微信公众号 联系我们 关于我们 3618客服热线:020-32784919   推广热线:020-32780069
资讯
频道
当前位置:首页 > 医疗器械资讯 > 业界动态 > AI盛世之下 智能医疗影像诊断系统遭遇的骨感现实

AI盛世之下 智能医疗影像诊断系统遭遇的骨感现实

文章来源:搜狐发布日期:2017-07-22浏览次数:195

 2017年以来,关于人工智能泡沫的议论纷纷攘攘,知乎上一问题“这一波人工智能泡沫将会怎么破灭?”获广泛关注,其中,禀临科技联合创始人PENG Bo的观点得高赞同票,他认为,“人工智能有些危险,因为现在变现似乎是个难题。”“目前看来,AI可能并不足以支撑一个独立的公司,它更适合作为其它公司的一个部门,或被其它公司收购。”
许多智能影像一线从业者可能会对其观点深表赞同。科大讯飞智慧医疗事业部医疗影像产品负责人马文君告诉雷锋网,“如今的智能影像很像前几年的互联网医疗,大家一窝蜂进来了,但下一步怎么做,是个问题。”汇医慧影梁恩铨认为,“整体来讲,智能影像诊断真正深入到临床诊断的很少,目前,业内尝试与医生合作做科研或提高效率方面尝试,但要真正提高诊断率,目前还有很大差距。”
动辄可以听到“AI取代医生”“AI的准确率超过医生”的言论,同时“理想很美好,现实很骨感”的感慨频频传来,理想的豪言壮语随处可见,那现实是什么呢?
有人说,21世纪是数据为王的时代;有人将算法比作发动机,数据比作石油;有人则强调行业数据、专家资源和核心技术是打造智能影像缺一不可的三要素。无论怎样强调数据的重要性都不为过,我们且以影像数据为径,智能影像公司的运营为纬,一窥智能影像公司的真实日常。

数据端:保证质量,数量多多益善
尽管我国存在第三方影像中心,但绝大多数的医疗影像数据来源于医院。据悉,大的三甲医院一年产生的影像数据在10T以上。宜远智能CEO吴博称,“单个医院的影像数据存量就很大,每天数百例新增也很常见。”
在医疗信息系统中,PACS系统负责医疗影像采集、数据传输存储以及影像分析、处理,并且不同的PACS系统之间,能以以DICOM国际标准方式对接。
总体来说,医院影像数据多且大都标准化,便于机器阅读,为此,智能医疗影像被业内人认为将率先实现商业化落地。
上海市儿童医院影像科主任杨秀军曾表示,“很多医学影像领域特别适合人工智能/图像识别技术,国内外有很多厂商从事这方面,也做出一些成果。”
吴博告诉雷锋网,对于AI ,影像数据本身具有标准化的优势。不过,数据异常也容易碰到。“以CT为例,有的病人不是躺着而是趴着扫描;有的不是头先进去而是脚先进去;CT长宽512像素或者768像素的差别,不同排数机器的层厚差异以及薄层重构算法,都会影响清晰度。”他补充道,“处理流程只要充分考虑和兼容这些变化情况,原始数据的可用比例还是非常高的。”
对于一个AI系统而言,数据多多益善是有前置条件的,在保证喂养数据质量的情况下,增加数量才有意义。而判断影像数据质量,主要取决于AI公司所打造智能诊断产品的临床目的。除此之外,对于智能影像诊断而言,影像数据需要关联更准确的诊断和后期结果关联,否则垃圾进,垃圾出。
南方医科大学副教授刘再毅曾表示,“我们数据多得不得了,我们影像科每天产生很多数据,但是有多少数据可以用?1%都不到,其中有大量错误信息。”他补充道,“数据规范的问题没有办法管控,临床信息经常有误。”
拿现在很火的肺结节智能诊断为例,对于AI公司来说,有肺结节的影像才是有价值的,“在产生的影像数据中,只有10%或20%的病人有问题,即便如此,并不是所有有病灶的影像数据都能拿来用。”梁恩铨称。而在医院内部,医学影像系统和诊断报告是两个独立的系统,两者并无关联。“用数据训练AI很重要的一点是:需要系统判断一个影像是否有结节,是否有病灶。而医院每天拍出来几百影像,并没有标出来哪里有结节,对于AI公司来说,这就是没有价值的数据。”梁恩铨告诉雷锋网。
数据获取:“合作”共赢
影像数据是医院的,智能影像公司如何获取呢?
医疗数据是一种资源,意味着它有价值,想获取有价值的东西简单的逻辑就是“买买买”,这正是财大气粗的IBM的战略。在2014年相继收购了大数据医疗保健分析提供商Phytel与Explorys后,2015年,以10亿美元收购了医学成像及临床系统供应商Merge Healthcare,后者坐拥有8500家客户,其中包括美国联邦政府和州政府机构、雇主、医保、医院等,以及3亿病人数据。
在我国,三甲医院拥有绝大多数影像数据,但影像数据不出院是必须守住的红线。为此,AI公司与医院寻求“合作”就成了一种可能的路径。一般来说,AI公司会选择与医院合作开发,一方面得到脱敏的数据和行业专家,一方面收获了产品打磨的场景,至于合作模式,则各有特色。
一般来说,智能影像公司官网上的合作医院被视为彰显自身实力的背书。雷锋网从公司官网上了解到,推想科技称其与北京协和医院、同济医院、长海长征医院等5家三甲医院达成合作;科大讯飞先后与北京大学口腔医院、上海交通大学附属第六医院南院等多家医院合作;依图科技与浙江省人民医院合作。
刘再毅曾表示,非常希望与好的AI公司合作,以临床目的为中心共享研究成果。“我们临床数据宝贵,光有技术没有临床数据,很多都是纸上谈兵。”
“我们现在不一定要获取数据,而是想使用数据,我们在和医生的合作中发现,他们对于数据共享持谨慎乐观和开放的态度,我们提供深度学习的经验,和对于数据标注、数据整理和数据隐私保护的方法论,结合医疗数据和专家只是,用科研服务、课题服务的形式结合起来。“吴博称道,宜远智能切入医疗影像领域,目前不以工具见长,而选择以贴身服务来做,同时,医疗影像数据敏感,处理算法要能分布式地下沉到数据所在位置,而不是一味期望数据统一归集到统一平台。
汇医慧影CEO柴象飞称,他们为医生提供工具、方法合作共赢,而对于偏基层的医院,基于提供的IT工具之上,提供一些更加智能化、自动化的工具,同时不断收集数据,进行算法模型的迭代。这与其规划的商业模式是一致的,提高效率、降低误诊率的筛查类影像系统,短期内医院可以买单。至于与医院的合作模式,公司市场经理梁恩铨披露道,与很多医院的合作是以科研合作的形式,后的成果双方都有署名,“产品归我们,数据是医院的。”
数据处理:“只有人工,没有智能”
一如机器学习AI建模的流水线,医疗影像数据处理过程也要经历数据标注、清洗、切割,随后是建模、调参等。 在处理影像数据的技术问题上,据吴博介绍,医疗影像数据刻画的是体内脏器,与肉眼容易识别花鸟虫鱼人脸等常规图片,成像原理与视觉特征都不相同,深度学习模型尤其需要深度改造。
但医疗影像数据处理的特殊之处在于数据标注耗费时间更长、门槛更高,“要凑齐多名医生对数据进行比下诊断报告还要细致的标注,难度、进度和成本都很高。”吴博称。无怪乎,科大讯飞智慧医疗事业部总经理陶晓东称,行业数据、专家资源和核心技术是打造智能影像缺一不可的三要素,大多数AI公司与医院合作开发,由院内专家进行标注。
拿汇医慧影为例,医生使用其产品的同时就能对影像数据进行标注,产生他们需要的有效数据。“医生在看片的过程中,如果发现有病灶的影像,用我们的系统在病灶上直接标记。除此之外,系统中还集成了病理和病理数据,综合这些信息才能判断是否有癌症。”梁恩铨告诉雷锋网。而这引发了一个现实问题:数据产生速度很小。
在医生的诊断中,影像仅是一个参考信息,终还要参考病理诊断等信息进行确诊,所以对于打造一个智能诊断系统来说,很多数据的集合才是有效的数据。对此,梁恩铨介绍道,AI公司需要尽可能多地打通不同的系统,把病人的所有相关信息整合在一起,这其实是比较难的。汇医慧影单独开发了一个数据平台,其中集成了数据清洗功能,把病理、病例和影像数据拿过来后,还要整合清洗。“医疗数据获取难,标注工作量大,我们自嘲所谓人工智能,只有人工没有智能。相对于机器视觉的其他领域,医学上走得还是要慢一些。”
实际效果:帮医生做科研或提高诊断效率

智能影像诊断系统准确率在95%以上,超过人类医生的消息屡见不鲜,但其应用情况怎样呢?

刘再毅曾表示,许多AI公司在训练其智能系统时没有甄别错误信息,导致真正投入临床时,准确率只有50%,“这就没有任何价值。”
梁恩铨称,“若想用AI提升诊断率,目前为止还有很大差距。”他表示,AI诊断结果是个概率的问题,只要不能达到的准确率,公司难以为那1%负责。除此之外,很多公司在肺结节诊断上做得很好,但对于一些癌症亚型,医生本身就很难判断,遑论AI了。“总体来说,真正深入临床流程的AI很少,现阶段,AI公司大都在帮医生做科研或在提高诊断效率方面尝试。”
将专家的诊断能力固化下来,提供给基层医院,是许多智能影像公司勾勒的美好蓝图。科大讯飞智慧医疗事业部总经理陶晓东曾说道,智能影像诊断系统,对三甲医院的医生是锦上添花的事;而基层放射科医生,每天只看四个片子,经验比较少,这就是雪中送炭的事。杭州认知科技副总经理王泰峰称,IBM Watson能提升基层医生的决策效率。
但实践起来同样遇到尴尬。人工智能是基于云计算的,数据放在云端,基层医院的信息化程度不够,没有大数据,怎么用人工智能?除此之外,大多数医院使用的是局域网系统,没法连接外网,数据也无法走上云端。
怎样说服医院同意把数据放在云端,也是一个棘手的问题。“如何充分保证数据隐私,这是很难突破的地方。”梁恩铨告诉雷锋网,“但相对于其他数据,影像数据含有的隐私信息较少,还是比较好沟通的。”
智能影像:风口已至,还是初露端倪?

有人说,投资人判断的不是行业趋势,而是时间点,判断机会在哪个时间点才是关键。如今,AI+医疗影像被认为是率先实现商业化落地的领域,这意味着风口已至,还是初露端倪?

刘再毅告诉雷锋网,“如果真正去做医学影像研究,会发现其中的陷阱、难度很多。我觉得这里面更多是做学术研究,真正落地到临床上是很难的,路还有很长。”上海市儿童医院影像科主任杨秀军表示,“有的智能诊断产品针对某一种病,比如开发出一种软件能更简便、更快捷地诊断皮肤癌,但绝大多数的病变不是那么简单的。” 梁恩铨认为,绝大多数智能诊断产品没有Follow临床工作流程,拿肺结节诊断来说,仅诊断出肺结节没有问题,不能确定是否有其他疾病,而误诊或漏诊的后果是非常严重的。
飞利浦大中华区临床科学部总监周振宇对此深以为然。此前,他出席雷锋网承办的CCF-GAIR大会上曾表示,“我今天来到这个会场,想看到更多人工智能在医学方面的应用,但是我们看到还是和十几年前一样的,我们得到的结果还是停留在纯粹数据驱动的结果上,100个肺结节找到多少百分比,这对于临床知识来说没有太大的价值。”他说道,“另外,从疾病和脏器来看,目前还是仅限于皮肤病、肺结节等相对容易做的器官。更多的人类疾病,中国人比较重要的肝脏、肾脏、乳腺等方面,其实各个厂家的涉足点都是比较缓慢的。”