體素科技落地視頻行為分析產品，切入皮膚和嬰幼兒先天疾病預診藍海市場，增加分級診療、互聯網醫療入口

07-12

醫療人工智慧發展到現在已經涵蓋了很多疾病在醫院科室中的輔助診斷，比如肺癌、乳腺癌、宮頸癌、阿爾茲海默症、糖網病視網膜病變等疾病。

但是目前這些醫療人工智慧產品都是面向B端科室、器械公司的，由於審批認證和產品研發周期較長的原因，很多商業模式需要長線等待，而市場上面向C端、家庭醫生端以及互聯網醫療機構的醫療AI產品鳳毛麟角。

圖片來源：體素科技

作為騰訊（國家醫學影像人工智慧創新平台）唯一戰略投資、紅杉資本早期投資的醫學影像AI初創公司，體素科技一直因其紮實的放射影像和眼底圖像的全病種AI輔助閱片工作流解決方案所熟知，但這不是本次採訪的重點。近期，體素科技推出已經研發一年的面向診前環節的一系列產品線，首次打開互聯網醫療、分級診療、嬰幼兒先天疾病和青少年常見病的轉診的AI服務市場。

本次產品發布有多個首創：首次通過分析視頻中的患者行為進行疾病轉診，首次提供自然圖文描述結合的轉診服務，首次將填補嬰幼兒發育功能性疾病早篩空白。率先為互聯網醫療和分級診療提供精準分診。為此，動脈網採訪了體素科技創始人兼CEO丁曉偉，了解一下體素科技的做法。

在AI醫療的應用場景有很多分類辦法，如果按服務環節進行分類，可以大致分為診前、診中和診後三個環節。診中是指發生在醫院科室中的診療服務，診後指的是患者離開醫院後的疾病監控和管理。

最特別的是診前環節，指的是在醫院服務或專科專家介入之前的階段。比如一個患者或者患者親屬在剛剛發現身體異常時，除了緊急情況，第一步一般都不是直接去醫院，而是先自主獲取可靠的信息，通過有醫學知識的熟人、問診、查網上資料等等，然後選擇最佳的醫療資源就診，甚至部分可自愈或常見疾病，在家中用非處方葯處理，如部分內分泌和皮膚病等。

這是一個比主動的疾病篩查和預防還要早期的環節，但是與每個人、家庭醫生更加貼近，需求頻次更高。這也是未被AI涉及的巨大醫療服務市場。

體素科技團隊來自世界著名醫學中心和研究機構中，一直從事最複雜和嚴肅的診中環節醫學影像AI分析工作流的系統的研發。部分產品美國版本獲得美國FDA認證，歐洲CE認證，有多款產品正在CFDA臨床試驗。

為應對本次跨環節（診中到診前）產品線的擴展，體素本身臨床產品的研發的研發標準和質控流程高於診前環節產品的需要，但在過去一年的產品線擴展中也有不少挑戰，數據來源於患者個人，極度非標準化和非結構化，包括圖像、視頻和語音對話。

下面就使用兩個具體的例子具象的描述一下這種新產品類型到底是什麼樣的。

>>>> 小兒視力障礙篩查填補醫療服務空白

動脈網了解到，小兒的視覺發育有一個過程。三歲以前是視覺發育的關鍵時期，任何不利因素都會影響小兒的視功能發育，比如先天性白內障、角膜白斑、眼瞼下垂以及較重的近視、遠視、散光、外傷等等。尤其是近些年來隨著電子產品的普及和家長管控不力，兒童視力狀況更是急劇惡化。

因此判斷三歲以前嬰幼兒的視力是否正常很重要，最佳的緩解期是3-6個月，如果發現小兒視力不正常應儘早到醫院檢查、處理，以免拖延治療，耽誤最佳治療時機而使患兒終身視力低下甚至喪失視覺功能。

但三歲以下兒童是一個非常特殊的群體。因為認知溝通能力低下無法配合醫生做常規的視力檢查，如查視力表等。同時又因為視力尚處於初級階段，孩子一直以來很習慣看不清楚的狀態，所以無法像大人一樣可以意識到自己的視力是否正常去主動提出自己的視力問題。

因此對小兒視力檢查國際上都並沒有一個可以在早期有效發現問題同時又不要求專業小兒眼科醫生操作的辦法。

（圖片注釋：該兒童在視物的過程中有一瞬間出現了嚴重斜視的癥狀，但在大部分時間是處於正常狀態。這個癥狀不在特定情境中不容易出現，同時因為出現時間短也很難被捕捉到。本例選取了非常嚴重的斜視以便理解，但大部分情況下是沒有本例這麼明顯的，所以更難被發現。）

現階段對三歲以下兒童視力檢查的辦法主是在定期疫苗體檢的時候做紅球追隨測試（檢查孩子能否目光追隨眼前的紅氣球）和光照反應（檢查孩子是或否對手電筒光照有反應），但這些辦法只能檢查出視力已經有嚴重問題的兒童。

而尋求專業小兒眼科醫生的途徑又因為嚴重的醫療資源不足無法被實現。目前國內的眼科醫生只有2.5萬-2.8萬，專門從事小兒視力研究和診治的醫生就更少只有數千，同時很多醫生沒有精力從事篩查的工作。而中國每年有2000萬的新生兒，3歲以下的兒童則有6000萬。

所以小兒視力篩查在國內是屬於一片空白的狀態，每年大量兒童因此一輩子落下眼疾。

而體素科技此次推出的小兒視力障礙篩查產品將利用人工智慧第一次使三歲以下兒童的視力障礙篩查變成現實。

體素科技在同專家的合作中了解到專業小兒眼科醫生通過多年經驗是可以從兒童眼部，面部和身體行為的細微變化中發現視力異常的兒童。這種經驗技術要求極高的檢查方式在過去是沒有任何辦法普及開來，讓普通醫護人員也可以學會，從而讓千萬家庭及時獲取到的。

但體素意識到人工做不了的事人工智慧卻可以做。當成功教會一個人工智慧這個本領的時候就相當於教會了千萬個有同樣本領的檢查人員，這樣千千萬萬個家庭便可以及時的享受到相當於經驗豐富的小兒眼科專家的服務。

丁曉偉告訴動脈網，兒童家長只需在家裡使用手機下載含有小兒視力障礙輔助篩查產品，然後讓兒童面對鏡頭進行視頻錄像，系統會自動識別視頻中兒童的身體，面部尤其是眼部的運動，依據兒童對不同視覺感知的反應進行篩查，並做出初步的診斷，如果兒童出現視力異常，就提醒家長去就醫。

（圖片注釋：該兒童在注視的過程中出現了不正常眯眼。同樣因為動作短暫不容易被捕捉到，而且眯眼作為人類常見的行為不容易引起警覺，除非有些嚴重的孩子眯眼特別頻繁。）

這個過程不需要家長有醫學背景，不需要了解眼科知識，只要家長會拍視頻，用平時自拍的用心程度就可以拍出系統可以識別的篩查視頻。

丁曉偉告訴記者，目前這套系統的訓練數據均來自於國內頂尖眼科專科醫療機構。面向國內的產品是用國內的數據來訓練，面向國外的產品使用國外的數據進行訓練，產品性能也在醫療機構做驗證。

小兒視力障礙篩查產品最大的意義在於它填補了小兒視力檢查領域的空白，這全球第一個讓小兒視力障礙篩查成為可能的工具，解決了三歲以下兒童無溝通能力，醫生無精力處理此類疾病篩查的問題，是一種醫學和技術上的創造性的雙重突破。

另一方面，丁曉偉也表示，隨著該產品的不斷完善，該產品也在促進科研醫院在三歲以下兒童視力障礙篩查領域的學術、臨床研究，促進該領域的發展。

>>>> 皮膚病轉診產品成為互聯網醫療的機器人助手

體素科技推出的第二款產品是皮膚病全病種轉診工具。丁曉偉向動脈網介紹，目前市場上大部分的皮膚診斷產品都是面向醫院皮膚科的診斷輔助工具，這些產品的研發一般是搜集標準化的資料庫和臨床數據，為醫生做罕見皮膚病的診斷提醒。產品研發之後適用於大醫院的皮膚科。

由於醫生的拍照質量可以保證，所以這類產品在醫院中使用沒有問題，但是在皮膚病領域，患者除了去醫院就診，還有很多選擇選擇網路自查或問診，還有一些輕微痤瘡還沒有到醫院就診的程度。

圖片來源：體素科技

針對這種情況，在標準的皮膚病資料庫上訓練出的深度學習模型不可能延展到非標準化場景下並且保持優異的準確率，體素科技利用非標準化的數據研發出面向普通大眾的皮膚病轉診系統。用戶通過在互聯網醫療平台上傳自拍的圖像和文字描述，利用圖像和文字的多模態AI模型進行初步的判斷。

圖片來源：體素科技

為什麼會選擇從互聯網醫療平台或醫聯體分級診療切入，丁曉偉向動脈網記者表示，目前互聯網醫療和分級診療實施存在六個問題，

第一，有限的醫生數量和有限的醫生精力，這種供需矛盾暫時很難克服。

第二，互聯網醫療雖然發展快，但是患者、醫生的就醫體驗不是很好，醫生想要選擇自己擅長或者自己想要看的有價值疾病，患者想要選擇擅長該領域的醫生，但是這個需求需要有一個醫生助理來整理患者信息，對患者疾病做出初步的診斷，將標準的患者信息發送給醫生，這樣不僅可以滿足醫患的需求，還可以節約專家醫生的時間，提高就醫效率。

第三，服務的響應效率：專家時間寶貴，留給平台的服務時間零散且不可控，患者需求無法實時響應，尤其是優質醫療資源，發揮不出互聯網方便快捷的優勢。

第四，服務的結果標準：醫生專家群體相對保守嚴謹，診療難有明確的結論，以建議為主，診療服務標準難以統一，與患者預期有差異。

第五，醫生資源的約束力：醫療資源的供給方是強勢方，出現醫療糾紛，平台對醫療資源毫無約束力，只能犧牲患者體驗。

第六，維護成本：醫療資源規模越大，專家級別越高，薪酬成本越高。服務好大體量的醫生群體，需要投入規模化的對醫療行業熟悉的維護協調人員。

尤其是醫生助理問題，在現實醫院中可能存在這樣的助理，但是在互聯網醫療中，加入這樣的職業顯然不太合適，但是體素科技人工智慧輔助診斷系統可以完美的勝任這個角色。

人工智慧在醫療市場中定位於服務醫患對接、輔助醫生決策，並在處理結構化的數據（影像和文字）的能力上已相對成熟。對於互聯網醫療平台，患者分診，醫患的精準匹配，常見疾病和病症判別和處理方案推薦等是現階段可行的技術轉化環節。

一. 人工智慧系統可以根據質量有限的用戶自拍中對疾病做出盡量正確的初步的判斷，並把控用戶上傳的圖像，整理用戶上傳的文字描述。為醫生呈現標準化的患者信息。

二. 由於這樣的人工智慧系統不需要做出診斷，只是一個轉診或第二診療意見、信息把控、整理的醫師助理機器人，責任較小，可以快速的應用到市場。

丁曉偉強調，雖然兩個產品雖然是有面向C端用戶的商業模式的，但是體素科技並不會直接面對C端用戶，而是通過其他的互聯網醫療平台、基層醫療機構等B端機構為用戶提供服務。為分級診療和上下轉診提供依據。是一個2B-2C的產品。?>>>> 非標準數據足夠雜、亂、多，滿足質控需求

這個產品最關鍵的技術是用戶拍照圖像的質控，丁曉偉表示，他們產品的穩定性就來源於訓練數據完全來自用戶，不對圖像質量和拍攝方式進行質控，只對診斷標籤進行質控，他們在產品研發的過程中就已經考慮到了用戶拍照的不確定性，所以不會要求用戶的標準化自拍，用於模型訓練的資料庫幾乎包含了各種各樣手機圖像而且足夠雜、足夠亂、足夠多。

用戶上傳圖像以後，系統會對圖像進行一個基本的判斷，然後給出結果。如果圖像過於離譜，系統會提示用戶重新拍照，並提示用戶增強光照、調整拍照距離，並關閉美顏效果。另外，互聯網問診目前大多數情況，都是給出一個準確的疾病方向，而不是給出確切的診斷結果，這與線下問診有很大的區別。

?>>>> 多樣化的商業模式探索

丁曉偉表示，這款產品的部分商業模式是是面向C端用戶使用，但是體素科技依舊是一個產品和技術方案提供方，他們本身不會面對C端用戶，而是選擇與其他B端客戶合作。

一. 與互聯網醫療平台合作，將這兩款產品植入平台，一方面滿足患者轉診，另一方面，系統可以作為互聯網平台上醫生的助手，將整理後的患者信息給醫生，幫助醫生快速準確問診。與基層醫療機構，家庭醫生合作，基層醫療機構缺乏有經驗的醫生，系統可以幫助基層醫生做初步的診斷，為分級診療和轉診賦能。丁曉偉表示，目前他們已經和美國的一些家庭醫生合作試用產品。

二. 丁曉偉表示，該產品推出以後，體素科技正在陸續推出其他面向C端用戶、醫聯體和互聯網醫療平台的轉診系統，如內分泌疾病，這些產品有些是利用圖像做判斷，有些是依據自然語言理解做判斷，或者把兩者結合，共同點是都使用體素科技領先的多層級全病理類型訓練技術，進而解決互聯網問診醫患對接和分級診療的問題。

>>>> 肺癌、眼底全病種篩查、心臟產品的展示除了幼兒視力障礙和皮膚病的產品，體素科技在肺癌、眼底全病種篩查、心臟等疾病的研究已經很成熟。?肺癌篩查產品

肺結節3D分割

一鍵導出，即刻複製結節病灶影像報告信息並提供輸出閱覽，告別繁瑣報告書寫流程。

關聯歷史影像，同步比較病灶細節變化，實現智能隨訪

候選結節區域最終輸出結果

該產品可以靈敏顯示候選區域並自動篩除假陽性結節，保留真結節的同時極大抑制假陽性，助力精準醫療。?心臟產品

Voxelcloud Autoplaque 冠脈版塊多參數自動分析解決方案：冠脈計算機斷層掃描圖像分析軟體-智能量化分析冠脈斑塊，實現冠脈無創數字活檢，為有經驗的醫生評估冠心病風險提供輔助性診斷信息，適用於心內科、放射科以及體檢篩查等醫療服務。該產品已被全球超過75個單／多中心臨床採用，並獲得美國FDA證書，CFDA證書正在申請中。目前已入駐國內頂級心血管醫院，如安貞醫院、阜外醫院及301醫院等。

眼底全病種篩查產品

（眼科模型： VoxelCloud Retina 眼底照相完整解決方案，就是一個能完成 10 種病灶類型的分類和量化，也能完成 8 種可見疾病的分類的多任務模型。）

VoxelCloud Retina 眼底照相完整解決軟體使用界面展示