AI医疗助力医院抗疫，规模化落地仍处困局？

“AI产品不光释放了人力，提高了医护工作的效率，还降低了院内交叉感染的风险。” 在亿欧大健康近期的“技术与场景的碰撞：解码 医疗AI 的供与需”论坛上，西安交通大学医学院第一附属医院院长施秉银表示，“在这样一个重大的公共卫生事件当中，AI的确发挥了很好的作用。”

虽然本次 疫情 让医疗AI企业与医院开展了密切深度的合作，某种程度上教育了市场，但医疗AI企业所遇到的问题仍不是一场疫情可解，医疗AI企业未来的发展还有很长的路要走。

“陆海空”三维AI抗疫战

“医疗AI的发展绝大部分都需要依靠企业和医院的密切深度合作，这样做出的AI产品的生命力才会更强。” 施秉银说，对于医疗AI企业而言，此次疫情是一个与医院合作的好机会。

当谈及AI技术在抗疫中的具体应用时，联影智能联席CEO周翔说：“AI技术在抗疫中的应用很全面，例如联影集团，此次就实现了‘陆海空’三维的AI技术应用， 在硬件、软件、云端都有实施 。”

联影集团为医院及时部署了数百台 CT 、DR设备。在医院以往的扫描过程中，CT技师必须要反复进出扫描间，不可避免地会与患者进行接触。 联影自主研发的“天眼AI平台”，搭载于联影全线CT，能对病人的身高、体型、位置等信息进行自动化识别，CT技师无需进入扫描间，通过隔室操控就可以完成扫描，大幅降低交叉感染风险。在“天眼”的帮助下，单台CT设备能够完成单日300名患者的大通量扫描，不仅如此，扫描范围和辐射剂量的调控精准度也能够得到保障。

疫情期间，联影智能还为全国的100多家医院提供了基于新冠扫描图像的uAI新冠肺炎智能辅助分析系统， 可秒级完成肺、肺叶、肺段以及病灶的分割，自动标记病灶，对新冠病毒感染病灶勾画重合率接近90%，全肺感染百分比量化误差小于1%，可将原先需要花费5至10分钟的CT阅片缩短至1分钟以内。此外，该系统可全自动匹配治疗前后影像检查的肺炎病灶，实现多次影像的同步比对阅片，方便医生对新冠病情发展的精细评估。

除此之外，联影还构建了一个跨地域、院际、科室协同的云端医疗资源共享平台，为医疗机构提供数据共享和分级诊疗等功能。这一智能云平台 连接了全国19个省市的1700多家医疗机构，覆盖超过1亿人，存储病例达4000多万个 。

“以往，医务人员对于使用这些AI产品普遍都不太习惯，大家更愿意使用传统的方式。”施秉银表示，“但本次疫情让医务人员不得不适应了改变。”

疫情使得医院也和企业有了驱动力更强、更加统一的目标，很多医院也积极寻求变革，寻找更优的抗疫手段。例如作为重庆抗疫主战场之一的重庆医科大学附属第一医院，在2月26日引入了推想科技的肺炎智能辅助筛查和疫情检测系统；武昌方舱医院也部署了云端AI医护助理、清洁机器人等多项AI产品，众多医院都向医疗AI企业敞开了大门。

医疗AI产品的规模化难题

本次疫情不失为医疗AI产品的助推器，但反观整个医疗AI行业，仍然存在很多“绊脚石”，保守的政策、“老大难”的数据，都让医疗AI产品在规模化的路上不得不放缓脚步。

2020年1月15日，国家颁发了第一个三类创新医疗器械注册证，耗时三年，科亚医疗终于获批。但不少行业人士分析称， 首个获批依旧不能全然摘掉医疗AI公司“认证困难”、“商业化能力存疑”的标签 ，医疗行业所具备的保守性和强监管的特点，使得医疗AI公司仍然面临着严峻的考验。

“规模化变现需要建立在产品成熟、过硬的基础上，拿证不是医疗AI公司成功的充分条件，只能算一个必要条件。” 周翔提到，美国R2公司开发的乳腺癌计算机辅助诊断（CAD）系统早于1998年就在FDA获批并上市，不仅其拿证的过程比较顺利，还说服了美国政府用医保来为其付费，但因为算法和产品做得不够精准和成熟，最终也没能为CAD打开一个规模化落地和盈利的新业态。

“关键是什么样的产品才是医院需要的。” 施秉银强调了三个院方衡量医疗AI产品的维度， “我们去看一个产品是否成熟，首先要看它是不是能真正解决问题；其次是能否大大解放人力；最后是否能达到一定的准确度。”

使得政策保守的另一个重要因素， 就是医疗数据对于隐私保护的要求极高 。2018年实施的《信息安全技术个人信息安全规范》中规定，收集和使用个人信息要满足公开透明原则和最小够用原则，而医疗AI需要信息的复杂性和成长阶段的巨大数据量明显难以满足这两个原则。

据外媒Securityaffairs报道，2019年，德国的漏洞分析和管理公司Greenbone Networks的专家就发现，包含着超过7.37亿个医疗放射图像的600个未受保护的服务器暴露于互联网，其中涉及2000多万人、52个国家的患者的隐私。今年四月，汇医慧影也被曝其公司系统疑似遭黑客袭击，大量医疗数据可能泄露。这些无疑都给医疗AI企业数据保密性的问题挂上了难挣的枷锁。

 “其实医疗影像AI公司并不需要病人的个人信息。” 周翔指出， 因为基于影像的AI算法学习的是疾病的共性，而不是每个病人的特性 。所以AI算法收集和保留的应该是“脱敏“的数据，这类数据是不包含病人个人信息的图像像素数据。如果严格实施的话，这些数据应该是对病人的个人信息安全没有影响的。 美国在这方面的制度和把控比较完善和成熟，这也为其境内大量医疗AI公司赋予了较大的“有约束的自由成长”的空间。“中国在这方面还需要更多的政策细化和精准支持。” 周翔建议。

而关于数据稀缺的问题，周翔认为：“笼统地说‘医疗AI公司缺数据’其实是不准确的。现在一些大众化的AI应用，数据和标注都已不再是瓶颈。 ‘缺数据’的痛点，是与一些其他疾病的多样化和稀有性相关的。 但我们行业并不能满足于几个大众化的应用，医生和患者的需求是多样的，因此我们还需要克服小众化疾病的数据和标注这个难点。” 而解决这个难点的根本方法还需医工结合——公司和医院能以合作和双赢的模式，不断开拓新的、有用的、过硬的AI应用。 

本文来源于亿欧，原创文章，作者：高雨杉。转载或合作请点击 转载说明 ，违规转载法律必究。