近日，“第二屆中國醫學影像AI大會”終於如約在上海成功召開。這是今年第一屆以影像為主題的大會，細數過來，已是金秋。
會議的規模算不上大，卻與醫療影像AI的現狀有幾分相似。從展區來看，GE醫療、飛利浦、西門子、聯影拿下了大會最大、最中心的位置，東軟醫療、數坤科技、科亞醫療、安德醫智、匯醫慧影、依圖醫療、深睿醫療、推想科技、醫準智慧等主打AI的初創公司也積極參與，還包括拜耳、富士、島津、佳能等醫學影像相關企業。以器械企業為核心的AI商業化發展路徑有成為主流的趨勢。
但從產品的角度來看，即便已經過了一年，各家企業展示的產品仍算不上新，經過疫情的洗禮，影像人工智慧似乎確實遇到了一些問題。
遠望，資本潮退之後，醫療影像面臨怎樣的發展趨勢？
審批及其影響
審評審批是今年AI影像領域的大事件，2020年1月至今，科亞醫療、安德醫智、Airdoc、等企業相繼獲得醫療器械三類證審批，但由於疫情影響、商業模式不明確等原因，影像AI的寒潮並沒有因為審批的推進而退去。
從資本市場的青睞程度看來，2020年全球影像AI相關的投資事件總計19次、海外10次，國內9次，金額合計15.6億元（動脈橙資料庫）。而在這9次之中，數坤科技、科亞醫療均獲得了兩次融資，尤其是數坤科技，兩次融資總計4億，超過了全球融資額的1/4。這一市場的頭部聚集效應非常明顯。
那麼，審批到底在AI影像的發展中起到了怎樣的作用？
國家藥品監督管理局醫療器械審評中心二部部長賀偉罡在大會演講中表示：“一款醫療產品從開發，到輸入輸出、驗證、確認，以及最後上市是一個完整的生命週期。產品即使透過審批、開始上市也不意味全部通關，因為稽核上市之後，還有上市監管環節。以透過FDA審批的醫療AI產品為例，很多產品上市後，如果在上市後使用環節出現問題，有的就需要被召回。”
因此，審批的意義在於幫助AI產品完成質量控制，如果AI產品的確在質量上不存在問題，那麼審批也就不會阻礙醫療AI的落地。不過，如果一定要談到審批遲遲不過帶來的消極影響，那便是缺乏三類器械認證的產品無法進入醫院的收費目錄這一問題。科亞醫療研發總裁曹坤琳博士告訴動脈網，企業可能需要半年甚至更長的時間在各省市恰談收費目錄。不過，數年已過去，人工智慧企業還缺這半年時光嗎？
因此，用賀偉罡部長的話來說：“醫療AI沒有卡在審批環節。”
那麼，醫療AI卡在了哪裡?
醫療AI的產品效應
通常而言，產品的設計理念需要遵循使用者的核心需求，但醫療影像AI的起點並未完全符合這一邏輯。肺炎的影像公開資料豐富，這成為了許多企業開發肺結節產品的重要原因。
不過，雖然肺炎產品早已成熟，也被廣大醫院所使用，確乎是一個真正落地影像科的產品，但由於競爭激烈、缺乏三類器械認證、免費使用的落地策略等因素，這款產品並沒有為企業帶來長足的利益。
實際上，要實現有效的商業化，要麼找準醫療的需求，要麼找準合作伙伴的需求。很多AI企業，便卡在了這裡。
醫療的需求在審批過程中就有體現，AI產品透過審批的流程，實際上包含了審批機構判斷產品是否有用的流程。
安德醫智董事長梁偉民曾對臨床試驗的有效性做了這樣的描述：“在評價臨床試驗的療效時，非劣效性試驗是檢驗一種藥物是否不劣於另一種藥物的試驗，多用於有客觀療效指標的臨床研究中，如抗菌藥物的臨床終點、心血管治療中的不良事件、腫瘤治療中的死亡或進展等。而優效性試驗是檢驗一種藥物是否優於另一種藥物的試驗，一般對於以安慰劑作為對照的試驗常用優效性試驗。”
在醫療人工智慧器械的審批之中，非劣效性與優效性的定義雖形不同，但神相似。一個AI產品要證明自身具備優效性或非劣效性，必須證明該產品是有應用價值的，或相對於已有的產品具備優勢。”
因此，現有的產品要透過審批，必然要明顯優於已有的產品，或是解決現有產品沒能解決的問題。
科亞醫療之所以能成為首個透過AI三類證的企業，其中的關鍵因素之一，便是抓住了醫療的關鍵性需求，在創新的同時做到優效性。曹坤琳表示，在沒有AI技術賦能前，醫院做一個CT-FFR要3-8個小時，而科亞醫療的“深脈分數”可以將這個時間縮短至10分鐘以內，這對醫療的效率存在“質” 的提升。
2019年透過創新醫療器械特別審查申請的數坤科技的CTA產品也遵循著類似的邏輯。傳統影像檢查和診斷，如心臟CTA，醫生至少需要30分鐘到一個小時完成“掃描——後處理——診斷——初寫報告——報告稽核”的工作；病患需要等待1～3天才能取得報告。AI賦能下，數坤科技可以把時間縮短至數分鐘，且打通了檢查、診斷流程，使整個過程自動化、智慧化。
要找到這樣的需求並不容易，兩家企業均是在AI興起之時便切入了心血管AI領域，逐漸完善收集資料，經過多年時間才打造了成熟的產品，安德醫智也是憑藉多年腦科學的積累才獲得了第一張AI輔助診斷三類證。由此可見，打造AI，必須深入臨床流程。
找準合作伙伴的需求
以科亞醫療為首的企業透過收費目錄進入醫院，的確是一種可行的商業化模式，但這是最好的模式嗎？對於不同的AI產品，這個答案並不唯一。
“大機率下，未來人工智慧的落地途徑將依賴於器械公司。”在大會現場，一位醫療器械從業者表示，他認為，由企業透過自身銷售能力一家一家的進入醫院，這種模式不一定走得通，畢竟，落地醫院之後，影像AI企業還需面對長期的維護成本。
市場確也朝著這一方向發展，醫療器械巨頭組建醫療影像AI 尋求全面智慧化轉型已不是一件新鮮事，到如今，GPS、聯影都在組建自有的AI生態，而且這一趨勢正在不斷向前。醫療AI需要找準合作伙伴的需求。
飛利浦早在七年前就把大資料和AI自適應智慧列入了公司戰略，其中60%用於軟體開發。目前飛利浦有25%的科學家正在開展約250個以上與AI及大資料相關的課題研究，是AI健康領域擁有最多的專利的公司之一。但儘管如此，這家健康科技巨頭的成果在醫療領域中也只是滄海一粟。
飛利浦大中華區整體解決方案中心臨床及技術主管周振宇博士告訴動脈網：“飛利浦自己產品化的module現有100多例，但仍然不能覆蓋醫生們的各類需求，因此，我們也希望能夠找到某一場景下從事其中的AI企業，透過ISAI生態的建立與其合作完善我們的產品體系。”
“到目前為止，我們已經看了超過1100家AI企業，與醫學影像類裝置關係比較密切的企業不到300家，我們將這些企業分為放射類、放療類、介入類……最後找到的企業非常有限，因為我們要求這些AI必須能夠形成一定的醫療落地場景，而這些場景一定要能解決現在的臨床和醫技的痛點。”
所以，最後進入飛利浦合作伙伴的企業並不多，上文提到的數坤科技是其中之一。飛利浦曾表示，數坤可以解決CT冠脈檢查到影像後處理再到出具結構化報告的時間，其降低幅度高達80%，這將有效提升飛利浦的“軟硬結合”發展路徑，實現心臟冠脈檢查的端到端解決方案。而跟隨飛利浦的裝置，數坤科技將能夠更快的進行商業化落地。
聯影醫療的打法與GPS有所不同。“有聯影醫療提供需求，兩者能夠更為精細地透析醫生在臨床過程中遇到的問題。這意味著，聯影的‘軟硬結合’是更為長期、更為緊密的結合，這便是聯影的優勢。”
和影像裝置企業合作，對於創業公司而言，這是一種很好的落地方式。不過，對於器械公司而言，無論是GPS還是聯影醫療，如果AI醫療後繼無人，那麼AI大生態的想法也就有些難以實現。
科研平臺已成為探索AI新場景的核心工具
除了上述兩種發展路徑外，AI創業公司也在尋求一些個性化的發展模式，科研平臺便是一個很好的互贏模式。
聯影智慧聯席CEO沈定剛教授在採訪時表述：“基於人工智慧的病種研究呈現一種長尾的趨勢，即肺結節、眼底等資料量大的病種位於頭部，產品打造簡單，需求量大，從事企業也多；而剩餘大量病種位於尾部，少有標準化資料，醫院需求小，從事企業也寥寥無幾。”
“在這種情況下，企業不願意去做這些病種，但醫生有科研需求去對病種進行資料標準化，構建深度學習的模型，我們便為他們提供輔助的工具。”沈定剛表示，“同時，透過與醫生的合作，我們還有可能從醫生的研究之中找到新的應用場景。”
到目前為止，科研平臺這一產品已經發展的相當成熟，器械廠商、AI企業都擁有相應的產品。但要把這樣一個產品做好也不簡單，只有瞭解醫生對於某一病種的研究流程、研究習慣，才能有效製造出具有粘性的產品。從這個角度來看，企業要做的事還有很多。
基於臨床應用場景，倒推研發定位後，尋找合適的夥伴也成為很好的嘗試。以腦血管病為例，腦卒中始終是我國首位致死病因，AI在臨床應用的需求量巨大。近來，GE醫療正與國內外AI公司聯手，全面提升腦卒中這一殺手級疾病的救治能力。
此次大會期間，GE醫療就宣佈與泓懿醫療開展合作，將泓懿醫療在國內代理的RapidAI腦卒中智慧影像分析平臺對接至Edison數字醫療生態，在精準影像的基礎上，加強腦卒中多模態影像的快速定量分析能力。雙方優勢結合後的腦卒中整體解決方案可輔助醫生進行高效患者篩選，擴大受益患者範圍，提升“超時間窗患者”的救治質量並改善預後。
近年間，透過多模態影像技術對患者進行精準篩選和制定個體化治療方案已成為腦卒中診治的突破點。2018年由RapidAI支援的DAWN和DEFUSE 3國際臨床試驗證實，透過多模態影像技術進行患者篩選，血管內治療時間窗可由原來6小時擴寬到24小時。國際及國內急性缺血性卒中診療指南也紛紛進行了更新：對於發病6~24小時的急性缺血性卒中患者，如果存在前迴圈大血管閉塞，且滿足DAWN或DEFUSE 3研究入組標準，推薦機械取栓治療，就此開啟了腦卒中超時間窗患者救治的新篇章。
第三方資料庫的建立與影像科主任們的努力
除了企業之間的奮戰外，透過大會，我們能夠看到更多醫生對於AI產業本身的助力。大會之上，十位來自醫院的影像科專家參與了放射影像資料庫建設啟動儀式。
國家衛生健康委員會能力建設和繼續教育中心主任楊愛平在啟動儀式中表示，自2015年起，中心就啟動了整體業務體系架構工作，這個架構體系就是“一庫兩平臺”。
“兩平臺"包括：針對醫療衛生專業技術人員的全國遠端繼續醫學教育平臺、針對各類醫院管理人員的全國遠端現代醫院管理能力建設平臺；“一庫"是指基於對兩大遠端教育平臺內容支撐的醫學影像資料庫。
以超聲專科為例，該庫已收集5個器官、59種疾病、數千例資料。在此基礎上，中心擴充了肝膽腫瘤資料庫、放射影像資料庫、眼科資料庫建設工作。在建庫過程中，中心始終堅持以下幾個方面的特性：
第一，資料的臨床思維特性，基於疾病診療全過程、各階段、全鏈條資料進行收集、加工和儲存，直接體現最真實的臨床應用需求；
第二，資料的動態收集，隨時收集臨床中的最新鮮資料，保持資料庫病種和模態更新；
第三，適應計算機深度學習需求的資料精準標註，提供精準標註科學資料；
第四，資料的應用檢驗，利用資料資源反哺醫療和診斷，挖掘資料價值。
此次放射影像庫建設啟動以後，中心還將和CAIERA共同加強多器官、多工的標註能力建設，成立更多亞專業學組。
儀式之後，聯盟也與諸多人工智慧企業開展了關於資料庫建設的需求與挑戰，希望企業能夠真正從第三方資料庫的建設中收益。
總的來說，雖然存在一定的問題，但影像AI仍朝著更好的方向向前進步。作為大會的主席、中國醫學影像AI產學研用創新聯盟理事長，同時也是上海長征醫院影像科主任的劉士遠在演講之中對AI的發展進行了總結。他認為，隨著審批的推進、資本的理性與企業研究的深入，影像AI 正朝著良性的方向不斷向前發展，未來，多病種、全流程、平臺化、軟硬結合、線上線下一體化將是未來AI發展的趨勢。
因此，得到理性的資本支援、眾多主任醫生的參與、國家政策的支援後的影像AI 市場或許仍將在短時間內維持現狀，但從長遠來看，這幾年種下的種子已經逐漸生根發芽，稍有些耐心，我們或許就能看見豐碩的果實。