同质化严重的医疗AI：挣钱才是硬道理

在近期一场医学AI主题的圆桌讨论上，分别来自两家知名三甲医院的一位影像科室主任和一位神经外科主任当众进行了一场尖锐的对话。

神经外科医生提出，临床上需要各种详细的解剖，“我们希望看到我们想要看到的东西，可现实局面是，影像（科室）让我看到什么我才能看到什么，你告诉我这是什么、那是什么，其实（你提供的）不是我要看的。”

而影像科室主任则表示，临床和放射科矛盾之间的原因是批发和零售之间的矛盾。“放射科大夫一天可能有100份报告出去，他（临床医生）一天看俩（报告），他希望我陪着他慢慢看，而后面还有98个病人等着我。”

现阶段医学影像AI应用试图要解决的主要问题之一，就是上述矛盾。按照理想化的场景，AI要成为医生的助手，为医生减轻劳动。这一应用场景是聚焦于影像科室本身的需求之上的。

但影像AI仅仅只解决影像科的问题吗？实际上，除了影像科室的需求，医疗AI应该侧重通过影像技术+AI技术解决临床问题，这样未来发展空间才会无限。

价值在哪里？

几乎大部分AI企业进入医院，都是从撬动影像科开始。健康界曾在北京市一家三甲医院的放射科现场探访，心胸组阅片的医生表示，“（AI的作用就是）可以提个醒，不漏诊，能有针对性的去看，一定程度上提升效率。”

但同时，AI的应用，增加了医生的另一部分工作量，“因为AI需要进行额外的数据处理、数据分析。”

而对于上述来自临床医生和影像科医生的矛盾，“纸上得来终觉浅。”中国人民解放军总医院影像科主任程流泉这样评价。

程流泉认为，影像科医生要回归到“我们大夫的本来的职业”，这样就能和临床医生形成一对一的支持关系，做临床医生需要的。

放射科出身的北京友谊医院副院长，同时担任中国医师协会放射医师分会会长、中华医学会放射学分会常委、头颈影像诊断专委会主委、北京医学会放射学分会主委的王振常告诉健康界，AI的技术如何跟医院信息系统工作流结合起来，并结合临床工作流程，是当下AI在医疗应用最大的痛点。

影像AI的应用领域可以分为两大方向，解决影像科本身的问题是其一，如获取影像数据时提高效率和准确性，以及影像诊断。

以肺结节影像辅助诊断为例，是行业里一众AI企业最常用的入口。但实际上，影像科医生面临的真实场景是：一个患者来做肺部CT检查，影像科医生事先并不知道患者的病症是什么。所以拍出来的肺部CT，要对所有潜在病症进行诊断，肺部的常见病至少有10多种，如果只能看肺结节，并不是影像医生的最佳帮手。

好比一篇文章可能有潜在的十种语法错误，AI只能帮助标记出一种，剩下九种错误还得自己重新去阅读一遍文章筛查一遍，那么这个AI应用意义不大。

何况，同样的仪器设备，由不同的人使用，所产生的图像数据或质量可能不一，加之各类设备之间存在的数据差异，均会严重影响图像的数据采集、特征提取、图像阅读。

以当下热门的医学影像辅助诊断的产品为例，这些产品背后的数理模型往往在经过足够多的高质量临床影像数据训练之后，才能达到普适性更强、准确度更高的诊断或分类效果。

“一些为人为观察优化的评价标准，例如实体瘤的疗效评价标准（RECIST）并不适用于人工智能；需要监管和科学验证；涵盖领域较窄，风险承担能力较弱，需要时间引入新的方法，这些都成为制约医学影像落地的一系列问题。”精鼎医药临床信息技术副总裁Peter Steiger说。

特别是，医生还要面临“额外的人工搬运”：把医学图像从医学影像存储和传输系统（PACS）导入AI系统，再把诊断结果倒回PACS系统。

实际上，影像医生的真实需求是通过AI把这个部位所有疑似病变（无论是哪种病变，只要是不正常的）都标记出来，影像医生再诊断核对一遍，而不用100多张片子一张张重新看，这样效率就会大大提高。然而，这对于算法和数据的要求都非常高，暂时还难以达到。

另一大类应用方向则是解决临床需求，比如神经外科、心脏内科等科室的需求。医学影像自诞生之日起，就是通过成像技术解决临床需求的专业，医学影像是随着基础物理和生物医学工程技术的发展而不断发展的。

几乎所有的临床科室都会需要影像学的支持，如果影像AI能够解决临床各个专业的现实问题，那么所有医生都会有需求，即通过数字化分析提供精准诊断和有效治疗建议。

实践为何困难？原因在于，从生物医学工程、到计算机AI、到影像诊断学，再到临床需求，横跨了四个专业的知识鸿沟，如果不具备跨界整合的资源和能力，难度非常大。

即使是影像科室内部的有机融合，也尚且在探索之中。

“我们一直在思考，怎么把影像科室真正有机融合起来。”王振常说，北京友谊医院放射科已经成立了心胸等各专业组，希望能够有机地跟核医学、超声科室形成大专业组，即建成各个专科，把超声、核医学、放射这些神经影像科室都按解剖部位、按系统进行划分。

影像AI能够更好和临床结合，是医生的真实需求，也是医疗AI从业者们不断思考和践行的。

同心医联创始人兼CEO刘伟奇就介绍，同心医联将AI与诊断绑在一起。他认为，AI技术本身来说，不是医疗的核心问题。关键我们做的过程当中，是不是能解决临床的问题，人家才有付费意愿。