醫療人工智慧的風口已經持續了2年多，各家公司的產品已經都陸陸續續在全國各大醫院入駐，有些醫院放射科扎堆了10家左右的AI產品，但在實踐中，影像科醫生真正使用的只有少數幾個。
究其原因，主要是目前產品不能很好的解決影像科醫生的需求和痛點，同時，很少產品是面向臨床醫生需求開發的。
那麼在醫療人工智慧領域，創新企業如何讓醫生喜歡使用自己的產品，怎樣的產品才能真正解決臨床醫生的問題，作為企業又如何在競爭激烈的環境中脫穎而出？這些都是入局者需要解決的問題。
對此，同心醫聯走出了自己的發展之路，利用人工智慧技術輔助醫生進行診斷，依據自己線上（網際網路醫院）+線下（實體影像中心）及影像+AI開放平臺結合，幫助醫生提高診斷的準確性和效率，併為患者提供一站式的診療解決方案。
一個7歲男孩的動脈瘤解決方案
劉偉奇告訴動脈網，同心醫聯通過影像+AI技術，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。這個產品定位，可以通過一個7歲男孩的動脈瘤解決方案來說明。
同心醫聯的線下影像中心曾經收治了一個7歲的動脈瘤患者。按照傳統的診療流程，放射科技師先給患者拍攝影像，然後影像科醫生看片子，發現男孩患有動脈瘤。影像科醫生最關心的就是識別出動脈瘤的位置、形態和大小，寫出一份影像診斷報告，工作就完成了。
但是這份影像報告並不能完全解決臨床醫生的問題，臨床醫生最關心的不是動脈瘤的位置與大小，而是這個動脈瘤會不會破裂，需不需要手術治療，如果不治療男孩的日常生活會不會有安全隱患。
其實動脈瘤的治療並不難，通過手術或者介入的方法就可以將動脈瘤消除掉，但是對於7歲的小男孩來說這是一個重大的手術，這個手術無論怎麼做，都會對他的生長髮育、智力發育產生很大的影響。
醫生想要的最理想的解決方案是，利用相關技術幫助臨床醫生更量化、更精準地看到動脈瘤管壁穩不穩定，告訴臨床醫生要不要治療，否則臨床醫生就只能靠自己的主觀經驗去猜測。如果動脈瘤情況穩定，暫時可以不對它進行手術，先進行觀察、隨訪。
如果小男孩動脈瘤一直很穩定，那就等到手術不會對男孩產生巨大創傷的時候再去做。
傳統醫院影像科無法針對臨床醫生的需求，給出動脈瘤是否穩定的建議，事實上，這個問題超出了影像科醫生的關注範圍。
面對這種情況，同心醫聯的動脈瘤輔助診斷產品給出了它的解決方案。首先醫生在系統的幫助下進行核磁共振檢查獲取腦部影象。
之後利用影像AI技術，將獲取影象中的血管的部分、動脈瘤的部分自動的精準分割出來。然後對比同一患者不同時期，同一部位的影像，判斷前後兩個不同時期動脈瘤是否有增長，用計算機語言對它進行數字量化。
基於這個量化分析的結果，系統通過大資料的分析，評估動脈瘤破裂的風險，同時預測患者在什麼部位最容易發生破裂，從而幫助臨床醫生進行後續的手術方案的制定。
同心醫聯的動脈瘤輔助診斷產品不僅能評價動脈瘤的長徑、瘤頸，還可以判斷動脈瘤和載瘤動脈之間的關係，並觀察動脈瘤管壁有沒有炎症。
目前很多量化以及風險評估的方式還是基於人工的手工設計，基於專家的經驗；如何利用資料驅動的方法，去準確的學習這種形態量化特徵，以及對長時間的病灶演變規律進行建模，從而對最終動脈瘤進行準確和精準的評估，這是未來需要進一步探索的問題。
這就是同心醫聯產品的設計思路，將成像技術+AI分析+影像診斷+臨床應用四個專業彼此融合，真正為醫生和患者提供有價值的診斷和治療建議。這才能真正對臨床醫生後續的診斷和治療起到作用。
醫療AI產品定位臨床疾病診斷
動脈瘤智慧診斷產品只是同心醫聯38個人工智慧輔助診斷產品中的一個，同心醫聯的人工智慧產品都是以臨床為導向，以病種為核心，解決臨床醫生的實際問題。
劉偉奇告訴動脈網，在現在醫療環境下，公立醫院數量在不斷下降，民營醫療機構准入門檻較高。醫生成材週期很長，但醫生的職業陽光收入低風險大。現有職稱評價體系都是以科研為導向，不看重臨床能力。
對於90後和00後，太艱苦的學醫歷程不適合追求自由的時代個性……這些因素都會使創造出合格的醫療供給能力更加困難。
鑑於以上挑戰，不太可能依靠老辦法滿足人民不斷增加不斷個性化的醫療需求。唯有靠接近臨床需求的新技術，通過新技術的應用，快速提高醫生的醫技水平，才能提高醫療供給。
同時，醫生作為診療流程的主導者，醫療產品應該是為醫生服務，尊從醫生實際的工作流程，創新產品才可以真實落地。
但是很多AI產品並沒有做到這一點，比如很多肺結節檢測產品只能從肺部CT中看出肺結節，其他病灶無法識別，這是不太符合醫生的工作流程的。
患者來做肺部CT檢查，影像科醫生事先並不知道患者的具體病症，因此拍出的肺部CT要對所有潛在病症進行診斷，但肺部的常見病至少有10多種，若只能看肺結節，起到的作用有限。
尤其是醫生還要把醫學影象從PACS系統匯入到AI系統，再把診斷結果倒回PACS，操作過於“折騰”；影像醫生的真實需求應該是，AI能把具體部位所有疑似病變都標記出來，再由醫生自行診斷核對一遍即可，無需一張張重新看。
為此，同心醫聯走了一條與多數AI公司“背道而馳”的路：先通過線下影像中心和影像雲平臺做好基礎設施建設，以積累影像資料並把控資料質量，由自己的資料支撐演算法優化；並通過開放式平臺整合各類產品，實現對多種疾病的綜合性輔助診斷。
為了讓AI技術落地，同心醫聯將成像技術+AI分析+影像診斷+臨床應用四個專業彼此融合，真正為醫生和患者提供有價值的診斷和治療建議。
跨界融合存在很大的困難，因為從生物醫學工程、到計算機AI、到影像診斷學，再到臨床需求，橫跨了四個專業的知識鴻溝，如果不具備跨界整合的資源和能力，難度非常大。
同心醫聯具備了線上網際網路醫院和線下醫學影像中心，具備自己的技術團隊和影像醫師團隊，因為擁有專業資源和基礎設施，所以才能實現跨界融合。
由於醫療的專業性，每個團隊不可能對所有疾病都有涉獵，關節軟骨與阿爾茨海默病是完全不同的領域。很多專家經歷多年研究，也只在一個方向上的幾種疾病鑽研較深。
患者看病時無法預知自己的疾病種類，所以醫生希望的是全套解決方案。
在這種情況下，建立開放共贏平臺就變得非常重要，讓各個專業方向的人發揮自己擅長領域的工作，將各自專長匯聚成一個整體解決方案。
為此，同心醫聯建立格物系統，這是國內首家面向臨床醫生的影像+AI開放應用平臺（影像AI App Store），利用同心醫聯雲平臺積累的大量患者病歷，根據臨床需求開發成像技術和AI演算法訓練，然後封裝成應用App，匯入格物系統。同心醫聯已經與近100家世界一流大學和科研機構如清華、北大、中科院等，建立緊密合作關係，發揮各自專長，將新技術更好地應用於臨床實踐。
線上與線下結合，讓AI加速落地
除了AI輔助診斷產品，定位於科技醫療平臺的同心醫聯實現了線上（網際網路醫院）+線下（實體影像中心）及影像雲平臺結合，可同時服務臨床醫生、專病患者、實體影像中心、影像AI專家。
目前，同心醫聯已建立了網際網路平臺搭建、醫療服務運營、實體影像中心建設、影像雲平臺推廣、網際網路醫院建設、影像+AI開放平臺整合等業務，完成了其科技醫療平臺基礎能力建設。
2018年獲得網際網路醫院牌照後，按照國家對網際網路醫院的要求，同心醫聯針對心腦血管和腫瘤患者提供全病程管理，即複診的問診、影像檢查、藥事服務、隨訪管理等服務，將價值鏈進行延展，產生更多的盈利點。未來，公司計劃與商業保險公司合作，針對慢病患者，利用線下+線上能力提供醫療閉環服務，為保險公司提供產品開發依據和控費能力。