亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁產業資訊醫材報導醫材產業醫學智慧影像的應用前景與發展困境綜述

醫學智慧影像的應用前景與發展困境綜述

來源 : 中國醫療設備雜誌2019年第3期
update : 2019/05/13
引言
人工智慧(Artificial Intelligence,AI)具有高效計算、精準分析與決策的能力,非常適用於工作強度較大、知識密集型的醫療領域。醫學影像由於在醫療資料中約占90%,被認為是AI 可以最快落地的領域[1]。AI 技術應用於醫學影像影像處理,以此來高效、精準地輔助醫生尋找病灶並且診療疾病,可以說醫學影像具有智慧性,可簡稱為醫學智慧影像[2]。根據國家《新一代人工智慧發展規劃》的總體戰略部署,以及《促進新一代人工智慧產業發展三年行動計畫(2018~2020 年)》中關於醫療領域的具體實施目標,大陸正在重點培育和發展醫療影像輔助診斷系統等醫療AI產品。這為我國醫學智慧影像產業的發展提供了政策支持。同時醫學智慧影像在深度演算法上的突破及AI 圖像識別技術的日益成熟[3],也為AI 影像輔助診斷發展提供了契機。然而大陸目前醫學智慧影像的商業化應用不多,基本成型的AI+ 醫學影像產品大多正處於醫院試用階段,整個行業處於發展初期[4-5]。

1 醫學智慧影像的發展現狀
1.1 醫學智慧影像技術水準的發展現狀
醫學智慧影像輔助醫生做出診斷倚靠諸多關鍵技術支援,其中雲影像技術、AI 技術、多病種處理技術等三個方面對醫學智慧影像應用於醫療市場產生重要影響。雲影像技術借助雲計算平臺和移動網路,可將數位化的影像資料聯通到互聯網及移動互聯網,做到更加廣泛的醫學影像資料協同。目前我國雲影像技術相對成熟,但是隨著醫學智慧影像的深化應用,業務整合等需求將對資訊、流程集成提出更高要求,而我國目前在雲影像平臺的服務層次仍然欠缺、需求分析和設計尚屬空白[6]。AI 演算法與理解和歸納分析醫療資料有關。近幾年醫學智慧影像的智慧圖像診斷演算法相對成熟,基於深度學習的醫學影像分析具有較高的圖像特徵提取能力和病灶識別準確率[7]。然而,醫學智慧影像在臨床診斷應用中實現更高的價值還有待於符合臨床規範的AI 技術的提升[8]。得益於深度學習演算法,現階段醫學智慧影像的單病種識別率較高,而解決一個單病種是數年研究獲得的成果,但醫學影像處理病種的數量非常龐大(約2000 多種),且病種與病種之間的差異度也很大,因此研發出能夠處理多個病種的超級醫學智慧影像產品仍然任重道遠。

1.2 醫學智慧影像產業發展現狀
關於醫學智慧影像產業的發展現狀可以從資本投入、企業發展狀況及企業開發產品在市場中的應用銷售情況三方面瞭解。
(1)醫學智慧影像資本投入較大。目前醫學影像已經成為AI 在醫療應用中最熱門的領域之一。自2016 年以來,諸多AI+ 醫學影像公司先後獲得千萬元投資[9],以醫療影像雲平臺起家的公司也逐漸涉足AI 領域,比如醫渡雲與匯醫慧影。鯨准資料中心的研究結果也提到,在2013 年至2017年間,大陸醫療智慧影像已是資本集中佈局的高地。
(2)產業內巨頭企業發展強勁,但整體發展水準較為低迷。萬里雲、科大訊飛、騰訊覓影等少數幾家公司佔據較大市場份額,巨頭們擁有多家獨立醫學影像中心及單病種醫學智慧影像設備及系統[10],建立的協力廠商獨立影像心達成設備商與運營方之間雙贏合作,已逐步形成連鎖化、集團化、遠端化的規模[11]。但是由於行業規範未定、資料品質較差、雲端隱私保護、無法處理多病種、設備相容性差、複合型技術人才缺乏等多種原因,行業整體市場化率不高,社會接納較弱[12]。
(3)大陸醫學智慧影像產品銷售狀況欠佳。與產業發展狀況呈現正相關關係,產業發展低迷也表現出產品銷售狀況不佳。AI 智慧圖像影像處理系統近年來雖然取得了許多進步,但與醫療市場需求有所脫節,應用場景有限,AI企業往往不能落戶醫院或只是落戶部分醫院試用[13]。
綜上所述,大陸目前醫學智慧影像技術水準有所提高,但由於AI 技術應用於醫學影像仍然有較多棘手的技術難題有待攻克,因此目前還無法在臨床得以廣泛應用,未能較大程度滿足市場需求。而除受技術水準的限制以外,其他如行業標準、醫院觀念、患者就醫習慣、法律法規、倫理等的影響,也都使得大陸醫學智慧影像公司的發展比較崎嶇。

2 醫學智慧影像的應用前景
醫學智慧影像產品能夠進入市場並且佔據保證產業發展的一定市場份額,就可以認為具有應用前景。醫學智慧影像是否有國家層面的認可和支持是其進入市場的前提,醫學智慧影像具有超越傳統影像的優勢,這是其能夠佔據一定市場份額的主要原因。關於醫學智慧影像的應用前景將主要圍繞這兩方面展開探討。

2.1 醫學智慧影像發展的政府態度
政府是市場的參與者和治理者,違背國家機器意志的產業幾乎難以存在和發展。關於AI 的應用,國家予以了一定的肯定和支持,其中還有不少與醫療領域中醫學影像相關的政策(表1)。透過這些政策檔可以看出政府對AI以及大資料在醫療領域的應用表現出了支持的鮮明態度,突出了鼓勵創新、包容審慎的政策導向,這為市場吃了一顆定心丸,有助於醫療智慧影像產業的快速發展。

表1 2016~2018年間與醫學智慧影像相關的政策及內容

2.2 醫學智慧影像發展的意義
醫學智慧影像產業的出現是緣於市場需求,AI+ 醫學影像優於傳統醫學影像的特點催生了這一產業。傳統醫學影像有以下不足之處:① 影像醫生數量短缺:現代醫學是建立在實驗基礎上的循證醫學,這就使得影像屬於現代醫學最為重要的診斷依據[14],因此影像市場對影像醫生的實際需求量很大,但醫生的年增長率長期低於影像資料的增長率[15],影像醫生數量無法滿足巨大的市場需求;② 較高的漏診率和誤診率:根據中國醫學會的一份誤診資料資料顯示,中國臨床醫療總誤診率為27.8%,其中惡性腫瘤平均誤診率為40%,器官異位誤診率為60%,如鼻咽癌、白血病、胃結核等平均誤診率也在 40% 以上,這些誤診絕大多數由醫學影像導致且主要發生在基層醫療機構;③ 醫學影像資源配置不均衡:中國有14 億人口,但是只有200 萬基層醫生,並且基層醫生、偏遠地區的醫療技術較為局限,使得“看病難”問題更加難以解決;④ 診斷效率低下:這是人工讀片不可避免的問題,影像醫生需要辛苦的重複工作,又因為長時間讀片人眼視力會產生疲勞就容易降低診斷效率甚至是診斷品質。

醫學智慧影像可以很好地解決上述四個問題,借助AI來分析胸片、CT、病理切片等影像資料有助於醫生投身攻克既往經驗缺乏的罕見病、疑難雜症,這些才是目前機器難以學習而人類可以發揮更大作用的地方。通過醫學智慧影像讀片與人工影像醫生讀片的比較,可以更加直觀地瞭解醫學智慧影像的發展與應用是未來趨勢,具有光明的前景(表2)。

表2 人工讀片與人工智慧讀片的比較  注:資料來源為2018年醫學智慧影像識別行業前景展望分析報告。

3 醫學智慧影像發展的困境
3.1 醫學智慧影像的商業化運作模式分析
醫學智慧影像產業是在社會主義市場經濟體制框架下發展,因此為了更好地理解目前我國醫學智慧影像產業發展的制約影響因素,有必要先分析醫學智慧影像的商業運作模式。

醫學智慧影像的商業化發展受企業、消費者和政府三個主體之間的相互作用影響。企業與消費者是相互影響的關係,企業可以引導消費需求,同時消費者的消費需求影響企業的生產,而在社會主義市場經濟體制下,政府主要扮演監管和社會治理的角色,但行業沒有國家機器的認可將不會存在。此外,一個國家和地區的經濟發展水準也對醫學智慧影像的市場需求產生影響,經濟形勢較好的地區更有意願和能力購買醫學智慧影像產品。基於上述分析,以市場三方主體為理論基礎,可以構建醫學智慧影像商業化運作模式數學模型如下:


公式(1)~(3) 中的變數均非數值變數,以SPSS 中變數類型設定為是名義變數,式中的數學符號遵從一般數學運算法則。其中Y 表示消費者需求,X1 表示除政府外的影響醫學智慧影像企業生產的各種因素的總和,X2 表示對醫學智慧影像市場有影響的政府方面的影響因素的總和,m 是名義調節變數,代表醫學智慧影像產業所處的國家或地區的經濟發展水準。公式(1)~(3) 中所有名義變數的取值只有兩種,即1=“有”;0=“無”。其中尤其需要指出的是b1 表示政府認可的政策支援,是產品發生需求的前提條件,是決定性因素,在公式中默認b1=1。公式1 與公式2 中an 和bn 分別表示為X1 和X2 所代表類型的各種影響因素。根據醫學智慧影像商業化運作理論模型可以整理為圖1。

圖1 醫學智慧影像市場中政府與企業對消費者需求影響模式圖
圈內政府和企業對醫學智慧影像產品消費者需求的影響都受到調節變數即經濟發展水準的影響,政府和企業的聯合作用共同對消費者需求產生影響。輸入變數X1 和X2 中解決或做到的不利或有利影響因素越多,輸出名義變數Y 的消費者滿足程度越高。這個理論模型啟發我們需要識別更多地影響因素不論是有利或不利,對市場瞭解的越充分,掌握的資訊越多,就越能滿足消費者需求,越能擴大市場份額,產品商業化水準越高。

3.2 制約醫學智慧影像發展的影響因素
通過前文對醫學智慧影像產業的商業化運作分析可以發現政府和企業對醫學智慧影響產業的發展有重要影響,可以影響醫學智慧影像市場中消費者的需求程度。那些通過政府和企業對消費者需求產生影響的因素很多,結合前文的分析和相關文獻閱讀積累可以分析得到。

在制約醫學智慧影像發展的問題中,醫學智慧影像技術水準依然是較為突出的問題,雖然目前醫學智慧影像技術取得了較多的成果,但仍然存在不少技術障礙限制了醫學智慧影像產業的進一步發展和市場化。首先就是資料品質的問題。資料是醫學影像領域裡極其核心的要素,機器學習的源頭其實是資料,必須有大量標注好的高品質資料才能製造出精確度較高的醫學智慧影像系統或是設備。但是目前行業資料孤島和資料重複性問題很突出,大資料的結構化、同質性很差,收集來的大資料難以表示、利用並標準化[15],這些問題既降低醫療資源利用效率又阻礙大資料價值變現,從而拖緩了醫學智慧影像發展。其次,醫學影像設備與AI 系統的相容性也是限制醫學智慧影像普及和發展的問題之一。目前市場上的醫學影像設備如CT、MRI、X 光、超聲等圖像缺乏一定的標準,不同廠商的拍照設備、資料格式和圖片品質都不同,這就給醫學智慧影像機器學習的準確性帶來了干擾[11],最後還有一些雲平臺等醫學智慧影像互聯互通等的其他技術障礙。

前文分析得出我國醫學智慧影像市場有廣闊的市場前景,但是目前產業發展緩慢,市場上產品投放量和使用率不高。除了技術方面的因素外,還有其他原因制約了我國醫學智慧影像產業的進一步發展。利用PEST 分析理論即從政治(Politics)、經濟(Economy)、社會(Society)以及技術(Technology)四個方面可以較為全面地分析出醫學智慧影像產業面臨的障礙(圖2)。

圖2 基於PEST分析的醫學智慧影像發展的影響因素圖
(1)政治方面:產業相關政策、法律不完善。雖然AI高效、準確率高,但是並不意味著AI 不會出錯,出現醫療事故時,難以明確追責,無法確定是AI 產品的廠商負責還是由醫院和醫生負責,需政策層面進行完善和規範[12]。
(2)經濟方面:我國進入新常態經濟增速放緩。大陸經濟發展從高速轉為中高速增長,對於市場的買賣雙方而言都有一定的壓力,購買力和生產力減弱,醫學智慧影像產業自然也就發展放緩。
(3)社會方面:患者和部分醫療行業從業者對新技術有所排斥。醫學智慧影像的資料收集涉及患者隱私而往往遭受排斥和面臨阻力[16],同時也有部分醫生群體認為智慧醫療可能會取代他們而持有抵觸心理[17]。
(4)技術方面:技術仍存在瓶頸。醫療和AI 是兩個對專業化要求極高的領域,但目前國內複合型人才缺乏致使技術水準提升緩慢。此外醫學智慧影像技術還有資料品質、設備相容性等前文所述的技術上的不足。

4 結語
AI 在醫學影像中的應用能夠客觀、高效、精准地協助醫生降低誤診率和漏診率,還能夠有效解決基層醫療資源不足導致的“看病難”,這些優勢是醫學智慧影像產業能夠發展的主要原因。同時醫學智慧影像產業得到國家層面的認可和支援也為其在醫療市場上的發展提供了助力。然而,醫學智慧影像產業的發展現狀還是低水準的、不成熟的,有許多困難有待進一步地解決。透過對醫學智慧影像商業化運作模式的分析可以看出大陸商業化困境主要是市場中企業和政府主體方有還有許多相應問題沒有解決。大陸醫學智慧影像產業要想佔有更大的市場,推動產品商業化,還需要進一步完成技術提升,清除多種障礙因素,生產更符合消費者需求的醫學智慧影像產品。同時政府層面也需要為國內醫學智慧影像產業的發展制定規範化的行業標準、針對性的法律法規,避免無監管帶來亂象。

[參考文獻]
[1] 張藍飛.人工智慧突破影像設備軟硬體局限[N].醫藥經濟報,2017-08-07(11).
[2] Ramesh AN,Kambhampati C,Monson JR,et al.Artificial Intelligence in Medicine[J].Artif Intell Med,2004,7(5):334-338.
[3] 王弈,李傳富.人工智慧方法在醫學影像處理中的研究新進展[J].中國醫學物理學雜誌,2013,(3):4139-4142.
[4] 羅誠,何琦.基於人工智慧的智慧醫療發展現狀及其倫理問題初探[J].經貿實踐,2018,(9):218-220.
[5] 沈玉姍.AI醫療的中國式困境[J].21世紀商業評論,2017(10):42-47.
[6] 沈偉富,徐旭,何煒.雲影像技術應用與思考[J].醫學資訊學雜誌,2018,(3):36-40.
[7] Xu K,Ba J,Kiros R,et al.Show, attend and tell: Neural image caption generation with visual attention[J].Comput Sci, 2015:2048-2057.
[8] 盧光明, 張志強. 人工智慧醫學影像[ J ] . 醫學研究生學報,2018,(7):683-687.
[9] 陳紅霞,李陽雪.醫學影像+人工智慧漸行漸近 資料處理難題待解[N].21世紀經濟報導,2017-09-08(16).
[10] 戈晶晶.中國人工智慧需要新生態圈[J].中國資訊界,2018,(2):52-53.
[11] 李芳晨.AI撬動醫療:人工智慧的初探與實踐[J].中國醫院院長,2017,(24):38-41.
[12] 王海星,田雪晴.人工智慧在醫療領域應用現狀、問題及建議[J].衛生軟科學,2018,(5):4-9.
[13] 於觀貞,劉西洋,張彥春,等.人工智慧在臨床醫學中的應用與思考[J].第二軍醫大學學報,2018,(4):359-365.
[14] 吉浩,曾凡榮,趙亞妮,等.人工智慧在醫療影像診斷領域的研究進展[J].大醫生,2017,(8):127-129.
[15] 金征宇.前景與挑戰:當醫學影像遇見人工智慧[J].協和醫院雜誌,2018,(1):2-4.
[16] 金振婭.“互聯網+醫療健康”:醫療品質如何保障?[J].中國設備工程,2018,(9):8-10.
[17] 邱超奕.聚焦醫療人工智慧:輔助醫療,減少誤診漏診[J].決策探索,2018,(3):28-29.