做人工智能覆盖700家病院总结4大年夜商业化窍门赚钱才是硬事理！_病院_数据

2024-11-21 14:53:39 文字写作

撰稿：贾宁

做人工智能覆盖700家病院总结4大年夜商业化窍门赚钱才是硬事理！_病院_数据文字写作

在当代医疗中，影像科年夜夫利用CT、核磁共振、X光、超声波等各种医学影像技能，对电影进行判读、阐明与诊断，方便临床年夜夫进行下一步的决策。

AI浪潮还未起来的时候，已经有一些人在思考：机器可以识别人脸、猫脸乃至猪脸，那么它能否准确识别医学影像中的病灶？能在医学诊断决策中做到什么程度？

2015年初，柴象飞离开斯坦福大学医学院附属医院，结束了长达12年的医学影像学术生涯，创立汇医慧影，想对这个问题一探究竟。

01 做事，医疗真正的缺口

拜访县医院、职工医院等基层医院，汇医慧影创始人兼CEO柴象飞创造，基层医院存在拥有设备但缺少精良影像年夜夫的问题，误诊、漏诊较多，准确率普遍在70%旁边，剩余30%都是有争议或者漏诊。

他认为，图像识别技能已经成熟，利用AI赞助临床诊断，改进误诊、漏诊问题是可行的。

2015年6月，北京大学第三医院做移动查房系统整体办理方案，汇医慧影供应了个中影像部分的办理方案，通过影像云软件，可进行数据调阅、剖析。
随后，又落地河南、新疆、山东等区域。

经由3年景长，汇医慧影现有的产品架构是：底层供应影像云平台、数字胶片，中间层供应临床AI诊断云平台和用于科研的放射组学、深度学习云平台，上层才是AI赞助诊断、远程会诊、量化报告等做事。
底层的云平台搭载AI能力、算法能力，实时更新。

▲汇医慧影智能诊断界面图

汇医慧影联合创始人兼COO郭娜先容，2016年4月，汇医慧影AI赞助诊断落地。

目前有700多家医院在利用汇医慧影的AI产品，个中280-300家是三甲医院，其余有500家基层医院，二甲医院居多。

采取这样一个产品体系，而非单一的赞助诊断产品模式，也是现实倒逼的。
柴象飞向新经济100人提到，他最多的韶光和最痛楚的事都花在思考计策上，「常常到半夜就惊醒过来」。

从长期目标来说，汇医慧影希望通过AI来帮助年夜夫做影像诊断、决策。
但在系统未完善前，汇医慧影看到基层医院信息化水平普遍较弱，为医院搭建云平台，帮助实现远程诊断。

美国的医学影像诊断依赖独立的第三方影像中央运作已是主流。
中国政策也在提倡这种做法。
柴象飞希望参考美国模式，建立独立第三方影像中央。

在一段韶光实践后，他创造这种重资产模式并不适宜一家初创公司，其次，还有一些现实方面的问题，比如国家并没有把诊断费作为单独收费项目列出来，一次核磁共振检讨费480元，是包含了年夜夫的诊断用度。
而在美国，靠做事收费，年夜夫的知识和韶光最值钱，海内看病、诊断费钱少，检讨、卖药用度高。

「这种模式在现有的医疗体系里，变现是有难度的。
由于中国医疗对人力的节约没有那么敏感。
这导致了医院没有太大动力购买优质做事。
任何B2B买卖，最大的逻辑便是你能不能帮他赢利或者省钱。
」柴象飞说。

创造方向不对，2016年初柴象飞开始向一二线城市大医院推进项目：北京大学肿瘤医院、深圳市公民医院、浙江第一医院、山西省第二公民医院等。

给医院安装了做事系统，不即是年夜夫就有动力利用。
只是大略提升效率，代价不大。
柴象飞又转头探求年夜夫真正的问题是什么，结果创造：

第一，诊断能否给到临床决策；

第二，通过影像数据的挖掘能否变成研究课题，继而运用于临床。

许多疾病须要影像年夜夫做出决策，表示出自身专业水平：例如要不要放支架、如果放支架有什么副浸染、如果选择守旧治疗，哪里可能会分裂等。

三甲医院和基层医院在同样疾病上，愈后差别也很大。
301医院血管外科做主动脉夹层手术，一半是在为从其他医院过来的患者做二次修复。

汇医慧影将云平台的影像诊断环节放入单病种决策流程中。
例如在和301医院血管外科主任郭伟的主动脉人工智能精准诊断和赞助决策的互助项目中，机器可自动提取血管做直径、长度的丈量，标注破口，再根据过去十几年的几千例数据和愈后随访，让机器预测疗效，对治疗选择给出更准确的判断依据。

「中国医疗设备增长非常快，但医疗做事跟不上。
做事有赖于人力，而这方面人才缺口很大。
无论用什么技能，AI也好，大数据也好，终极都是要变成做事，这是中国真正稀缺、真正有代价的东西。
」柴象飞说。

02 数据，AI的战役

AI的战役，不如说是数据的战役。

柴象飞还在斯坦福时，数据非常易得——基于研究目的，内部医院是洞开的。
当他考试测验在美国创业时，数据就成为壁垒，想要获取代价非常高。

「最大的问题便是所有公司都没有数据，没有数据，有再多的AI专家也没有用。
」

他认为，中国医院对新技能的开放程度超过了美国，数据体量也更大，为AI公司在医疗领域创业供应了温床。

▲汇医慧影创始人兼CEO柴象飞

单从医院得到数据还远远不足。
「持续得到高质量的精标注数据，是公司在这个领域长期制胜的核心竞争力。
」柴象飞说。

就像人脸识别须要大量人工标注，见告打算机这是鼻子、那是眼睛。
医学影像也是一样，不把病灶标出来，打算机也演习不了。
但是，人脸识别请一群普通人就能操作，医学影像必须让经由专业培训的年夜夫标注。

雇佣年夜夫有偿标注，也未必准确。
由于医学影像是持续验证的过程，两个月后病理活检情形、一年往后病愈情形都须要跟踪标注，而这些数据又极度分散、私有化。

汇医慧影首先从肺结节的影像诊断切入，市情上大多数医疗影像AI诊断都是从肺结节切入。
这是由于：

第一，肺癌在中国发病率、去世亡率排名第一；

第二，肺结节的数据比较随意马虎通过公开网络找到，例如LIDC数据库供应胸部医学图像文件(如CT、X光片)和对应的诊断结果病变标注。

经由三年积累，除了肺结节以外，汇医慧影在心血管、脑梗、骨折等七八个病种上供应AI赞助诊断。
其数据来源紧张有两种路子：

一种是患者个体每次检讨产生的数据。
汇医慧影与200多家医院互助，打通数据共享，已经超过100万例，并且以每天几千例数据的速率增加。

另一种是精标注数据，即柴象飞所说的「核心竞争力」，约有5万例。
它紧张产生于汇医慧影为年夜夫供应的科研平台。

这是一个影像大数据的科研平台。
平台供应了大量工具，包括算法、打算能力以及支持团队。
年夜夫只要把数据传上来，做标注，供应信息，就能帮忙年夜夫更方便地进行科研课题管理。
现在已经有200家三甲医院在利用。

这5万例数据包括病理数据、临床数据、影像数据、随访数据等全流程的数据，乃至包括基因数据、免疫组数据。
年夜夫通过科研平台勾画标识，进行建模、打算。

03 产品，机器的哺喂与进化

柴象飞博士后导师、斯坦福大学医学物理部主任、终生教授邢磊，是汇医慧影首席顾问科学家，通过产学研转化加速团队产出，他本人也成为汇医慧影吸引人才的一块金字招牌。

当时还在西门子做科研互助的左盼莉（现汇医慧影产品总监）一听邢磊在，「没得商量就跑过来了」。

斯坦福大学放射组学在环球排名第一。
放射组学采取大数据维度的剖析方法和手段，融入患者的影像信息、临床信息等，做出量化诊断。

邢磊一贯希望将他实验室的科研成果运用于临床，他和柴象飞对放射组学进行了产品定义和设计。
左盼莉加入后，接手了放射组学的产品化落地，经由4个多月的打磨，放射组学云平台于2017年5月正式上线，目前已经对接了七八百家医院。

汇医慧影的放射组学云平台和飞利浦、GE都有互助，将剖析软件供应给对方，医院利用飞利浦设备时，即可利用汇医慧影的放射组学剖析软件导入影像数据、临床数据，做量化剖析，通过机器学习天生赞助诊断、疗效评估、愈后预测等结果。

左盼莉所属的团队卖力图像处理，做图像前处理和后处理，大略地说，前者便是把图像处理成机器能明白的东西，「喂」给机器学习，后者是把机器「吐」出来的东西经由加工，让人看得明白。

汇医慧影的算法团队除了图像处理以外，还有专做深度学习、专做大数据剖析的。

「肺结节病灶的形态、分类有限，但肺部疾病是繁芜的。
」汇医慧影首席算法工程师顾一驰说。

算法演习的紧张难点是对肺部小结节的识别。
结节大到30毫米，小到1毫米。
随着结节略小，机器识别率也随之降落。
机器对大结节的检出率能达到90%，小结节只有80%。
一样平常来说，年夜夫识别率都在90%以上。
对不同大小的结节达到同样高的检出率，这是深度学习方法的一个难点。

算法紧张基于病灶的统计剖析，采取Unet神经网络和条件随机场模型，通过深度学习的卷积神经网络来实现。

例如肺结节的肺部CT数据，一个3D的数据，大小在512×512×（100~400）。
对这样一个大的数据，紧张进行数据的预处理，预处理包括分辨率、图像噪声的归一化以及图像整体识别，比如识别肺部心脏气管的位置。

之后把演习好的AI模型，利用到预处理之后的图像中，判别这个图像中有没有结节，如果有的话机器会把位置标注出来。

「肺结节检测软件中，我们会采取智能检测和人工校正相结合，采取敏感性高的模型，可以最大限度减少漏诊率。
」顾一驰说。

临床诊断抱以「宁肯判错，不可放过」的态度，看重准确率、敏感性，纵然假阳性率高一点也无妨。

根据医院供应的CT样本数据，结节大小不同，诊断准确率略有不同，目前汇医慧影在肺结节上的准确率最高可达到95%以上，敏感性靠近95%，3mm的肺结节检出率可达到85%。

在利用过程中，大约有50%-60%的年夜夫会参与修正，这又反哺机器，使其变得更「聪明」，下次输出的结果更精准。

柴象飞称，利用汇医慧影的AI赞助诊断，能提升40%的阅片效率。

除了准确率以外，顾一驰还希望能够提升输出速率。

作为汇医慧影重点开拓的产品，骨折影像的检测方法采取目标检测，肺结节采取图像分割。

图像分割是像素级分割，给图像多种定义，检测出多种物体，每个物体都编上号，比如把结节部分编为1，把非结节部分编成0，全体CT图像分割成0和1的图像矩阵。

目标检测是在立体的图像中，选出结节所在的位置，用一个立方体的方块来代表它，比如它的横坐标是200~210，纵坐标是100~120，Z轴是50~60。
目标检测便是要找到这个病灶所在的立方块，用几个像素标识它。
以是目标检测和图像分割比较，简化了输出结果，打算繁芜度大大降落。

AI算法组还将整合多种医疗数据，研发肺部CT的智能赞助诊断系统，包括肺癌诊断、多种肺部疾病检测，实现强监督和弱监督学习的领悟，传统机器学习和深度学习的领悟，提高智能检测准确率。

2017年8月31日，国家食品药品监督管理总局（CFDA）发布了新版《医疗东西分类目录》，新增了与AI赞助诊断相对应的种别，在目录中详细表示在对医学影像与病理图像的剖析与处理。

若诊断软件通过算法供应诊断建议，仅有赞助诊断功能，不直接给出诊断结论，则报告二类医疗东西，如果对病变部位进行自动识别，并供应明确诊断提示，则按照第三类医疗东西管理。

第二类东西有临床试验豁免目录，诊断软件报告是否能够享受豁免，CFDA还没有做出详细的规范。
第三类医疗东西是须要做临床试验的。

各个医疗AI公司要打通医院采购这条路，就必须得到CFDA认证。

现在，汇医慧影已经拿到了一个二类医疗东西注册证，有四个三类同时在走流程，报批上去已经开启临床验证阶段。

柴象飞说：「拿到这个证，才叫产品。
以是，我们武断花了大量投入在做这件事。
」

04 落地，不能靠「免费」

医疗是很多AI公司不愿意碰的领域，由于「太慢了」——研究慢、审批慢、临床试验慢、商业化落地慢，赚不了快钱，赚不了大钱。

不少互联网创业者看待医疗，看不懂，看不透，以为医院刻板守旧，有一道厚厚的围墙。
反过来，医院看互联网创业，也是疑惑的态度，整天AI挂嘴边，靠谱吗？

关键在于破开那堵墙。

▲汇医慧影联合创始人兼COO郭娜

进行陌生拜访时，汇医慧影联合创始人兼COO郭娜只有5分钟韶光。
她要在这五分钟内，打动院长或者影像科主任。
谈成了，才有了接下来的半小时、一小时，乃至往后的互助。

死活就在这短短的五分钟。

汇医慧影早期项目都是郭娜和柴象飞自己去争取的，「一家公司创始人、联合创始人都冲上去打单子的时候，公司氛围便是所有人以客户为中央。
」郭娜说。

2016年，郭娜、柴象飞航班里程不下15万公里，相称于绕赤道近4圈。

他们拿下的标杆客户之一是郑州大学第三附属医院。
该医院以及河南180家妇幼医院组成的医联体，有两大需求：

第一，基层医院影像须要上级医院帮忙支持；

第二，宫颈癌、骨龄等检测事情，由机器来做初审，节省大量人力。

医院希望跻身全国妇幼第一梯队，在积极构建大数据和AI驱动的影像链条。

不下二十次的拜访、历时半年，汇医慧影终于和郑大三附院、郑大五附院达成互助，开始运转，现又开始往180家医院铺设系统。
完成后，汇医慧影平台和医院所有影像系统进行全流程对接，骨龄等检测先由机器做自动检测，替代年夜夫初审。
同时，患者也可以拿到原始的数字影像和诊断结论。
如果患者须要做随访管理，就可持续跟进。

这相称于在河南这一医联体里打造了一个独立的第三方阅片平台，基层医院碰着疑难影像直接乞助上级医院。
这也顺应了国家实行的分级诊疗，患者在基层医院拍的电影，到省级医院就诊可同步调阅；在省级医院做完诊疗，病历信息也同步到基层医院。

在此根本上，汇医慧影还做了病例的网络、整理、剖析平台，建立宫颈癌、儿童脑发育等研究课题的病例库，持续进行智能化学习、更新模型，将系统化工程良性运转起来。

这个智能系统，能从医院1000张剖断「正常」的胸片里，筛出4-5张漏诊的胸片。
并且，在宫颈癌、小儿脑发育等领域供应更精准、可量化的报告。

经由一年多摸索，汇医慧影建立起相对标准化的发卖流程，打下700多家医院的互助根本。
2017年底，GE医疗出身的高荣强开始将业务在全国铺开。

目前，汇医慧影以北京为核心，对高铁五小时抵达的区域进行深耕细作，更远的区域通过渠道分销的模式进入，全国已经有100多家代理商。

一些医疗AI公司采取「免费」的模式将设备送进医院，唯一哀求是两年内不能撤换下来。

汇医慧影发卖总监高荣强说：「免费便是最贵的，免费意味着可以不负任务。
医疗不能像普通互联网公司那样，先免费做到垄断，把流量做大了再剪羊毛。
」

「如果免费的不能供应优质做事，末了大家摧残浪费蹂躏了一两年韶光，没有在AI浪潮中成为排头兵，这对医院来说是摧残浪费蹂躏。
」

AI家当有着巨大的泡沫，商业化是最大的痛点。

柴象飞在接管新经济100人采访中，反复提及产品化与商业化。
「第一核心技能，第二产品化能力，第三商业化能力，这三点缺一点，你都没有办法生存。
现在，大多数人最主要的事，还是如何把技能变成产品，商业化还远远未到做的时候。
」

柴象飞在2016年花了一年韶光做发卖，「由于只有这样，你才能精确认知行业，精确认知变革。
否则，很随意马虎飘在空中，得到的信息都是不真实的伪需求。
在泡沫中，你会被冲昏头脑。
」

中国医疗是一个利用者和决策者分离的市场，有一整套繁芜的采购流程、供销流程和流利环节。
医院对核心技能哀求很高，创业公司既要懂医疗，也要懂AI算法。
激烈竞争中能够制胜的关键是把技能、产品和发卖串起来。
而现在大多数公司，每每强于一个点，却很难将它们都逐一做到。