目前輔助決策類產品落地仍有一定困難，而設備端AI這種非輔助決策類的產品，站在了數據來源的“上游”，通過AI的方法幫助醫生進行定量、定性的分析，這也恰恰是很多醫院的痛點所在。作者 | 李雨晨
“飢餓能使一個人的頭腦更聰明，你要無時無刻地琢磨下一個麵包在哪裡。”幾年前在接受《哈佛商業評論》採訪時，東軟集團董事長兼CEO劉積仁就曾以喬布斯那段著名的“stay hungry，stay foolish”來表明了自己創業時的“飢餓感”。
憑著這股創業的勁頭，計算機應用博士背景的劉積仁1991年創立東軟。1994年東軟進軍社保領域，1997年進入醫療信息化，1998年東軟醫療成立，正式拉開佈局大健康的序幕。
但隨著時代需求的延伸，劉積仁也表示，“軟件的含義已發生變化，軟件在創造價值方面也與從前有了很大的區別。東軟如果堅持以前的生產方式，就會在新一輪變革中被淘汰。”
這樣的“危機感”思維也反應在子公司東軟醫療的身上，作為國產醫療行業裡的重量級選手，東軟醫療將“AI”視作下一個自我變革的突破口。
做AI的機會在哪裡？
作為東軟醫療智能醫學影像事業部總經理、人工智能首席科學家，黃峰分享了東軟醫療佈局AI的思考：從主營業務角度來看，東軟醫療要做的是從源頭入手的“設備端的人工智能”，利用AI的方法把成像設備變得更快速、更穩定、更精準、更安全。
他表示，國產器械廠商在佈局人工智能方面有一些優勢。“如何使磁共振掃描更快、如何使CT放射劑量更低。這是所有廠商都在拼的地方，是大家的共同點。但在這一塊，我覺得領先的反而是中國的廠商。”
黃峰解釋說，從全球來看，主要的基礎技術來源都是美國、加拿大和法國等歐美國家，大家在技術層面沒有本質的區別。而在AI這一比較新的概念上，大家都是處在同一起跑線上。
在這樣的情況下，中國的企業具備更多的數據資源，國內資本對醫療AI的追逐也顯得更熱情。而且，移動互聯網時代的快速迭代以及敏銳的商業思維，給如今的企業留下了寶貴的經驗。所以，在應用落地方面，中國的速度將會遠遠快於國外。
“國外企業開發一種新產品的週期很長，從需求考證到立項往往就需要很長的時間。而國內企業在這方面頗具優勢，能夠快速識別需求並立項執行。”
目前，在東軟醫療的256層寬體能譜CT、無軌懸吊雙中心七軸智能血管機，磁共振設備都在逐步落地設備端人工智能技術。
要做設備端的AI
在黃峰看來，設備端的人工智能是真正解決了醫院的痛點，給醫院創造更多的價值，“醫院每天掃描50個病人還是100個病人是有很大區別的，直接影響著醫院的接診能力，醫生也更偏愛於智能的設備所帶來的高效體驗。”
據雷鋒網AI掘金志瞭解，目前，東軟醫療已經將人工智能產品部署在CT、磁共振以及DSA等各類設備上，主要目的是為了縮短掃描的時間、降低放射劑量、獲得更好的成像質量以及工作流的優化。
一直以來，在CT和DSA上，設備廠商和醫院關注 的是如何減少放射劑量。黃峰說到，“目前，在AI的幫助下，我們能利用原先25%~35%的劑量，在CT和DSA設備上獲得同樣的圖像質量。”
而磁共振最大的問題是掃描時間長，患者由於身體不適等原因會移動，進而影響成像質量。現在利用AI，東軟醫療可以將磁共振的掃描速度提高4倍到8倍，患者的體驗也會更好。
並且，很重要的一點是，設備端AI在審批難度方面也有望區別與輔助診斷類AI。
東軟首席知識官李雪說到，東軟醫療一定是要從臨床問題出發，制定自己的醫療AI策略。不僅要解決數據量大、操作複雜的問題，而且還要解決設備在處理各種影像資料時，設備本身的影響因素，並且要和影像數據、病理學、電子病歷等整合在一起。
“醫生往往需要經過5到10年的訓練，如果我們想用人工智能給醫生進行輔助診斷，遇到的困難是巨大的。”
對於李雪的觀點，黃峰比較認同。
黃峰認為，“目前輔助決策類產品落地仍有一定困難。現在尚無獲批的產品，也因此很多在這一領域的初創公司無法做商業的轉化，存在生存上的挑戰。但是長遠來看，如果能堅持下去，前景還是非常看好的。”
而設備端AI這種非輔助決策類的產品，其邏輯在於通過AI的方法幫助醫生進行定量、定性的分析，而不是替醫生進行診斷，而這也恰恰是很多醫院的痛點問題，醫生也需要專業的診斷支持。
黃峰強調，圖像重建、圖像增強等設備端的人工智能是非輔助決策類，相對於輔助決策類的產品來說，有望更容易獲得相關機構的審批。“做設備端人工智能，我們只關注自己的設備，不必考慮兼容性等問題，這也是與做輔助診斷的明顯不同。”
此外，輔助診斷產品需要大量數據進行訓練，而設備端AI的好處在於，站在了數據來源的“上游”。
據AI掘金志瞭解，東軟醫療獲取數據的來源有多個途徑：
首先，通過跟醫院的深度合作，共享科研的成果。比如說，東軟醫療在同某醫院的合作中，獲得了來自醫院提供的兩百多例肺部CT的脫敏數據，而且全部做好了標註。
其次，做設備端人工智能所需的大量數據跟患者沒有太大關係。比如研究如何讓頭部的掃描變得更快，這其實跟疾病沒有關係，往往使用志願者的數據就夠了，不必要非得找患者。這是我們做設備端人工智能的一大優勢。
最後，東軟醫療的影像雲是雲端數據彙集的基礎平臺。
MDaaS：“共享經濟”思路下的平臺
“軟硬結合”、“數字化”、“智能化”是近幾年來器械商們的代名詞。此前，GE醫療正式宣佈在中國推出“Edison平臺”。當然，飛利浦的ISP、西門子的Team Play也都是這個邏輯下的產物。
所以，今年5月份的CMEF上，東軟醫療也發佈了MDaaS（Medical Devices & Data as a Service，醫療設備和醫學影像數據作為服務）。
東軟醫療CEO武少傑曾說到，MDaaS 是東軟醫療的戰略性產品線，包含了影像雲投建和運營、醫學影像智能服務平臺、專科疾病解決方案和臨床診療解決方案4個層次的內容和產品。
影像雲投建和運營是數據內容層，由獲得和展示數據的終端和傳輸、管理數據的公有云服務平臺構成。這一層的主要功能是獲取、傳輸和管理數據，並提供使用數據的接口（API），支持在此平臺上各種應用的開發。
醫學影像智能服務平臺是數據處理層，可以對多種醫學數據，尤其是影像數據，進行智能化增強、分析、定性，定量，幫助醫生進行輔助診斷和分析。這是一個開放的平臺，不僅僅包括東軟醫療自主研發的，第三方開發者的各種相關的應用軟件可以接入這個平臺。
專科疾病解決方案主要由針對專科化疾病的專業軟件構成，提供腦疾病以及肺科專科化疾病智能診斷服務。目前東軟醫療已成功研發針對急性缺血性腦卒中影像的全自動智能分析軟件NeuBrainCARE，並通過與首都醫科大學宣武醫院合作共建了eStroke國家溶栓取栓影像平臺，為平臺50多家成員醫院提供智能診斷服務。
同時，正在研發針對肺科疾病的智能輔助診斷軟件NeuLungCARE，並於今年9月份與廣醫附一合作，計劃共建eLungCARE 國家級呼吸系統疾病影像雲平臺。
臨床診療解決方案由卒中中心、胸痛中心、腫瘤中心的構建構成，集成三大中心所需的全套醫療硬件設備、智能診斷軟件、診療流程和模式組合，為醫院提供可落地實施的全套整體解決方案。
在黃峰看來，MDaaS不只是產品，而是一種服務模式。
MDaaS的主要服務對象可以是偏遠地帶的基層醫院。這些醫院不具備資金採購高昂的設備、也沒有雄厚的專家資源。“現在的一個軟件可能要幾十萬，遠遠超過小醫院的購買能力。所以MDaaS是一個平臺，是‘設備+數據+服務’。我們提供設備、雲平臺，每個人都可以用，這是一個數字化、網絡化、智能化的綜合服務體系。”
在黃峰的規劃裡，醫學影像人工智能分成兩大塊：如何獲取影像以及如何使用影像。後者也在進行佈局，但是東軟醫療是一家設備廠商，前者才是公司的重心。
因此，為了滿足基層醫院的需求，東軟醫療的策略是通過跟更多的第三方合作，最終形成全鏈條的解決方案。
黃峰透露，未來，東軟醫療會在MDaaS的大框架下推出一個類似於“共享經濟”的、包含大量AI輔助工具的平臺，基層用戶不需要一次性花費太多，而是按照使用次數付費即可。“這是我們的願景，我們希望能夠降低基層醫院和非公醫療機構使用先進技術的門檻。”
因此，這會是一個類似於“
APP Store”的形態。而能夠選入這個平臺的軟件產品，則是按照專科疾病進行劃分，並且和硬件設備適配，促進硬件的發展。據AI掘金志瞭解，目前東軟醫療主要聚焦三大類疾病：腦血管、心血管、腫瘤。這三類疾病在中國發病率很高，而基層醫院特別缺少這方面的醫生，所以很需要人工智能的輔助。
至於軟件產品的選入標準，黃峰表示：假設有一家產品全方位的超越其他家，就沒什麼可猶豫的。而優勢不明顯的情況下，可能會共同考慮引入多家產品供用戶選擇。
思考的盡頭才是創造的開始
長征醫院影像醫學與核醫學科主任劉士遠曾說到，未來影像科的工作一定是智能化的，報告是結構化的，工作的模式更加趨向於臨床化、網絡化，這是一種趨勢。“人工智能一定會改變我們的工作，改變我們的生活，將它定為第四次工業革命也並不為過。”
可以看到，不管是醫生、抑或是參與其中的企業，都在以自己的視角來看待醫療AI這個行業，也在用自己的方式在參與這場變革。
對於醫療AI的未來，黃峰也非常看好。“毫無疑問，我對醫療AI這個方向是非常看好的。中國幅員遼闊、人口眾多，優質醫療資源的分配不平衡，有非常好的人工智能醫學影像應用的土壤，問題無非是什麼時間能夠真正讓人工智能幫助醫生獲得更好的檢查支持與診斷支持。”
李雪也表示，“我們的理念，從來不是走別人走過的路，思考的盡頭才是創造的開始，我們想要做的是人工智能+醫療設備的生態系統。”
閱讀更多 AI掘金志 的文章
