讓一個(gè)機(jī)器人透視你的身體，洞察你體內(nèi)的蛛絲馬跡,，比經(jīng)驗(yàn)豐富的老教授更快更準(zhǔn)地找出你的沉疴暗疾,，你是會(huì)覺得驚悚還是幸運(yùn)？

　　在人工智能熱潮興起之初,，吳恩達(dá)（Andrew Ng）,、Jeffery Hinton等多位AI大佬放言，醫(yī)療領(lǐng)域AI會(huì)讓放射科醫(yī)生下崗失業(yè),。

　　在2019年的今天,，才來談?wù)揂I+醫(yī)療，好像顯得有些不合時(shí)宜,。畢竟,，至少早在2017年起，智慧醫(yī)療的火焰已是如火如荼,。

　　仿佛不遠(yuǎn)的未來,，你就能和機(jī)器人醫(yī)生面對面，由絕對精確的機(jī)器智能為你作出診療,。

　　然而,，時(shí)至今日，智慧醫(yī)療最大的突破,，仍然主要限于基于計(jì)算機(jī)視覺技術(shù)的醫(yī)療影像輔助診斷之上,。AI，距離完全取代醫(yī)生,，可能還差了一個(gè)比鄰星到地球的距離,。

　　在這一情況之下，聚焦于最為成熟的醫(yī)療影像AI領(lǐng)域,，談?wù)凙I在做什么,，AI公司在做什么，可能顯得更為重要,。

　　聚焦：醫(yī)療影像+AI

　　從公司門口的人臉識(shí)別到你手機(jī)里欺世盜貌的美顏相機(jī),，再到讓李彥宏吃下罰單的自動(dòng)駕駛，這些AI新浪潮的背后站著的,，都是由深度學(xué)習(xí)驅(qū)動(dòng)的計(jì)算機(jī)視覺技術(shù),。

　　從這里出發(fā)，當(dāng)你在考慮AI如何應(yīng)用在醫(yī)療中時(shí),，首先想到的可能就會(huì)是：

　　如何將在自然圖像下日趨成熟的深度學(xué)習(xí)算法應(yīng)用于醫(yī)療之中,？

　　這個(gè)問題不難回答。

　　即使你從未進(jìn)過醫(yī)院影像科，也應(yīng)該對CT,、核磁共振（MRI）,、B超等等檢查有所耳聞。這些檢查就像一臺(tái)特殊的照相機(jī),，借助射線和聲波為你體內(nèi)的器官骨骼留下倩影,，幫助醫(yī)生對人體內(nèi)的真實(shí)情況作出判斷。

　　隨著低劑量螺旋CT,、核磁共振等技術(shù)的發(fā)展和推廣,，影像檢查正變得更為安全、高效,、準(zhǔn)確,，也更廣泛地應(yīng)用于定期體檢和疾病診斷之中。僅2016年,，全球診斷成像設(shè)備市場價(jià)值就高達(dá)227億美元,，增長率為2％。海量的醫(yī)療影像數(shù)據(jù)在幫助診斷之余,，也讓影像科醫(yī)生的負(fù)擔(dān)日益加重,。

　　就以常見的CT來說,，在影像醫(yī)療領(lǐng)域,，CT是一個(gè)大趨勢，所有的東西都能看清楚,，但拍一次下來就有300多張影像,，一個(gè)醫(yī)生看下來是非常消耗時(shí)間和精力的。所以衍生出來的一個(gè)問題就是——需要大量的醫(yī)生來“看片”,。

　　深度學(xué)習(xí)AI算法的用武之地正在于此,。

　　計(jì)算機(jī)輔助診療技術(shù)（Computer Aided Diagnosis: CAD）借助機(jī)器視覺算法，對醫(yī)療影像進(jìn)行自動(dòng)分析,，幫助醫(yī)生鎖定病灶,，提供診斷建議和依據(jù)。傳統(tǒng)上,，基于人工設(shè)計(jì)規(guī)則的算法在功能,、準(zhǔn)確度和速度上均有較多局限。深度學(xué)習(xí)算法的引入,，讓CAD的應(yīng)用場景大大擴(kuò)展,。從早期癌癥篩查到心血管異常，從神經(jīng)疾病診斷到骨骼肌肉損傷,，CAD系統(tǒng)的AI化浪潮已是如火如荼,。

　　風(fēng)口回歸，競爭進(jìn)入后半程

　　新技術(shù)的浪潮牽動(dòng)千萬病人的健康，亦牽動(dòng)資本涌動(dòng),。

　　據(jù)估計(jì),，到2023年，AI+醫(yī)療影像的市場規(guī)模將超過20億美元,。諸多創(chuàng)業(yè)企業(yè),、互聯(lián)網(wǎng)巨頭、醫(yī)療影像器械廠商紛紛投入重金,，力求在這一戰(zhàn)場占據(jù)一席之地,。

　　不過在2019年的今天，前兩年的資本風(fēng)口漸漸回歸理性,，賽程進(jìn)入后半場,。

　　截止至2018年上半年，AI醫(yī)療影像初創(chuàng)企業(yè)已經(jīng)募集逾5億美元資本投入,，資本從新興初創(chuàng)逐漸轉(zhuǎn)向晚期創(chuàng)業(yè)企業(yè),。縱觀這一領(lǐng)域,，整個(gè)2018年上半年,，僅有加拿大醫(yī)療影像企業(yè)Circle Cardiovascular Imaging獲得A輪融資，其他各企業(yè)均已進(jìn)入B輪或之后的成熟階段,。

　　從戰(zhàn)略方向上來看,，企業(yè)也多由早期技術(shù)積累轉(zhuǎn)向產(chǎn)品落地，企業(yè)與醫(yī)院的合作,、落地成為主議題,，AI+醫(yī)療影像日趨成熟。

　　基于AI的醫(yī)療影像分析軟件市場規(guī)模

　　AI+醫(yī)療,，還是醫(yī)療+AI,？

　　與自動(dòng)駕駛領(lǐng)域的“車廠對陣AI巨頭”的陣勢頗有相似，在醫(yī)療影像AI領(lǐng)域,，傳統(tǒng)影像器械商和AI科技企業(yè)的雙向競技也正如火如荼,。

　　以西門子（Siemens）、通用電氣（GE）等為首的傳統(tǒng)醫(yī)療影像器械廠商,，正依靠其硬件和數(shù)據(jù)優(yōu)勢,，對其傳統(tǒng)影像分析算法進(jìn)行“AI化”迭代升級(jí)，為醫(yī)院提供整合性更強(qiáng)的一站式解決方案,。

　　西門子的AI-Rad系統(tǒng)針對胸部CT影像,，提供多方面的測量、定位和自動(dòng)報(bào)告生成功能,。比如,，借助影像分割技術(shù),，找出胸部CT影像中大動(dòng)脈的像素級(jí)定位，實(shí)現(xiàn)對動(dòng)脈直徑等多方面的自動(dòng)化測量,。該系統(tǒng)還利用目標(biāo)檢測技術(shù),，對體內(nèi)器官的各項(xiàng)異常進(jìn)行定位和初步診斷。

　　在早期肺癌篩查中,，AI可以準(zhǔn)確地識(shí)別出肺部小結(jié)節(jié)的位置所在,，并對結(jié)節(jié)進(jìn)行初步分析，幫助醫(yī)生盡早做出診斷,，大大提升早期肺癌的發(fā)現(xiàn)率,。根據(jù)美國國家肺部篩查試點(diǎn)研究組的研究數(shù)據(jù)，借助肺結(jié)節(jié)早期篩查,，逾20%的肺癌罹難者將有機(jī)會(huì)幸免于難,。

　　除去AI技術(shù)上的轉(zhuǎn)型，器械廠商對AI的系統(tǒng)化整合,，成為他們在競爭中脫穎而出的重要法寶,。2018年底，GE發(fā)布了Edison AI開發(fā)平臺(tái),，實(shí)現(xiàn)數(shù)據(jù),、算法、硬件之間的無縫整合?，F(xiàn)時(shí),，平臺(tái)已經(jīng)上線48個(gè)影像分析應(yīng)用，為研發(fā)部門整合多來源,、多模態(tài)的海量數(shù)據(jù)源,，亦為醫(yī)院提供各細(xì)分領(lǐng)域的輔助診斷服務(wù),。

　　長遠(yuǎn)來看,，Edison的野心并不止于此。GE計(jì)劃將平臺(tái)對外開放,，讓合作開發(fā)者加入算法研發(fā),，打造AI醫(yī)療影像的“AppStore”生態(tài)，促成AI醫(yī)療影像技術(shù)的更好發(fā)展,。

　　相比傳統(tǒng)器械廠商的系統(tǒng)優(yōu)勢,，醫(yī)療影像領(lǐng)域的AI技術(shù)公司便更多依靠自身算法突破建立競爭護(hù)城河。

　　其中,，較大規(guī)模的創(chuàng)業(yè)企業(yè)和AI巨頭企業(yè)們,，選擇多領(lǐng)域發(fā)力，在各方面與傳統(tǒng)器械廠商展開正面角逐,。

　　在美國市場上,，以色列一家AI醫(yī)療影像公司Zebra Medical Vision推出了從骨骼,、乳腺到肺部、心血管的多器官診斷產(chǎn)品,，意圖建立自身生態(tài),。

　　中國創(chuàng)業(yè)企業(yè)亦然。作為國內(nèi)醫(yī)療影像AI領(lǐng)域估值最高的推想科技,，推出了InferRead全系解決方案,，覆蓋腦部、肺部,、骨骼等全部位影像診斷,。

　　Zebra Medical Vision：骨骼診斷產(chǎn)品

　　較小規(guī)模的創(chuàng)業(yè)公司，則多聚焦垂直領(lǐng)域,，在單一器官或單一病癥上建立自己的技術(shù)優(yōu)勢,。

　　英國一家初創(chuàng)企業(yè)Brainomix便是其中典型例子。它專注腦部影像分析,，在中風(fēng)的診斷與輔助治療中建立起自身的獨(dú)特優(yōu)勢,，找到自己的發(fā)展方向。

　　Brainomix：腦部影像分析系統(tǒng)

　　英偉達(dá)旗下孵化的一家初創(chuàng)企業(yè)ImFusion則獨(dú)辟蹊徑,，借助AI影像生成技術(shù),，開創(chuàng)了從二維平面超聲影像生成三維立體模型的新方法。他們以對應(yīng)病人的二維超聲影像和三維CT影像作為訓(xùn)練數(shù)據(jù),，讓AI找到二維和三維影像之間的潛在聯(lián)系,，從而幫助醫(yī)生更好地理解、感知病人體內(nèi)的狀況,。

　　專注于特定垂直領(lǐng)域,，小企業(yè)更容易找到自身競爭突破點(diǎn)，卻也留下了產(chǎn)品功能單一化的缺憾,，產(chǎn)品的落地應(yīng)用大大受限,。這一情況下，中小企業(yè)往往要與器械廠商或AI巨頭展開合作,，將自身技術(shù)與生態(tài)平臺(tái)相融合,，實(shí)現(xiàn)產(chǎn)品的大規(guī)模落地部署。

　　目前來看,，AI+醫(yī)療影像領(lǐng)域仍將長期處于競爭與合作交織,，技術(shù)和產(chǎn)品共同推進(jìn)的百花齊放階段。

　　作為醫(yī)療影像領(lǐng)域的后發(fā)選手,，中國在影像器械的賽道上,，起步較晚，暫時(shí)缺席,。不過,，在AI算法的競技中,，依托本土AI人才和海量醫(yī)療數(shù)據(jù)，以推想科技,、匯醫(yī)繪影為代表的中國初創(chuàng)企業(yè)們已經(jīng)成功找到自己的發(fā)展方向,。不僅如此，騰訊,、阿里,、商湯等AI巨頭企業(yè)也紛紛向醫(yī)療影像領(lǐng)域持續(xù)發(fā)力，彎道超車未來可期,。

　　競業(yè)者更是同盟軍

　　所以,，在2019年的今天，AI會(huì)讓放射科醫(yī)生下崗嗎,？

　　如今看來,，雖然醫(yī)療影像AI已經(jīng)取得長足進(jìn)展，取代放射科醫(yī)生仍顯得言之甚早,。

　　一方面,，由于數(shù)據(jù)的限制，醫(yī)療影像AI的適用面仍然較窄,。目前只有針對肺部結(jié)節(jié),、腦部腫瘤、骨科等少部分領(lǐng)域的AI技術(shù)相對成熟,，大大限制了醫(yī)療影像AI的臨床應(yīng)用,。

　　另一方面，深度學(xué)習(xí)本身的“黑盒”,、不可解釋的特性使得我們難以對其結(jié)果進(jìn)行分析歸因,。不論是出于安全性還是醫(yī)學(xué)倫理上的考慮，醫(yī)療影像AI在可預(yù)見的未來里仍只能扮演助理角色,，難以成為最終的決策者,。

　　除此之外，醫(yī)療影像的分析并不只依賴于圖像自身,。醫(yī)生在對影像進(jìn)行診療時(shí)會(huì)結(jié)合病人的病史,、其他檢查、疾病的相關(guān)醫(yī)學(xué)知識(shí)進(jìn)行綜合考量,。

　　相比之下，醫(yī)療影像AI大多情況下只能依靠圖像內(nèi)在的特征進(jìn)行判斷,，使得較復(fù)雜的,、與影像形態(tài)不直接相關(guān)的病情分析效果不佳。

　　不過,，作為醫(yī)生的助手,，AI的精準(zhǔn)檢測可以有效減少漏診情況,，幫助醫(yī)生快速定位相關(guān)病灶。自動(dòng)生成的影像分析等數(shù)據(jù)資料也可以為醫(yī)生提供良好的參考,，大大提升他們的工作效率,。這一點(diǎn)，在各醫(yī)院影像檢查數(shù)量均大幅增長的現(xiàn)在,，顯得尤為重要,。

　　除此之外，放射科醫(yī)生其實(shí)還扮演著AI的人生導(dǎo)師角色,。深度學(xué)習(xí)算法需要大量的標(biāo)注數(shù)據(jù),，這需要放射科醫(yī)生的鼎力支持。比如在肺結(jié)節(jié)篩查任務(wù)中,，醫(yī)生需要預(yù)先標(biāo)注成百上千張CT影像里的肺結(jié)節(jié)的具體位置,、類型。借助這些訓(xùn)練數(shù)據(jù),，算法才能最終找到這些結(jié)節(jié)的隱含特征,，實(shí)現(xiàn)準(zhǔn)確的檢測、分析,。

　　目前看來,，這場AI+醫(yī)療影像的變革，更多地是從普通馬到汗血寶馬式的漸進(jìn)性進(jìn)化,，而非從馬匹到汽車的時(shí)代革命,。

　　與其擔(dān)憂被取代下崗，放射科醫(yī)生更應(yīng)理性看待AI熱潮,，摒除“人工智能”這一名字的神秘光環(huán),，理解AI的長處與不足，讓它成為工作的重要助力,。