每經編輯｜趙天宇    

每經記者 趙天宇 每經編輯 陳俊杰

人工智能在醫(yī)學影像探索幾年后，各家公司“殊途同歸”的集中在了肺結節(jié)領域。

肺結節(jié)是一種病因未明的多系統(tǒng)多器官的肉芽腫性疾病，這種病變通過醫(yī)學影像可以觀察到。2017年至今，AI+醫(yī)學影像領域的大部分公司，業(yè)務都涉及AI輔助診斷肺結節(jié)項目，公布的檢測準確率普遍在90%以上，而且這個數值越來越高。同時，一些創(chuàng)業(yè)公司也迅速獲得融資，2017年被業(yè)內稱為AI影像“肺結節(jié)年”。

這場火熱在2018年持續(xù)。3月31日，中國醫(yī)師協(xié)會胸外科醫(yī)師分會、四川大學華西醫(yī)院、零氪科技共同組織了一場AI輔助肺小結節(jié)診斷體驗活動，探討AI在肺結節(jié)領域的應用情景；同日，AI+影像公司視見科技完成6000萬元的A輪融資；4月2日，AI+影像公司深睿醫(yī)療完成B輪1.5億元融資，自2017年4月至今的一年中迅速完成3輪融資總計3億元。在這兩家公司提供的服務中，AI輔助篩查肺結節(jié)當然是不可或缺的項目。

公開數據多、數據獲取相對便利，以及肺結節(jié)影像直觀、便于觀察診斷的特性，造成AI進入這一行門檻不高。同時，影像科醫(yī)生人手不足、影像數據快速增長，也為這一細分領域創(chuàng)造了商機。

AI影像“肺結節(jié)年” 

胸部CT放射影像技術是肺癌早期篩查的手段之一，AI輔助診斷肺結節(jié)就成了相關企業(yè)的關注點。

很多創(chuàng)業(yè)公司能夠提供AI識別肺結節(jié)的服務。例如，深睿醫(yī)療在2017年的主打產品Dr.WISE CAD醫(yī)療影像診斷系統(tǒng)，主要應用于肺結節(jié)的檢測，準確率98.8%；圖瑪深維對肺結節(jié)的檢出敏感性為96.5%，肺結節(jié)產品已經和國內數十家企業(yè)建立合作關系；匯醫(yī)慧影AI檢測肺結節(jié)，準確率在95%以上；推想科技官網顯示，該公司的智能X線輔助篩查產品在肺結節(jié)檢測上表現突出，在合作醫(yī)院試用過程中檢測出數例險些被遺漏的肺癌病例。

AI診斷肺結節(jié)領域，還有跨界而來的創(chuàng)業(yè)公司。例如，2016年進入醫(yī)療行業(yè)的依圖科技，此前以提供人臉識別技術為主業(yè)；在實際使用5個月后，浙江省人民醫(yī)院放射科與該公司聯合訓練出來的肺結節(jié)計算機智能檢測系統(tǒng)，計算機肺小結節(jié)的識別率就已經超過90%，準確率達到95%。

上述創(chuàng)業(yè)公司，均在2017年或2018年初取得不同程度的融資進展。

肺結節(jié)領域也從不缺少大公司及上市公司的身影，而且均在爭相刷新行業(yè)紀錄。2017年7月，由阿里健康研發(fā)的醫(yī)療AI“Doctor You”公開發(fā)布，其對外展現的便是CT肺結節(jié)智能檢測引擎在遠程診斷的應用場景；2017年8月，科大訊飛在國際權威的醫(yī)療影像大賽LUNA（肺結節(jié)智能讀片）上，獲得平均召回率92.3%的檢測效果，刷新當時世界記錄；2017年9月，LUNA的排行榜上，復星星際大數據（FONOVA）以“假陽性篩查”平均召回率0.966的分數刷新紀錄；2018年1月，LUNA公布結果顯示，中國平安集團旗下平安科技的智能讀片技術，分別以95.1%和96.8%的精度刷新了“肺結節(jié)檢測”和“假陽性篩查”的世界紀錄。

在科大訊飛醫(yī)療總經理陶曉東看來，各家公司的準確率相近，其實從某種意義上來講，反映出來的是領域內很多企業(yè)的創(chuàng)新能力不夠；此外，其他領域數據來源的限制，以及算法及監(jiān)管因素等限制，使得很多公司都選擇了相似的領域。

臨床需求有“痛點”

“現在大家所選擇的領域基本上都差不多，因為肺結節(jié)這塊公開域的數據最多。”陶曉東說。

圖像識別是深度學習等人工智能技術最先突破的領域，目前AI+醫(yī)學影像在國外已有成熟且公開的算法及相關的試驗數據。

阿里健康人工智能實驗室主任范繹對《每日經濟新聞》記者表示，從數據角度看，無論是學術界還是工業(yè)界，在肺結節(jié)領域的相關積累都比較早。萬里云醫(yī)療信息科技（北京）有限公司CEO黃家祥介紹稱，在肺結節(jié)領域，有很多數據集可以直接下載，國外一些研究機構也有公開數據，阿里云的天池也提供數據集下載，渠道相對較多。

從數據基礎上來講，人工智能需要基于大量的數據進行深度學習以后，才能不斷完善和應用。心醫(yī)國際相關人士對記者表示，多年累積的經醫(yī)生、專家判讀的醫(yī)學影像數據，為人工智能的學習提供基礎。

神經系統(tǒng)、腹部的組織影像學表現則相對復雜，尤其是腹部的臟器較多，黃家祥表示，且正常組織與大多病變組織密度接近，數據分析識別難度系數高一些，所以很多企業(yè)一開始都會選擇在肺結節(jié)領域入手。

通江資本董事總經理施小平亦向記者表示，在肺結節(jié)等方向的AI影像技術發(fā)展較快，是因為肺結節(jié)較為直觀測量、便于觀察診斷，可以說肺結節(jié)AI影像是一個提升AI影像技術極佳的切入點。

“從醫(yī)療角度看，肺部是影像拍攝量最多的部位，而對結節(jié)的審查是肺部看片的核心訴求。”范繹說。

數據顯示，目前我國醫(yī)學影像數據的年增長率約為30%，而放射科醫(yī)師數量的年增長率僅為4.1%。放射科醫(yī)師數量的增長遠不及影像數據增長。這個現象意味著放射科醫(yī)師在未來處理影像數據的壓力會越來越大，甚至遠遠超過負荷。

《2018年醫(yī)療人工智能技術與應用白皮書》認為，人工智能輔助診斷技術應用在某些特定病種領域，將大幅提高醫(yī)療機構、醫(yī)生的工作效率。

心醫(yī)國際相關人士表示，我國影像檢測普及度高，影像診斷醫(yī)生增長速度尚不能滿足市場需求，醫(yī)生平均需要花費10到15分鐘來進行有效的診斷和報告，長時間讀片會出現視覺疲勞，容易造成漏診，AI因此被給予巨大的期望。