掃一掃醫(yī)學(xué)影像智能識別：醫(yī)療與AI結(jié)合成功案例
來源：未知 時間：2021-28-29 瀏覽次數(shù)：557次
醫(yī)學(xué)影像識別有望成為AI較快落地的領(lǐng)域
“人工智能+醫(yī)療”駛?cè)肟燔嚨馈?/p>
“人工智能+醫(yī)療”快速發(fā)展。醫(yī)學(xué)是一門靠歸納邏輯、經(jīng)驗學(xué)習(xí)、循證運用的學(xué)科，人工智能在這個行業(yè)可以發(fā)揮重要作用。
同時，我國醫(yī)療資源短缺，供給嚴(yán)重不足，人工智能在醫(yī)療行業(yè)的應(yīng)用可以提升醫(yī)生工作效率，變相提升醫(yī)療資源的供給。
在政策推動和算法紅利的促進(jìn)下，“人工智能+醫(yī)療”快速發(fā)展，根據(jù)中國數(shù)字醫(yī)療網(wǎng)統(tǒng)計，2016年中國AI+醫(yī)療市場規(guī)模達(dá)到96.61億元，增長率為37.9%，中國AI+醫(yī)療市場規(guī)模在持續(xù)增長，2017年超130億元，增長40.7%，有望在2018年市場規(guī)模達(dá)到200億元。
人工智能在醫(yī)療行業(yè)的各環(huán)節(jié)均有應(yīng)用
1. 診前:可用于個體或群體性疾病的預(yù)測，并給出健康建議。
2. 診中:人工智能可以輔助診斷、輔助治療，降低誤診率。
3. 診后:能通過計算機(jī)視覺、圖像識別和視頻分析等渠道保證患者服藥的真實性，輔助醫(yī)生實現(xiàn)患者藥物依從性的監(jiān)督。
4. 其他環(huán)節(jié):保險機(jī)構(gòu)費用智能控制;人工智能參與到藥物研發(fā)過程中，可以縮短時間、提高效率。
AI+醫(yī)療的各類應(yīng)用場景:
產(chǎn)業(yè)仍處于發(fā)展初期，數(shù)據(jù)整合與共享是驅(qū)動行業(yè)發(fā)展的核心因素。AI+醫(yī)療發(fā)展的核心在于“算法+有效數(shù)據(jù)”。
目前產(chǎn)業(yè)發(fā)展處于第一階段。在此階段，弱人工智能算法相對成熟，數(shù)據(jù)的整合和共享構(gòu)成行業(yè)發(fā)展的核心因素。
目前，國內(nèi)大多數(shù)醫(yī)療數(shù)據(jù)存儲在醫(yī)院，一方面，醫(yī)院內(nèi)部的臨床數(shù)據(jù)中心建立尚不完善，醫(yī)院內(nèi)部數(shù)據(jù)互聯(lián)互通程度和共享程度尚低;另一方面，醫(yī)療數(shù)據(jù)涉及病人隱私，共享機(jī)制和規(guī)范缺乏，導(dǎo)致很多AI+醫(yī)療應(yīng)用由于缺乏數(shù)據(jù)而止步不前。
隨著醫(yī)療數(shù)據(jù)互聯(lián)互通程度的提升和共享機(jī)制的建立，AI+醫(yī)療行業(yè)發(fā)展將加速。
智能影像診斷是“人工智能+醫(yī)療”較快落地的應(yīng)用領(lǐng)域
我們認(rèn)為，目前已經(jīng)形成成型產(chǎn)品、在各應(yīng)用場景實現(xiàn)小范圍推廣、具備高附加值的AI+醫(yī)療應(yīng)用包括兩個:
1. 基于醫(yī)學(xué)影像的智能識別;
2. 基于電子病歷的輔助診斷。后者的典型案例是IBMWatson，目前已經(jīng)落地WatsonforOncology的腫瘤輔助診斷治療的AI產(chǎn)品，并在國際上各醫(yī)院小范圍推廣。
而基于醫(yī)學(xué)影像的智能識別，全球該領(lǐng)域的創(chuàng)業(yè)公司達(dá)1000多家，是適合AI技術(shù)發(fā)揮其所長的醫(yī)學(xué)應(yīng)用領(lǐng)域。
智能圖像診斷算法相對成熟
自2012年深度學(xué)習(xí)技術(shù)被引入圖像識別數(shù)據(jù)集之后，其識別率近年來屢創(chuàng)新高，2015年百度在ImageNet的比賽識別錯誤率僅為4.58%，高于人類水平。
在各類醫(yī)學(xué)圖像識別比賽或活動當(dāng)中，學(xué)校和商業(yè)研究團(tuán)隊分別在不同病種上取得了不錯成果。
醫(yī)生資源短缺將促進(jìn)AI智能影像識別的應(yīng)用落地
目前我國醫(yī)學(xué)影像數(shù)據(jù)的年增長率約為30%，而放射科醫(yī)師數(shù)量的年增長率為4.1%，其間的差距是25.9%，放射科醫(yī)師的數(shù)量增長遠(yuǎn)不及影像數(shù)據(jù)的增長。
以病理切片為例，據(jù)國家衛(wèi)計委統(tǒng)計，我國病理注冊醫(yī)生在1萬人左右，按照每百張床配備1—2名病理醫(yī)生的標(biāo)準(zhǔn)計算，全國病理科醫(yī)生缺口可能達(dá)3—4萬人，目前，全國有近40%的手術(shù)未進(jìn)行病理切片分析。
所以通過AI的方式輔助影像科醫(yī)師進(jìn)行診斷將滿足市場剛需。
AI讀片相對于人工讀片具備比較優(yōu)勢
人工讀片具備主觀性高、重復(fù)性低、定量及信息利用度不足、耗時及勞動強(qiáng)度和知識經(jīng)驗的傳承困難等問題。而人工智能讀片的優(yōu)勢體現(xiàn)在高效率低成本。
隨著產(chǎn)品的成熟帶動識別率的提升，人工智能讀片的精準(zhǔn)度也將形成比較優(yōu)勢。
智能影像識別分類多空間大，初期格局分散
智能影像識別市場分類多空間大人工智能方法在醫(yī)學(xué)圖像處理中的應(yīng)用十分廣泛，涉及醫(yī)學(xué)圖像分割、圖像配準(zhǔn)、圖像融合、圖像壓縮、圖像重建等多個領(lǐng)域。
醫(yī)療影像智能識別按照應(yīng)用領(lǐng)域，可以分為放射類、放療類、手術(shù)類以及病理類:
1. 放射類:類似于軍隊的“情報部門”，通過射線成像了解人體內(nèi)部的病變情況，形成影像。對該影像智能識別的目的在于標(biāo)注病灶位置。
2. 放療類:類似于軍隊的“戰(zhàn)斗部門”，在制定放療方案之前，醫(yī)生需要通過成像設(shè)備對靶區(qū)進(jìn)行定位，從而形成影像。對該影像智能識別的目的在于進(jìn)行靶區(qū)自動勾畫，由于放療需要殺死細(xì)胞，病變區(qū)域勾勒的越準(zhǔn)確越好，對智能影像識別準(zhǔn)確率要求高。
3. 手術(shù)類:對CT等影像通過3D可視化等技術(shù)，進(jìn)行三維重建，幫助醫(yī)生進(jìn)行手術(shù)前規(guī)劃，確保手術(shù)的精確性。
4. 病理類:病理診斷是最終確診環(huán)節(jié)，MRI、CT、B超等影像判讀的正確與否要參考病理診斷的結(jié)果。傳統(tǒng)的病歷檢驗是醫(yī)生在顯微鏡下直接讀取病歷涂片，現(xiàn)在數(shù)字化病理系統(tǒng)使得AI讀片成為可能。
行業(yè)內(nèi)公司目前多涉足于放射類和病理類:
1. 放射類影像比較容易獲取標(biāo)注數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，且應(yīng)用場景多領(lǐng)域廣，有較多創(chuàng)業(yè)公司涉足;
而病理科醫(yī)生缺口大(我國病理注冊醫(yī)生在1萬人左右，按照每百張床配備1—2名病理醫(yī)生的標(biāo)準(zhǔn)計算，全國病理科醫(yī)生缺口可能達(dá)3—4萬人，目前，全國有近40%的手術(shù)未進(jìn)行病理切片分析)，數(shù)字化病理系統(tǒng)快速普及，部分創(chuàng)業(yè)公司也在病理類影像智能識別發(fā)力。
醫(yī)療影像服務(wù)市場每年規(guī)模在千億級別，假設(shè)AI讀片在價值鏈的分配中占到10%，則市場規(guī)模在百億級別。
按照成像設(shè)備或類型分，包括X線成像、CT成像、核磁共振、超聲成像以及病理切片(基于顯微儀)。另外，還包括小眾的紅外成像、眼底鏡成像等。
其中，X線成像每年市場規(guī)模合計700億元，而普通的CT和核磁共振，每年市場規(guī)模合計1500億元。
所有成像類型的市場規(guī)模合計在千億級別。假設(shè)AI讀片在價值鏈的分配中占到10%，則市場規(guī)模在百億級別。
2、行業(yè)發(fā)展初期市場相對分散，未來有望逐步走向集中
行業(yè)發(fā)展初期市場分散的原因包括幾個方面:
1) 數(shù)據(jù)分散:
盡管我國存在第三方影像中心，但絕大多數(shù)的醫(yī)療影像數(shù)據(jù)來源于醫(yī)院。且三級醫(yī)院擁有絕大多數(shù)影像數(shù)據(jù)，但影像數(shù)據(jù)不出院是必須守住的紅線。所以大量影像數(shù)據(jù)分散在不同的三級醫(yī)院系統(tǒng)中。
根據(jù)衛(wèi)計委，2017年6月，全國三級醫(yī)院數(shù)量為2286家。創(chuàng)業(yè)公司除了通過公開數(shù)據(jù)集進(jìn)行訓(xùn)練，也跟大醫(yī)院進(jìn)行合作，簽訂聯(lián)合科研的協(xié)議，和醫(yī)院一起訓(xùn)練模型。
數(shù)據(jù)分散導(dǎo)致一家公司很難同時獲取滿足產(chǎn)品準(zhǔn)確率要求的全部數(shù)據(jù)，而不同創(chuàng)業(yè)企業(yè)都有跟熟悉的醫(yī)院合作進(jìn)行產(chǎn)品研發(fā)的可能。
目前市場上大部分公司的數(shù)據(jù)來源是2-3家醫(yī)院，這在數(shù)量和質(zhì)量相對較少。以CT為例，醫(yī)院在用的各種CT機(jī)型有近百種，廠家有7、8家。
在產(chǎn)品化的過程中，如果僅使用幾個機(jī)型的數(shù)據(jù)，或者下載公開數(shù)據(jù)集的數(shù)據(jù)來訓(xùn)練模型，即使實驗室準(zhǔn)確率很高，也很難在實際應(yīng)用中取得很好的效果。
醫(yī)療AI公司研發(fā)的產(chǎn)品是否可以適應(yīng)市場上90%的影像設(shè)備，是這樣的產(chǎn)品進(jìn)行市場推廣的前提。
2) 病種分散:
雖然底層代碼可以復(fù)用，但不同病種需要不同的標(biāo)注數(shù)據(jù)訓(xùn)練不同的模型。
例如:谷歌Deepmind跟Moorfields眼科醫(yī)院合作訓(xùn)練糖尿病視網(wǎng)膜病變識別;IBM跟EyePACS信息共享平臺訓(xùn)練青光眼模型;阿里與萬里云合作進(jìn)行肺結(jié)節(jié)CT影像檢測，未來有望擴(kuò)大到乳腺癌、糖尿病等領(lǐng)域。
雖然行業(yè)參與的公司著力選擇多發(fā)病種進(jìn)行產(chǎn)品研發(fā)，但不同病種不同模型的特點，決定了行業(yè)發(fā)展初期參與者相對分散的形態(tài)。
3. 變現(xiàn)場景、商業(yè)模式多樣化: 僅就醫(yī)療圖像智能識別而言，潛在的變現(xiàn)方式包括:作為單獨的軟件模塊向醫(yī)療機(jī)構(gòu)銷售、與PACS等系統(tǒng)合成向醫(yī)療機(jī)構(gòu)銷售;
與CT、X光機(jī)等設(shè)備合作形成軟硬件一體化解決方案向醫(yī)療機(jī)構(gòu)銷售;通過遠(yuǎn)程醫(yī)療等方式服務(wù)基層醫(yī)療機(jī)構(gòu);通過互醫(yī)療影像創(chuàng)業(yè)公司處于發(fā)展初期
根據(jù)動脈網(wǎng)，目前國內(nèi)在該領(lǐng)域的創(chuàng)業(yè)公司大概為59家。我們認(rèn)為，隨著行業(yè)的發(fā)展，市場參與者的數(shù)量將首先不斷提升，最后由分散走向集中。
隨著行業(yè)數(shù)據(jù)整合與共享機(jī)制的建立、模型訓(xùn)練的成熟、商業(yè)模式的確立，以及部分企業(yè)CFDA認(rèn)證的率先通過，先發(fā)企業(yè)將逐步建立技術(shù)壁壘和商業(yè)壁壘，推動市場走向集中。
從產(chǎn)業(yè)鏈上下游看數(shù)據(jù)與場景等核心商業(yè)要素
醫(yī)療影像智能診斷不僅需要醫(yī)療影像數(shù)據(jù)，更需要經(jīng)過專業(yè)人員標(biāo)注過的醫(yī)療影像數(shù)據(jù)。基于此，從事醫(yī)療影像智能診斷的廠商通過資源獲取已標(biāo)注的數(shù)據(jù)的能力極為重要。
醫(yī)療影像數(shù)據(jù)產(chǎn)生于醫(yī)院和第三方影像中心，短暫存儲于醫(yī)療設(shè)備而長期存儲于PACS系統(tǒng)中，而標(biāo)注醫(yī)療影像數(shù)據(jù)需要與專業(yè)的醫(yī)務(wù)人員合作。
影像科醫(yī)生在日常讀片過程中并不會進(jìn)行病灶標(biāo)注，這使得這些廠商需要花費較大的成本邀請專業(yè)的影像科醫(yī)生在工作之余進(jìn)行標(biāo)注。
與上下游的關(guān)系及合作模式、或者產(chǎn)業(yè)鏈一體化，成為醫(yī)療影像智能診斷的廠商的核心競爭力之一。
大型醫(yī)院、基層醫(yī)院、第三方影像中心均有可能是醫(yī)學(xué)影像智能診斷的上游“脫敏數(shù)據(jù)資源方”，而各類醫(yī)療機(jī)構(gòu)、醫(yī)療設(shè)備、PACS系統(tǒng)，也有可能是醫(yī)療影像智能診斷的下游“產(chǎn)品購買方或合作方”。
從而與上下游的關(guān)系以及合作模式成為醫(yī)療影像智能診斷的廠商的核心競爭力之一。
1、數(shù)據(jù)獲取:與醫(yī)療機(jī)構(gòu)合作有助于打磨產(chǎn)品業(yè)內(nèi)廠商數(shù)據(jù)獲取方式包括跟大醫(yī)院合作、跟基層醫(yī)院合作、與科研機(jī)構(gòu)合作、與第三方影像中心合作以及通過云PACS系統(tǒng)間接獲取授權(quán)脫敏數(shù)據(jù)。
1) 跟大醫(yī)院合作:我國絕大多數(shù)的醫(yī)療影像數(shù)據(jù)來自于三甲醫(yī)院等大醫(yī)院。
醫(yī)療影像智能診斷AI公司與大醫(yī)院合作，一方面有利于得到大量的脫敏的數(shù)據(jù)和行業(yè)專家的標(biāo)注數(shù)據(jù)，另一方面收獲了產(chǎn)品打磨的場景。
在某個病種上具備優(yōu)勢的醫(yī)院，往往具備一定量的數(shù)據(jù)資源，打磨出細(xì)分領(lǐng)域識別度較高的產(chǎn)品。我們看到，智能影像公司官網(wǎng)上的合作醫(yī)院被視為彰顯自身實力的背書。
2) 與基層醫(yī)院合作:與大醫(yī)院不同，基層醫(yī)院的治療水平，患者數(shù)量，數(shù)據(jù)資源有限，對智能閱片具備強(qiáng)需求。
部分公司通過遠(yuǎn)程醫(yī)療向基層醫(yī)院提供“幫忙閱片”的服務(wù)，從而在醫(yī)生和患者的允許下獲取脫敏影像數(shù)據(jù)，并通過自己組建的醫(yī)療團(tuán)隊，對數(shù)據(jù)進(jìn)行標(biāo)注，在此進(jìn)出上進(jìn)行AI模型的訓(xùn)練。代表企業(yè)包括:萬里云等。
根據(jù)萬東醫(yī)療2016年年報，萬里云公司完成10家遠(yuǎn)程影像診斷中心的建設(shè)，成功簽約1000家醫(yī)院用戶，實現(xiàn)天均2000名患者的遠(yuǎn)程閱片診斷，業(yè)務(wù)范圍覆蓋全國基層醫(yī)院、民營醫(yī)院等。
以及其他自建遠(yuǎn)程影像診療系統(tǒng)，從而拓展人工智能閱片的企業(yè)，如銳達(dá)影像、匯影醫(yī)療等。
3）其他類型的合作:
(1) 部分高校處于科研目的具備一定量的脫敏數(shù)據(jù)，這些數(shù)據(jù)的獲取成本往往不高，部分創(chuàng)業(yè)公司選擇與高校合作;
(2) 隨著第三方影像中心的逐步建立，部分AI企業(yè)也可選擇自建或與其合作，部分第三方影像中心也將業(yè)務(wù)向智能讀片延伸;
(3) PACS系統(tǒng)從院內(nèi)向云端發(fā)展。近年來，區(qū)域性PACS云平臺的建立成為趨勢。云PACS能降低儲存成本、實現(xiàn)快速調(diào)用傳輸、支持?jǐn)?shù)據(jù)共享與應(yīng)用開發(fā)。
相關(guān)企業(yè)通過拓展云PACS業(yè)務(wù)或者與其合作，獲取AI+醫(yī)療影像行業(yè)的參與機(jī)會，相關(guān)廠商包括:杭州聯(lián)眾、心醫(yī)國際、海納醫(yī)信。
綜上，從數(shù)據(jù)的角度，大醫(yī)院具備優(yōu)勢科室與一定量的已標(biāo)注數(shù)據(jù)，與大醫(yī)院合作有助于在大醫(yī)院的優(yōu)勢學(xué)科訓(xùn)練出優(yōu)質(zhì)產(chǎn)品，但對于小眾病種，需要跟很多家醫(yī)療機(jī)構(gòu)合作才能訓(xùn)練出好的模型。
而與基層醫(yī)院進(jìn)行遠(yuǎn)程閱片合作的優(yōu)勢在于可以獲取源源不斷的數(shù)據(jù)資源，但需要專門的團(tuán)隊對影片進(jìn)行標(biāo)準(zhǔn)。而隨著我國第三方影像中心逐步建立和崛起，與第三方影像中心合作也將成為不錯的數(shù)據(jù)資源獲取方式。
2、變現(xiàn)模式與場景:與上下游廠商合作有利于業(yè)務(wù)拓展
產(chǎn)品在變現(xiàn)之前需要“持證上崗”。人工智能產(chǎn)品在CFDA中沒有申報項目錄:
1) 智能醫(yī)學(xué)影像產(chǎn)品還是作為三類醫(yī)療器械向CFDA進(jìn)行認(rèn)證申請。
CFDA的審批流程較為復(fù)雜，需要首先同國家指定的三甲醫(yī)院合作進(jìn)行臨床測試，并同做臨床試驗的每一個病人簽訂合同，向國家專業(yè)機(jī)構(gòu)做檢測和報備，最后才能獲得CFDA認(rèn)證，這其中的時間成本、技術(shù)水平等因素均構(gòu)成了“高門檻”。
2) 部分軟件模塊作為PACS系統(tǒng)的智能閱片插件，提供輔助臨床的工作，有跳過CFDA認(rèn)證步驟的可能。
由于行業(yè)處于發(fā)展初期，變現(xiàn)模式處于探索階段，我們認(rèn)為，行業(yè)潛在的變現(xiàn)方式包括:
作為單獨的軟件模塊向醫(yī)療機(jī)構(gòu)銷售、與PACS等系統(tǒng)集成向醫(yī)療機(jī)構(gòu)銷售;與CT、X光機(jī)等設(shè)備合作形成軟硬件一體化解決方案向醫(yī)療機(jī)構(gòu)銷售;通過遠(yuǎn)程醫(yī)療等方式服務(wù)基層醫(yī)療機(jī)構(gòu);通過互聯(lián)網(wǎng)醫(yī)療等方式直接服務(wù)于患者。
目前基本成型的AI+醫(yī)學(xué)影像產(chǎn)品大多正處于醫(yī)院試用階段，該領(lǐng)域公司基本沒有實現(xiàn)盈利。未來產(chǎn)品通過CFDA檢測后，業(yè)務(wù)模式可進(jìn)一步向產(chǎn)業(yè)鏈上游和下游進(jìn)行拓展。
從變現(xiàn)對象看，基層醫(yī)院因為治療水平，醫(yī)療資源缺乏，付費動力最強(qiáng);而大醫(yī)院雖然醫(yī)療資源豐富，但由于門診住院量高，具備通過智能化應(yīng)用提升工作效率的需求。
在此背景下，基層醫(yī)院具備按次付費的需求基礎(chǔ)，而大醫(yī)院更容易接受軟件服務(wù)費作為付費形式。隨著第三方影像中心的崛起，將也會對智能影像診斷產(chǎn)生需求。