0
近日，由中国医学影像AI产学研用创新联盟（CAIERA）主办的「第二届中国医学影像AI大会」，在上海落幕。
雷锋网作为本次大会的战略合作媒体，进行了全方位报道。
大会首日现场，上海长征医院影像科副主任萧毅发表了主题演讲《有生命力的医学影像AI产品之我见》。
报告内容高屋建瓴、鞭辟入里，赢得全场医生和企业家们经久不息的掌声。
萧毅教授从“产品初心、AI边界、企业战略路径选择、优秀AI产品特征、不同角色的AI需求”等行业尤为关注的重要议题，讲述了她对医学影像AI多年来的思考与感悟。
以下是萧毅教授的报告全文，雷锋网做了不改变原意的编辑与整理：
什么样的医学影像AI产品，是具有生命力的？
再通俗一些来讲，什么样的影像产品能够活下来？
今天的分享，是我在接触很多人工智能公司，并且与他们进行充分交流后，我的所思所想。
AI在“闯入”医学界的进程中，其实经历了从一个狂妄到极度失落，再到信心逐渐回升的过程。
早在2016年，不仅媒体在报道AI即将取代影像科医生，甚至包括我们熟知的图灵奖得住Hinton教授也在公共场合谈到可以停止培养影像科医生。AI取代我们的声音，甚嚣尘上。
大家这样说的原因，其实也很简单：人们认为，AI在很多任务上，的确可以减小误差、提高效率，而且它可以不断学习、不知疲倦。难道这样下去还强不过医生吗？而且医生不也是靠不断探索、不断学习，然后循序渐进，不断地发现和诊断病变的吗？人和机器虽然有别，但运行流程的本质是相似的。
没错，当时很多企业是这么想的。
所以根据这个假想的逻辑，人们充分利用机器的优势，去“创造”需求、研发产品、大肆宣传，把人工智能包装得无所不能。
这种研发产品的思维以及宣传方式，也引发不少影像科医生出来批驳。
医工之间，各执一词，时不时在网上甚至在朋友圈交火。
人工智能闯入医疗领域，大家都预测它有可能率先在医学影像上大规模落地的。因为AI目前最成熟的应用就是图像识别。医学影像，不过是一种图像形式而已。机器把所有图片都看会了，自然可以把影像医生淘汰掉。
我们上海长征医院影像科最初在接触AI的时候，我在电梯里碰到一位同事，他跟我开玩笑说，影像医生自己搞AI，岂不是成了影像医生的“掘墓人”吗？就不怕将来有一天遭同事愤恨吗？
虽然是句玩笑话，但这个问题让我真的想了很久。
确定要做自己的掘墓人吗？
带着这个问题，我来到了AI的现实世界。
探索过程中，我发现AI 落地难度远远超过我们的想象。
不像人脸识别，拿一堆数据训练出的模型，用在其他人脸上，大部分都是Work的。但医疗则完全不同，比如我在A医院训练出的模型，在B医院上应用，识别结果可能就完全变样了。
2018年，中国医学影像AI产学研用创新联盟刚刚成立的时候，雨后春笋般的AI企业，带着梦想，站在风口之上。
在我记忆中，全国大概有100多家企业在做医学影像AI。随着联盟成立一段时间，我们陆续组织政、产、学、研、用，聚在一起多次探讨，结果我们才发现，原来要想做好医学影像AI，需要那么多以前完全没想到的必备条件。
而以往，这些条件，可能更多是一部分人根据自己的经验和视野空想而来的，局限性很强。
企业有企业的认知短板，医生也有医生的认知局限。
在医学影像AI这个领域，没有哪个人说的话完全是真理或者无懈可击。
真理都是一群看似互不相干，但实际联系紧密的人，用“思维的联合建模”共同做出来的。
所以反观现在，2020年还有多少人工智能企业在做医学影像AI？明显少了许多。
那些继续做医学影像AI的公司，大多也转变了自己的商业模式和产品路径。
那么究竟什么样的产品有用？什么样的人工智能公司才能活下来？
在这里，我先发出一个疑问：研发这个产品，你的初心到底是什么？
初心包含了一系列的“灵魂拷问”：
你研发产品是想解决影像科基本的痛点问题吗？比如医生不愿意写简单的报告、不愿意去测量数据，你是为了解决临床影像科医生这些低级的工作需求吗？
还是说，是为了和影像科搞好关系，拿到大量数据，尽可能地去满足影像医生的科研需求？
很多公司在初期是把大量的资金和人力，投入到满足影像科医生的需求上。
那么回归本源，影像科医生的需求是什么？
他们的需求，可以匹配企业活下去的需求吗？未必。
还有一种初心，是解决临床医生读片的需要。
现在的AI，谁最喜欢？临床医生喜欢。
因为这样他们再不用求着影像科医生说，帮我看看哪里有肺结节，所以他们特别渴望，能够有这样一个予取予求的功能出现。
再比如胸外科，结节是恶性是良性，临床医生根本不用去看影像，只要有技术员扫描完把图传给他们，AI就已经告诉了他们病灶在什么地方，不需要影像科医生帮忙读片。
尤其像外科医生，他们内心的独白可能是：我也不管它是良恶性，我只要知道它好不好切，它有多大就行了。
如果从这个视角看，临床医生对AI的需要，在初期其实是大过影像科医生的。
回到产品本质，企业在研发产品的时候，应该去想什么呢？
它的最终落脚点，应该是为患者服务，为解决临床问题，为解决临床决策需要的。
有多少家公司初期在做产品时，初心如此？
同样，你做的产品，你认为需要吗？
中国肺结节筛查公司这么多，初始他们可能在想，国外有那么多公开的肺部数据集，靠这些数据训练模型，说不定马上就可以产品化、变现、上市。
所以大家都一股脑投入进去了，然后没多久又一拍脑袋，心想如果做另外一套软件，说不定更适合，更能好做创收。
这可能是医学影像AI企业经营常见的情况。
但你有深入考虑过医院、患者、国家，需要什么样的人工智能产品吗？
医疗和普通的产品不同，它涉及到的面更广、更系统，更加需要企业家具备全局思维。
有句老生常谈的话“思路决定出路，态度决定高度，格局决定结局”，这句话无论用在我们的研究上，还是用在人生中，都是相通的。
所以这些年经历过一系列挫折，趟过无数坑后，还健康成长的人工智能公司，我想，这就是他们的思路、态度和格局赋予他们的生命力。
今天，我也为大家展示部分公司、也是我们联盟企业的代表工作：
首先来看下联影智能的产品矩阵。
只要你能想到的、临床有需求的产品，几乎都已经在他们产品列表中，而且效果很不错。
西门子医疗虽然不是一家人工智能公司，但作为一家大型设备厂商，它的后处理软件也具备AI的能力。
从图片中我们也可以看到，产品覆盖广度，从脊柱，到肺部的各种分割，以及主动脉检查和靶区勾画，都做出不少优秀的成果。
当然了，传统设备厂商在人工智能领域的布局，并不需要消耗过多资源亲力亲为，选择与优秀AI创业公司合作，无论从效率、成本还是效果层面来讲，都是一个性价比颇高的选择。
接下来是推想科技和依图医疗。
推想一直和我们感情很深，我们做影像AI的起步期，就主动去找过他们，包括夏黎明主任（本论坛主持人）团队和推想的合作也是这样展开的。
这期间，推想就在北京、上海和武汉来回穿梭，不断去测试肺结节产品。
一系列的合作中，也让我们深刻体会到，做好人工智能产品其实是非常难的，完全不是我们最初想象的那样：随便在公开域下载一些数据，训练出一个在统计意义上高精度的模型，但实际上一旦在临床环境下遇到迥异的数据，鲁棒性便非常不稳定，检测和识别的结果自然是花样百出。
因此在实际交流和探索当中，你会真正看到AI的能与不能。
当前的医学影像AI系统，发展到从质控，到组学，再到临床科研的智能方案，这些都表示他们的思路在转变。
再到数坤科技，我最喜欢的是他们研发的冠状动脉CTA重建方案，解决了临床的很多负担。
还有杏脉，同样抓住了临床的痛点。
深睿医疗也有智能多模态专属专利数据库平台，这是他们一直在打造和推广的产品。
回到问题根本，这么多优秀产品，它取代了我们影像医生的地位吗？
答复是否定的。
任何一家AI公司，如果是奔着取代的目的，我可以明确的告诉他们：一定会失败。
为什么不能取代医生？
首先，单一病种有它的复杂性，不是专门研发一套肺癌筛查系统，就能够赢得影像科医生的青睐。
影像医生做诊断靠什么？
靠的是影像特征、病史、历史对比和多种检查。
而AI目前能够做到的，更多是检测一个影像特征和历史特征进行比对。
当然了，企业也正在努力参考病史和多种检查的综合数据，出发点很好，但这对人工智能的要求非常高，而且现阶段AI还不能够飞快地像我们人脑一样建立起突触。
第二点，是同一部位的多样性问题。
影像医生看一张片子，不光看肺结节，还要看纵隔、肺气肿、纤维化；AI可以吗？
好像很难，这需要做出多个单病种模型或者多任务模型。而且也无法写出一份完整的诊断报告。
第三点，是诊疗过程中的多变性。
同一种疾病，可能有不同的治疗方案，而且会有不同的反应。
最后一点，医生看的只是片子吗？看的只是病吗？不是，我们看的是病人。
以人为本的医学人文关怀，永远无法取代。
而人工智能看的是什么？可能只是看个图片，看个特征。
从这四个角度来看，取代二字，基本不成立。
AI的本质到底是什么？
很多人赋予了它无限的力量感、神秘感、颠覆感。
我认为，它只是一个用先进技术解决实际问题的工具。
而一个工具，是如何演变成泡沫的？
投机的思想+单一的产品模式+浮躁的心，再加动辄就把一套软件卖到百万的欲望，这些都是医学影像AI泡沫的最大组成。
我觉得，既然AI是一种先进的技术，是一套工具。
我们就应以工具思维，让它做该做的事。
就像行业常常提到的先造锤子和先找钉子的比喻，一个成熟的AI落地模式，必定是先找钉子，也就是洞察好场景，然后再造锤子，根据场景进行方案落地。
现在的产品，分为三类：
第一类是多数公司选择的落地模式，以疾病为发力点，单个病种各个击破，整体效果可圈可点。
也有一类公司是以流程应用为发力点，这一方向的选择，我认为比较聪明，而且做得轻松一些。
比如它可以辅助优化放射科流程，进行一站式扫描、自动定位、剂量控制，经过图像采集提速、质量优化，也可以进行图文结构化报告、AI排版、影像控制等。
第二类以流程优化为发力点的这些公司，往往活得不错，因为它把AI现有的能力发挥得淋漓尽致。这些由于门槛低，也不需要申请产品注册监管。
第三类公司，以决策辅助为发力点，如自动靶区勾画和受累器官，大家对这一应用的质疑声非常少。
另外，像术中病理诊断和冠脉介入手术规划、肿瘤分级、AI筛查、临床辅助决策系统、患者预后管理、AI科研平台，都是非常好的模式。
企业类别分析完后，我们再来总结下，活下来的这些人工智能企业，都有什么样的特征？
我想，它不外乎7项。
第一，它解决了疾病筛查问题。
筛查肺结节没用吗？当然有用。但最好不要试图到三甲医院去推销肺结节筛查软件，三甲医院面临的肺部问题比较复杂，单一疾病无法适用。而体检中心是一个不错的选择。
其次，它分别解决了临床决策、诊断规范、临床科研、图像质量、工作流程、健康管理这6大问题。
只要你的产品解决了这些问题，无论是产品，还是企业本身，一定是富有生命力的。而且很多资本也会愿意介入，更多平台愿意与你合作。
医学影像AI的从0到1，需要同时满足四类人/组织的需求 ：企业自身、医生、患者、医院。
有一句话说得很有道理，每个人、每个企业，要给别人创造出“被需要感”，“被需要感”是做产品的最重要的条件。
企业要创造出，让“医生非常需要你”的产品。
而企业也需要被认同的价值感，而认同带来的，便是商业化变现，这都是自然而然的过程。
医生需要什么？
最直接的就是减负，让工作轻松一些。再者，一起探索前沿科研方向，帮助我实现优质科研成果，在顶会和顶刊上发表论文。
再进阶一步，医生通过借助人工智能辅助决策，成为一个名医。未来懂AI的医生，一定是优秀的医生。
这些都是医生比较常见的想法。
但你把过多的注意力，集中在医生身上时，我想这也是“你该吃药的时候”。只满足医生的需要，你的投入可能会大于你的获得。
你在一味去迎合医生个体愿望的同时，更应该思考患者们需要什么？
他可能在想，不管用什么方法、用什么技术，只要看好病、少花钱就可以。
这带来一个问题，我们做出来的人工智能软件，是想让患者省钱，还是想让患者多花钱？
产品落地后，如何定价？
讲个我亲历过的故事，有家企业用AI给患者做辅助诊断，单次费用开口要价5000，听到这个数字后，我当时愣住了，我反问他知道医生给病人做这样的分析需要多少钱吗？50块。
当然，个别患者可能需要这样的服务，但对于绝大多数人，这显然不符合市场规则，有价无市。
另外从医院层面的需求出发，医院买单有一个重要原因是，让病人知道我们院有个“技术绝活”，有了人工智能软件，可以让医院变得更加有科技感，能看得了别的地方看不了的病，随之也增加了医院的效益。
所以，企业研发产品应该去满足医生，还是满足病人，或是医院的需求？
从目前AI的性能来看，最理想的状态是“以患者为核心”，同时要融合多模态数据与AI技术，覆盖全流程决策环节。
在早期诊断、精准诊断、医疗决策与评估，以及预后管理这4大板块，发挥应有的作用。
早筛早诊非常有必要，精准诊断可以让我们成为更好的医生，治疗决策可以让患者得到更精准的治疗，而愈后管理，则是健康管理最终追求。
讲到这里，有生命力的产品应该是什么样的？我想大家心中已经形成了一套初步的评估体系：
1. 兼顾临床需求、应用落地等因素，具有独特竞争优势的产品。
2. 面向基层医院、第三方影像中心、体检机构、保险机构、非公医疗机构等不同主体需求，设计产品
3. 携手设备厂商、大型药企、PACS厂商等，做轻量级产品。
4. 理清科研、临床、政府、患者的不同需求，精准研发。
最后，作为一名影像科医生，我也相信AI定能照亮医学影像的未来，谢谢大家。 雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
