手術室無影燈兆豐光電5月13日訊

作為國內最大的醫(yī)療器械展，每年的中國國際醫(yī)療器械博覽會CMEF（春季）都會迎來全國乃至世界的先進醫(yī)療器械設備。但自醫(yī)療人工智能輔助診斷軟件被納入醫(yī)療器械范疇后，越來越多影像AI企業(yè)開始帶著自己的人工智能解決方案抵達會場，非硬件化的企業(yè)逐漸能在醫(yī)療市場中獨當一面。

從發(fā)展的角度看，醫(yī)學人工智能的崛起似乎是一種必然。趨勢背后，醫(yī)學影像設備的不斷升級迭代為AI的發(fā)展提供著不竭的動力。

一方面，人們希望從單一影像中獲取更多有效信息，以幫助醫(yī)生作出精確判斷。譬如，傳統(tǒng)CT的影像僅能顯示尺寸較大的病灶，有限的分辨率限制了醫(yī)生對影像進行更多判斷。相比之下，當下的CT技術已能清晰地展示患者攝影部位的每一處細節(jié)。

這意味著，高分辨的影像能夠檢出更為微小的病灶，卻也增加了醫(yī)生的工作量——他們需要對更多可疑病灶進行良惡性判斷。因此，基于人工智能的輔助診斷因影像設備的升級而變得愈發(fā)必要。

另一方面，隨著影像設備的精度不斷提高，影像這一證據(jù)的決策力愈發(fā)增大，患者對于影像的需求也隨之增大。該趨勢下，醫(yī)生正需求一種更為高效精準、更為快速的方式將獲取的影像進行判別、重建、分析，以填補日益增長的影像服務供需缺口。

本次CMEF同樣迎來了眾多人工智能影像企業(yè)。在大會之上，動脈網(wǎng)采訪到了影像AI頭部企業(yè)數(shù)坤科技。作為最早獲得NMPA輔助診斷三類證的企業(yè)之一，數(shù)坤科技的發(fā)展能夠一定程度上反映醫(yī)療人工智能的發(fā)展，此次CMEF之行，數(shù)坤科技展示的發(fā)展路徑，或許能夠帶給予行業(yè)一定啟示。

定位于心血管臨床實際需求

數(shù)坤科技駛入醫(yī)療人工智能影像賽道是在2017年6月，已有一些后知后覺的意味。那時的肺結節(jié)賽道雖未有企業(yè)跑通，但參與企業(yè)之多，已算得上是紅海。因此，數(shù)坤科技采取了差異化的研發(fā)策略，從鮮有人問津的心臟出發(fā)，探索冠脈CTA的智能化之路。

要做好冠脈CTA并不簡單。首先，必須要找到心臟領域的資深專家，能夠輔助算法研究人員剖析心臟的結構，認清心臟的區(qū)域劃分、血管劃分；其次，算法研究人員不能像肺結節(jié)那樣直接找到計算機視覺相關的算法進行遷移，而需要一步一步地，在探索之中開發(fā)基于深度學習的模型重建方法；最后也是最重要的一點，不同于肺結節(jié)、眼底等病種存在眾多公開、豐富的數(shù)據(jù)庫，冠脈CTA的數(shù)據(jù)小、零散且非結構化，需要企業(yè)與醫(yī)生聯(lián)手構建標準化數(shù)據(jù)庫，以供應AI的食糧。

在兩年的摸索之中，數(shù)坤科技逐一解決了上述三個問題，其冠脈CTA能將傳統(tǒng)由醫(yī)生進行的冠脈CTA三維重建、判讀、評估、審核報告等流程交由人工智能處理，過去30-40分鐘的影像后處理過程被縮短于至數(shù)分鐘。

相比于冠脈CTA，頭頸CTA的重建過程顯得更為復雜，其中的難度提升來源于CT影像之中頭頸血管解剖復雜以及骨顯像帶來的干擾。

“由于拍攝頭頸CT時無法忽略顱骨部分，而顱骨密度高，在CT圖像上會以與造影劑類似的高亮方式呈現(xiàn)，數(shù)值也非常接近。因此，醫(yī)生必須使用一些特殊的方法將血管與顱骨區(qū)分出來。”數(shù)坤科技臨床研究院負責人郭寧解釋到。

具體而言，為消除顱骨顯像對于重建的影響，醫(yī)生往往會要求患者進行兩次CT掃描，第一次不注射造影劑，第二次注射造影劑。在第一次CT掃描之中，能夠顯像的只有擁有高密度的顱骨部分，而第二次顯像則能同時包含顱骨與血管。在進行兩次掃描之后，對其結果進行圖像減影，減去兩次影像中均為高亮顯示的顱骨及其他部分，剩下的便是重建需要的血管影像。

實際之中，這樣的操作常常會遇到很多問題。首先，這種方式對于患者的配合度要求非常高，患者兩次掃描的位置必須匹配，也不能移動，否則減影效果會有所欠缺。其次，兩次CT檢查無疑會給予患者更多的輻射劑量，雖然劑量仍然在安全范圍之內，但容易引起患者的擔憂。

AI介入后，頭頸CTA的檢查流程由此發(fā)生了較大的改變。將減少一次CT掃描，為患者帶來更好的就醫(yī)體驗，而重建影像耗費的時間也將由此大幅降低。

9月，數(shù)坤科技與首都醫(yī)科大學宣武醫(yī)院盧潔教授團隊合作，開展人工智能在頭頸CTA血管重建的應用價值研究，研究成果《Rapid vessel segmentation and reconstruction of head and neck CTA using 3D convolutional neural network》，在 Nature子刊《Nature Communications》在線發(fā)表。

這是目前國內首個針對頭頸血管分割提取的大規(guī)模研究，研究結果不僅體現(xiàn)了卷積神經網(wǎng)絡在醫(yī)學圖像后處理的應用優(yōu)勢，更反映了 AI 在臨床的應用價值和潛力。

總的來說，冠脈CTA與頭頸CTA之所以能夠成功。數(shù)坤科技做好了一下三點。

一是效率提升。在單個病種收益為正的情況下，過去出具CTA檢查結果需要三天時間，而AI介入之后，患者僅需半天便可取得結果，這意味著每個患者的住院過程將縮短2天時間，醫(yī)院能夠在同樣的時間周期之內收治更多患者。

二是質量提升。冠脈CTA、頭頸CTA帶來的高重建精準度能夠為醫(yī)生提供更為豐富的臨床決策信息，間接提升醫(yī)生決策質量，降低患者再入院率，進而降低醫(yī)院單個病種治療成本。

三是運營提升。DRG的實行為醫(yī)院帶了績效考核的壓力，兩款AI帶來的治療成本縮減能夠幫助醫(yī)院更好完成考核指標。

AI肝臟MR重塑肝癌診療

通過CTA拿下市場知名度之后，數(shù)坤科技進一步拓寬其心腦血管產線，陸續(xù)做出了頭頸CTA、卒中智能輔助診斷系統(tǒng)等AI產品。本次CMEF上，數(shù)坤再度發(fā)布新品，帶來了業(yè)界首個肝臟MR人工智能解決方案。

肝臟疾病是我國常見疾病，其起病隱匿、進展迅速，給社會經濟和人民健康帶來了巨大威脅。

眾多肝臟疾病之中，肝癌尤為棘手。

《2019年中國腫瘤登記年報》數(shù)據(jù)顯示，2015年全國惡性腫瘤發(fā)病約392.9萬人（全國腫瘤登記中心的數(shù)據(jù)一般滯后3年）。其中，全國肝癌新發(fā)病例約36.5萬，占全球新發(fā)病例的50%。此外，肝癌還是中國第二大腫瘤致死病因，60歲以下人群中，肝癌是最常見和致死率最高的腫瘤。

對這部分患者的早期診治、預后判斷、個體化治療一直是臨床研究的重點。盡管目前人工智能技術飛速發(fā)展，但其在肝臟腫瘤診療領域中尚缺乏系統(tǒng)研究。

病態(tài)情況下，患者哪怕只剩下30%的正常肝細胞都能維持身體所需，肝病患者早期所出現(xiàn)的肝炎、肝硬化等都不會有明顯的癥狀發(fā)生在患者的身上。因此，肝病患者很難憑自身感受了解到病情的產生，肝臟類疾病一直發(fā)展到中期或晚期才會出現(xiàn)明顯的癥狀。這時，肝病患者已經耽誤了最好的治療時機。

MR因具有很高的軟組織分辨率，可作多種方位的切面成像，其成像參數(shù)多，所含信息量大，目前已成為常用的肝臟影像學檢查方法。近年來隨著MR軟件和硬件的發(fā)展，尤其是快速掃描序列和肝組織特異性對比劑的開發(fā)應用．肝臟MR檢查速度明顯加快，圖像質量日益改善，已使肝臟 MRI診斷的敏感性和特異性顯著提高。

“肝臟MR的好處顯而易見，但是缺憾在于懂得熟練操作MR且不斷創(chuàng)新的影像醫(yī)生卻并不多。由于肝臟本身的復雜特性，光一個臟器就有那么多種病變，磁共振有許多技術要去學習判斷，所以影像醫(yī)生學習成長過程極其漫長。”談到肝臟MR的短板時，北京友誼醫(yī)院放射科主任楊正漢教授感嘆說。

據(jù)楊正漢教授分析，不同級別的醫(yī)院，甚至同一個三甲醫(yī)院內部的醫(yī)生之間，不同年齡之間，其影像水平差距巨大。歸根結底還是由于MR技術的難度較大，有經驗的醫(yī)生做培訓難度也很大，導致醫(yī)生們提升慢，使得MR這項技術并沒有發(fā)揮出應有的能力。

“既然高水平專家能通過MR去做有效的診斷，這說明這些疾病還是有規(guī)律可循的。”楊正漢教授表示，“我們可以利用計算機的圖像識別能力，給計算機建立一個有效的模型，把一些高水平有經驗醫(yī)生的知識和經驗，去教會機器學習，教會人工智能自動去識別肝臟病變。”

面對MR的人才困境，楊正漢想到了數(shù)坤科技。此前，北京友誼醫(yī)院與數(shù)坤科技在冠脈CTA人工智能領域已經開展了非常深入的合作，在楊正漢看來，選擇開發(fā)肝臟MR輔助診斷系統(tǒng)的合作團隊非數(shù)坤科技莫屬。

數(shù)坤科技意識到需求之后，迅速投入到MR的合作開發(fā)之中。比起冠脈CTA，肝臟部位彌漫病變種類太多，局灶病變高達上百種，這種復雜程度要比冠脈高出很多。不過，在多年AI開發(fā)經驗的支持下，數(shù)坤在數(shù)月之內研發(fā)出AI肝臟MR產品，并在應用于臨床的過程中受獲了相當不錯的成果。

“數(shù)坤科技此前開發(fā)出了冠脈CTA智能輔助診斷系統(tǒng)，血管分割做得非常好。而肝臟的分頁分段分析都是基于血管。我們把血管提取出來以后可以做3D重建，這對下一步無論是做肝移植、還是肝膽外科等都有了標準模型。血管結構勾勒出來以后，非血管結構的部分就是病灶了。我們測試了一下訓練的模型，平均值都在0.9以上，最高的已經達到0.96以上，已經能夠解決目前臨床的一般應用。”楊正漢教授說。

影像AI的下一階段在哪里？

回顧影像人工智能發(fā)展史。隨著AI代際的不斷提升，醫(yī)療影像智能的使用場景從影像科擴大到多科室。

從肺結節(jié)到心腦CTA，影像AI的的使用場景維度還局限在放射科的檢測、重建、打印、報告環(huán)節(jié)；而一站式卒中和肝臟MR則除了放射科的應用場景之外，還將影像AI變成了臨床科室從依賴影像的決策到依賴影像的治療方案。

在這個代際迭代的過程中，AI引擎處理圖像數(shù)量級也從200+單序列，到250-700單序列，再到1000-2000多序列，再到2000-3000多參數(shù)多序列。

不過，頭頸CT也好、肝臟MR也罷，追隨影像技術的發(fā)展，數(shù)坤科技等企業(yè)在AI技術深度與應用場景廣度上已經做出了相當不錯的突破，并將其應用于臨床之中。但是，整個AI產業(yè)仍處于“單點突擊”模式之中。沒有形成院級的解決方案。

那么，影像AI的下一階段會在哪里？

對于這個問題，不同的企業(yè)擁有不同的見解，但在數(shù)坤科技看來，“數(shù)字人體”將是影像AI的未來。

“數(shù)字人體”并非單純的將人體數(shù)據(jù)數(shù)字化，在數(shù)坤科技看來，下一代的人工智能應該打破單一科室的限制，從患者的人體機能出發(fā)，以整體化的視角探測患者可能存在的疾病。

具體而言，數(shù)坤科技將“數(shù)字心”、“數(shù)字腦”、“數(shù)字胸”、“數(shù)字肌骨”、“數(shù)字腹”等部位的數(shù)字化產品進行整合，形成“數(shù)字人體”及基礎。就目前來看，數(shù)字人體以心臟CT平掃+血管成像、胸部CT平掃、頭頸CT平掃+血管成像、頭顱CT灌注成像、肝臟MRI平掃+增強掃描等多模態(tài)為引擎，包含了心血管/腦血管/肺部病變/肝臟病變/肌骨系統(tǒng)等多部位的智能影像，可應用于冠心病/腦梗塞/腫瘤/外傷/胸痛中心/卒中中心/心臟?？频榷嗯R床場景，形成了一整套院級影像全面智能化解決方案。

融合之下，該解決方案能夠結合形態(tài)學和功能學探測疾病，形成疾病風險預測，并應用解剖學結構化數(shù)據(jù)庫、生理學結構化數(shù)據(jù)庫、病理學結構化數(shù)據(jù)庫，形成依靠影像平臺支撐的多學科診療模式。

距離下一階段，數(shù)坤還有多遠？

縱觀數(shù)坤科技的發(fā)展歷程，挖掘真實而隱秘的臨床需求是其能夠走到今天的關鍵所在。這種需求不單單是醫(yī)院、患者、醫(yī)生單一希望滿足的需求，而是多方共通的需求，這使得數(shù)坤的產品能夠滿足提效與商業(yè)化兩個關鍵。

其次是技術的不斷成熟。在做冠脈CTA時，單個病歷需要處理的影像在200幅左右，后續(xù)的頭頸CT能達到近1000幅，到了今天，肝臟MR需要數(shù)坤同時處理數(shù)千幅影像。因此，對于影像人工智能而言，盡管我們更多談到了商業(yè)化的突破，但技術本身，依然是各項企業(yè)的核心競爭力所在。

從更長遠來看，數(shù)坤的數(shù)字人體實際是對臨床流程的重塑，這個過程非常困難，需要醫(yī)療機構、器械廠商乃至各人工智能的企業(yè)的共同努力，讓醫(yī)生、患者逐漸接受數(shù)字化的診療流程。這種改變需要時間，卻也能真正發(fā)揮醫(yī)療數(shù)據(jù)的價值所在。