醫學影像人工智能產業化的現狀及面臨的挑戰

金興哲 張俊

摘要：人工智能（AI）技術的技術探索和應用一直受到世界各國長寬比的關注。整篇文章致力于對影像醫學行業人工智能的發展趨勢進行分析和未來展望。文章內容總結了當前影像醫學AI產業發展的政策優勢、技術方面、要求、經濟形勢等，分析了產業在之后的診療方式上可能發生的諸多變化。行業的發展。同時，整篇文章還客觀地強調了人工智能產業發展在技術落地、運營模式完善、市場需求等幾個層面的挑戰。期待社會各界積極擁抱新技術的應用，共同推動影像醫學人工智能產業鏈又好又快的發展趨勢。

關鍵詞：醫學影像;人工智能;產業化;現狀;面臨挑戰;

引言

人工智能技術并不是什么新鮮事物。早在1956年的達特茅斯會議上，人工智能技術的定義就已經公布并明確提出。 2016年，以AlphaGo在中國圍棋世錦賽上擊敗李世石為標志，人工智能技術進入了新一波的發展趨勢，成為政府部門、行業、科研院所和市場追求的目標，并且成為經濟體。全球化的新焦點。影像醫學具有標準文件格式的特點，非常容易獲取和使用。醫學影像數據約占醫學信息的90%。它是疾病篩查和治療最重要的信息來源。被認為是人工智能技術可以更快落地的行業之一。智能影像醫學利用人工智能技術，對X光、CT、MRI、超聲等常見醫學影像技術掃描儀圖像進行分析解析，并提供診斷輔助和提醒。文章具體描述了當前智能影像醫學的發展趨勢和挑戰，并明確提出了相應的建議。

1.智能醫學影像的意義

1.1滿足日益增長的診療需要

與英國、日本、法國、荷蘭、美國等資本主義國家相比，我國每千人醫師的相對密度，以及每千人醫療和助產專業人才的相對密度較低。 ;醫療資源的平均水平相對較低。 WAHL等人認為，人工智能技術在醫療資源不足地區的發展趨勢和應用，將充分發揮更高的發展潛力，有助于促進健康水平的提高。隨著我國經濟社會發展的發展趨勢，人民群眾的生活水平和身心健康觀念日益提高，各種健康體檢和疾病篩查的總數不斷增加，勞動者影像醫生的數量也在增加。我國放射科醫師的增長率僅為4%，而醫學影像數據信息的增長率超過30%。只用傳統人工閱片方式越來越難以滿足日益增長的影像科診療需要。

1.2減輕影像科醫生的工作負擔，降低誤診率

在影像醫師的長期工作量中，難以避免視覺疲勞、漏診、誤診等問題。根據中國醫師協會的一項誤診統計數據，我國臨床醫療診療總體誤診率較高，腫瘤平均誤診率較高。大多數這種誤診是由影像學引起的。人工智能技術永遠不容易疲倦，它可以成為影像醫生的右臂，提高診斷精度，節省看圖時間，減少無效勞動，使其能將時間投入更有價值的工作。

1.3加快分級診療的實現

底層診斷水平提高后，可以更好地將經過基礎檢查的患者留到基層醫療機構，將疑難雜癥患者送至其他人民醫院在高層進一步診治。級醫療聯合體，讓基層醫療機構得到治療。公司的人員和機器設備將得到最有效的利用，高水平的權威專家也可以退出基礎診療工作，在臨床醫學領域做大量的高端科研和自主創新。

2.面對的應戰

2.1政策層面

根據2018年生效的《醫療器械分類目錄》，醫療手機軟件設置按照醫療器械二、三類審核安全通道：如果確定的手機軟件是基于其優化的算法，給出診斷建議，只起到輔助診斷的作用，如果沒有立即得到診斷結果，根目錄下的相關產品按照第二類診療設備的管理方式;如果已確認的手機軟件根據其優化算法自動檢索出疾病位置，并給出既定的診斷提醒，則其風險性別等級較高，根目錄中的相關產品符合第三類醫療機械管理辦法。現階段，獲得三類證書的AI診療公司還沒有一家。我國食品藥品監督管理局（CFDA）已主動研究人工智能在影像醫學中的臨床醫學審評手冊。預計參考歐美國家的工作經驗，確保人工智能產品的安全系數應用，具有發展潛力的人工智能產品在臨床護理中快速迭代發展。在具體的應用領域，現階段沒有參考服務項目價格標準來提高衛生服務收費標準。醫院門診如果升級人工智能設備，將無法完成人工智能相關臨床醫療服務項目的收費標準。由于醫院門診購買AI產品的意愿低落，應用進程緩慢，AI行業的發展無從談起，AI科技公司也無法把握好身心的發展趨勢健康。

2.2限制于單病種，產品魯棒性有待進步

如今，智能醫學印記的應用僅限于單一疾病，需要單獨針對不同疾病進行優化算法訓練和統籌開發設計。如何針對不同疾病、不同形式的數據和信息，或多模態集成快速開發新產品是一項艱巨的工作。診斷準確性是智能醫療打印產品管理的核心功能。目前，智能醫療打印產品的功能主要參數大多來源于相對有限的數據和實驗室標準，受制于數據總量、缺乏象征意義等因素，應用于臨床醫療應用中。無序的縱橫比。實踐活動檢查功能不夠好，產品的可擴展性有待開發。

2.3作用不行解說，存在算法輕視

如今，廣泛應用于人工智能技術的深度神經網絡優化算法需要構建一個多隱藏層的神經元網絡。猜測過程是主要參數對應的測量過程。這個過程并不完全透明。因此，猜測函數并不容易解釋。深度神經網絡優化算法所用數據的不完備性，最終可能會導致得到的“規定集”出現偏差，從而構成“優化算法疏忽”的情況。優化算法的無知通常比傳統的對種族、性別和年齡的無知更難區分。

2.4技術層面

AI目前處于百花爭艷、家喻戶曉的境地。沒有統一的國際或國家行業標準。 AI實體模型訓練的一個重要環節——數據標注，室內空間也有非常大的可變性。標注的質量取決于被標注人員的專業技能和操作狀態的執行情況，甚至有的企業直接使用國外公布的標注數據導入實物模型進行培訓。這種做法可能會完全失去對標記質量的控制。因此，迫切需要出臺一系列國家標準，專門指導企業和定點醫療機構開展相關產品的科研、開發和設計。同時，臨床醫學疾病種類繁多，必須針對不同疾病進行人工智能產品的自主開發和設計。診斷數據形式多樣，形式多樣。在中后期，很可能包括遺傳學、病理生理學和檢測等多種檢查方法給出的不同形式的數據和信息。我們如何為不同的疾病開發和設計不同的形式？數據信息或新產品的多模態組合也是該領域的難題。

2.5行業環境

中國和美國現階段人工智能發展趨勢最為強勁，都已經將人工智能提升到戰略層面。隨著國家新政策的應用，醫院診所和醫生逐漸采取積極擁抱新技術應用的姿態。 AI技術在一定程度上接觸到特定產品后，對縱橫比表現出認可和希望?，F階段，患者對此事的定義了解甚少。普及教育要有過渡期，接受可能會漲價的新項目也一定要有過渡期。

2.6商業化進程

現階段，關鍵在中國醫學影像AI產品采用免費合作模式。雖然短期來看，醫院門診是有利可圖的，但從長遠來看，高質量的人工智能公司最終將因長期無法盈利而陷入困境。法律繼續向醫院門診部提供更強的商品，這也是對醫院門診部的一種損害。人工智能企業可以在符合各種法規、政策和法規的情況下獲得應有的商業運營收入，這有利于各領域的發展趨勢。

3.結束語

目前我國醫學影像產業深受關注，尤其是高端的影像設備，國家政策保障力度較大。與此同時，國內廠家的核心技術越來越成熟，產業鏈也日臻完整，不斷地侵蝕海外巨頭的市場份額，巨頭的技術瓶頸期也給國內企業提供了一個縮小差距的契機。國內AI在醫學影像中的應用熱潮，也給醫學影像的發展提供了一個新的方向，這也許是國內超越國外最有希望的一個領域。在AI醫學影像商業化落地方面，深度綁定醫院，從AI智能識別輔助診斷的服務中分取相應的收益也許是該產品能夠成功落地的方式之一。

參考文獻

【1】蕭毅，劉士遠. 醫學影像人工智能進入深水區后的思考【J】. 中華放射學雜志，2019，53（1）：2-5.

【2】中國食品藥品檢定研究院， 中華醫學會放射學分會心胸學組， 任海萍，等. 胸部CT肺結節數據標注與質量控制專家共識（2018）【J】. 中華放射學雜志， 2019，53（1）：9-15.