logo资料库

“医疗影像+AI”2018落地之年 9大变化为证.pdf

发布时间：2022-06-16 发布人：admin 分类：说明书 资料大小：0.75M 资料格式：pdf 举报 版权申诉
第1页 / 共14页
第2页 / 共14页
第3页 / 共14页
第4页 / 共14页
第5页 / 共14页
第6页 / 共14页
第7页 / 共14页
第8页 / 共14页
资料共14页，剩余部分请下载后查看
    “医疗影像+AI”2018 落地之年 9 大变化为证 2018-12-13 凛冬已至，曙光仍在前方。 人工智能发展瞬息万变，却离不开“质量”与“需求”两项衡量产品优劣的关键要 素。从人机大战到医院圈地，再到即将来临的商业化交付，看似漫长，却也只 经历了短短两年时间，这一赛道环境瞬息万变。 过快的发展常常会招致质疑，“AI 技术革新医学影像”一直是业内外争论不休的 论题，但无论舆论几何，AI 企业在落地上方面做出了实在的进步，超过 1000 家三家医院入驻了 AI 企业的医生。 那么，在这机遇与挑战并存的一年，人工智能改变了什么？人工智能又发生了 怎样的改变？ 细数 AI 九大变革与创新 1.对 AI 的态度 RSNA2018 开幕式后，主席 Vijay M.Rao，MD 在 Daily Bulletin 在采访中表 示：“AI 和机器学习应用已经在放射学中有效地证明了自己的价值，但我们仅仅 了解这些技术的皮毛。如今的 AI 应用将医生从重复的工作中解放了出来，让他 们应更高的效率工作；患者因为技术的升级而无需长时间的等待，整个放射学 也因此更透明。” 正如 Rao 所说，相对于去年 RSNA 上各位医生们举棋不定的表现，我们能看 到医学 AI 最大的转变——观念的转变。这一变化可谓今年最为重要的变化，正 是这一变化给 AI 的发展带来了数据、带来了革新，带来了潜在的商业化利益。 因此，只有医生真的接受 AI，拥抱 AI，AI 技术才能离开离开实验室，走进真实 世界。 国内态度同样如此。8 月中旬，浙江大学医学院附属邵逸夫医院率先就人工智 能相关产品开放收费目录，文件中标明“（特需）人工智能辅助多学科疑难病联 合诊治，6500 元/次”。青岛、辽宁等地区紧随其后，也将部分呢人工智能服务 加入收费目录。医院方已经在今年作出了巨大的突破。
    2.算法的变化 医学影像并不是 AI 应用的第一个场景，许多企业的 AI 技术源于计算机视觉的 迁移，并在此基础上根据病种的特征进行训练、优化。迁移算法的优势在于开 发者可以迅速切入医学领域，能加速医疗 AI 产业的发展。 今年算法的变化主要变化在两个方面，一方面，传统迁移算法通过数据与实验 不断优化，鲁棒性、准确率等指标都有明显上升；另一方面，部分 AI 影像企业 拒绝使用开源算法，而选择针对 AI 影像自建算法。 两种模式有拥有自己的优势，但要完全突破现有 AI 技术的瓶颈，或许单单的算 法并不能完全解决问题，从基因等其他因素出发，全方位的看待问题，或许是 另一条出路。 3.产品选择的变化 因为肺结节与眼底存在公开的数据库，且肺结节的数据库丰富而完整，所以在 现有的 AI 企业中，我们能看到大部分企业都将肺结节产品作为主要产品。这一 趋势并没有改变，改变的是更多新领域进入了开发者的视野。
    在 2017 年的 RSNA 大会上，研究影像组学的企业屈指可数，国内仅汇医慧影 发布的放射组学云平台代表了相应的研究。而在今年，更多的企业开始了影像 组学的研究，尝试从影像中高通量地提取有效信息。 乳腺癌是今年 AI 产业的一个亮点，虽其名为女性第一大癌症，但在去年，发布 这一病种 AI 产品的企业屈指可数。反观今年，乳腺早筛几乎成了每个公司的标 配，每个公司至少发布一款早筛产品（包括 X 光、超声、钼靶）。 希氏异构主打的消化内镜 AI 与数坤科技主打的心血管 AI 不断深入单一场景的 研究，他们的专注力很可能在百花齐放时代下打造坚实的技术壁垒。 此外，更多的跨界融合也在进行之中，“AI+新药”无疑是今年的一个大热点，从 全球范围看，打上这一细分领域标签的企业数量翻倍，其中国内的晶泰科技获 4600 万美元 B+轮融资，深度智耀获 1500 万美元 B 轮融资，AccurtarBio 也在 17 年的尾巴获投 1500 万美元。 还有一些基于 NLP 的辅诊项目以及视频捕捉技术也日益成熟，腾讯医疗 AI 实 验室在创新领域的研发走在世界前沿，但所涉及领域暂时没有商业化的迹象。 4.落地情况 2018 年可谓是医疗 AI 落地的一年，随着医生观念的转变，医生不仅仅开始使 用 AI 产品，也逐渐参与到了产品的研发以及相关 AI 人员的培训，医生与研究 人员之间的合作变得更加的频繁。 经过动脉网的统计，现阶段主要企业的落地情况如下图所示：
    从图中可以看到，各家耳熟能详的人工智能企业均在落地上表现不错，其相应 的成熟度指标也不断上升，但下面需要谈到的，是便是 AI 产品的指标问题。 5.指标变化 随着 AI 算法的精准度不断上升，逐渐趋近于完美，这个过程中也来带了诸多问 题。其中最为重要的一点来源于一些公司在追求算法准确率的过程中，其精准 率也在不断上升同时，误报率也在不断的上升。有医生表示：“对于常规的问 题，AI 通常是不会漏诊，而一旦漏诊，必定出大问题。虽然有一些产品能对良 恶性作出基本的判断，但离成熟还差得很远。” 为解决这些问题以及描述 AI 发展的状况，一些如医院闲置率、报告应用率新的 指标也随之诞生。这些指标能协同准确率、鲁棒性，更全面的反映 AI 产品与医 生的磨合程度。 6.商业模式 在三类器械审批通过之前，很多 AI 产品可获得 CFDA 二类器械认证，在此情 况下市场孕育了一些可供未来参考的收费模式。 1. 以使用次数收费，现阶段采用此种付费模式的以第三方影像中心为主。
    2. 以买断方式购买产品。现阶段采用此种付费模式付费的以医院为主。 3. 年费形式。现阶段采用此种收费模式的产品暂未收集到相关数据。 不同的收费模式反映了市场不同的需求。按次数收费的模式的优点在于灵活操 作，成本易控制，但不可持续。对于第三方影像中心作为新兴赛道，其业务量 相对较小，且产品迭代相对迅速，以买断的形式购买产品的方式过于昂贵，不 利于企业的现金流，也不符合企业的阅片需求。 对于医院而言，在没有现金流压力，又对产品较为满意的情况下，在产品定价 成熟前以全款方式买断产品显然更有利可图，当前的价格必然远低于商业化后 的价格。 年费模式虽未收集到相关数据，但在产品过审后，很有可能成为主流。一方 面，这种运营模式方便于对产品进行成本控制，后期医院及影像中心若对某一 产品不满意，也可及时更换产品。 7.技术突破 抛开商业化模式不谈，AI 的技术突破也值得一看。 《细胞》介绍了中国团队的研究成果 2 月《CELL》介绍了中国团队的 AI 工具，这是一款能精确诊断眼病和肺炎两 大类疾病的人工智能工具，该工具有效地将图像分类为黄斑变性和糖尿病性视 网膜病变，可以在 30 秒内确定患者是否应该接受治疗，准确度达到 95％以 上；在区分病毒性肺炎和细菌性肺炎上，准确率也超过 90％。该研究开发了一 种使用迁移学习技术的人工智能系统。 使用 CNN 识别皮肤癌 ANNALS OF ONCOLOGY 上的一项研究中，研究人员开发了一个深度学习卷 积神经网络 CNN，并通过展示 10 万多幅恶性黑色素瘤和良性痣的图像来识别 皮肤癌。CNN 比皮肤科医生更少漏诊黑素瘤，误诊良性黑素瘤的几率更低。这 是科学家们首次表明 CNN 作为人工智能或机器学习形式比有经验的皮肤科医 生更能准确诊断皮肤癌。
    斯坦福吴恩达团队公布最大医学影像数据集，4 万张为人体上肢端的 X 光片 斯坦福吴恩达研究团队开源了含有 4 万张人体上肢端的 X 光片的数据集 MURA，并用这个数据集训练 CNN 寻找并定位 X 光片的异常部分。根据研 究，全球现在超过 17 亿人的肌肉骨骼都出毛病，每年大概有 3 千万的急诊病 例。MURA 是最大的开放性放射影像数据集之一，它有助于诊断上肢骨骼疾 病。 无需活检，AI 可以从 CT 图像预测免疫疗法效果 《The Lancet Oncology（柳叶刀肿瘤学）》上的一项研究，来自法国的 Eric Deutsch 博士团队用癌症患者的 CT 图像训练人工智能，得到一个可以通过患 者的 CT 影像准确预测 PD-1 抑制剂治疗效果的人工智能平台。那些被认为有 效的患者的中位生存期（24.3 个月），比预测无效患者的中位生存期（11.5 个 月），提高了一倍以上。 清华大学廖洪恩团队发表人工智能影像基因组学系列论文在《IEEE 生物医学工 程汇刊》上 清华大学医学院生物医学工程系特聘专家廖洪恩教授课题组通过人工智能技术 学习大量脑干胶质瘤患者的磁共振影像学特点，深度挖掘其与该基因的关联， 不仅帮助医生获得基因学的诊断依据，而且方法分析得到与基因关联密切的影 像学与临床参数能够提高医生的诊断经验。系列研究成果发表在生物医学工程 领域知名期刊《IEEE 生物医学工程汇刊》上。 全球首次开发出 B 型主动脉夹层人工智能自动分割方法 4 月 21 日，汇医慧影联合中国人民解放军总医院血管外科发布“主动脉人工智 能研究云平台 AORTIST2.0”，这是全球范围内首次开发出的 B 型主动脉夹层人 工智能自动分割方法，解决了此前 B 型主动脉夹层手术中的精准测量、预后预 测和远程随访三大核心问题。 8.融资变化
    根据动脉网数据库统计，全球共有 244 家企业将人工智能应用于医疗领域， 主要布局在医学影像、健康管理和病历/文献分析三个应用场景，其中涉足医学 影像的企 业数量达到 60 家，远高于其他应用场景的企业数量。 国内 96 家医疗人工智能企业，主要布局于医学影像、病历/文献分析，而其中 布局于医院管理、疾病筛查和 预测的企业数量较少。 从国内看，医疗健康领域的人工智能创业公司表现尤为突出。在 2018 年仅第 一季度就有 20 多家 医疗人工智能企业获得融资，但随着本年下半年经济遇 冷，整体投资数量与投资额度均有降低，但预计在新年到来前，AI 领域还将有 一波大额融资。 截止 2018 年 1 月-9 月，AI 融资排名前 10 名 9.政策变化 针对人工智能专项出台的政策较少，一般归属于“互联网+医疗健康”相关政策， 2018 年 3 月国务院发布的《政府工作报告》，4 月教育部发布的《高等学校人 工智能创新行动计划》及国务院出台的《关于促进“互联网+医疗健康”创新行动
    计划》都强调了人工智能的发展与相关人才的培养，而对于企业而言，相对重 要的是中检院光机电室对于医疗器械的审核。 2018 年 8 月 1 日起，我国新版《医疗器械分类目录》正式生效，文件将医用 软件按二类、 三类医疗器械设置审批通道。 《目录》指出，若诊断软件通过其算法提供诊断建议， 该建议仅具有辅助诊断 功能，不直接给出诊断结论 ，本子目录中相关产品按照第二类医疗械器管理。 若诊断软件通过其算法对病变部位进行自动识别，并提供明确的诊断提示，则 其风险级别相对较高，本子目录中相关产品按照第三类医疗器械管理。所以， 目前我们所看到的 AI 产品，大多应属于第三类医疗器械。 为应对这一政策，我国大部分企业采取增删诊断功能的办法，同时申报二、三 类器械，目前多家企业已经率先获得了二类证书，包括 希氏异构、雅森科技、 汇医慧影、深睿医疗、图玛深维、推想科技、Airdoc、依图医疗 等知名人工智 能企业都在积极进行三类医疗器械的申报。依图医疗表示，他们的全产品矩阵 都在做三类认证，而 Airdoc 送检了中国第一台装载待检人工智能 AI 软件的服 务器。但目前尚未有一款产品获得三类证书。 按照医疗器械注册流程，产品从申报到最终过审要经过产品定型、检测、临床 试验、注册申报、技术审评、行政审批等六步。目前，申报三类器械的医疗人 工智能产品大多停留在注册申报起步阶段。 中检院作为国家监管技术支撑机构，承担了医疗人工智能产品质量评价与研究 工作。光机电室凭借在医疗器械软件检测方面经验丰富的优势，专门成立 AI 小 组承担此项工作。 截至 2018 年 10 月，眼底影像标准数据库与肺结节数据库已初步成型，具体情 况如下： 眼底影像标准数据库的建立相对较早，目前已经形成了一个包含 6327 病例规 模的数据库。
    分享到：
    赞 收藏

    相关推荐

    资料库

    行业

    共收录7266份资料，累计15个分类，关注成员有19位，主要包括：物流,旅游,餐饮零售,网络游戏,咨询,金融,电子政务,外包,教育,制造,医疗,嵌入式,互联网,交通,电信

    热门标签

    物流 旅游 餐饮零售 网络游戏 咨询 金融 电子政务 外包 教育 制造 医疗 嵌入式 互联网 交通 电信

    最新资料