2017年以來，關(guān)于人工智能泡沫的議論紛紛攘攘，知乎上一問題“這一波人工智能泡沫將會怎么破滅？”獲廣泛關(guān)注。
許多智能影像一線從業(yè)者可能會對其觀點(diǎn)深表贊同。如今的智能影像很像前幾年的互聯(lián)網(wǎng)醫(yī)療，大家一窩蜂進(jìn)來了，但下一步怎么做，是個(gè)問題。整體來講，智能影像診斷真正深入到臨床診斷的很少，目前，業(yè)內(nèi)嘗試與醫(yī)生合作做科研或提高效率方面嘗試，但要真正提高診斷率，目前還有很大差距。
動輒可以聽到“AI取代醫(yī)生”“AI的準(zhǔn)確率超過醫(yī)生”的言論，同時(shí)“理想很美好，現(xiàn)實(shí)很骨感”的感慨頻頻傳來，理想的豪言壯語隨處可見，那現(xiàn)實(shí)是什么呢？
有人說，21世紀(jì)是數(shù)據(jù)為王的時(shí)代；有人將算法比作發(fā)動機(jī)，數(shù)據(jù)比作石油；有人則強(qiáng)調(diào)行業(yè)數(shù)據(jù)、專家資源和核心技術(shù)是打造智能影像缺一不可的三要素。無論怎樣強(qiáng)調(diào)數(shù)據(jù)的重要性都不為過，我們且以影像數(shù)據(jù)為徑，智能影像公司的運(yùn)營為緯，一窺智能影像公司的真實(shí)日常。
數(shù)據(jù)端：保證質(zhì)量，數(shù)量多多益善
盡管我國存在第三方影像中心，但絕大多數(shù)的醫(yī)療影像數(shù)據(jù)來源于醫(yī)院。
在醫(yī)療信息系統(tǒng)中，PACS系統(tǒng)負(fù)責(zé)醫(yī)療影像采集、數(shù)據(jù)傳輸存儲以及影像分析、處理，并且不同的PACS系統(tǒng)之間，能以以DICOM國際標(biāo)準(zhǔn)方式對接。
總體來說，醫(yī)院影像數(shù)據(jù)多且大都標(biāo)準(zhǔn)化，便于機(jī)器閱讀，為此，智能醫(yī)療影像被業(yè)內(nèi)人
對于一個(gè)AI系統(tǒng)而言，數(shù)據(jù)多多益善是有前置條件的，在保證喂養(yǎng)數(shù)據(jù)質(zhì)量的情況下，增加數(shù)量才有意義。而判斷影像數(shù)據(jù)質(zhì)量，主要取決于AI公司所打造智能診斷產(chǎn)品的臨床目的。除此之外，對于智能影像診斷而言，影像數(shù)據(jù)需要關(guān)聯(lián)更準(zhǔn)確的診斷和后期結(jié)果關(guān)聯(lián)，否則垃圾進(jìn)，垃圾出。
拿現(xiàn)在很火的肺結(jié)節(jié)智能診斷為例，對于AI公司來說，有肺結(jié)節(jié)的影像才是有價(jià)值的，在產(chǎn)生的影像數(shù)據(jù)中，只有10%或20%的病人有問題，即便如此，并不是所有有病灶的影像數(shù)據(jù)都能拿來用。在醫(yī)院內(nèi)部，醫(yī)學(xué)影像系統(tǒng)和診斷報(bào)告是兩個(gè)獨(dú)立的系統(tǒng)，兩者并無關(guān)聯(lián)。用數(shù)據(jù)訓(xùn)練AI很重要的一點(diǎn)是：需要系統(tǒng)判斷一個(gè)影像是否有結(jié)節(jié)，是否有病灶。而醫(yī)院每天拍出來幾百影像，并沒有標(biāo)出來哪里有結(jié)節(jié)，對于AI公司來說，這就是沒有價(jià)值的數(shù)據(jù)。
數(shù)據(jù)獲取：“合作”共贏
影像數(shù)據(jù)是醫(yī)院的，智能影像公司如何獲取呢？
醫(yī)療數(shù)據(jù)是一種資源，意味著它有價(jià)值，想獲取有價(jià)值的東西最簡單的邏輯就是“買買買”。
在我國，三甲醫(yī)院擁有絕大多數(shù)影像數(shù)據(jù)，但影像數(shù)據(jù)不出院是必須守住的紅線。為此，AI公司與醫(yī)院尋求“合作”就成了一種可能的路徑。一般來說，AI公司會選擇與醫(yī)院合作開發(fā)，一方面得到脫敏的數(shù)據(jù)和行業(yè)專家，一方面收獲了產(chǎn)品打磨的場景，至于合作模式，則各有特色。
數(shù)據(jù)處理：“只有人工，沒有智能”
一如機(jī)器學(xué)習(xí)AI建模的流水線，醫(yī)療影像數(shù)據(jù)處理過程也要經(jīng)歷數(shù)據(jù)標(biāo)注、清洗、切割，隨后是建模、調(diào)參等。
在處理影像數(shù)據(jù)的技術(shù)問題上，據(jù)吳博介紹，醫(yī)療影像數(shù)據(jù)刻畫的是體內(nèi)臟器，與肉眼容易識別花鳥蟲魚人臉等常規(guī)圖片，成像原理與視覺特征都不相同，深度學(xué)習(xí)模型尤其需要深度改造。
但醫(yī)療影像數(shù)據(jù)處理的特殊之處在于數(shù)據(jù)標(biāo)注耗費(fèi)時(shí)間更長、門檻更高，“要湊齊多名資深醫(yī)生對數(shù)據(jù)進(jìn)行比下診斷報(bào)告還要細(xì)致的標(biāo)注，難度、進(jìn)度和成本都很高。
在醫(yī)生的診斷中，影像僅是一個(gè)參考信息，最終還要參考病理診斷等信息進(jìn)行確診，所以對于打造一個(gè)智能診斷系統(tǒng)來說，很多數(shù)據(jù)的集合才是有效的數(shù)據(jù)。
實(shí)際效果：幫醫(yī)生做科研或提高診斷效率
智能影像診斷系統(tǒng)準(zhǔn)確率在95%以上，超過人類醫(yī)生的消息屢見不鮮，但其應(yīng)用情況怎樣呢？
將頂級專家的診斷能力固化下來，提供給基層醫(yī)院，是許多智能影像公司勾勒的美好藍(lán)圖。智能影像診斷系統(tǒng)，對三甲醫(yī)院的頂級醫(yī)生是錦上添花的事；而基層放射科醫(yī)生，每天只看四個(gè)片子，經(jīng)驗(yàn)比較少，這就是雪中送炭的事。
但實(shí)踐起來同樣遇到尷尬。人工智能是基于云計(jì)算的，數(shù)據(jù)放在云端，基層醫(yī)院的信息化程度不夠，沒有大數(shù)據(jù)，怎么用人工智能？除此之外，大多數(shù)醫(yī)院使用的是局域網(wǎng)系統(tǒng)，沒法連接外網(wǎng)，數(shù)據(jù)也無法走上云端。
怎樣說服醫(yī)院同意把數(shù)據(jù)放在云端，也是一個(gè)棘手的問題。如何充分保證數(shù)據(jù)隱私，這是很難突破的地方。
智能影像：風(fēng)口已至，還是初露端倪？
有人說，投資人判斷的不是行業(yè)趨勢，而是時(shí)間點(diǎn)，判斷機(jī)會在哪個(gè)時(shí)間點(diǎn)才是關(guān)鍵。如今，AI+醫(yī)療影像被認(rèn)為是率先實(shí)現(xiàn)商業(yè)化落地的領(lǐng)域，這意味著風(fēng)口已至，還是初露端倪？
來源：雷鋒網(wǎng)