0
以2011年IBM公司的機器人沃森“入職”Wellpoint為起點，到2016年國內業界公認的醫療AI元年至今，醫療AI已經走過數個年頭。中間幾度浮沉，被寄予厚望，也曾遭受質疑。
2020年以來，隨著多達15款醫療AI產品陸續獲批NMPA三類證，籠罩在醫療AI頭頂的迷霧終于一點點散去，2021年也被稱作醫療AI在中國的商業化元年。
醫療AI從前景迷茫到商業化道路日漸清晰，廣州市婦女兒童醫療中心信息中心主任曹曉均是見證者和親歷者之一。
廣州市婦女兒童醫療中心信息中心主任 曹曉均
從2019年開始，廣州市婦女兒童醫療中心先后引進了多款醫療影像AI產品。看著醫療AI產業發展越來越好，曹曉均由衷地感到高興：
一方面，醫療影像AI產品在廣州市婦女兒童醫療中心落地后，確實展現出了它的價值。“醫療影像AI對影像科提升工作效率有很大幫助。例如肺結節的診斷、骨齡的測算，以前沒有AI，需要醫生逐張片子去看。現在AI可以先給出一個初步診斷，幫助醫生更好地關注到片子中的問題。”
另一方面，廣州市婦女兒童醫療中心在引進醫療影像AI的過程中也投入了不少資源和精力。
醫療影像AI運行需要強大的算力作為支撐，這就要求醫院必須對服務器等硬件進行升級。這個擔子自然落在了作為信息中心主任的曹曉均肩上。
行業早期，很多公司為了把自家的AI產品送進醫院，都會免費幫醫院部署服務器，有些醫院為了節約人力和資金也樂見其成。
但廣州市婦女兒童醫療中心對數據安全格外重視，為保險起見，還是決定自己采購和部署服務器。剛接觸醫療影像AI，曹曉均經驗不多，不知道該部署多大算力的GPU。
為此，他走訪考察了不少醫院，跟合作的廠商更是反復溝通交流。如今醫療影像AI的價值逐漸得到認可，他和醫院的這番功夫也算沒白費。
雖然醫療影像AI的商業化前景正逐步明晰，但曹曉均也看到，其發展仍然存在許多不足和挑戰。
首先，需要醫療影像AI的場景非常多，AI目前能解決的只是一小部分問題。
“影像科醫生希望AI能夠識別所有類型的片子，對所有類型的疾病進行診斷，但現實中AI根本做不到這么細。它只有在面對單一疾病——比如肺結節、骨折時，才能有較高的診斷能力。針對復雜維度的使用場景，現在還沒有很好的產品能夠落地。”
其次，醫療影像AI與醫院既有PACS系統之間的兼容和打通也是一大挑戰。作為信息中心主任，曹曉均對此深有體會。
當前，各家公司的醫療AI產品都只能針對單一疾病或者少數幾種疾病進行輔助診斷，因此醫院往往需要引進多家公司的產品來滿足對于不同病種的輔助診斷需求。
而且，行業早期AI公司為了提前“占位”，會盡最大努力把產品送進醫院，這就導致一個醫院可能同時存在幾款針對同一病種的醫療影像AI產品。比如廣州市婦女兒童醫療中心就同時引進了包括匯醫慧影在內的三家廠商的肺結節醫療影像AI輔助診斷系統。
醫療影像AI產品作為一個獨立系統，需要通過定制化的接口從PACS系統獲取影像數據。而每個PACS系統都有自己的開發語言和技術標準，這就需要醫院信息科為引入的每一款醫療影像AI產品獨立開發PACS系統接口。
“對接的AI廠商越多，需要開發的接口就越多，增加了我們的工作量，而且接口也不方便管理。AI系統對于數據字段的要求會隨著算法的演進不斷改變，如果以后A公司要增加字段，B公司也要增加字段，維護的成本就會非常高。”
這種系統的割裂也影響到了醫療AI產品的最終用戶——影像科醫生的使用體驗。
北京協和醫院放射科高級工程師、中華醫學會影像技術分會前主委付海鴻就曾提到，“這些AI工具大多使用獨立的服務器、工作站，或是作為放射科醫生工作站的一個單獨應用存在，并未與日常的數字化閱片診斷工作流程集成在一起。AI工具和PACS、RIS的相互獨立，使得醫生在工作時需在PACS、RIS與AI工具之間閃轉騰挪、往復切換，不利于放射科醫生的工作效率和工作體驗提升。”
醫療影像AI產品和PACS系統彼此割裂的問題從前者誕生的那一刻起便存在，只是隨著其逐步走向商業化，用戶期望越來越高，才逐漸凸顯出來。
作為信息中心主任，曹曉均很早就注意到了這些問題，并且已經探索出了一套相對成熟的解決方案。他認為，醫院信息科可以從兩大方向入手解決醫療影像AI產品和PACS系統互相割裂的問題：
一是在醫療影像AI產品和PACS系統之間搭建一個數據接口平臺，把各個AI公司可能用到的數據字段都納入到這個平臺中去，AI公司按需取用即可，這樣就能避免反復開發，同時也方便管理。目前，廣州市婦女兒童醫療中心已經取得了不錯的實踐成果。
二是為影像科醫生在PACS系統中開發一個AI輔助診斷結果的集中展示界面。
“比如我們醫院接入了三家公司的醫療影像AI產品，它們都對某個病人的片子有自己的看法，那么就可以反饋三個結果出來，統一展示在PACS系統的界面中。有了這個集中展示界面，醫生就不需要再同時打開多個窗口了，對使用體驗有很大的改善。”
實際使用中，醫生并不一定會同時打開3個AI產品，而是會根據自己的偏好進行選擇。比如廣州市婦女兒童醫療中心雖然引進了3款肺結節AI輔助診斷系統，但每個產品的使用頻率并不相同，匯醫慧影的產品明顯比其他兩家廠商更受歡迎。
曹曉均介紹，有了這個集中展示界面后，就可以實現單點登錄，避免設立多個賬號密碼的麻煩。而且系統可以根據醫生的偏好自動推薦相應系統的輔助診斷結果。甚至還可以在這個基礎之上開發一套評分系統，醫生可以對各個AI輔助診斷系統的表現進行評分。
曹曉均表示，以前AI產品好不好都是廠商關起門來自己比，數據都很漂亮，但產品好不好用只有醫生才有發言權。有了這樣一套評分系統，廠商就能更加客觀地認識到自己的長處和短板，對于行業的發展大有裨益。
曹曉均主任提出的兩大平臺對醫療影像AI系統的使用體驗有很大提升，但并未從根本上解決其與PACS系統互相割裂的問題。
不少行業專家認為，影像科醫生要想在工作流程中無縫地使用AI，最好辦法就是推動醫療影像AI系統與PACS系統走向融合。
比如北京協和醫院放射科高級工程師、中華醫學會影像技術分會前主委付海鴻就旗幟鮮明地提出，“未來，不集成、不部署、不應用AI的PACS一定會被淘汰，不與PACS、RIS集成的AI也一定會被淘汰。”
但AI產品和PACS系統的融合過程中究竟該由誰來占據主導權呢？
在AI廠商和PACS廠商的對決之中，后者并不被看好。目前許多醫院中PACS系統也早已經停止更新迭代。研發實力一般的PACS想在AI領域有所建樹必然不是一件容易的事情。
而反過來，AI公司的崛起勢頭一直都很猛，而且部分企業在PACS+AI領域已經布局了很長時間。
以匯醫慧影為例，作為國內醫療AI公司中的先行者和領跑者，匯醫慧影很早就確定了“PACS+AI”齊頭并進的發展思路，研發了數字智能膠片、大數據科研平臺、PACS+數據中臺、影像云平臺等多條產品線，構建起了以智慧影像為核心的全周期人工智能醫學影像解決方案。
匯醫慧影“PACS+AI”的整體發展戰略可以分成幾個維度：
首先，從底層數據出發，瞄準醫院數據繁多、價值高、利用率低等問題，從底層架構做起建設PACS+數據中臺，將AI對于數據處理的能力賦能給醫院，通過數據中臺，醫院可清晰的看到數據目前的使用、清洗標注等情況。
面向臨床科室，匯醫慧影研發大數據科研平臺，擁有深度學習、機器學習等多種模型算法，臨床醫生通過科研平臺針對感興趣的研究方向，可以實現圖像文本分析，生成準確的論文分析數字和模型。
面向患者端，匯醫慧影提供的數字智能膠片可供患者隨時調閱。
面向醫生端，不受辦公地點、距離的約束就能讓醫生用手機、平板看到原始DICOM格式的數字膠片。同時，匯醫慧影的AI輔助篩查系統可幫助醫生自動定位病灶信息，效率較純粹人工診斷提升15%以上。
面向基層醫院，匯醫慧影推出影像云產品，鏈接各級醫院，服務醫聯體/醫共體、醫療集團等各類醫療機構，實現醫學影像數據的互聯互通，真正助力實現優質醫療資源下沉。
對于究竟是PACS+AI還是AI+PACS，曹曉均主任也有一番獨到的見解。
他認為，雖然PACS廠商的研發能力比較薄弱，但目前而言PACS系統依舊是醫生非常依賴的工具，而AI起到的更多是輔助作用。
從這個角度而言，AI企業短時間內還很難撼動PACS廠商的地位。不過長遠來看，不排除AI廠商開發的產品也能滿足醫生對于PACS系統的一切功能需求。
曹曉均認為，醫療AI與業務場景的無縫結合一定是大勢所趨。在他看來，最理想化的狀態就是，“醫生拍完冠脈造影片子后，AI就能自動把關鍵數字提取出來生成報告，不用醫生再去測總容量。”
但他也清楚這不是一兩年就能做到的，需要分步有機地結合，從局部應用擴大到全場景。對于醫療AI的未來，他有充分的信心，也有足夠耐心。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
