翼展科技CTO边海锋：AI只是工具，须综合考虑做诊断

“既然爱了就不后悔，再多的苦我也愿意背”——用一首老歌的经典歌词，形容边海锋对影像行业的执着再恰切不过。今年6月底，身为翼展科技CTO的边海锋，在由北极光创投举办的“E-Health发展与投资机会”大会上，阐述平台企业如何看AI技术在产业中落地时透露，“我2002年涉足影像行业，坚持至今”。16年扎根影像行业，他对医疗+人工智能（AI）积累了深刻感悟。

边海锋总结了现今火爆的“医学影像+AI”在实际落地方面，尚存在几大难点：高质量数据难以获取；跨学科复合型人才稀缺；机器学习需结合实际医疗场景进行持续优化；产品不能接受假阴性，只能接受适当假阳性；单一影像分析，并不能支持临床科室的最终诊断；CFDA/FDA对产品上市前后的严格监控；产品上市后，医院付费能力和付费意愿有难度。

尽管开辟道路初期困难重重，但方向正确，剩下的只需要持之以恒去奋力完成。边海锋详述“医学影像+AI”领域存在的机遇与挑战，对如何发现市场痛点并有效解决有独到见解。

1、存在巨大市场痛点，医疗AI前景广阔

先了解一些来自埃森哲（Accenture，全球最大的管理咨询、信息技术和业务流程外包的跨国公司）和世界卫生组织（World Health Organization，简称WHO）的数据，关于老龄化、慢性病这些问题，在全世界范围呈现出越来越严重的趋势。再过10、20年，患者和医护人员人数的缺口也会越来越大。从另个角度看，数据存储和算法成本却会越来越低。经过20多年医疗信息化发展，医疗数据存储积累丰富，这令大家都看到了新机会。

报告显示，到2026年，AI将为美国医疗节省150亿美金成本。我相信，随着中国老龄化、经济发展以及人们对健康的重视等变化，AI对中国的影响也会很大。回到影像这个话题来看，Global Market insight报告显示，AI在医学中的第一大应用在制药行业，第二大是在医学影像。2024年，也即6年后，将创造25亿美金市场。可见，AI在医学方面的雷声确实非常大，这背后的逻辑是什么？

我们看一下真正的医疗影像数据，关于这个数据，我试图找到它的来源，没有找到。不过所有媒体报道都引用过这些数据——两个数字：一个是30%，一个是4.1%。意思是，随着人们收入的增加和健康关注，会增加30%的影像检查，另外，放射医生的增长数是4.1%。另外一方面，从单项检查所产生的影像数目来看，几百张甚至是几千张图像的检查不断递增，医生的工作量无疑增加了更多。从这个趋势看，现在放射科医生能保持现有的诊断质量已经是一个很大的挑战。所以，这将成为非常大的行业痛点。

再讲一下医联体，医联体是医改当中新的事物，希望小病不出乡，大病不出县。但是，如何确保小病不出乡、大病不出县是很大的命题，这在影像领域是容易实现的，影像医生远程就可以根据基层医院提供的病患影像进行诊断，并判断病患是否需要转诊，在提高诊断质量和效率方面，人工智能可发挥很大作用。

我还想强调的是，关于今年6月19日出台的政策，不知道大家有没有关注。在第三方医学影像服务市场中，2016年底，中国政府就开始对第三方影像的牌照放开。但大家知道，中国的政策当中，刚开始放开和实施的东西，要看有没有用，接着才会把核心资产投入其中，在中国医疗的核心资产还是公立医院。

6月19日出台的政策把公立医院放出来了，明确了对于第三方医疗机构的进一步认可，包括检验、病理、影像、消毒等，这些明文规定可以跟公立医院合作。另外，还有对于第三方医疗机构的放开，对于审批程序，进一步简化审批过程。站在第三方影像的服务角度来看，放射工作对于医生而言非常重要，在现有的工作岗位，如何多点执业，以前的多点执业注册比较复杂，现在都进一步的简化了。这些都说明，国家在向整个社会和市场表明，愿意开放，愿意同社会资本一起来推进第三方医疗服务市场在这个事情上。

2、人工智能对医疗只是工具 ，不能当产品

讲到现在，雷声进一步加大，是不是雨点会变小？我们看看这个行业里对于FDA（Food and Drug Administration，美国食品药品监督管理局）的情况。从FDA角度来讲，它还是遵循着CAD（Computer Aided Design，计算机辅助设计）计算机辅助的思路，主要分两块：一是检测，二是诊断。

诊断方面，FDA不仅在AI的浪潮当中先行一步，其实在大数据的时代，FDA早已经做了很多不同的事情。新一届的FDA推崇数据创新，所以它在大数据和AI方面做了很多的工作，其中一个是“数字健康创新计划”。

大家可以在网站上看到，以前我们在产品完成之后，才能够去FDA注册，现在不一样，只要符合规定，就可以申请提前做申请，FDA会审核你公司的质量体系，看你的质量体系是不是符合FDA的要求，看你的流程是不是符合质量规范，看你的产品风险在哪里，产品一旦完成，就可以拿到FDA认证。大家可以看到FDA今年关于影像AI产品的审批，包括VIZ.AI、IDX-DR、Imagen OsteoDetect ，都是检测异常，属辅助诊断，不属于代替人做诊断。个人认为，FDA在审批关于AI产品可以做诊断方面是相当谨慎的。

大家可以看到FDA今年关于影像AI产品的审批，包括VIZ.AI、IDX-DR、Imagen OsteoDetect，都是检测异常，辅助诊断，不属于代替人做诊断。

目前，中国还没有一家企业产品获得CFDA（China Food and Drug Administration，国家食品药品监督管理局）的审批上市资格。大家可以看到，我们新版的《医疗机械分类目录》今年8月1号正式开始实施，也就是说，到现在为止，我们还在遵循着旧版本的《医疗机械分类目录》，旧版没有包含人工智能辅助手段的产品目录。CFDA审批的过程从申报、建库、专家标记、标准、测试检验，再提交到CFDA。从我的经验来讲，CFDA会看FDA怎么走才会决定如何往前走。

我个人认为，我们不能把AI当产品来用，应该作为工具来用，要在你的应用场景当中，不断迭代、优化你的产品。其次，产品不能接受假阴性，如果这个人真的有病，你不能把它判断为没病，但是，可以适当地说是假阳性，这是医疗行业里非常重要的一个特点。

这是否意味着，落地就没有希望了呢？我们还是有不同的观点。在影像当中，有单一影像就可以做量化的诊断报告。还有另外一些在往底层走、基层走，可以进行病的异常筛查，切记异常筛查和诊断是两个概念。

我们跟清华大学合作过一个产品，关注颈动脉粥样硬化斑块的诊断，大家都知道，脑中风是一个非常严肃的话题，中国有1300万脑中风的病人，每年新增200万，死亡的有170万左右，无论是致残还是致死率都在中国排第一，国家建议40岁以上的人每年都要做一次筛查。过去十几年，我们一直在做研究，如何能做到早筛查、早防治？现在的金标准是用MR进行颈动脉筛查，这个产品能够根据单一影像就出量化报告，从而判断斑块是否易损，量化数据包括两方面，一方面是对于颈动脉的管壁结构，另外一方面就是对于颈动脉管壁上斑块的成分。

以前的痛点在哪里？以前写报告要做大量的交互工作，把管壁结构边界、斑块组织边界确定，出一个报告所花时间恨不得要一个小时以上，借助人工智能后，目前可以在5分钟左右，做完出一个量化的报告。

还有另外一个产品，它是对于冠心病量化的报告，从本质上同颈部动脉报告是一样的，也是对于斑块和血管管壁分析，这也是定量、定性的分析，可以快速得出来结果。

还有一份市场上很常见的肺结节的筛查报告，它根据指南出了一个量化的分析报告，基本上可以做到勾出结节在哪里、多大、结节是哪种类型，属于实性结节还是部分实性结节。同时你可以看到容积倍增时间，也就是可以结合上一次的检查结节来看疾病发展史。看结节这个案例，同刚才两个报告完全不一样，刚才的报告是对于脑中风和冠心病出诊断的报告，这个只是结节筛查报告，相当于我给你数据，不下结论，具体是什么诊断结论还需要结合临床。

常见疾病的异常筛查，产品能够在图像上标注说明有异常，但是不告诉具体是什么病导致的异常，也就是只告知异常，但是不下诊断结论。这中产品在什么样的场景下可以很好的应用，我认为是在筛查和体检。

这是我们跟PETUUM【注，一家位于美国匹兹堡(Pittsburgh)的人工智能创业公司】合作的产品，这已经是再往前走一步了，深度学习除了在图像识别方面有优势，其优势还体现在NLP（自然语言处理）。根据图像和对应的报告做训练，在输入一个图像后，可以自动生成报告，这个产品在体现可以用，在一般的放射科也可以用，如果这个产品做的更好的话，可以在更多场景下用。

3、搭建第三方影像中心连锁 ，打造人工智能开放平台

翼展科技是2009年成立的公司，到现在已有9年历史。第三方影像服务在美国主要做两块业务，第一是远程诊断，第二是第三方影像中心，翼展这两块业务都做，同时大力发展依托于远程诊断平台的人工智能开发平台。

翼展的远程诊断 “宁夏模式”指的是，以宁夏第一人民医院为中心，覆盖周围的医院，同时做了很好的分级转诊。这个模式利用翼展的云影像平台和医生集团，把宁夏周边上百家的医院接起来，既能够做到把设备利用起来，同时能够做到分级诊疗，当医生来不及处理的时候，翼展的医生集团可以介入到这里面去做。2006年对中国来讲，第三方影像牌照放开是一个新事物，到目前为止，翼展科技拿到了18个牌照。

可以想象一下，翼展是一个第三方影像中心的连锁机构，除了能够做常规的影像检查、影像报告之外，我们还跟人工智能进行落地结合。大家知道在中国没有放射门诊的概念，在美国有放射门诊的。那么，在中国我们怎么做放射门诊？

就是我刚才说的，单一影像量化可以出诊断报告的病种，我们都希望在我们的影像中心，用放射门诊来诊断，当你发现某一种病，能够借助工具的力量、人工智能的手段，到翼展第三方影像中心就可以把这个诊断做完，没必要去大医院了。其次，我们要做的事情是筛查工作，病患来到这里，可以检查出是否出现异常，如果正常就没有什么事，如果有异常，我们可以把病患转诊到上级医院做进一步诊断和治疗。

我再次强调一下，对于人工智能在医学影像中的应用，我们不要把它仅仅当作产品，要把它当成一个工具，产品在影像中心和医疗机构落地，要根据实际情况进行调整，进行迭代和优化，同时可以和运营、质量、风险管理等结合起来综合考虑。比如，推出人工智能产品以后，你可能会节省运营成本，但是相应的风险是否会增加，这需要综合考虑。所以，我一直在不同的场合讲，关于人工智能，我们应该强调它的工具属性，它是整个公司或者说机构在运营当中的一个很重要的手段，需要和其它要素结合在一起考虑。