2020年9月18-20日，由中国医学影像AI产学研用创新联盟（CAIERA）主办的第二届中国医学影像AI大会在上海国际会议中心盛大开幕。
作为本次大会的战略合作媒体，雷锋网进行了全程报道。
本届大会以“AI助力健康中国”为主题，吸引国内外数千名政、产、学、研、医及AI产业界代表参会。在第一天的开幕式上，中国医学影像AI产学研用创新联盟理事长、大会主席刘士远主任在现场重磅发布了《医学影像人工智能2020发展报告》，总结了2018年首届医学影像AI大会以来的最新行业变化与趋势。
作为医学影像AI的前瞻者，刘士远主任一直关注并积极推动AI产品的试用与反馈。《医学影像人工智能2020发展报告》中，共提及了行业的七大趋势。其中一点在于“整体解决方案平台化，提升临床使用效率”。
刘士远主任在接受雷锋网采访时，对这一要点作了进一步阐释：未来的趋势在于，是在信息化系统或者设备工作站系统中整合各类医疗AI应用，通过一个统一的入口来提升医生的工作效率，提升临床医生、影像医生的使用获得感。
当然，解决这个问题的核心，还在于医院领导和信息化部门的思维创新，即开不开放信息化系统的接口；以及如何辨别不同医疗AI产品的差异性。而第二点，这就回到了产品考核体系的问题——建立一些客观的行业标准。
标准，一直是医疗AI行业数年来一直讨论不断的话题。
围绕数据库建设和行业标准的问题，刘士远主任非常健谈：“现在行业缺少的就是标准，每个环节都是。虽然已经有企业拿到三类证，但是这仅仅是一个开端。进入临床以前，任何一个医疗产品都要有效果考核体系，要考核有效性、安全性、稳定性。”
在今年几款医疗AI产品获批的条件下，刘士远主任预判：在进入临床应用之前，医管局将会进一步加速评价体系的工作进度。
然而，从微观层面来看，肺结节、冠脉、脑肿瘤，这些不同病种的评价标准不一致，数据库建设的维度很多、难度很高。因此，完成这件事情需要依赖行业协会的核心专家，如果没有核心专家的参与，标准的制定很难符合实际情况。
除了监管和行业协会，从几年前起，不同的医疗AI公司也组织相关人力，对医学影像数据进行梳理、标注，形成了一个个的小数据库。但是，这样的数据库有若干问题：一、数据的采集、标注数据的质量如何界定？二、数据采集的合法、合规，是否存在“灰色地带”？
当然，这只是在数据采集阶段面临的一些难题。
除此之外，在产品的研发环节、验证环节、使用环节的标准都需要建立。这是因为，数据库系统建设是一项庞大的工程，需要逐步推进；其次，AI产品具有特殊性，本身的性能表现也具有波动性；再者，产品的敏感性和特异性是“一个跷跷板的两端”，评价AI产品的性能也是一个动态的过程。
所有的一切都在变化，这就需要数据库建设的参与者，做好“持久战”的准备，不断更新思维、更新方法。
刘士远主任表示，数据库建设是人工智能发展的一个核心问题。虽然人工智能的算法、算力在不断进步，但是数据永远是硬道理，数据库的建设是一件“非做不可”的事情。
“高质量标注的数据，一定是AI上下游所最需要的，也是政府监测、检测、评价所需要。”
基于这样的考虑，2018年，刘士远主任就曾牵头建设一个带有“示范性”和“实验性”的库，其中包含600多例放射影像数据。
他坦言，这个库只是基于CT的肺结节小样本影像数据，更多的是摸索、试验并掌握建库的方法、路径和标准。而今年启动的肺结节数据库建设，则是由卫健委相关部门主导，希望从数据模态、数据规模和数据维度上完全不同的数据库。
据雷锋网(公众号：雷锋网)了解，目前卫健委放射影像数据库的第一个立项是肺结节数据库，未来冠脉、脑肿瘤、乳腺、肝脏都会单独立项。刘士远主任表示，未来形成的数据库将具备大样本、可挖掘、可拓展、多样性的特征，真正符合数据库建设的需求。
“数据库是国家战略资源，需要行业上下游贡献力量，尤其是掌握数据且具备制定标准和标注规则的细分行业医生，更有不可推卸的责任，最终建成后医生也会成为最终的受益者。比如放射影像数据库，需要全国的放射医生本着责任性和情怀，不仅要积极参与标准和标注规则的制定，也要积极参与贡献数据，一旦建成十多个亚专业方向的数据库，其战略价值不仅是人工智能的应用，还可以用于多中心科研、医生的继续教育以及人才培养；它的价值也不只是全国性的，更会是全球性的。”
以下为刘士远教授的大会演讲内容，雷锋网做了不改变原意的编辑和整理
刘士远：中国医学影像的发展，经历了十年的深耕，到现在为止发生了很大的变化。
宏观层面。在新基建的背景下，基于“5G+AI+数据中心”的建设，将会促进各个行业打破天花板。同时，国家科技部也鼓励所有的人工智能企业，与现实场景进行深度融合。
学术层面。中国的学术研究热度呈逐年上升的趋势，放射组学、深度学习、临床应用和大数据成为持续的热点、人工智能科研力度不断加码，理论积累与技术落地齐头并进、同时运转。
据《中国新一代人工智能发展报告2019》显示，我国AI论文发表量全球排名第一。特别是近五年来，医学影像AI的相关论文逐年增加，共发表文章6000余篇，中国以19.857%的占比仅次于美国的35.117%，位居世界第二，相关的研究领域集中在神经、胸部等方面。
技术层面，深度学习的方法不断取得突破：从深度神经网络，循环神经网络和卷积神经网络，再到生成对抗网络。
另外，图神经网络，基于其规则性和无序性的两大特点，能很好发现实体之间的依赖关系，可以在社交网络、推荐系统、金融风控、分子化学和知识图谱等领域产生巨大价值。
这也让图神经网络成为新的研究方向。
此外，还有计算和数据结合起来的新的算法和进展。大内存计算提升了数据处理性能，开始崭露头角，其工作原理是内存融合基础架构（MCI），将内存计算和数据存储合二为一，能大幅提升数据处理的整体性能，解决海量数据对IT的挑战。
目前，人工智能已从感知智能向认知智能方向发展和迈进。
在原来的感知智能阶段，深度学习要依赖海量标准标注数据，且中间过程不可解释。现在，以迁移学习、类脑学习为代表的认知智能研究热度在不断攀升，与传统深度学习不断融合，助推人工智能向认知智能过渡。
中国初创AI企业2012年开始增长， 2015-2017年快速增长，2018年达到顶峰。现阶段，初创的企业越来越少，由于疫情等诸多因素的影响，2020年前半年成立的AI企业是2019年全年数量的12%，人工智能的创业机会从窗口期开始迈入尾声阶段。
这表明，初创企业原始技术积累基本完成，重心将加速向场景洞察和方案落地转移。
以上情形都表明，通过前期的发展，我们的初创企业已经进入到落地或者是成熟的环节，而抗击疫情进一步促进人工智能多场景快速部署，获得正性反馈。
未来，随着人工智能逐步走向成熟，历经时间考验的AI企业，将真正释放AI的价值。
另一方面，资金现在进入到理性投资的阶段，总体上，AI私募投资趋于饱和。
数据显示，2019年仅为2018年的30%。今年1到4月，AI企业种子轮/天使轮的投资事件仅占2019年的34%，大家更加关注有成长性人工智能企业。
早期成立的AI企业在技术、产品、资本的助推下，落地场景和商业形态基本形成，发展路径逐渐清晰，高成长性逐渐形成。
同时，截止到2020年4月，人工智能企业里有十二家企业成功登陆科创板。科创板的创立，有效形成了私募市场和二级资本市场的衔接，让人工智能企业得以持续资金注入进行发展，释放创新活力。
在新基建方面，5G+云计算+AI深度融合，打开行业成长的新空间。
到2025年，我国预计建设5G基站500万到550万个。国务院发展研究中心发布的《中国云计算产业发展与应用白皮书》预测，到2023年，我国政府和企业上云率将超过60%。
5G负责对数据进行高效的传输，云计算的强大算力对数据进行存储、计算和服务，AI负责对数据进行分析和挖掘，5G+云+AI三者相互协同，将打破众多行业发展天花板。
在应用层面，疫情发展促进了人工智能企业的落地。今年受到疫情的影响，政策层面也加速出台了AI医学影像相关细则，AI影像辅助诊断的三类注册证陆续签发，院端对AI医学影像产品的合作意愿及要求均在提升。
现阶段，院端付费集中在三级医院，渗透率大概是4.5%-7%。随着产品价值不断被认可，医院付费意愿提升，2023年渗透率或达到15-20%。
AI类产品价值的体现将在基层实现最大化。然而，我国基层卫生人员水平有限，基层AI医疗产品的落地和规模化将是长期过程。
因此，对基层卫生人员进行相关培训，才能提升人工智能企业未来落地场景的泛化。
从统计数字来看，人工智能的初创企业有57家，加上传统的企业，共有100多家企业从事人工智能的研究，他们都有各自的领先优势，有三、四家企业已经获得认证。
其中，推想获得FDA认证，另外一些企业获得了欧盟以及日本的各种认证。这些认证将促进各种产品在国内以及国际市场上的落地和应用。
而AI在医学影像领域的应用，一是集中在临床工作流程的优化上，包括扫描、检查、图像处理以及扫描过程。
其次是围绕疾病诊疗的产品和应用，针对诊疗难度较大的胸部、神经、冠脉疾病等的AI产品将会越来越多，而且使用的场景也越来越接近真实需求。
比如，医院对肺结节AI模型的使用。长征医院在2017年的利用率还是在60%左右，2019年达到70%。今年疫情结束后，点击率基本持续保持在80%以上。这些数字表示，临床医生欢迎且愿意使用好的产品、解决问题的产品。
未来，医学影像AI产品的趋势将是以患者路径为核心，融合多模态的数据和先进的算法技术，覆盖全流程的决策环节。
具体分为以下七个方面的趋势：
产品发展趋势之一：产品领域和种类、病种向产品多样化扩散，病种从胸部、神经拓展到各个身体部位。
据亿欧智库不完全统计，截止到2019年5月，全国57家AI医学影像公司中，以影像诊断为主要业务的已占到77.1%。
产品发展趋势之二：产品功能垂直度加深。
从检出、分割、量化、分类、诊断、疗效评估到治疗决策，包括结构化输出，能提供一站式多维度的信息。
比如冠脉CTA智能诊断系统，不仅可以做影像后处理，还可以写初步报告、复审和打印，每个环节都可以很好地解决临床的痛点。
产品发展趋势之三：单任务模型向单部位多任务模型发展。
单部位多病种检出，更加接近医生的日常临床工作模式，大幅提升了医疗的效率、准确性和标准化。
产品发展趋势之四：软硬件一体化是人工智能技术落地的必然发展方向。
一方面，AI算法与硬件融合不仅突破硬件物理局限，提升智能密度（单位面积算力）。同时，增加软件使用临床感受，改善软件功能，促进落地。
产品发展趋势之五：AI嵌入全流程，助力打造诊疗闭环。
AI医学影像辅助诊断结合AI导诊、AI预问诊和AI预后康复等功能应用，向着医疗完整流程应用发展。
产品发展趋势之六：整体解决方案平台化，提升临床使用效率。
平台化使得很多产品在医院和科室的平台上有一个统一的入口，使用方便且减少无效的操作，提升临床工作的获得感，使用的便捷性是未来传统设备厂商、信息化厂商需要进行投入和考虑的事情。
产品发展趋势之七：云端部署，拓宽医疗边界，落地分级诊疗。基于AI新基建的方法，促进线上线下一体化发展，加快基层落地。
未来，我们需要建成一站式放射科全流程人工智能使用平台。现阶段的痛点是AI厂商多，服务器及产品存在孤岛效应，结果展现也不规范，流程集成度低。
此外，结构化报告使用不足且不统一、不规范，各医院模板有差异，缺乏标准。希望今后有经过认证的AI产品进入临床，通过结构化报告给临床提供更多信息，形成放射科AI的绿色生态工作环境。
现今，医学影像AI的发展依然面临多方挑战。
在产品层面，需要更多符合临床使用场景的产品，以及配合各产品的检测库；
监管层面，需要对产品定义和分级，制定临床验证规范的方法；
商业层面，产品分类、分级、定价以及付费主体都是需要考量的因素；
安全层面，数据亟待规范，包括数据的安全性、合法性，符合伦理要求；
医院层面，AI产品要符合医疗的准入规则、需要建立临床评测标准和体系。
需要重点指出的是，相关上下游的专家，编写了《中国医学影像人工智能发展报告》，其中，包括了术语、数据、算法、算法热点、质量与控制、产品临床验证、产品监管临床应用现状、产业化现状、教育需求，以及伦理要求等。
现阶段，人工智能增长是第一位的，未来无论地位是否下降，但是人工智能的决策、诊断、用于院前院后服务的全流程一定会成为未来趋势。
今年是监管部门集中发三类证的一年，明年将有更多人工智能企业落地到临床使用，相关行业协会要配合政府部门来做进入临床环节的AI评价体系，也是需要提上议事日程的关键一年。
作为行业协会和相关的部门，我们也愿意一起制定相关的进入临床的有效性、安全性、风险伦理等等的工作。
目前，AI只能解决部分问题，临床工作主体依然是医生，但AI已经显露出作为医疗助理的强大潜力。隋着技术的不断进步，未来的发展趋势一定是人机融合、交互，发挥更大作用。
这就需要政、产、学、研、用各个方面共同努力，打破相互之间的壁垒，实现各方环节的突破，才能推动整个产品和行业的发展。
。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/76800.html