专访万里云首席研究员:当AI席卷医疗影像,传统医疗器械商如何“攻”与“守”?

  

  2016年,智能影像领域公司还以创业公司为主,到了2017年,智能就变成了各大医院、医疗器械商口中的高频词。

  “现在好像不提智能,大家都没法说话了。”万里云首席研究员颜子夜笑道,于是我们谈起了AI。

  作为在医疗影像行业做了很久的人工智能博士,谈起AI来云谈风轻,不像在聊“即将崛起的智能时代”,“AI对于我们来说仅是一个工具而已,工具没必要每天拿来说。我们提供的是医疗影像整体解决方案,包括云端存储、诊断、质控、培训等。”

  “我们是真正要走万里长征的,口头上的革命和真正枪杆子的革命是有区别的。”颜子夜告诉雷锋网。

  押宝AI,以提高远程诊断效率

  万里云是万东医疗旗下子公司,阿里健康持股25%,09年时,从为万东医疗产品链做配套软件开发起家,14年转型互联网方向,布局远程影像诊断。目前,其业务以2B 为主,提供面向患者、医院、医生的全方位影像服务,称之为万里云CBD,通过SaaS服务模式为医疗机构及患者提供医学诊断相关服务,包括影像云端存储、诊断、分享、质控、培训和大数据服务等,二级及以下的医疗机构是主要客户群。“我们在影像质控方面是非常完备的,而且绝对是硬门槛。”他说道。

  2017年4月,万东医疗发布了2016年年报,尽管作为“全球最大影像产品制造基地之一”,尽管2016年毛利率和净利率有所提升,但与国际顶尖医疗器械生产企业相比仍然偏低,在表述了加大销售力度和严格控制成本的决心后,重点提到了万里云和人工智能,做远程诊断的万里云被赋予重望,希冀通过人工智能技术的引进,通过开展机器智能诊断学习,大幅提高远程诊断的效率和准确率,从而降低对专家人数和工作时间的要求,以解决限制其远程影像诊断增长的长期限制因素——影像专家数量。颜子夜称,“万东也是在向智能和服务在转型,万里云是一个落地点。”

  5月15日,万里云与阿里健康合力打造的人工智能精准医疗平台——“i影像”发布,据称,平台内已上线肺部DR筛查和CT检测功能,通过对实际诊断数据的对比,智能诊断功能可显著降低医生的漏诊率,特别在一些细小的肺结节上避免50%以上的遗漏,检测的准确率达到90%以上,同时最多可以提升医生效率3倍以上。颜子夜称,“目前业内的情况是,去掉前置条件,在通用条件下,智能影像诊断系统的准确率能达到80%多,接近90%就已经很不错了。”

  基于自身资源,选择不同的产品路线

  一般来说,影像智能分析市场公司可分为两类:一类是通过大量电子病历的积累,实现对医学影像的诊断分析,主要以帮助医生提升影像诊断效率为目的;另一类是通过对医学影像数据本身的解读,主要以帮助医生提高影像诊断的精准度为目的。目前,这两类发展方向均有市场。对此,颜子夜称,前者对医学知识要求更多一些,后者对智能尤其是图像技术要求更多一些。

  雷锋网:AI在万里云战略中占有什么地位?

  颜子夜:我们把云服务称为智慧云。智能这件事情,我们是脚踏实地往前走,而且走得靠前。万东风格就是踏实、低调,我们的智能诊断去年年底就上线了,但并不像其他公司那样大肆宣传这件事。我自己是国内做智能诊断比较早的博士,大概在2000年我就开始做了,所以这里面有多少水分还是很容易估量的。我们现在做的对病历文本的分析、影像病灶分析都已经上线了,我们网站的医生已经开始用了,这都是我们踏踏实实做的一个个具体功能。我认为智能技术只是一个工具,是辅助医生诊断、多快好省进行医疗处理的工具。就商业意义上说,并不是说我有这个工具就要天天说,关键是具体能做什么,我们把智能技术定位为一个工具。

  目前,我们云平台上的智能工具有数据处理、病历知识图谱的文本处理、影像筛查和影像病灶检测,这都是工具性的,最终目标是辅助医生做一些事情,并不会拿来炒作。就像开饭店一样,人家并不关心你有什么样的炒锅、炉子啥的,人家要过来吃饭,最终还是要能够真正做出菜来,真正解决饥饿需求。

  未来,“i影像”平台将持续在知识图谱,自然语言处理等技术上进行深入研究,实现对病例文本、影像症象等诊断判据的自动识别和提取,结合丰富的专家知识库,利用知识推理系统达到辅助医生诊断的目的。

  雷锋网:结合病例和影像等信息,做整体处理,具体过程是怎样的?

  颜子夜:病例中包含很多信息,有很多关键词或代表实际意义的实体,我们把它们以及它们之间的关系抽取出来,结合影像中的信息,通过评估这些关键信息,进而判断疾病。就像做数学题一样,我们要把所有的信息、数据判据抽取出来,无论是影像还是文本信息。

  我们是综合影像、文本等多种信息来源,进行整体处理,我们的目标是提供影像整体解决方案,通过云服务的输出,我们并不是口头上的革命,是真正要走万里长征的。

  雷锋网:您认为人工智能与远程影像诊断的关系是什么?AI是否是后者的救命稻草?

  颜子夜:人工智能和远程影像诊断,是对影像服务新模式下两个不同侧面的问题,智能诊断是一个技术性的问题,远程影像是个业务模式的问题,AI和远程影像服务相结合是两个新模式的有机组合。智能诊断尤其是现在流行的基于深度学习架构的方法,在训练过程中需要大量计算资源和数据样本,在应用过程中的也需要一定硬件支持才行,同时机器的学习过程是不断迭代更新的,需要形成一个数据闭环的,因此智能诊断是非常适合以云服务的模式来实现,也很适合融入到远程影像平台中。另一方面,远程影像诊断我按照计算机科学的思维来说,就是将原来具体化的医生诊断抽象化为一种服务能力,并且通过互联网技术将这种能力远程化、虚拟化,所以这种抽象化的服务除了利用医生人工服务之外,加入智能处理技术,或者以后更多的新科技,都是为了更好的为影像服务提供更强的能力。两者最终目标是为医患提供更高效、更准确的影像服务。

  与准确率有关的“数字游戏”

  此前,拍医拍首席科学家杨琼博士曾告诉雷锋网,智能影像产品的准确率来源有两种:一种是基于临床应用测出的;一种是基于测试集数据得出的。但通常来说,智能影像公司在宣传其准确率时并不会说其准确率来源。

  雷锋网:在这个领域,几乎家公司都宣称其产品诊断准确率在90%以上,有的甚至称其准确率达98%,这是否意味着这样的准确率很容易达到?

  颜子夜:实际上,准确率这个指标并不规范,更准确的指标应该是敏感性和特异性,准确率作为一个整体指标受到数据来源、阳性率分布等多种因素的影响。很多公司宣称的准确率都加了很多前置条件的,出于简便或者宣传目的而笼统地进行说明。比如所谓的“准确率超过人类医生”,不仅现在,在10多年以前,某些疾病诊断算法的准确率就已经超过人了,只不过没有媒体宣传,显得阳春白雪。这个东西并不新鲜,如果去掉前置条件,在通用条件下,能够达到80%多,接近90%就已经很不错了,很多公司宣称他们效果好,但不能拿到真实的临床场景来测,万里云现在就是要从实际应用场景出发的。

  雷锋网:那相对于2000年,有什么进步吗?

  颜子夜:相对来说,以前针对某种疾病的算法是在特定条件下,并且需要对分类特征进行人工的选取,算法技术也有很大突破,现在限制条件少了很多,应用场景更广泛了,算法能力提高了。

  智能影像领域“地头蛇”与“过江龙”的角逐

  AI浪潮兴起,医疗行业涌入一大批AI创业公司,这些“外来龙”对医疗行业产生了很大的影响,打着“变革”的口号,打造出一个个“准确率超过人类医生”的智能产品;与此同时,基于其在医疗行业的沉淀,西门子、飞利浦、万东医疗等传统的医疗影像设备商也在其影像解决方案中增加了AI工具。智能影像行业热闹非凡,同时也意味着竞争加剧,这场“地头蛇”与“过江龙”的角逐成了绕不开的话题。

  雷锋网:万东深耕医疗行业多年,再从事智慧医疗,有什么优势呢?

  颜子夜:我一直说很多智能影像创业公司存在两个问题,智慧医疗中包含两个词,一个是智慧,一个是医疗。最好两个方向都有积累才能融会贯通。业内有一个说法是只有水平稍逊一些的研究者才去做医疗研究。顶尖的智能研究学者他们乐于聚焦于底层技术或者去做更广阔的应用场景,比如说自动驾驶、人脸识别,其市场空间、想象空间都比医疗更大。所以你智能这块都没有做好,医疗这条也是空白,那就是一条腿没有,一条腿是拐子。实际上像万东和万里云我们在医疗的这条腿我们是很强势,在智能这边我们并不落后。按这样的话,我两条腿是可以很平稳的迈步的。

  雷锋网:医疗强势在那些具体的方面呢?

  颜子夜:大家都在说影像处理,但很多人连医疗成像的原理都不太清楚。我们在医疗影像链技术上有多年的积累,从医疗数字化开始,到如今有60多年的图像积累,我本人也是作过多年影像设备研发,对设备和临床应用都有深入了解。但是国内整体上这种对医疗和智能处理都有积累经验的还是很少的。

  雷锋网:那智能影像创业公司相对于大公司来说有什么优势吗?

  颜子夜:有,他们的优势是敢想敢干,抓住机会可以找到一个好的点,尤其是创业公司自主度比较大,可以快速的插进去,但后续怎么办?第二步是个问题。

  雷锋网:您认为他们会遇到什么问题呢?

  颜子夜:对于创业公司,不论商业还是技术的成功都可以从数据、计算模型和应用场景这个三个人工智能要素来进行分析。在数据上,如何获得高质量的标注数据,并能进行持续的更新和反馈,将是一个问题。影像数据尽管体量很大,但是其中有效数据尤其是经过精细标注和具备病史资料的数据很少,如何从大量数据中淘金,还需要做技术研究并大量医生进行标注。

  在算法模型上,目前流行的是基于深度学习技术架构进行。深度学习实际上只是智能算法中的一个分支,尽管在通用领域取得很好的结果,但是其对计算能力、训练数据的要求很高,并且作为一种端到端的分类算法,其一般不能给出对判别结果的解释。实际上医疗诊断过程是一个需要可解释判据的过程。因此,如何利用深度学习和其他算法模型例如SVM、推理机等进行可解释的辅助诊断还是需要进行研究的课题。

  在应用场景上,智能诊断的目的是为医患提供更好的影像服务,在准确性和效率上提供帮助,从而产生价值。现在各公司的产品主要还是集中有限的病种,例如肺癌的早期筛查,帕金森诊断、糖尿病视网膜等有限的场景,这既有技术传承的因素,也受到数据的限制和有待于对医疗需求进行更深入的挖掘。对这些病种的辅助诊断,除了处理结果是否可信之外,在临床上所占的比例并不大,整体上对医生的帮助还有待提高。所以,如何与医生场景进行深度的沟通,开发符合医生需求的场景,例如一些定量化的处理功能、对常见病的处理等将是关键性问题。

  智能诊断产品还处于摸索期,没有亮点的企业

  从当前资本市场关注程度来说,智能影像无疑是一块待开发的热土,但对于身在其中的参与者来说,又切身面临着产品效果待验证、医疗数据短缺、产品商业模式不明等现实困境。

  雷锋网:许多医疗器械厂商都在提AI,但其推出的产品中并没有体现智能,你怎么看?

  颜子夜:现在好像不提智能,大家都没法说话了。但是很多人都是把这件事情挂在口头上,口头上的革命和真正枪杆子的革命是有区别的。

  目前的情况是大家说的比较多,实际上真正落地的还是那些传统的技术或者病种,例如肺部图像处理。智能诊断产品还处于探索、摸索阶段,还没有出来比较有亮点的企业,也就是说,想象空间还是很大的。

  雷锋网:但是已经能听到许多智能产品落地应用在医院的消息了。

  颜子夜:大部分还是科研合作的形式,没有商业应用,最终考核目标还是2点:一是真正解决医生的需求,二是真正能够产生价值,否则没用,也难盈利。

  现在大家都属于摸索的阶段,让医生配合做一些事情,或者一起发写论文,肯定能做。但要真正解决医生的实际需求,大家还是在摸索。

  其次是价值,现在很多公司的系统都是免费用的。就算它拉了一大笔融资,也有烧完的一天,真正谁买单还在摸索。但我认为最终还要合作各方看到价值,如果让医院买单的话,医院要看到价值,一是提高效率让医院省钱;二是提供更好服务让医院挣钱。如果让病人买单的话,得要病人觉得有益。

声明:本文由入驻搜狐公众平台的作者撰写,除搜狐官方账号外,观点仅代表作者本人,不代表搜狐立场。
推荐阅读