風口還是泡沫，一家AI醫療影像商業化之路

撰稿：賈寧

請關注微信公號：新經濟100人

在現代醫療中，影像科醫生利用CT、核磁共振、X光、超聲波等各種醫學影像技術，對片子進行判讀、解釋與診斷，方便臨床醫生進行下一步的決策。

AI浪潮還未起來的時候，已經有一些人在思考：機器可以識別人臉、貓臉甚至豬臉，那麼它能否準確識別醫學影像中的病灶？能在醫學診斷決策中做到什麼程度？

2015年初，柴象飛離開斯坦福大學醫學院附屬醫院，結束了長達12年的醫學影像學術生涯，創立匯醫慧影，想對這個問題一探究竟。

01 服務，醫療真正的缺口

走訪縣醫院、職工醫院等基層醫院，匯醫慧影創始人兼CEO柴象飛發現，基層醫院存在擁有設備但缺乏優秀影像醫生的問題，誤診、漏診較多，準確率普遍在70%左右，剩餘30%都是有爭議或者漏診。

他認為，圖像識別技術已經成熟，利用AI輔助臨床診斷，改善誤診、漏診問題是可行的。

2015年6月，北京大學第三醫院做移動查房系統整體解決方案，匯醫慧影提供了其中影像部分的解決方案，通過影像雲軟體，可進行數據調閱、分析。 隨後，又落地河南、新疆、山東等區域。

經過3年發展，匯醫慧影現有的產品架構是：底層提供影像雲平台、數字膠片，中間層提供臨床AI診斷雲平台和用於科研的放射組學、深度學習雲平台，上層才是AI輔助診斷、遠程會診、量化報告等服務。底層的雲平台搭載AI能力、演算法能力，實時更新。

▲匯醫慧影智能診斷界面圖

匯醫慧影聯合創始人兼COO郭娜介紹，2016年4月，匯醫慧影AI輔助診斷落地。

目前有700多家醫院在使用匯醫慧影的AI產品，其中280-300家是三甲醫院，另外有500家基層醫院，二甲醫院居多。

採用這樣一個產品體系，而非單一的輔助診斷產品模式，也是現實倒逼的。 柴象飛向新經濟100人提到，他最多的時間和最痛苦的事都花在思考戰略上，「經常到半夜就驚醒過來」。

從長期目標來說，匯醫慧影希望通過AI來幫助醫生做影像診斷、決策。但在系統未完善前，匯醫慧影看到基層醫院信息化水平普遍較弱，為醫院搭建雲平台，幫助實現遠程診斷。

美國的醫學影像診斷依靠獨立的第三方影像中心運作已是主流。中國政策也在提倡這種做法。柴象飛希望參考美國模式，建立獨立第三方影像中心。

在一段時間實踐後，他發現這種重資產模式並不適合一家初創公司，其次，還有一些現實方面的問題，比如國家並沒有把診斷費作為單獨收費項目列出來，一次核磁共振檢查費480元，是包含了醫生的診斷費用。而在美國，靠服務收費，醫生的知識和時間最值錢，國內看病、診斷花錢少，檢查、賣藥費用高。

「這種模式在現有的醫療體系里，變現是有難度的。因為中國醫療對人力的節約沒有那麼敏感。這導致了醫院沒有太大動力購買優質服務。任何B2B生意，最大的邏輯就是你能不能幫他賺錢或者省錢。」柴象飛說。

發現方向不對，2016年初柴象飛開始向一二線城市大醫院推進項目：北京大學腫瘤醫院、深圳市人民醫院、浙江第一醫院、山西省第二人民醫院等。

給醫院安裝了服務系統，不等於醫生就有動力使用。只是簡單提升效率，價值不大。柴象飛又轉頭尋找醫生真正的問題是什麼，結果發現：

第一，診斷能否給到臨床決策；

第二，通過影像數據的挖掘能否變成研究課題，繼而應用於臨床。

許多疾病需要影像醫生做出決策，體現出自身專業水平：例如要不要放支架、如果放支架有什麼副作用、如果選擇保守治療，哪裡可能會破裂等。

三甲醫院和基層醫院在同樣疾病上，愈後差別也很大。301醫院血管外科做主動脈夾層手術，一半是在為從其他醫院過來的患者做二次修復。

匯醫慧影將雲平台的影像診斷環節放入單病種決策流程中。例如在和301醫院血管外科主任郭偉的主動脈人工智慧精準診斷和輔助決策的合作項目中，機器可自動提取血管做直徑、長度的測量，標註破口，再根據過去十幾年的幾千例數據和愈後隨訪，讓機器預測療效，對治療選擇給出更準確的判斷依據。

「中國醫療設備增長非常快，但醫療服務跟不上。服務有賴於人力，而這方面人才缺口很大。無論用什麼技術，AI也好，大數據也好，最終都是要變成服務，這是中國真正稀缺、真正有價值的東西。」柴象飛說。

02 數據，AI的戰爭

AI的戰爭，不如說是數據的戰爭。

柴象飛還在斯坦福時，數據非常易得——基於研究目的，內部醫院是敞開的。當他嘗試在美國創業時，數據就成為壁壘，想要獲取代價非常高。

「最大的問題就是所有公司都沒有數據，沒有數據，有再多的AI專家也沒有用。」

他認為，中國醫院對新技術的開放程度超過了美國，數據體量也更大，為AI公司在醫療領域創業提供了溫床。

▲匯醫慧影創始人兼CEO柴象飛

單從醫院獲得數據還遠遠不夠。「持續獲得高質量的精標註數據，是公司在這個領域長期制勝的核心競爭力。」柴象飛說。

就像人臉識別需要大量人工標註，告訴計算機這是鼻子、那是眼睛。醫學影像也是一樣，不把病灶標出來，計算機也訓練不了。但是，人臉識別請一群普通人就能操作，醫學影像必須讓經過專業培訓的醫生標註。

僱傭醫生有償標註，也未必準確。因為醫學影像是持續驗證的過程，兩個月後病理活檢情況、一年以後病癒情況都需要跟蹤標註，而這些數據又極度分散、私有化。

匯醫慧影首先從肺結節的影像診斷切入，市面上大多數醫療影像AI診斷都是從肺結節切入。這是因為：

第一，肺癌在中國發病率、死亡率排名第一；

第二，肺結節的數據比較容易通過公開網路找到，例如LIDC資料庫提供胸部醫學圖像文件(如CT、X光片)和對應的診斷結果病變標註。

經過三年積累，除了肺結節以外，匯醫慧影在心血管、腦梗、骨折等七八個病種上提供AI輔助診斷。其數據來源主要有兩種途徑：

一種是患者個體每次檢查產生的數據。匯醫慧影與200多家醫院合作，打通數據共享，已經超過100萬例，並且以每天幾千例數據的速度增加。

另一種是精標註數據，即柴象飛所說的「核心競爭力」，約有5萬例。它主要產生於匯醫慧影為醫生提供的科研平台。

這是一個影像大數據的科研平台。平台提供了大量工具，包括演算法、計算能力以及支持團隊。醫生只要把數據傳上來，做標註，提供信息，就能協助醫生更方便地進行科研課題管理。現在已經有200家三甲醫院在使用。

這5萬例數據包括病理數據、臨床數據、影像數據、隨訪數據等全流程的數據，甚至包括基因數據、免疫組數據。醫生通過科研平台勾畫標識，進行建模、計算。

03 產品，機器的哺喂與進化

柴象飛博士後導師、斯坦福大學醫學物理部主任、終身教授邢磊，是匯醫慧影首席顧問科學家，通過產學研轉化加速團隊產出，他本人也成為匯醫慧影吸引人才的一塊金字招牌。

當時還在西門子做科研合作的左盼莉（現匯醫慧影產品總監）一聽邢磊在，「沒得商量就跑過來了」。

斯坦福大學放射組學在全球排名第一。放射組學採用大數據維度的分析方法和手段，融入患者的影像信息、臨床信息等，做出量化診斷。

邢磊一直希望將他實驗室的科研成果應用於臨床，他和柴象飛對放射組學進行了產品定義和設計。左盼莉加入後，接手了放射組學的產品化落地，經過4個多月的打磨，放射組學雲平台於2017年5月正式上線，目前已經對接了七八百家醫院。

匯醫慧影的放射組學雲平台和飛利浦、GE都有合作，將分析軟體提供給對方，醫院使用飛利浦設備時，即可使用匯醫慧影的放射組學分析軟體導入影像數據、臨床數據，做量化分析，通過機器學習生成輔助診斷、療效評估、愈後預測等結果。

左盼莉所屬的團隊負責圖像處理，做圖像前處理和後處理，簡單地說，前者就是把圖像處理成機器能明白的東西，「喂」給機器學習，後者是把機器「吐」出來的東西經過加工，讓人看得明白。

匯醫慧影的演算法團隊除了圖像處理以外，還有專做深度學習、專做大數據分析的。

「肺結節病灶的形態、分類有限，但肺部疾病是複雜的。」匯醫慧影首席演算法工程師顧一馳說。

演算法訓練的主要難點是對肺部小結節的識別。結節大到30毫米，小到1毫米。隨著結節減小，機器識別率也隨之降低。機器對大結節的檢出率能達到90%，小結節只有80%。一般來說，醫生識別率都在90%以上。對不同大小的結節達到同樣高的檢出率，這是深度學習方法的一個難點。

演算法主要基於病灶的統計分析，採用Unet神經網路和條件隨機場模型，通過深度學習的卷積神經網路來實現。

例如肺結節的肺部CT數據，一個3D的數據，大小在512×512×（100~400）。對這樣一個大的數據，首要進行數據的預處理，預處理包括解析度、圖像雜訊的歸一化以及圖像整體識別，比如識別肺部心臟氣管的位置。

之後把訓練好的AI模型，運用到預處理之後的圖像中，判別這個圖像中有沒有結節，如果有的話機器會把位置標註出來。

「肺結節檢測軟體中，我們會採用智能檢測和人工校正相結合，採用敏感性高的模型，可以最大限度減少漏診率。」顧一馳說。

臨床診斷抱以「寧可判錯，不可放過」的態度，看重準確率、敏感性，即使假陽性率高一點也無妨。

根據醫院提供的CT樣本數據，結節大小不同，診斷準確率略有不同，目前匯醫慧影在肺結節上的準確率最高可達到95%以上，敏感性接近95%，3mm的肺結節檢出率可達到85%。

在使用過程中，大約有50%-60%的醫生會參與修改，這又反哺機器，使其變得更「聰明」，下次輸出的結果更精準。

柴象飛稱，使用匯醫慧影的AI輔助診斷，能提升40%的閱片效率。

除了準確率以外，顧一馳還希望能夠提升輸出速度。

作為匯醫慧影重點開發的產品，骨折影像的檢測方法採用目標檢測，肺結節採用圖像分割。

圖像分割是像素級分割，給圖像多種定義，檢測出多種物體，每個物體都編上號，比如把結節部分編為1，把非結節部分編成0，整個CT圖像分割成0和1的圖像矩陣。

目標檢測是在立體的圖像中，選出結節所在的位置，用一個立方體的方塊來代表它，比如它的橫坐標是200~210，縱坐標是100~120，Z軸是50~60。目標檢測就是要找到這個病灶所在的立方塊，用幾個像素標識它。所以目標檢測和圖像分割相比，簡化了輸出結果，計算複雜度大大降低。

AI演算法組還將整合多種醫療數據，研發肺部CT的智能輔助診斷系統，包括肺癌診斷、多種肺部疾病檢測，實現強監督和弱監督學習的融合，傳統機器學習和深度學習的融合，提高智能檢測準確率。

2017年8月31日，國家食品藥品監督管理總局（CFDA）發布了新版《醫療器械分類目錄》，新增了與AI輔助診斷相對應的類別，在目錄中具體體現在對醫學影像與病理圖像的分析與處理。

若診斷軟體通過演算法提供診斷建議，僅有輔助診斷功能，不直接給出診斷結論，則申報二類醫療器械，如果對病變部位進行自動識別，並提供明確診斷提示，則按照第三類醫療器械管理。

第二類器械有臨床試驗豁免目錄，診斷軟體申報是否能夠享受豁免，CFDA還沒有做出具體的規範。第三類醫療器械是需要做臨床試驗的。

各個醫療AI公司要打通醫院採購這條路，就必須獲得CFDA認證。

現在，匯醫慧影已經拿到了一個二類醫療器械註冊證，有四個三類同時在走流程，報批上去已經開啟臨床驗證階段。

柴象飛說：「拿到這個證，才叫產品。所以，我們堅決花了大量投入在做這件事。」

04落地，不能靠「免費」

醫療是很多AI公司不願意碰的領域，因為「太慢了」——研究慢、審批慢、臨床試驗慢、商業化落地慢，賺不了快錢，賺不了大錢。

不少互聯網創業者看待醫療，看不懂，看不透，覺得醫院刻板守舊，有一道厚厚的圍牆。反過來，醫院看互聯網創業，也是懷疑的態度，整天AI掛嘴邊，靠譜嗎？

關鍵在於破開那堵牆。

▲匯醫慧影聯合創始人兼COO郭娜

進行陌生拜訪時，匯醫慧影聯合創始人兼COO郭娜只有5分鐘時間。她要在這五分鐘內，打動院長或者影像科主任。談成了，才有了接下來的半小時、一小時，乃至以後的合作。

生死就在這短短的五分鐘。

匯醫慧影早期項目都是郭娜和柴象飛自己去爭取的，「一家公司創始人、聯合創始人都衝上去打單子的時候，公司氛圍就是所有人以客戶為中心。」郭娜說。

2016年，郭娜、柴象飛航班裡程不下15萬公里，相當於繞赤道近4圈。

他們拿下的標杆客戶之一是鄭州大學第三附屬醫院。該醫院以及河南180家婦幼醫院組成的醫聯體，有兩大需求：

第一，基層醫院影像需要上級醫院協助支持；

第二，宮頸癌、骨齡等檢測工作，由機器來做初審，節省大量人力。

醫院希望躋身全國婦幼第一梯隊，在積極構建大數據和AI驅動的影像鏈條。

不下二十次的拜訪、歷時半年，匯醫慧影終於和鄭大三附院、鄭大五附院達成合作，開始運轉，現又開始往180家醫院鋪設系統。完成後，匯醫慧影平台和醫院所有影像系統進行全流程對接，骨齡等檢測先由機器做自動檢測，替代醫生初審。同時，患者也可以拿到原始的數字影像和診斷結論。如果患者需要做隨訪管理，就可持續跟進。

這相當於在河南這一醫聯體里打造了一個獨立的第三方閱片平台，基層醫院遇到疑難影像直接求助上級醫院。這也順應了國家推行的分級診療，患者在基層醫院拍的片子，到省級醫院就診可同步調閱；在省級醫院做完診療，病歷信息也同步到基層醫院。

在此基礎上，匯醫慧影還做了病例的收集、整理、分析平台，建立宮頸癌、兒童腦發育等研究課題的病例庫，持續進行智能化學習、更新模型，將系統化工程良性運轉起來。

這個智能系統，能從醫院1000張判定「正常」的胸片里，篩出4-5張漏診的胸片。並且，在宮頸癌、小兒腦發育等領域提供更精準、可量化的報告。

經過一年多摸索，匯醫慧影建立起相對標準化的銷售流程，打下700多家醫院的合作基礎。2017年底，GE醫療出身的高榮強開始將業務在全國鋪開。

目前，匯醫慧影以北京為核心，對高鐵五小時抵達的區域進行深耕細作，更遠的區域通過渠道分銷的模式進入，全國已經有100多家代理商。

一些醫療AI公司採用「免費」的模式將設備送進醫院，唯一要求是兩年內不能撤換下來。

匯醫慧影銷售總監高榮強說：「免費就是最貴的，免費意味著可以不負責任。醫療不能像普通互聯網公司那樣，先免費做到壟斷，把流量做大了再剪羊毛。」

「如果免費的不能提供優質服務，最後大家浪費了一兩年時間，沒有在AI浪潮中成為排頭兵，這對醫院來說是浪費。」

AI產業有著巨大的泡沫，商業化是最大的痛點。

柴象飛在接受新經濟100人採訪中，反覆提及產品化與商業化。「第一核心技術，第二產品化能力，第三商業化能力，這三點缺一點，你都沒有辦法生存。現在，大多數人最重要的事，還是如何把技術變成產品，商業化還遠遠未到做的時候。」

柴象飛在2016年花了一年時間做銷售，「因為只有這樣，你才能正確認知行業，正確認知變化。否則，很容易飄在空中，獲得的信息都是不真實的偽需求。在泡沫中，你會被沖昏頭腦。」

中國醫療是一個使用者和決策者分離的市場，有一整套複雜的採購流程、供銷流程和流通環節。醫院對核心技術要求很高，創業公司既要懂醫療，也要懂AI演算法。激烈競爭中能夠制勝的關鍵是把技術、產品和銷售串起來。而現在大多數公司，往往強於一個點，卻很難將它們都一一做到。

2015年，柴象飛伏在地上。他早上做開發，白天給人家講方案，晚上寫合同、改方案，第二天再去部署實施。

2016年，他抬起頭，開始來探索一些新路徑。三甲醫院的大門打開又闔上，他走過了一家又一家。

2017年，他轉變很多，主要精力投入到了決策和把握方向。地圖上，一些地方正在廝殺，另一些地方已經插上旗幟。

柴象飛還在斯坦福大學做研究時，恰逢費馬實驗室的一位教授退休。那天，大家聚在一起，細數這位老教授一生的成果，包括發布的150篇論文。

他覺得如果自己在斯坦福待下去，做到最優秀也僅僅是下一個這樣的老教授，退休時生產100篇論文，但這100篇論文對社會有實質貢獻的，可能連1%都不到。

他希望能把技術和思想轉換成實用的東西，「我最大的夢想就是希望做一個東西，這個產品真的能被世界認同，能進入醫院裡面使用。」