資本熱捧巨頭青睞 AI＋醫療影像為何扎堆肺結節

每經記者 趙天宇 每經編輯 陳俊傑

人工智慧在醫學影像探索幾年後，各家公司「殊途同歸」的集中在了肺結節領域。

肺結節是一種病因未明的多系統多器官的肉芽腫性疾病，這種病變通過醫學影像可以觀察到。2017年至今，AI+醫學影像領域的大部分公司，業務都涉及AI輔助診斷肺結節項目，公布的檢測準確率普遍在90%以上，而且這個數值越來越高。同時，一些創業公司也迅速獲得融資，2017年被業內稱為AI影像「肺結節年」。

這場火熱在2018年持續。3月31日，中國醫師協會胸外科醫師分會、四川大學華西醫院、零氪科技共同組織了一場AI輔助肺小結節診斷體驗活動，探討AI在肺結節領域的應用情景；同日，AI+影像公司視見科技完成6000萬元的A輪融資；4月2日，AI+影像公司深睿醫療完成B輪1.5億元融資，自2017年4月至今的一年中迅速完成3輪融資總計3億元。在這兩家公司提供的服務中，AI輔助篩查肺結節當然是不可或缺的項目。

公開數據多、數據獲取相對便利，以及肺結節影像直觀、便於觀察診斷的特性，造成AI進入這一行門檻不高。同時，影像科醫生人手不足、影像數據快速增長，也為這一細分領域創造了商機。

AI影像「肺結節年」 

胸部CT放射影像技術是肺癌早期篩查的手段之一，AI輔助診斷肺結節就成了相關企業的關注點。

很多創業公司能夠提供AI識別肺結節的服務。例如，深睿醫療在2017年的主打產品Dr.WISE CAD醫療影像診斷系統，主要應用於肺結節的檢測，準確率98.8%；圖瑪深維對肺結節的檢出敏感性為96.5%，肺結節產品已經和國內數十家企業建立合作關係；匯醫慧影AI檢測肺結節，準確率在95%以上；推想科技官網顯示，該公司的智能X線輔助篩查產品在肺結節檢測上表現突出，在合作醫院試用過程中檢測出數例險些被遺漏的肺癌病例。

AI診斷肺結節領域，還有跨界而來的創業公司。例如，2016年進入醫療行業的依圖科技，此前以提供人臉識別技術為主業；在實際使用5個月後，浙江省人民醫院放射科與該公司聯合訓練出來的肺結節計算機智能檢測系統，計算機肺小結節的識別率就已經超過90%，準確率達到95%。

上述創業公司，均在2017年或2018年初取得不同程度的融資進展。

肺結節領域也從不缺少大公司及上市公司的身影，而且均在爭相刷新行業紀錄。2017年7月，由阿里健康研發的醫療AI「Doctor You」公開發布，其對外展現的便是CT肺結節智能檢測引擎在遠程診斷的應用場景；2017年8月，科大訊飛在國際權威的醫療影像大賽LUNA（肺結節智能讀片）上，獲得平均召回率92.3%的檢測效果，刷新當時世界記錄；2017年9月，LUNA的排行榜上，復星星際大數據（FONOVA）以「假陽性篩查」平均召回率0.966的分數刷新紀錄；2018年1月，LUNA公布結果顯示，中國平安集團旗下平安科技的智能讀片技術，分別以95.1%和96.8%的精度刷新了「肺結節檢測」和「假陽性篩查」的世界紀錄。

在科大訊飛醫療總經理陶曉東看來，各家公司的準確率相近，其實從某種意義上來講，反映出來的是領域內很多企業的創新能力不夠；此外，其他領域數據來源的限制，以及演算法及監管因素等限制，使得很多公司都選擇了相似的領域。

臨床需求有「痛點」

「現在大家所選擇的領域基本上都差不多，因為肺結節這塊公開域的數據最多。」陶曉東說。

圖像識別是深度學習等人工智慧技術最先突破的領域，目前AI+醫學影像在國外已有成熟且公開的演算法及相關的試驗數據。

阿里健康人工智慧實驗室主任范繹對《每日經濟新聞》記者表示，從數據角度看，無論是學術界還是工業界，在肺結節領域的相關積累都比較早。萬里雲醫療信息科技（北京）有限公司CEO黃家祥介紹稱，在肺結節領域，有很多數據集可以直接下載，國外一些研究機構也有公開數據，阿里雲的天池也提供數據集下載，渠道相對較多。

從數據基礎上來講，人工智慧需要基於大量的數據進行深度學習以後，才能不斷完善和應用。心醫國際相關人士對記者表示，多年累積的經醫生、專家判讀的醫學影像數據，為人工智慧的學習提供基礎。

神經系統、腹部的組織影像學表現則相對複雜，尤其是腹部的臟器較多，黃家祥表示，且正常組織與大多病變組織密度接近，數據分析識別難度係數高一些，所以很多企業一開始都會選擇在肺結節領域入手。

通江資本董事總經理施小平亦向記者表示，在肺結節等方向的AI影像技術發展較快，是因為肺結節較為直觀測量、便於觀察診斷，可以說肺結節AI影像是一個提升AI影像技術極佳的切入點。

「從醫療角度看，肺部是影像拍攝量最多的部位，而對結節的審查是肺部看片的核心訴求。」范繹說。

數據顯示，目前我國醫學影像數據的年增長率約為30%，而放射科醫師數量的年增長率僅為4.1%。放射科醫師數量的增長遠不及影像數據增長。這個現象意味著放射科醫師在未來處理影像數據的壓力會越來越大，甚至遠遠超過負荷。

《2018年醫療人工智慧技術與應用白皮書》認為，人工智慧輔助診斷技術應用在某些特定病種領域，將大幅提高醫療機構、醫生的工作效率。

心醫國際相關人士表示，我國影像檢測普及度高，影像診斷醫生增長速度尚不能滿足市場需求，醫生平均需要花費10到15分鐘來進行有效的診斷和報告，長時間讀片會出現視覺疲勞，容易造成漏診，AI因此被給予巨大的期望。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！