11月初的北京一片金黃，大風過後，銀杏葉已稀稀落落。而此時的國家會議中心內卻是熱鬧非凡，正在召開中華醫學會第26次全國放射學學術大會(CCR2019)。
全國的放射學家齊聚與此，GPS、東軟醫療、聯影智能、賽諾威盛，以及一大批人工智能企業也紛紛在此建立根據地，向整個行業分享著技術的進步與模式的創新。
在這之中，話題的C位依舊被人工智能所牢牢佔據。
學術：影像學數理化還面臨哪些難題？
作為國家重大戰略之一，國務院《新一代人工智能發展規劃》、《關於促進和規範健康醫療大數據應用發展的指導意見》等文件的發佈不斷推動醫療人工智能技術向前發展。但對於企業如何獲取醫院數據，何如使用醫院數據，相關的法律法規仍是一片空白。
法律的問題只是其中之一，在浙江大學應用數學研究所所長孔德興教授看來，卡住人工智能脖子的關鍵在於“核心算法”——人工智能算法的現狀並不能匹配當前醫療環境對於這項技術的需求。
事實上，深度學習作為一項擁有近40年曆史的技術，至到2012年卷積網絡的出現才有了今天繁榮，但數年的發展或許已將技術紅利消耗殆盡。孔德興教授認為，醫學人工智能缺乏的，是能夠對小樣本進行分析，對分析結果可解釋，並能夠將真實世界數據數字化的新一代人工智能。如果不具備這些條件，這樣的人工智能可能在實驗室中能夠展示出優異的成績，一旦進入醫院，它的準確率就會大打折扣。
此外，與此相匹配的智能化信息系統也非常重要，醫院方需要嘗試搭建一個支持人工智能醫療產品的信息化系統，用以打通不同醫療機構的數據隔閡、消除不同器械之間的影像格式差異，這是當務之急。
這些問題既是機遇，又是挑戰。在演講之中，孔德興教授主要將這些問題分為了四個點，並以此從“數理”的角度給出瞭解決方案。
問題一：精準性瓶頸
精準性瓶頸來源於影像設備的侷限性與醫生認知的侷限性。正如任正非所說：“現在的圖像不是照出來的,是數學算出來的。”影像學的未來應是徹底的數字化。
從臨床角度來看，從基因發生異常到組織病變出現需一年的時間；而從組織病變發展到腫瘤形成需要5-20年時間。週期雖長，但若僅是由醫生通過醫學設備觀察腫瘤，很多病灶將會不可避免的忽略。這不是醫生水平的問題，而是人類的視覺極限問題。
所以，一方面，醫生需要更精確的設備去生成更為詳細的圖像信息；另一方面，研究人員需要用數理的方式，將影像信息內涵的信息挖挖掘出來。對於人工智能而言，兩個方面均有待深入研究。
問題二：分析方法缺陷
在這個時間上，通過計算機視覺處理醫學圖像很難精準，最為常見的是“同病異像”、“異病同像”、“模糊邊界”等問題。
對於這些問題，很多人工智能企業也開出了“多模態”的藥方，或是融入電子病歷等信息，為人工智能“構造”一個關聯上下文的場景，但在實際之中，缺乏源頭可控和圖像分析一體化的角度處理、常用剛體的圖像處理方法處理柔性對象等問題，依然困擾著人工智能識別圖像的精準度。
問題三：數據孤島
數據孤島是一個老問題，AI是一項以大數據、大模型、大算力為基礎的技術，但由於隱私、產權等原因，不同醫療單位之間的數據難以打通，不能支持醫學AI高質量應用。
那麼我們是否能用新的方式去解決這個問題呢？聯邦學習或許是一個答案。通過這種分佈式的計算模式，研究人員可以在不改變數據屬性、安全性的前提下，將各家醫院的數據連接起來，用於人工智能的訓練。
問題四：深度學習缺陷
大數據依賴、黑箱建模、真實數據遷移困難三大問題是人工智能在醫學領域發展所遇到的特有問題，也是制約這項技術在醫療領域發展的關鍵。對於這些問題，目前尚未出現好的解決方案，或許只有發展新一代的深度學習算法，才能以此解決上述問題。
總的來說，孔德興教授認為，人工智能在當下受到了廣泛關注，但由於“經驗+案例”這樣自上而下的基本模式依然是AI產品的主流研發方式；理論、技術、方法尚未取得重大突破，臨床應用實現仍需一定時間。
展區：沒那麼熱鬧，但更理性
回到展區，不少參展的器械商都談到了今年會場的相對了冷清的氛圍。的確，相對於去年，參展的企業少了不少，但參與互動的放射科醫生依然在展臺間絡繹不絕。
與RSNA、ECR等國際放射學會相似，人工智能初創企業與大型影像設備廠商佔據了會場的大部分席位。以GPS、東軟醫療、聯影醫療為主的設備廠商紛紛掏出自己的看家本事。
以GE為例，這家器械巨頭不僅展示了前不久通過FDA審批的Edison及其相關應用，還發布了全新一代數字化64排CT“Revolution Maxima”，GE醫療中國CT產品部總經理黃毅告訴動脈網記者：“這臺64排CT搭載了“數字化天眼視覺認知系統”、“數字化自由心平臺”和“數字化高清診斷平臺”三大核心技術，能夠滿足每日150-200人的流量任務，能夠廣泛的應用於三甲醫院、二甲醫院等諸多場景。”
在人工智能企業部分，本次展會的新穎之處在於“質控”與“移動終端”兩個概念的深入發展。
以翼展醫療集團發佈的新一代翼展AI+5G盒子（3.0）為例，這臺作為搭載了5G通信模塊的邊緣計算智能網關工具，可以實現現場不同區域、大量醫學影像設備數據傳輸到雲端，並提供實時質控、遠程監控、遠程維護及故障預警功能，為建設大規模遠程醫學影像診斷平臺提供堅實基礎。
無獨有偶，匯醫慧影同樣發佈了集成多項診斷工具的最新一站式影像人工智能解決方案。通過這臺設備，醫院可以一次性獲得匯醫慧影基於人工智能的臨床應用、科研應用以及影像信息化服務。
匯醫慧影一站式影像人工智能解決方案
大會的另一個亮點在於初創公司對於“質控”的重視。
PereDoc CEO連靜表示：“隨著DRG政策的推動，我們不僅嘗試通過人工智能解決醫學影像圖像獲取、傳輸、顯示、存貯、共享、管理、分析等問題，以強化患者電子病歷之中的影像信息質量，也嘗試運用我們過去在信息化中的積累，用NLP技術對病案首頁進行質控。”
人工智能企業如何戰略突擊？
展臺的情況一定程度上反應了當前人工智能領域的狀況。整個2019年，人工智能領域的發展步伐確實有所放慢。為了更好的瞭解人工智能企業的發展現狀，動脈網記者拜訪了數位人工智能企業，並將其戰略調整梳理如下。
數坤科技：差異化競爭、產品質量鑄成行業壁壘
對於數坤科技而言，2019年算不上是寒冬。這家人工智能企業在2月拿到了2億人民幣的B輪融資後；5月取得了全球首個AI與金標準對照多中心結果；8月頭頸CTAAI產品已經落地宣武醫院等十家三甲醫院；9月其冠脈CTA產品被西安高新醫院採購；10月與平谷合作開始打造作用於基層醫療心血管病篩防的“平谷模式”;CCR上，數坤科技與賽諾威盛簽署合作意在基層。
數坤的突破不絕於此。近日，數坤科技的冠脈CT造影圖像血管狹窄分析軟件成功進入三類證創新通道，這是我國首個進入創新通道的人工智能輔助診斷類產品。
寒冬之下，為何數坤能保持十足的熱度？究其原因，差異化道路的選擇是影像因素之一，心血管AI的難度一時讓初創公司們望而卻步，導致數坤成為了心血管領域中唯一能進入臨床的AI產品。
但是，賽道的選擇並不足以成為數坤拔得頭籌的決定性因素，只有產品打動醫生，人工智能企業才能活下去。
左邊是AI做的重建，右邊是傳統工作站
以冠脈CTA產品為例，一個患者預約冠脈CTA需要等7天，病人集中的時候要等14天，做完後再等3天才能取報告；而在數坤冠脈CTA的支持下，患者上午做CTA，下午就能拿到結果。
這背後，是患者、醫院、醫生的三方共贏。在DRG政策的推動之下，住院時間的縮短意味著大幅醫療費用的節省，患者的時間、醫療開銷隨之減少了，醫生、醫院治療單個患者的支出減少了，接納的患者變多，收入自然得到了保證。
總的來說，數坤科技已經在三甲醫院的心血管場景中打下了堅實的壁壘，而隨著算法的進步，數坤也可逐漸在相對低質量的影像中獲得有效信息，所以，基層醫院、體檢中心、非公醫療將成為數坤戰略中的下一組核心。
深睿醫療：縱向佈局湧現系統性解決方案
很長一段時間以來，深睿都是以高頻率、模塊化的方式向外推出人工智能產品，但隨著頭頸CTA等產品的引入，這盤棋似乎湧現出了一些新的東西。
與過去的腦卒中產品結合及優化，深睿醫療能夠為臨床醫生提供一套完整的神經系統AI解決方案，這樣完整的解決方案將更好地覆蓋醫生的需求。
此外，基層醫療同樣是深睿戰略版圖的重要一部分，通過為醫聯體建立雲“管道”，深睿將AI企業的價值擴展到了科室之外，建立起集連接、處理為一體的影像通路，讓醫療資源下沉至基層，全面助力分級診療。
推想科技：深入，再深入
如果說深睿是要從縱向的角度把AI產品做到最好，以湧現新的價值。推想科技的打法在於將已有的產品線做到行業最優。
在CCR上發佈一站式胸部CT多系統多器官多兵種解決方案的推想，則印證了推想科技做好胸部影像輔助診斷產品的決心。
依圖醫療：向國內基層醫療與海外醫療開拓新市場
依圖醫療的戰略部署可歸納與三個詞：深化產品，佈局基層，遠征海外。
在深化產品方面，依圖的NLP、輔助診斷、科研平臺三大AI產品並駕齊驅，兼顧了醫生的工作需求與科研需求。
面向基層的“AI防癌地圖”則已點亮廣東、福建、河南、浙江、重慶、湖北、遼寧等多個省市，累計服務數十萬人次，實施肺癌智能早篩5000餘次，篩出疑似高危患者50餘人，為基層醫療獻計獻策。
據依圖副總裁方驄所言，依圖醫療接下來的佈局將延續“臨床應用和科研並駕齊驅的方式”當前發展。
翼展醫療集團：佈局基層醫療，打通影像科室
在戰略方面，這一起家於軟件服務的醫院一直有著明確的目標和宏大的佈局。與上述企業不同，翼展想做的是以基層為核心的雲AI產業鏈，讓自己的平臺能夠包含更多的基層醫療系統與更多的AI影像運用。
在翼展CMO高雲龍看來，基層醫療才是AI應用的最佳場景，在這一時期，他認為翼展應該更為專注的做好自己的事——佈局基層醫療，打通影像科室。
從上述五家典型企業來看，基層無疑是人工智能企業爭奪的下一個場景，這個市場足夠大，也有足夠的需求等待AI企業去做信息上的連接與醫療服務質量效率的提升。此外，每家企業的戰略也隨著市場而變得更為聚焦，並因此更加理性。這樣來看，醫療人工智能領域並沒有喪失它的差異性，這裡還擁有足夠的空間以供AI企業開發。
卡住AI的關鍵圓木
過去，伐木公司常常在河流的上游伐木，並將圓木經由河道運往下游進行加工。然而，隨著河道寬度的變化，常常有圓木在漂流的過程中卡在了河道中間，並造成了後續木頭的堆積。在這個時候，工作人員只需要找到那一根“關鍵的原木”，將其移動，後續堆積的木頭也隨著流動，整個鏈條隨之恢復正常。
那麼在人工智能領域，初創企業已經做了一定的成果，並沿著這一成果向關聯領域奮進，但由於某些因素，商業化的進程被卡住了。而卡住他們的“關鍵的原木”，正是審批。
即便如此，嚴格的審批流程的確存在這樣的必要。作為一款醫療產品，各個部門審慎的態度在長遠來看實則有利於AI產業的發展。
所以，市場的現狀或許並沒有反應醫療影像AI領域的真實價值。在過去的一段時間內，這個市場曾被高估，而在冷寂之後，我們也需防範價值低估。這是因為，雖然沒人能夠保證人工智能產品在獲得審批之後就能進行優異的商業化落地，但審批的通過必能為人工智能初創公司營造一個更為優秀的發展環境，在此環境下，企業的潛力或將由此迸發。
不過在這之前，人工智能企業還需要挺過一段困難時間。
閱讀更多 動脈網 的文章
