智能影像诊断深入现实还有多远？

更新时间：2017-08-02 17:04:02•点击：659210 • 行业观点

动辄可以听到“AI取代医生”“AI的准确率超过医生”的言论，同时“理想很美好，现实很骨感”的感慨频频传来，理想的豪言壮语随处可见，那现实是什么呢？

有人说，21世纪是数据为王的时代；有人将算法比作发动机，数据比作石油；有人则强调行业数据、专家资源和核心技术是打造智能影像缺一不可的三要素。无论怎样强调数据的重要性都不为过，我们且以影像数据为径，智能影像公司的运营为纬，一窥智能影像公司的真实日常。

智能影像诊断深入现实还有多远？

数据端：保证质量，数量多多益善
尽管我国存在第三方影像中心，但绝大多数的医疗影像数据来源于医院。据悉，大的三甲医院一年产生的影像数据在10T以上。宜远智能CEO吴博称，“单个医院的影像数据存量就很大，每天数百例新增也很常见。”
在医疗信息系统中，PACS系统负责医疗影像采集、数据传输存储以及影像分析、处理，并且不同的PACS系统之间，能以以DICOM国际标准方式对接。
总体来说，医院影像数据多且大都标准化，便于机器阅读，为此，智能医疗影像被业内人认为将率先实现商业化落地。
上海市儿童医院影像科主任杨秀军曾表示，“很多医学影像领域特别适合人工智能／图像识别技术，国内外有很多厂商从事这方面，也做出一些成果。”
对于一个AI系统而言，数据多多益善是有前置条件的，在保证喂养数据质量的情况下，增加数量才有意义。而判断影像数据质量，主要取决于AI公司所打造智能诊断产品的临床目的。除此之外，对于智能影像诊断而言，影像数据需要关联更准确的诊断和后期结果关联，否则垃圾进，垃圾出。
南方医科大学副教授刘再毅曾表示，“我们数据多得不得了，我们影像科每天产生很多数据，但是有多少数据可以用？1%都不到，其中有大量错误信息。”他补充道，“数据规范的问题没有办法管控，临床信息经常有误。”
数据获取：“合作”共赢
影像数据是医院的，智能影像公司如何获取呢？
医疗数据是一种资源，意味着它有价值，想获取有价值的东西最简单的逻辑就是“买买买”，这正是财大气粗的IBM的战略。在2014年相继收购了大数据医疗保健分析提供商Phytel与Explorys后，2015年，以10亿美元收购了医学成像及临床系统供应商Merge Healthcare，后者坐拥有8500家客户，其中包括美国联邦政府和州政府机构、雇主、医保、医院等，以及3亿病人数据。
在我国，三甲医院拥有绝大多数影像数据，但影像数据不出院是必须守住的红线。为此，AI公司与医院寻求“合作”就成了一种可能的路径。一般来说，AI公司会选择与医院合作开发，一方面得到脱敏的数据和行业专家，一方面收获了产品打磨的场景，至于合作模式，则各有特色。
数据处理：“只有人工，没有智能”
一如机器学习AI建模的流水线，医疗影像数据处理过程也要经历数据标注、清洗、切割，随后是建模、调参等。
在处理影像数据的技术问题上，据吴博介绍，医疗影像数据刻画的是体内脏器，与肉眼容易识别花鸟虫鱼人脸等常规图片，成像原理与视觉特征都不相同，深度学习模型尤其需要深度改造。

但医疗影像数据处理的特殊之处在于数据标注耗费时间更长、门槛更高，在医生的诊断中，影像仅是一个参考信息，最终还要参考病理诊断等信息进行确诊，所以对于打造一个智能诊断系统来说，很多数据的集合才是有效的数据。AI公司需要尽可能多地打通不同的系统，把病人的所有相关信息整合在一起，这其实是比较难的。（来源：雷锋网）


关键词：医疗云 影像云 医疗影像云 医疗影像云平台

推荐阅读