近期，雷鋒網(wǎng)《醫(yī)健AI掘金志》邀請深睿聯(lián)合創(chuàng)始人兼CTO李一鳴，做客雷鋒網(wǎng)公開課，以“醫(yī)學(xué)影像AI科研創(chuàng)新與產(chǎn)品轉(zhuǎn)化”為題，對2020年醫(yī)學(xué)影像的新關(guān)鍵詞進(jìn)行解析。

后續(xù)將有更多課程上線，添加微信公眾號  醫(yī)健AI掘金志  聽課，或收看本節(jié)課程視頻回放

李一鳴表示，AI從自然圖像領(lǐng)域遷移到醫(yī)學(xué)領(lǐng)域，看似技術(shù)相通，實則挑戰(zhàn)完全不同，其中共有樣本不均衡、多模態(tài)、臨床導(dǎo)向等八個差異點。

從2017年成立以來，深睿從肺結(jié)節(jié)入手，一步步擴(kuò)展到全肺、乳腺、冠脈等多個疾病解決方案，這其中突破了多重“跨界”難題，并且和醫(yī)生團(tuán)體一同刷新對AI的認(rèn)知。

以乳腺產(chǎn)品為例，在技術(shù)路徑走不通的情況下，深睿醫(yī)療借鑒醫(yī)生多角度觀察的思路，基于交叉視圖推理網(wǎng)絡(luò)，根據(jù)映射把特征進(jìn)行傳遞和增強(qiáng)，最終獲得技術(shù)的突破。

以下為李一鳴演講全文內(nèi)容，雷鋒網(wǎng)做了不改變原意的編輯

我分享的題目是“醫(yī)學(xué)影像科研創(chuàng)新與產(chǎn)品轉(zhuǎn)化”，深睿醫(yī)療成立三年多，一直是以“創(chuàng)業(yè)者”的心態(tài)進(jìn)行發(fā)展，堅持打造自己的核心技術(shù)、孵化產(chǎn)品線、完善產(chǎn)品矩陣。

醫(yī)療的核心問題在于“優(yōu)質(zhì)醫(yī)療資源的供給和服務(wù)的不對等”。

北上廣深醫(yī)療資源相對集中，邊遠(yuǎn)地區(qū)的醫(yī)療資源較差，疫情期間這一現(xiàn)象有明顯的體現(xiàn)，人口老齡化問題的加劇，也會讓這一問題進(jìn)一步凸顯，最終需要新的技術(shù)進(jìn)行幫扶?！癆I+醫(yī)療”也許是很好的解決方案、能夠為醫(yī)生、患者、醫(yī)院提升效率、降低成本、已經(jīng)被大家看好和期待。

在醫(yī)療+AI的方向上，深睿選擇了醫(yī)學(xué)影像入手，原因在于：

首先，臨床價值層面，80%的臨床問題的都需要醫(yī)學(xué)影像輔助；

其次，數(shù)據(jù)層面，醫(yī)學(xué)影像具有文本、圖像、基因等多模態(tài)數(shù)據(jù)，同時在規(guī)整性、數(shù)據(jù)量等方面都非常適合；

最后，技術(shù)層面，以深度學(xué)習(xí)為代表的新一代AI技術(shù)讓圖像處理和識別有了長足進(jìn)步；

從2017年到現(xiàn)在，醫(yī)學(xué)影像AI一直向好的方向發(fā)展，利好政策也在持續(xù)釋放，企業(yè)數(shù)量不斷增多。這個變化從大的趨勢角度來看，是醫(yī)學(xué)影像逐漸信息化的過程，從傳統(tǒng)膠片到Pacs，再到AI技術(shù)的引入，逐步向智能化轉(zhuǎn)型。

深睿把這個變化分為幾個里程碑：2017年影像AI元年的單病種、2018年探索在醫(yī)療機(jī)構(gòu)落地、2019年更大規(guī)模應(yīng)用、2020年啟動商業(yè)化，持續(xù)變化，最終形成應(yīng)用的閉環(huán)。

醫(yī)療AI的進(jìn)步源于對效率提升的作用，“AI+醫(yī)生”相比人工閱片，在時間、準(zhǔn)確性、重復(fù)性上均有大規(guī)模提升，也對醫(yī)院的效益和成本有優(yōu)化作用。

深睿Dr. Wise醫(yī)學(xué)影像產(chǎn)品線，目前已經(jīng)在400多家醫(yī)療機(jī)構(gòu)落地，場景包含重疾篩查，基層急診、特色?？?，其中三甲醫(yī)院占比非常高。

影像AI的八重難關(guān)

影像AI產(chǎn)品的臨床應(yīng)用很廣，用處很大，對未來也將是很好的支撐，但產(chǎn)品的關(guān)鍵點在哪里？

首先，需求一直都在，最簡單的肺結(jié)節(jié)檢測需求已經(jīng)出現(xiàn)幾十年，一直沒有被攻克，直到近些年深度學(xué)習(xí)技術(shù)進(jìn)入醫(yī)學(xué)圖像領(lǐng)域之后，才得到解決。

提出問題可能并不困難，但真正的實現(xiàn)，技術(shù)是否可行非常關(guān)鍵。雖然是以需求為主，但如果技術(shù)不存在或?qū)崿F(xiàn)不了，產(chǎn)品只能是望梅止渴。

所以，醫(yī)學(xué)影像AI產(chǎn)品的設(shè)計、研發(fā)、創(chuàng)新等環(huán)節(jié)尤為關(guān)鍵。

相比AI在自然圖像領(lǐng)域的發(fā)展，AI在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用要晚兩年。從2015年到現(xiàn)在，所有醫(yī)療影像會議上都在提深度學(xué)習(xí)的論文。

那AI又是怎樣從自然圖像領(lǐng)域遷移到醫(yī)學(xué)領(lǐng)域？

傳統(tǒng)自然圖像領(lǐng)域包括分割、圖像識別、目標(biāo)檢測、實體分割等角度，對應(yīng)到醫(yī)學(xué)影像分割為代表的是肺炎識別，圖像識別對應(yīng)腦卒中，目標(biāo)檢測對應(yīng)X光，實體分割對應(yīng)冠脈。

這些技術(shù)和目標(biāo)雖然相通，但挑戰(zhàn)又完全不同。

問題具體是：

第一，數(shù)據(jù)稀少，醫(yī)學(xué)影像的數(shù)據(jù)量相比自然圖像角度要更少；

第二，數(shù)據(jù)標(biāo)注，醫(yī)學(xué)影像絕大部分?jǐn)?shù)據(jù)沒有被標(biāo)注，少量標(biāo)注數(shù)據(jù)也存在大量噪音；

第三，多模態(tài)，數(shù)據(jù)來源于多種設(shè)備，CT、核磁、X光圖像都有自己的特點，有的偏結(jié)構(gòu)、有的偏功能；

第四，樣本不均衡，例如癌癥數(shù)據(jù)，常規(guī)情況大部分是良性，小部分是惡性，但是醫(yī)院的數(shù)據(jù)正好相反；

第五，尺度標(biāo)準(zhǔn)，醫(yī)學(xué)影像中的病灶，發(fā)展態(tài)勢和大小都存在變化，不同類型大小差異非常大；

第六，多任務(wù)，醫(yī)學(xué)通常需要診斷多種疾病，同一份影像可能存在多種問題，都需要發(fā)掘；

第七，臨床導(dǎo)向，以臨床需求為目標(biāo)，對于開發(fā)者有很高的門檻；但是臨床需求決定了產(chǎn)品應(yīng)用前景；

第八，醫(yī)學(xué)的專業(yè)了解，醫(yī)生對于解剖結(jié)構(gòu)，診斷方法有很深的認(rèn)知，這些對研發(fā)既是困難也是好處。

借助醫(yī)生思想解決問題

深睿在和醫(yī)生溝通中，在醫(yī)療知識層面獲得了很多啟示，解決了之前的研發(fā)瓶頸。

例如乳腺產(chǎn)品，過去乳腺腫塊一直識別不好，和醫(yī)生的溝通發(fā)現(xiàn)，他們診斷也很難，但他們會借助不同狀位的解剖圖像分析，例如軸位、斜位。

我們借鑒思路之后，在技術(shù)上利用交叉視圖推理網(wǎng)絡(luò)，把不同投照位進(jìn)行映射，利用映射把特征傳遞和增強(qiáng)，提升了檢出效果，這個成果我們也做了文章，并被CVPR收錄。

還有乳腺的鈣化點識別，因為病灶非常小，只有十幾個像素點，識別很困難。我們發(fā)現(xiàn)醫(yī)生遇到這個問題，也需要放大圖像觀察。

借鑒這個思路之后，我們利用AI把反差做學(xué)習(xí)和訓(xùn)練，放大差異，生成重構(gòu)圖像，再進(jìn)行識別，最后效果明顯變好，這個成果我們也進(jìn)行了發(fā)表。

還有新冠肺炎產(chǎn)品，雖然相比過去的產(chǎn)品有差異，但新冠肺炎依然只是肺部疾病中的一種。在過去全肺產(chǎn)品基礎(chǔ)上，我們按照新冠肺炎數(shù)據(jù)集進(jìn)行了強(qiáng)化，并最終發(fā)布新冠特別版。

產(chǎn)品研發(fā)中，主要借鑒了醫(yī)生會診、復(fù)診的邏輯，主要是數(shù)據(jù)多模態(tài)融合，把低年資醫(yī)生診斷報告和高年資醫(yī)生診斷結(jié)果融合在一起，再做一致性評判，最終成功解決假陽性問題。

現(xiàn)在解決的已經(jīng)不是特定的問題，最開始的肺結(jié)節(jié)只診斷一種問題，雖然也有實性、磨玻璃的區(qū)分，但是差異不像結(jié)節(jié)到肺炎這么大。

從肺結(jié)節(jié)做到全肺產(chǎn)品就不一樣了，病灶大小和形態(tài)變化巨大，存在多病同像的情況。

我們只能采用多視角、多尺度的技術(shù)，提升準(zhǔn)確率和敏感性，具體就是基于不用狀位和角度識別，例如醫(yī)生常用的肺窗、縱隔窗，再加入一些三維成像技術(shù)。

在肺部X-ray中，借鑒的思想在于“最樸素的診斷”，比如醫(yī)生在培訓(xùn)和學(xué)習(xí)階段，都是先學(xué)正常影像，然后學(xué)正常解剖結(jié)構(gòu)，最終識別各種各樣異常。

而深睿X-ray的問題在于數(shù)據(jù)標(biāo)注量不足，雖然有大量的X光影像和報告，但都沒有詳細(xì)標(biāo)記具體位置。

我們和醫(yī)生交流發(fā)現(xiàn)，肺部解剖結(jié)構(gòu)相對標(biāo)準(zhǔn)，所以就將正常數(shù)據(jù)和異常數(shù)據(jù)進(jìn)行配準(zhǔn)，來預(yù)測異常數(shù)據(jù)的差異，再進(jìn)行優(yōu)化，利用只有分類的數(shù)據(jù)就能達(dá)到比較好的效果。

骨齡產(chǎn)品則是借鑒了圖網(wǎng)絡(luò)的思想，原來的問題在于幼兒在拍攝骨齡圖像時依從性較差，手的位置不規(guī)范，圖像也存在遮擋和卷曲，影響識別。

從醫(yī)療經(jīng)驗學(xué)習(xí)到骨齡判斷是整體性行為，不會存在差異巨大的情況，最終利用臨近的骨骺做參考，成功解決遮擋的問題，技術(shù)也進(jìn)行了發(fā)表。

深睿的成果持續(xù)對外發(fā)表主要有三點原因：

第一，做產(chǎn)品必須如此，因為我們解決的有挑戰(zhàn)性的問題，也是前人沒有解決的。

第二，樹立學(xué)術(shù)領(lǐng)先性，深睿成立開始就設(shè)立了深睿研究院，積累了很多成果，得到兩項國家科技部重點研發(fā)計劃。

第三、影像AI產(chǎn)品的發(fā)展特點，技術(shù)需要不斷的創(chuàng)新。

醫(yī)學(xué)影像AI僅僅是工具

影像AI首先是工具性的產(chǎn)品，目的是幫助醫(yī)生診斷疾病，從產(chǎn)品角度在于擴(kuò)展用戶能力的邊界。

2016年，福布斯發(fā)起評比20個最重要工具的活動，投票前三的是刀、算盤，羅盤，這些都為人類文明發(fā)揮了重大的價值。

工具的意義在醫(yī)學(xué)影像領(lǐng)域也得到了體現(xiàn)。例如冠脈產(chǎn)品，就是專業(yè)性極強(qiáng)的工具型產(chǎn)品，用戶是影像科、心內(nèi)科醫(yī)師，為患者隨訪和術(shù)后復(fù)查提供幫助。

從工具的角度，我們沒有理由不把產(chǎn)品做到極致。

影像AI的同質(zhì)化來自于需求的剛需

醫(yī)學(xué)影像AI產(chǎn)品的發(fā)展趨勢就在于向高頻場景切入。產(chǎn)品角度，首先應(yīng)該屬于高頻、其次需求要比較強(qiáng)；醫(yī)學(xué)影像角度，高頻對應(yīng)著高檢查量，影像的需求越強(qiáng)，臨床上也越重要。

這種高頻就意味著同質(zhì)化嚴(yán)重，最早大家都做肺結(jié)節(jié)，原因在于數(shù)據(jù)清楚，胸部影像檢查也多。

重要性上，肺炎在全世界都是發(fā)病率和致死率第一的疾病，只能通過胸部CT進(jìn)行篩查，獲得早期干預(yù)和治療。

基于高頻和重要性的特點，深睿在醫(yī)學(xué)影像AI已經(jīng)推出肺癌、乳腺癌、腦卒中、骨折、X光等多款的產(chǎn)品，這些產(chǎn)品針對的都是高發(fā)、重大的疾病。

但骨齡產(chǎn)品不太一樣，檢查量不大，臨床價值也不高，產(chǎn)品需求在于，過去的積分法非常耗時，從評估骨頭開始打分、直至最后的公式測算，需要30分鐘，而通過AI產(chǎn)品則可以很快檢測出來。

醫(yī)學(xué)影像AI的縱向和橫向

影像AI產(chǎn)品發(fā)展的重心都是從單一環(huán)節(jié)逐步覆蓋到完整臨床診斷，這也是臨床需求不斷被挖掘的過程，整個過程分為橫向和縱向。

縱向角度，以肺部產(chǎn)品為例，最早的目標(biāo)僅僅是病灶的檢出，之后再逐步進(jìn)行定量分析，下一步基于圖像特征進(jìn)行提取，再進(jìn)行定性的判斷，包括良性、惡性，最終給出診斷，形成報告。

診斷結(jié)束之后，接下來就是治療過程，發(fā)現(xiàn)病灶之后采取隨訪、穿刺、或者手術(shù)等措施，隨著需求一步一步深入挖掘，產(chǎn)品功能也越深入。

橫向角度，則是疾病從單一疾病向多模態(tài)的演變過程，最終實現(xiàn)多病種識別。

以肺部疾病為例，從肺結(jié)節(jié)起步，深睿在2018年初逐步發(fā)展到肺全科，并在2019年8月發(fā)布，其中包含了肺窗、縱隔窗、骨窗等多種形態(tài)發(fā)現(xiàn)疾病，后續(xù)又在CT的基礎(chǔ)上，增加X光胸片，將平面和立體結(jié)合。

云+AI擴(kuò)展影像服務(wù)的邊界

影像AI診斷在公立醫(yī)院內(nèi)部使用，一般都是本地部署的方式，存在問題在于不能互通，對產(chǎn)品的升級和對外輸出都非常不利。

AI和云結(jié)合在一起能夠發(fā)揮更大的價值。這次新冠肺炎期間就有很多云服務(wù)公司和深睿進(jìn)行合作，一同把AI+云的能力，提供給抗疫一線。

其實深睿自己很早就已經(jīng)有云平臺，在為各種組織服務(wù)，以深睿在解放軍總醫(yī)院第一醫(yī)學(xué)中心提供遠(yuǎn)程會診為例，其中兩位專家通過我們的量化分析產(chǎn)品對一線的患者進(jìn)行診斷和量化評估。這個案例可以發(fā)現(xiàn)，云+AI可以快速把超高的醫(yī)療能力直接送到一線或邊遠(yuǎn)地區(qū)。

另外一個案例，是深睿去年獲得國家衛(wèi)建委的智慧服務(wù)創(chuàng)新獎的應(yīng)用，在浙江中醫(yī)藥大學(xué)附屬第三醫(yī)院的醫(yī)聯(lián)體框架下和磬安縣進(jìn)行對接，提出磬安縣的患者最多跑一次的口號，在縣醫(yī)院檢查后，就能通過云+AI獲得高質(zhì)量的醫(yī)療服務(wù)。

從輔助影像擴(kuò)展到臨床

本身80%臨床診斷都依賴于影像，在AI做好影像之后，也可以反過來，對臨床科室進(jìn)行支撐，完成智能診療服務(wù)的閉環(huán)。

深睿醫(yī)療認(rèn)為，引入人工智能實現(xiàn)智能診療服務(wù)之后，可以把醫(yī)療資源的服務(wù)能力做到擴(kuò)張，甚至復(fù)制，將有助于打破醫(yī)療資源的瓶頸。甚至提供7×24小時的服務(wù)。

此外，因為AI針對?？?，可以對醫(yī)療進(jìn)行非常精細(xì)的劃分，實現(xiàn)支撐。AI在輔助診斷和數(shù)據(jù)處理應(yīng)用后、也有助于醫(yī)療科研和應(yīng)用的轉(zhuǎn)化，我們認(rèn)為這是未來的必然趨勢。

現(xiàn)在的認(rèn)知，僅僅存活于此時間節(jié)點

最后評論一下，2019年Gartner人工智能技術(shù)成熟度曲線。這個曲線傳播非常廣，也激起業(yè)內(nèi)很多討論，雖然整個成熟度可能沒有太大的差異。

但是我想強(qiáng)調(diào)，階段認(rèn)知確實非常重要，應(yīng)該了解現(xiàn)在技術(shù)處于哪個點，在爬坡還是下降，或者慢慢成熟。

深睿醫(yī)療一路發(fā)現(xiàn)，2017年早期項目在孵化的時候，接受到的反饋就很兩極分化。

AlphaGo打敗李世石之后，一種觀點認(rèn)為AI太可怕，無所不能。醫(yī)療行業(yè)不允許AI進(jìn)入，進(jìn)入之后可能就取代醫(yī)生。

另外一個觀點認(rèn)為，圍棋太簡單、醫(yī)療太復(fù)雜。AI應(yīng)用之后，對醫(yī)療沒有作用。

2018年開始，AI從特定的點或產(chǎn)品切入臨床工作之后，醫(yī)療行業(yè)對AI的認(rèn)知開始趨同，大家知道AI并不是全職全能，但確實存在價值，在特定的點可以支撐醫(yī)生的工作。

2019年，認(rèn)知又發(fā)生變化，更多醫(yī)生都表示希望AI做的更多，需求變得旺盛，行業(yè)對于技術(shù)的認(rèn)知已經(jīng)趨于成熟，認(rèn)知越來越接近，行業(yè)對于AI的判斷更冷靜，也更貼合實際。

這種結(jié)果源于技術(shù)人和醫(yī)療從業(yè)人員的交流逐漸加深，共同明白AI能做什么，不能做什么。

2019年以后，醫(yī)生開始更頻繁地使用AI，工作中也越來越離不開。

所以我想強(qiáng)調(diào)，階段認(rèn)知雖然很重要，但時間長度更重要。從這幾年的發(fā)展角度，階段認(rèn)知的變化周期越來越短，時間正在逐步加速。

我認(rèn)為，現(xiàn)階段的認(rèn)知僅可以代表這個時間點，隨著下一個時間點的到來，將會被很快取代。

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。