文 |健識局 宋瀟暘
編 |Shirley
這個週末，25名全球神經影像領域專家、學者、優秀臨床醫生組成的“人類戰隊”，慘敗神經影像AI輔助診斷系統 “BioMind天醫智”。
儘管面臨准入難、變現難等諸多問題，但毫無疑問，醫療影像AI已成人工智能領域最擁擠的“賽道”。
人機大戰再起，醫生戰隊“慘敗”
6月30日下午，由國家神經系統疾病臨床醫學研究中心、首都醫科大學人腦保護高精尖創新中心和中國卒中學會聯合主辦的“CHAIN杯”全球首次神經影像人工智能人機大賽全球總決賽打響。
然而，奇蹟並未出現，由全球25名神經系統疾病診斷專業選手組成的“人類戰隊”分為兩組，分別與“BIoMind天醫智”人工智能機器PK顱內腫瘤的CT、MRI影像判讀及血腫預測，以及腦血管疾病CT、MRI影像判讀。最終，醫生戰隊以66%、63%的準確率，落敗於人工智能機器87%、83%的準確率。
成績“慘烈”，但並非偶然。
事實上，近兩年醫療AI技術飛速發展，尤其是在影像識別領域成績斐然。醫療影像AI戰勝人類頂級醫生，也並非首次。
2017年12月，在央視一套人工智能現象級節目《機智過人》中，人工智能閱片機器人“啄醫生”單挑15名來自全國三甲醫院有著15年閱片量在20萬張以上豐富經驗的主任醫師，並以對30套肺片的精準檢測完勝。
2018年4月，人類染色體影像智能處理系統戰勝來自中信湘雅生殖與遺傳專科醫院的資深研究員，在同樣100%正確的情況下，AI系統處理每個病例的平均時間為1分23秒，比平均時間為22分36秒的研究員隊快了十幾倍。
類似的案例，正在各地密集上演。而其中的AI主角，大多來自於第三方平臺。
↑ 國內主要第三方醫學影像中心
在AI技術應用於醫療領域之前，獨立於醫院影像診斷中心之外的第三方影像中心已經遍地開花。國內醫學影像資源匱乏，影像醫生缺口大，勞動強度過高也導致了誤診率高、效率低等問題，且存在結構性失衡。
第三方平臺可以有效彌補大醫院影像診斷供不應求、小醫院及私人診所無力提供影像診斷服務的弊端。而AI技術在圖像識別方面日漸成熟，更是讓第三方影像平臺發展大大提速。
藉助人工智能和第三方平臺，實現精準診療，提高醫生的診斷準確率和工作效率，降低醫學診斷失誤，已是大勢所趨。
最擠賽道，醫療影像AI產品“扎堆兒”
2015 年 9 月發佈的《國務院辦公廳關於推進分級診斷制度建設的指導意見》，以及2018年4月發佈的《關於促進“互聯網+醫療健康”發展的意見》中，都提到了“向基層提供遠程會診、遠程心電診斷、遠程影像診斷等服務”的相關內容。
6月19日國家衛生健康委員會發布了《關於進一步改革完善醫療機構、醫師審批工作的通知》中則明確指出，在保障醫療質量安全的前提下，醫療機構可以委託獨立設置的醫學檢驗實驗室、病理診斷中心、醫學影像診斷中心、醫療消毒供應中心或者有條件的其他醫療機構提供醫學檢驗、病理診斷等服務。
受益於分級診療、公立醫院部分業務第三方外包等政策紅利，第三方醫療影像AI市場的飛速擴張，境外機構、互聯網大咖、新手玩家紛紛入局，已成人工智能最擁擠的賽道。
據創投媒體GPLP統計，目前醫療影像AI大致分為四類：
◆新興的技術型創業公司，目前主要通過和醫院合作進行研究方式，比如依圖科技、圖瑪深維、匯醫慧影、深睿科技、推想科技等。
◆是醫療影像類的硬件廠商，通過和外界團隊合作方式全方位切入。比如，萬東醫療旗下的萬里雲通過與美聯健康、阿里健康等巨頭合作，以SaaS服務的模式向患者、醫院、醫生提供全方位影像服務，包括影像雲端存儲、診斷、分享、質控、培訓和大數據服務等。
◆跨界的互聯網科技巨頭公司。2017年，阿里、騰訊、科大訊飛等科技巨頭相繼發佈醫療人工智能相關的產品或是通過投資參與其中。他們在影響力、流量、技術、資金等方面有著較大的綜合優勢，比如，2017年11月，科技部宣佈將依託騰訊公司建設醫療影像和國家新一代人工智能開放創新平臺。
◆國外影像設備公司，他們攜已有的技術、市場積澱進入到中國影像AI領域。例如，美國通用電氣公司(GE)、荷蘭飛利浦公司(PHILIPS)以及德國西門子公司(SIEMENS)組成的三巨頭“GPS”佔據我國中高端醫療影像設備市場80%的份額。
↑2017年醫療影像AI領域融資梳理
前路坎坷，臨床應用仍靠夢想支撐
因為醫療影像AI的火爆，業界多次傳出醫生將被人工智能取代的說法。
中國科學院院士卞修武表示，未來人工智能的發展還有很長的一條路要走，現階段AI仍然處於初步階段，AI的診斷仍然非常機械，如果幾個疾病有所交叉，仍然需要醫生進行判斷。醫生也需要抱著更開放的心態來擁抱人工智能的到來。正如一位參與了人機大戰的選手所說，“如果醫生贏了，就是醫生贏了，機器贏了，醫生就多了個好幫手。”
卞修武希望大家不要產生對立思維，人工智能更聚焦於某一細分領域，但醫生有其系統性的學習，所以人工智能如果能作為一個幫手幫助醫生工作，將會是醫生的一大福利。
但必須注意的是，在鮮花著錦的背後，醫療影像AI產品還面臨著數據豐富度不夠、商業模式難以變現、同質化嚴重、准入無門等一系列問題。醫療AI公司正在遭遇C輪死魔咒，距離“逼死”醫生還有很遠的距離。
數據是卡在醫療AI發展路上最前面的坎兒。
人工智能是基於算法的技術，而算法的基礎就是海量數據集。然而，目前許多疾病並沒有完善、全面的開放數據集，如肺結節等數據較為完整的領域，則導致產品扎堆，同質化嚴重。比如，3月31日，AI+影像公司視見科技完成6000萬元的A輪融資;4月2日，AI+影像公司深睿醫療完成B輪1.5億元融資，這兩家公司提供的服務中，AI輔助篩查肺結節是重要項目。
變現難、商業模式不明，則是所有醫療AI企業都面臨的問題。
的確，醫院有一部分資金是用於影像設備採購。但目前醫療AI對於醫生僅僅是初步的輔助，而且不同醫生的應用習慣不同，涉及的範圍和作用都很小，很難進入醫院採購體系。而遠程診療、慢病管理的受益人往往是患者，又不太可能成為變現入口。
最為致命的是從業資質問題。
據動脈網數據，由於沒有審批此類產品的經驗和標準數據庫，目前國內還沒有一家公司的新一代醫療AI產品獲得醫療器械註冊證，也就是說，還沒有一家公司取得市場準入資質，這直接制約了企業長遠發展。
行業人士坦言，AI面臨的，不是如何取代醫生的問題，而是如何能作為醫生助手的角色，先活下來的問題。醫療AI產品要在醫療體系“落地生根發芽”，還須攻克諸多難題。
閱讀更多 健識局 的文章
