AI進醫院困難重重，帝維達卻要借人工智慧彎道超車
距離2018年農曆新年還有四天，閆維新和三位同事一起，窩在上海仁濟醫院放射科的一間小屋內忙活項目。這位上海交大機械與動力工程學院博士生導師，另一個身份是帝維達創始人，他每個月近一半時間都會呆在醫院裡。
帝維達成立於2015年，專註於液體活檢的檢測儀器和試劑，「我們的產品主要應用於心腦血管疾病和腫瘤，這兩類疾病都離不開兩樣：影像和多組學例判斷。」看似和人工智慧關聯不大，但閆維新卻將自己做的事情比作中國版人工智慧醫生，在帝維達的商業鏈條里，人工智慧扮演著舉足輕重的角色。
「好用早用了」
2013年，閆維新認識了原騰訊數據平台部技術總監廖煥華和浙江大學醫學研究院牛田野教授，三人一拍即合，便帶領著研究團隊一起研發醫學影像AI系統「阿爾法醫生」。
「雖然現在病理是判斷的金標準，但我覺得未來病理的趨勢會越來越弱下去，醫學影像是趨勢。」閆維新的判斷基於兩點，一方面醫學影像可以減輕病人痛苦，另一方面原來醫學影像讀出的信息有限，現在通過醫學影像組學可以讀出更多的信息，做出更為精準的判別。
浙大醫學院附屬邵逸夫醫院為研究團隊提供了上萬張直腸癌核磁共振影像圖，由醫生勾畫出腫瘤區域，然後再將這些影像數據供機器學習，經過十餘萬次迭代，阿爾法醫生能識別直腸癌、皮膚癌等疾病。研究團隊還曾與交大醫學院附屬第九人民醫院合作，讓「阿爾法醫生」根據影像識別診斷血管瘤等六種皮膚病，準確率高達99%以上。
「科研做的高科技，市場未必需求，需要建立個橋樑」，閆維新坦言，2015年研究成果進入醫院時卻面臨著兩個尷尬的現狀。根據當時的政策規定，基於人工智慧技術的醫學影像系統不在醫療器械名錄內，所以「阿爾法醫生」無法取得醫療器械註冊證，不能上市銷售。
這種尷尬並沒有將創業者和資本攔在門外。從Waston、機器人到醫療影像AI，人工智慧進醫院早已不是新鮮事兒。據鈦媒體潛在投資統計，僅2017年，醫療影像AI領域有24家公司獲得融資，融資總金額共計43億元。
2017年8月31日，國家食品藥品監督管理總局（以下簡稱CFDA）發布了新版《醫療器械分類目錄》，新增了與AI輔助診斷相對應的類別，在目錄中具體體現在對醫學影像與病理圖像的分析與處理。
這一政策的發布似乎為醫療AI參與者提供了一塊敲門磚，但即使能夠銷售，根據公立醫院相關規定，人工智慧醫生要為患者提供有償服務，必須有物價部門核定的收費編碼，但收費標準還缺少統一的政策指導。據媒體報道，以IBM Waston為例，其在國內是通過市場化代理機構向腫瘤患者收費，使用醫生不同收費標準不同，一次服務費用最低是千元。由於「人工智慧讀片費」不在診療收費項目名錄內，也考慮到安全性等綜合因素，許多醫院仍然沒有動力購置使用人工智慧。
「仁濟醫院放射科約有180人，一天的門診量將近3000人，我算了一下，人工智慧一天能幫他節省30%的人力，一年是千萬級的，但為什麼沒有用呢？是不好用，好用早用了。」閆維新舉的這個例子，透露出人工智慧進入醫院後尷尬的另一面，除了政策的束縛外，AI落地到醫院使用場景時也問題重重。
以乳腺癌篩查為例，篩查方式包括了乳腺X線攝影、臨床體檢、自我檢查、超聲檢查、磁共振檢查等，僅通過圖像來判別是不夠的，「影像AI的缺點是不實用，就像是幫助臨床醫生勾勒出簡單的粗暴的活，只是幹了影像科醫生初期的活，真正後期的臨床科醫生要乾的活，沒有。」閆維新坦言，雖然圖像處理是人工智慧很重要的方向，但僅圖像處理並非真的意義，「目前對於人工智慧這個六七歲的小孩要求不能太高，還需要醫院和學校這種研究層級來進行深入研究，研究出一些關聯性，而不僅僅是看片。」
彎道超車
在人工智慧「長大」之前，閆維新繞了個彎，以腫瘤細胞篩查檢測為主線，結合病理狀態、分子生物學、以及影像學等，在檢測的各個環節中探尋商業空間。
在回上海交大做老師之前，閆維新的一次創業經歷便與醫療檢測儀器相關。2008年，美國為NASA研發製造了一款移動生化分析儀，並研發出獨有的Orbos微流控技術，將生物化學中所涉及的血液採樣、分離、稀釋、製備、反應、檢測等基本操作單元集成在微晶元中。與當時龐大的生化分析儀相比，小巧快捷的移動生化分析儀具有革命性意義。
借鑒這個方式，閆維新於2008年在深圳註冊了一家公司，做微流控晶元生化分析儀，「早期生化分析儀很大，我們做的很小，那是我第一次創業，當時聯想給了最大的一筆天使投資，後來股份賣掉我就離開回學校當老師了。」
從創業者變回老師，閆維新的選擇出於幾個考慮，「微流控是比較好的方式，不過受制於成本，比較適合做高質的IVD檢測（鈦媒體註：體外診斷），而不是生化檢測，這是我的一個教訓；以IVD的核酸檢測與微流控相結合，檢測的時候一定會涉及到腫瘤和心腦血管疾病，對腫瘤而言，腫瘤樣本準備完之後需要依靠大量且繁複的人工進行辨識，因此需要切入人工智慧。」
在醫療影像AI進入醫院困難重重時，這段經歷為帝維達轉身將AI應用到腫瘤辨識上做了鋪墊。
基於腫瘤篩查過程，現階段帝維達會在三個步驟內展開布局。第一，通過微流控晶元技術實現對腫瘤樣本的獲取，這樣可以借鑒傳統的CFDA註冊證中的對樣本的處理名錄獲取註冊證，解決進入醫院的難題；第二，獲取的樣本不適於直接觀察，需要進行一系列處理才能進行影像學的觀察，因此樣本處理至關重要，相對應的樣本處理耗材必不可少；第三，腫瘤樣本獲取並處理後，必須對圖像進行包括細節放大等圖像處理才能看到腫瘤上比較細緻的結構，但圖像處理後的海量照片對於人工來說是個苦活，基於此，帝維達研發了一個腫瘤樣本圖像處理平台，對圖像進行掃描、分割、拼接，每次分割都進行人工智慧辨識。
這樣就形成了一個系統性解決方案，從樣本獲取到樣本處理，到後期的圖像處理以及人工智慧辨識，在這樣的封閉系統內，帝維達的空間便是做腫瘤樣本處理儀器、賣樣本處理耗材、賣微流控晶元等，人工智慧系統則作為輔助診斷免費送給用戶，「利潤點不在人工智慧，人工智慧只是降低使用門檻，以耗材這種傳統模式賺錢是比較穩定的。」
目前，成立兩年多時間的帝維達已經研發出了腫瘤樣本處理儀器、微流控晶元、腫瘤樣本圖像處理平台等產品，也積累了過萬級樣本數量。
在閆維新看來，樣本數量正是帝維達未來在人工智慧領域的競爭優勢。「真正的人工智慧三個東西，演算法、算力、樣本。演算法大家各有突破，基於傳統神經網路來進行模型的勾勒，大的革命性演算法還沒怎麼出現；算力是錢的問題；我們要做人工智慧，我們的優勢就是我們的樣本，就像是房地產的優勢在於地皮一樣，主要是真正能用的樣本。」
但對於所有決心挾人工智慧進入醫院的企業而言，樣本獲取的困難程度各有不同。閆維新認為主要困難有兩點，第一是樣本收集的困難，病人樣本不單是影像樣本，還需要有其他樣本結合；第二是人工智慧技術都在影像學領域扎堆，還需要加上時間軸，這樣才可以對病人或者單個病例的發展階段進行分析，把不同時間段各個關聯程度形成一張密集的蜘蛛網。
而基於單一病種篩查的系統性解決方案，看似繞了個彎但卻是解決樣本問題的鑰匙。「人為假想的商業場景很難推動，而用現有的商業場景升級，這樣比較容易切入進去。」閆維新感慨，人工智慧還沒到收網捕獲的時候。（本文首發鈦媒體，作者／付夢雯）
TAG:鈦媒體 |