第二屆圖像計算與數(shù)字醫(yī)學(xué)國際研討會（ISICDM 2018）雖已告一段落，但本次大會所帶來的信息，仍值得深思與回味。

醫(yī)工交叉與產(chǎn)學(xué)結(jié)合，這兩個由來已久的問題隨著人工智能的興起，讓醫(yī)學(xué)影像分析面臨著全新的機遇與挑戰(zhàn)。

隔行如隔山，這對IT界和醫(yī)學(xué)界來說尤為貼切，當(dāng)雙方團隊共同打造一個產(chǎn)品時，面臨著話語體系不同、評價方式不同、誰來主導(dǎo)等諸多問題。

目前這個市場還處于初期，各路玩家相繼入場，產(chǎn)品仍處于科研摸索期。

在此大環(huán)境下，電子科技大學(xué)李純明教授作為ISICDM會議的發(fā)起人和程序主席，匯聚了理、工、醫(yī)三方知名專家，力促人工智能+醫(yī)學(xué)圖像的進(jìn)一步研究與應(yīng)用落地。

電子科技大學(xué)李純明教授

會上，眾多專家指出，目前企業(yè)開發(fā)的醫(yī)學(xué)影像AI產(chǎn)品，離臨床實際應(yīng)用還有一定的距離。

其主要體現(xiàn)在兩點：一方面是工程技術(shù)尚未成熟；另一方面則是產(chǎn)品開發(fā)者對臨床需求的理解和認(rèn)知有限。

首先，深度學(xué)習(xí)的不可解釋性和調(diào)參難題仍未被實質(zhì)性地解決，甚至研究成果的可重復(fù)性都時常被質(zhì)疑。算法和軟件的性能穩(wěn)定性和魯棒性在理論和應(yīng)用實踐上均缺乏有力的支持。

而上述問題的本質(zhì)是，由于科研人員做的研究總體偏工程，較為缺乏原創(chuàng)性和突破性的基礎(chǔ)研究，導(dǎo)致工程技術(shù)開發(fā)正在進(jìn)入瓶頸期。

十分注重理論基礎(chǔ)的李純明教授深感基礎(chǔ)研究的重要性，因此在會議中加強了數(shù)學(xué)理論與方法的內(nèi)容，邀請了國內(nèi)著名的優(yōu)化理論與算法專家何炳生等數(shù)學(xué)領(lǐng)域的專家做了圖像科學(xué)的數(shù)學(xué)理論與方法系列講座。

此外，李純明教授也特地安排了“臨床醫(yī)生談需求與挑戰(zhàn)專場”和“醫(yī)工交流會專場”，聚集眾多醫(yī)生與工科人，共同探討臨床問題的技術(shù)解決方案。

為了更加全面地促進(jìn)理工醫(yī)深度融合，整個大會在3天內(nèi)共設(shè)置了24個主題專場，100多位海內(nèi)外知名講者向與會者分享了他們的最新研究成果以及對理工醫(yī)交叉的看法。

雷鋒網(wǎng)作為兩屆ISICDM的獨家媒體，透過這兩年的報告內(nèi)容，總結(jié)出以下四個趨勢：

深度學(xué)習(xí)遭遇瓶頸，基礎(chǔ)理論研究成熱點

羅切斯特大學(xué)羅杰波教授

ISICDM期間，Baba Vemuri、羅杰波等嘉賓公開指出，利用大量標(biāo)注醫(yī)學(xué)圖像數(shù)據(jù)做訓(xùn)練，這并不是一種長久的研究方式。

首先，由于隱私問題，目前醫(yī)院方不太可能開放出太多高質(zhì)量的數(shù)據(jù)供開發(fā)人員訓(xùn)練和使用。與此同時，深度學(xué)習(xí)的不可解釋性，無法循證，這在解決醫(yī)學(xué)問題當(dāng)中非常受限。而這兩項也嚴(yán)重制約了醫(yī)學(xué)影像分析的發(fā)展。

因此，開拓基礎(chǔ)理論研究，而非單一在數(shù)據(jù)上解決問題，成了學(xué)者們新的征途。

四川大學(xué)華西醫(yī)院步宏教授曾在第一屆ISICDM大會中指出：醫(yī)生應(yīng)用AI，最怕的就是別人對我們說，你們什么都不用管，只要給我數(shù)據(jù)，我就一定能做出成果來。這類人我遇到很多。醫(yī)學(xué)并不是一門純粹的科學(xué)，還涉及很多人文、倫理等因素。理工科的人也許認(rèn)為，只要把數(shù)據(jù)給他們即可進(jìn)行訓(xùn)練模型。但醫(yī)生還必須考慮哪些信息必須隱去，因為涉及到倫理。

“很多醫(yī)生也在做人工智能方面的研究。我的學(xué)生也經(jīng)?？蠢砉た茖W(xué)者發(fā)表的論文，他們有時候會拿著論文跑過來對我說，‘老師，你看！這篇論文連基本的醫(yī)學(xué)常識都沒有。是不是該給它加一個醫(yī)學(xué)的reviewer呢？’如果真的這么做，很多論文其實根本發(fā)表不出來。論文成功發(fā)表并不代表取得了成果，只說明在你reviewer的知識范疇中這種方法是可行的，實際應(yīng)用到臨床當(dāng)中，就會暴露很多問題?！?/p>

“矛盾的核心在于，理工科學(xué)者和醫(yī)生之間的聯(lián)絡(luò)太少，我絕不相信隨便拿一堆片子就能做出研究成果來?！?/p>

除了醫(yī)學(xué)圖像數(shù)據(jù)的特殊性外，深度學(xué)習(xí)本身也存在諸多弊病。

2017年，雷鋒網(wǎng)赴夏威夷參加CVPR期間，明顯感受到了基于深度學(xué)習(xí)的計算機視覺技術(shù)研究已進(jìn)入瓶頸。

CVPR會場上，港中文-商湯聯(lián)合實驗室主任林達(dá)華教授曾向雷鋒網(wǎng)介紹到：“今年并沒有一個特別讓人興奮、驚喜的成果出來。”包括「Densely Connected Convolutional Networks」等最佳論文在內(nèi)，我們看到了很多不同的網(wǎng)絡(luò)設(shè)計的想法和切入角度，這些扎實的工作推動了現(xiàn)有體系、架構(gòu)的一步前進(jìn)，但是，卻普遍缺乏一個fundamental  breakthrough。

如今似乎是有新的成果誕生但又有所停滯的狀態(tài)，雖然各種思路百花齊放，但是很多核心問題都尚未取得新的突破性進(jìn)展?！?/p>

今年Baba Vemuri和林達(dá)華教授的觀點相似，兩人均提到了fundamental這個詞，意在表明多數(shù)學(xué)者更多停留在工程問題，而非基礎(chǔ)學(xué)術(shù)問題層面。

現(xiàn)在的深度學(xué)習(xí)其實是一個有問題的框架，多用大數(shù)據(jù)和很多標(biāo)注數(shù)據(jù)來訓(xùn)練，這在過去幾年很成功，但不代表是正確的方向。當(dāng)前計算機視覺的系統(tǒng)是一個（特征為）training system的訓(xùn)練，而不是一個learning system，我們要從training system變成learning system，讓機器主動，并結(jié)合數(shù)據(jù)的結(jié)構(gòu)、時間空間結(jié)構(gòu)去學(xué)習(xí)，而不是被動地用人工訓(xùn)練來標(biāo)注它。

徐立曾向雷鋒網(wǎng)介紹到“現(xiàn)在，基礎(chǔ)研究不能丟，才能帶來足夠的時間窗口。AI的發(fā)展需要產(chǎn)業(yè)和研究相結(jié)合，以定義問題，解決問題?！?br/>

在大家聚焦于data set的大環(huán)境下，ISICDM卻逆潮流而上，連續(xù)在兩屆大會中設(shè)置了數(shù)學(xué)以及基礎(chǔ)理論的分論壇，意在讓更多工科學(xué)者站在理科的視角去重新看待問題。

現(xiàn)場情況也印證了工科學(xué)者對基礎(chǔ)理論的熱枕。

大會報告嘉賓南京大學(xué)數(shù)學(xué)系教授何炳生向ISICDM大會程序主席李純明感嘆道“我完全沒有想到自己的報告會有那么多人來聽講，開講前座位就已經(jīng)被占完，后來的人只能站在會議室門口。臺下聽眾大多是研究生和教授。一般在會場作報告，都是PPT講解演示。但PPT演示的效果哪里抵得上教室加黑板？所以我讓會務(wù)工作人員在演講臺上給我加了塊可以寫字的白板，我在上面用黑筆寫公式推導(dǎo)?？偣仓v了一個半小時，下面不少人站著聽了一個半小時。你可以看到，他們往白板越走越近，一是因為擠，二是因為真心想學(xué)?！?/p>

醫(yī)生需求仍舊難以滿足

眾多醫(yī)生談到，首先，人工智能在醫(yī)療領(lǐng)域的應(yīng)用必須充分全面，不能只針對單一場景。因為醫(yī)療的對象是人，人的生命只有一次，一旦犯錯就無法彌補。

以肺部為例，開發(fā)AI系統(tǒng)的工作人員開發(fā)出來的系統(tǒng)不能只會檢查肺部，還要確保其他地方不出問題?，F(xiàn)有的肺結(jié)節(jié)篩查系統(tǒng)大都只重點關(guān)注肺部，但醫(yī)生在檢查期間仍需要觀察軟組織、縱膈有沒淋巴結(jié)腫大。此外，還要觀察骨骼是否有轉(zhuǎn)移或其他病變，所有場景和情況都要考慮進(jìn)去。

有些影像，有經(jīng)驗的醫(yī)生一看就知道是胰尾有問題。但當(dāng)時醫(yī)生由于只看了肺部，沒注意其他部位，就漏檢了。如果AI系統(tǒng)只是針對肺的檢測，估計也不能檢出胰腺的病變。

這對AI來說既是機遇也是挑戰(zhàn)。未來我們能否用AI幫助醫(yī)生發(fā)現(xiàn)上圖中的病變呢，即使無法診斷，能對醫(yī)生進(jìn)行提醒也是好事。

廣東省人民醫(yī)院影像醫(yī)學(xué)部主任兼放射科主任梁長虹

與此同時，梁長虹、王霄英、陸菁菁等醫(yī)生談到，AI不能單單作為第三方獨立產(chǎn)品存在，而應(yīng)該嵌入在工作流程中才能最大程度地發(fā)揮它的作用。

AI醫(yī)學(xué)影像如何嵌入在醫(yī)生流程中，最重要的一點便是每一步都可解釋，每一個問題都能夠定義正確。

此外，醫(yī)療人工智能產(chǎn)品不僅要輸出一個輔助診斷信息，還應(yīng)把多模態(tài)的臨床信息結(jié)合進(jìn)來，輔助臨床醫(yī)生做出決策。

獲得監(jiān)管審批，仍是一場“持久戰(zhàn)”

在ISICDM大會中，中檢院等機構(gòu)也談到了醫(yī)學(xué)影像AI產(chǎn)品的監(jiān)管流程和監(jiān)管現(xiàn)狀。

AI技術(shù)在NMPA過去批準(zhǔn)的產(chǎn)品中其實已經(jīng)有所應(yīng)用，但深度學(xué)習(xí)是一項新技術(shù)，需要從風(fēng)險的角度界定它是二類器械還是三類器械。出于謹(jǐn)慎，中檢處傾向認(rèn)定其為三類器械，但隨著對深度學(xué)習(xí)技術(shù)有更多認(rèn)知，也不排除會將其列入二類器械。目前，我國對醫(yī)療AI產(chǎn)品的分類界定仍是個例處理，缺少統(tǒng)一的標(biāo)準(zhǔn)。

為了應(yīng)對新版《醫(yī)療器械分類目錄》，國內(nèi)大部分企業(yè)采取增刪診斷功能的辦法， 將產(chǎn)品同時申報二、三類器械。上工醫(yī)信等多家企業(yè)已經(jīng)率先獲得了二類證書。據(jù)中檢院披露，目前一共有40多款產(chǎn)品到中檢院報檢，雅森科技、匯醫(yī)慧影、圖瑪深維、推想等都在積極申報三類證書。

我國的醫(yī)療器械注冊流程分為注冊檢驗、臨床評價、技術(shù)審評、行政審批四大步。目前，申報三類器械的醫(yī)療人工智能產(chǎn)品大多還停留在注冊檢驗階段。

FDA認(rèn)為，真實世界數(shù)據(jù)和回顧式臨床數(shù)據(jù)可用于AI產(chǎn)品的評價。在這點上，中美兩國的認(rèn)識是一致的。

另外，AI具有快速迭代的特性，從研發(fā)階段、注冊上市、上市后到產(chǎn)品變更，質(zhì)量評價應(yīng)該貫徹它的整個生命周期。

中檢院目前主要是采用基于標(biāo)準(zhǔn)數(shù)據(jù)集的測試方法和模擬對抗的方法進(jìn)行AI產(chǎn)品的質(zhì)量評價。

基于標(biāo)準(zhǔn)數(shù)據(jù)集的測試方法，其總體思路是在模擬臨床的條件下評價AI算法的性能，減少對臨床試驗的壓力，降低質(zhì)量評價的成本，同時加速產(chǎn)品上市。

這對標(biāo)準(zhǔn)數(shù)據(jù)集提出了很高的要求，既要考慮數(shù)據(jù)的合規(guī)性，又要保證數(shù)據(jù)容量充分、具備多樣性，標(biāo)注過程嚴(yán)謹(jǐn)、可追溯等。

中檢院目前已經(jīng)與多家醫(yī)院和企業(yè)合作初步完成了眼底和肺結(jié)節(jié)兩個病種的標(biāo)準(zhǔn)數(shù)據(jù)集建設(shè)。

作為標(biāo)準(zhǔn)測試集評價方法的補充，中檢院在AI產(chǎn)品的質(zhì)量評價過程中也用到了模擬對抗的方法，以擴充樣本量和模擬真實世界的波動。比如，中檢院通過控制變量的方法對機型以及壓縮、平滑、背景填充等預(yù)處理算法對AI產(chǎn)品性能的影響進(jìn)行了研究。

對于醫(yī)療AI產(chǎn)品的審評，未來將分兩步走。

第一步需要制定出相關(guān)指導(dǎo)原則和標(biāo)準(zhǔn)，把檢驗、檢測標(biāo)準(zhǔn)進(jìn)行統(tǒng)一，第二步才開始對達(dá)到標(biāo)準(zhǔn)的產(chǎn)品“放行”，部分符合條件的，或許可以被批準(zhǔn)免去臨床試驗。據(jù)悉，中檢院已經(jīng)成功申報了標(biāo)準(zhǔn)化歸口管理單位，正在公開征集專家組專家，規(guī)劃布局AI產(chǎn)品質(zhì)量評價的標(biāo)準(zhǔn)體系。

種種跡象表明，醫(yī)療AI企業(yè)離獲得三類證還有一段距離，企業(yè)或許不得不做好打“持久戰(zhàn)”的準(zhǔn)備。

學(xué)術(shù)大牛涌入工業(yè)界

北卡羅萊納大學(xué)沈定剛教授

去年的ISICDM大會期間，施俊教授與沈定剛教授在晚宴中聊到一個話題，后者問前者：“你在學(xué)術(shù)界做研究，能做得過工業(yè)界嗎？深度學(xué)習(xí)把門檻拉得很低，你能做的AI影像方面的研究，任何一家企業(yè)都能做。人家錢比你多，投資速度比你快，你做出成果的時候，人家早已經(jīng)產(chǎn)品化了?！?/span>

去年的一句玩笑話，卻在ISICDM的多個嘉賓身上逐漸成為現(xiàn)實。

一個月后，沈定剛正式宣布出任聯(lián)影智能CEO；中山大學(xué)陸瑤教授創(chuàng)辦柏視醫(yī)療，隨后也引入IEEE Fellow徐晨陽；羅杰波教授也出任騰訊優(yōu)圖顧問。而在近期，Dimitris Metaxas與張少霆師徒二人加盟商湯科技。此外，邢磊也在早期出任匯醫(yī)慧影首席科學(xué)家。

而在這個學(xué)術(shù)界與工業(yè)界互相融合，也同時相互競爭的大時代下，德國Surpath Medical創(chuàng)始人謝衛(wèi)國在2017 ISICDM中總結(jié)了這么一句話：我認(rèn)為學(xué)術(shù)創(chuàng)新一定是高校先行，工業(yè)界看到可用的學(xué)術(shù)成果后才推動產(chǎn)品化。以西門子為例，他們有一個龐大的團隊專門負(fù)責(zé)收集專業(yè)的期刊。如果一項創(chuàng)新已經(jīng)在論文上發(fā)表了，學(xué)術(shù)界千萬不要再去追趕潮流，因為肯定會被企業(yè)碾壓。企業(yè)和學(xué)術(shù)界的驅(qū)動力不一樣。在高校做研究，發(fā)不了論文大不了不評教授，企業(yè)如果盈不了利則關(guān)乎生死存亡。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。