員還在不斷加劇，80%都是在湖北，湖北的醫務人員一直不夠，雖然有全國各省市的醫院調派人員過去支援。
激增的病例使得各大疫情前線的醫院都在面臨閱片挑戰。據了解，單人單次檢查就至少會產生300張胸部CT影像，前半個月來，按照湖北省1天萬余名新增疑似患者產生的影像數量就已超過數百萬張，而在實際臨床工作中，每名患者每隔2～4天還需復查一次，加之數萬名確診患者的復查需求，一線的閱片醫生們將面對著至少500萬張／天的閱片工作量。一線醫生所面臨的壓力可想而知。
不應讓醫生孤身奮戰前線，到了AI開始發力的時間點了。
確實，AI影像公司成為了此次疫情中最快做出反應的AI醫療類公司。疫情期間，他們通過構建醫療影像診斷系統CT＋AI的模式，縮短了影像初診時間，并協助醫療機構辨別感染者，為快速隔離、診斷和治療爭取到了時間。
他們表現如何？
影像AI率先走進疫情一線
2月6日起，一份《新型冠狀病毒感染的肺炎診療方案（試行第五版）》的實施，將“疑似病例具有肺炎影像學特征者”作為湖北省臨床診斷病例標準。在湖北等疫情嚴重地區，CT篩選或將成為診斷新型冠狀病毒感染的肺炎的首選方法。
為什么沒有盡早把臨床診斷作為確診標準？對此，影領科技創始人董捷告訴創業邦，這是因為AI閱片的前提是需要有海量數據支撐。
“一開始就用AI不太現實，因為疫情剛出現沒有足夠海量的數據支撐，很難有精確地判斷。但是隨著疫情的發展，患者病例的增多，借助AI輔助診斷提高診斷效率，可以大范圍節約診斷時間。”董捷說。
隨著診療方案的出臺，影領科技已做好準備：在其聯合翼展互聯網醫學影像診斷中心開發的免費義診平臺上，集成了智能評估新型冠狀病毒性肺炎的AI影像產品。
這款產品結合了兩方面的AI技術。一方面，通過圖像算法實現對新型冠狀病毒性肺炎CT影像的智能化診斷與定量評價，并對局部性病灶、彌漫性病變、全肺受累的各類肺炎疾病嚴重程度進行分級；另一方面，通過對病灶的形態、范圍、密度等關鍵影像特征定量和組學分析，精確測算疾病累計的肺炎負荷，實現對CT的全肺病變動態4D對比。
“需要強調的是，AI影像技術，是協助臨床醫生解決實際問題，而不是要跟影像科醫生比誰看片子看的更準。”董捷說，CT無法區分患者感染了哪種病毒，核酸檢測仍然是“金標準”。目前把胸部CT作為篩查的診斷手段，是為了“寧疑勿漏”，填補核酸檢測試劑盒無法到達的真空。
影領醫療并不是“一個人”，早在春節前后就已有大量醫療AI企業針對疫情做出反應。
1月28日，依圖醫療上線初版新冠肺炎智能評價系統，并在24小時之內，將該系統部署到了疫情防控任務最為緊急的武漢大學人民醫院、華中科技大學同濟醫學院附屬協和醫院、武漢大學中南醫院、荊州市第一人民醫院4家醫院中。
1月31日，推想科技宣布推出針對新冠肺炎篩查產品，并率先應用在華中科技大學同濟醫學院附屬同濟醫院中。
截至2．16日，深睿醫療已有近40套新增本地部署的肺部疾病智能解決方案（新冠肺炎增強版）發往湖北，包括武漢協和醫院、武漢同濟醫院、大別山區域醫療中心、孝感市中心醫院等，覆蓋武漢、黃岡、孝感等多個城市。同時，除湖北省外，包括上海公共臨床中心、浙江大學附屬第一醫院、北京佑安醫院等各地定點收治醫院也在使用深睿醫療的系統。
為什么在此次疫情中，AI影像公司的“表現”最好？
道彤投資相關負責人告訴創業邦，這是由疫情的特性所決定的。
“現在來看，真正能在疫區現場發揮作用的不是遠程影像，而是AI影像。”疫情是一次突發場景，加速體現了醫生在閱片過程中遇到的兩道難關。第一，大量高強度的重復性體力勞動；第二，基層設備不足，醫生水平參差不齊。這兩點都會導致誤診和漏診，而使用AI則能有效緩解當前局勢。
從這場疫情“戰爭”中可以看出，目前AI更適合兩個地方采用。北極光創投副總裁馬可認為：一個是疫情爆發后忙不過來的“前線”，另一個是沒有“分子實驗室”的基層醫療機構。
對于未來AI影像的商業化發展之路，馬可告訴創業邦：“AI影像的變現方式之一是建立第三方影像中心，主要看兩方面的落地能力。一方面是大城市患者擁擠的醫院，那些醫院可能拍個CT需要排隊兩周，第三方影像中心可以幫助醫院分流；另一方面是缺乏設備和醫生的基層醫院，第三方影像中心可以幫助基層醫院提升放射科整體水平。”
市場加速教育，行業需要整合
AI醫療自誕生之初就存在技術難以落地、資金鏈斷裂風險嚴峻、審批大關難過等痼疾。
重重困難之下，就算是“不差錢”的巨頭也收效頗微。比如IBM沃森健康部門在成立6年，投資50億后，仍然免不了裁員70％，縮減服務規模的命運，幾乎宣告了這個項目的失敗；隨后，亞馬遜、蘋果、GE、阿里、騰訊、百度等大公司，都在切入AI醫療的賽道，但目前為止都還處于投入階段。
“國內，有三座大山一直壓在醫療AI類公司的頭上。”道彤投資相關負責人表示，對于醫療AI企業來說，產品要想順利實現商業化，必須“持證上崗”。“但就算拿到了‘三類證’，還要申請醫保收費編碼，最后各個地區的政策情況也都還不一樣。”
盡管艱難，醫療AI機構還在積極探索商業化道路，影像AI被認為是能最快落地變現的賽道。
從技術上看，AI影像技術源于計算機視覺的遷移，并在此基礎上根據病種的特征進行訓練、優化。遷移算法的優勢在于開發者可以迅速切入醫學領域，并開發出可商業化的產品解決臨床問題。
“在這個領域，幾千份病例數據就可以開發出一套準確率相對較高的成熟產品。”馬可告訴創業邦。
從需求上看，影像AI有助于緩解國內醫療資源緊缺的現狀，使用場景清晰。
當下，國內影像醫生資源嚴重短缺，每一年的全國放射科門診量年增長率達到30％左右，但影像科醫生年增長率僅為4．1％左右，醫生數量的增長比例遠遠趕不上患者的增長比例。
其次，優質醫生資源過度集中，中國大部分優秀的醫生資源都集中在少數的三甲醫院，而大量的基層醫院放射科甚至缺少有影像診斷資格的醫生。
“我國有巨大的醫療影像市場需求無法被滿足，醫療機構的信息化水平也相對落后。比如西方發達國家的醫療機構均采用先進的數字化膠片作為存儲，而中國普遍還在使用紙質膠片，不但成本高，而且膠片的生產會嚴重污染環境。”董捷說。
道彤投資這位負責人認為，醫學影像AI只是醫療AI行業中的一部分。“如果只是單純地看影像這個賽道，產品會同質化很嚴重，因此這個市場需要整合。”他認為，只有給醫院一個相對完整的打包方案，才能真正做到商業化。“未來這個行業會存在大量并購整合的機會。”
以蘭丁高科為例。蘭丁是醫療AI中少有的能實現大規模盈利的公司，主要原因在于其商業模式由“賣設備和耗材”轉變成“提供系統化解決服務平臺”。公司用人工智能的方法做宮頸癌篩查，遠程染色上片讀片診斷，當前主要有三類客群：一類是需要提高診斷效率和準確度的大中型醫療機構；一類是缺乏細胞病理診斷能力的基層醫院；另外一類是推動宮頸癌篩查項目的各級政府。
“醫療AI是一個大的生態，影像、病理檢驗、病歷、單病種智能診斷等領域都會進行整合，最終成為三五家大公司。這是醫療AI未來可能對傳統產業進行的顛覆或是影響。希望這次疫情會加速市場的教育，推動審批落地流程。”道彤投資表示。
還有很長的路要走，中國將走在世界前列
AI會是未來醫療行業的發展路線嗎？
在董捷看來，醫療行業中確實可以通過AI輔助診斷，減少篩選對比病例的時間，為患者制定準確的治療方案。對于患者來說，就可以更快速地完成健康檢查，獲得更為精準的診斷建議，節省大量的時間、金錢成本；對于醫院來說，深度學習可以提高效率，降低醫療成本等。
“但是歷經長期信息系統標準不統一，數據質量參差不齊，臨床術語開發無法跟進，健康數據碎片化、非結構化等因素困擾，保障數據質量才是醫療人工智能的唯一出路。目前以遠程診療為代表的AI醫療正在彌補城鄉醫療資源差距，但短時間內AI醫療尚不能取代傳統的醫生診療。”董捷說。
馬可也認為，AI不可能替代傳統醫生。“人的出錯是有規律性的，也是可以及時回過頭來修正的。但是AI的出錯會非常隨機，有時候可能會在很簡單的地方犯下很低級的錯誤，這種錯誤防不勝防，所以一定要和人的判斷結合起來。”
“但是中國市場非常適合AI醫療的發展。”馬可說，一方面，是中國市場有足夠大的數據樣本可以采集，另一方面，中國正在探索推行分級診療體系，這需要使用AI賦能。
“所以我們會關注更多細分市場的機會。”據馬可介紹，除影領科技之外，北極光創投在細分領域的布局還有專注內窺鏡影像輔助診斷的微識科技，專注血液病理診斷的深析智能，第三方醫學診斷影像中心翼展科技等。“AI能不能真正解決臨床的痛點、能不能幫助醫生顯著提升治療和診斷效率，是我們關注的重點。”馬可說。
除VC之外，在醫療AI的舞臺上，眾多器械巨頭也紛紛在AI醫療領域發力。2017年，西門子醫療推出了數字化醫療平臺teamplay——一個基于云端的大數據平臺及醫療生態圈；2018年，飛利浦宣布平臺首次在吉林大學白求恩第一醫院落地，該平臺包含ISP（支持臨床影像診斷，涵蓋心臟病學、腫瘤學和神經學）和ISD（醫用科研平臺）兩個平臺；2019年，GE醫療在中國發布了一系列基于“Edison”平臺的全新醫療應用產品和智能型醫療設備。
“大企業都在尋找新的創新點，比如GE、奧林巴斯、美敦力、強生、波士頓科學等等都在醫療AI方向有布局。未來同器械廠商的合作也會是AI醫療企業的一個商業化方向。”馬可說。
