一名三甲醫(yi)院信息主(zhu)任(ren)心中(zhong)的AI落地史以2011年(nian)IBM公司的機器人沃(wo)森“入職”Wellpoint為(wei)起點，到2016年(nian)國內業界(jie)公認的醫療AI元年(nian)至今，醫療AI已經走過數個(ge)年(nian)頭(tou)。中間幾(ji)度(du)浮(fu)沉，被寄予厚望(wang)，也曾遭受質疑(yi)。2020年(nian)以來，隨著多(duo)達(da)15款(kuan)醫療(liao)AI產品陸續獲批(pi)NMPA三類證，籠罩在醫療(liao)AI頭頂的迷霧終于一(yi)點(dian)點(dian)散去，2021年(nian)也被(bei)稱作醫療(liao)AI在中(zhong)國的商(shang)業化元年(nian)。醫療AI從前景迷茫(mang)到商業(ye)化道路日(ri)漸清晰，廣(guang)州(zhou)市婦(fu)女兒童醫療中心(xin)信息中心(xin)主任(ren)曹曉均是(shi)見證(zheng)者和親(qin)歷者之一(yi)。
廣州市婦(fu)女兒童(tong)醫療中心信息中心主任 曹曉均(jun)
從2019年(nian)開始，廣州市婦女兒童(tong)醫療(liao)(liao)中心先后(hou)引進(jin)了多款(kuan)醫療(liao)(liao)影像AI產品。看著醫療(liao)(liao)AI產業發展越(yue)來越(yue)好(hao)，曹曉均由衷地感到高興(xing)：一方面，醫(yi)療(liao)影像(xiang)AI產品在(zai)廣州市婦(fu)女(nv)兒童醫(yi)療(liao)中心落地后(hou)，確實(shi)展現(xian)(xian)出(chu)了它的(de)價(jia)值。“醫(yi)療(liao)影像(xiang)AI對影像(xiang)科提升工(gong)作效率有(you)很大幫助。例如肺結節(jie)的(de)診斷、骨齡的(de)測算(suan)，以前沒有(you)AI，需(xu)要醫(yi)生逐張片(pian)子去看(kan)。現(xian)(xian)在(zai)AI可以先給出(chu)一個初步(bu)診斷，幫助醫(yi)生更好地關(guan)注到片(pian)子中的(de)問題。”另一方面(mian)，廣州市婦女(nv)兒(er)童(tong)醫療中(zhong)心(xin)在引進(jin)醫療影像(xiang)AI的過(guo)程(cheng)中(zhong)也投入(ru)了不(bu)少資源和精力。醫療(liao)影像AI運行需要強大的算力作(zuo)為支撐，這就(jiu)要求醫院必須對(dui)服務器等硬件進行升級(ji)。這個擔子自然落在了作(zuo)為信息中心主任的曹(cao)曉均肩上。行業(ye)早期，很多公司為了(le)把自家的AI產品送進醫(yi)院(yuan)，都(dou)會免(mian)費(fei)幫(bang)醫(yi)院(yuan)部署服務器(qi)，有(you)些醫(yi)院(yuan)為了(le)節約(yue)人(ren)力和資(zi)金也樂見其成(cheng)。但廣(guang)州市婦女兒童醫療中心對數(shu)據安全格外重視，為保險起(qi)見，還是(shi)決定自己采購和部署服(fu)務器(qi)。剛接觸醫療影像AI，曹曉(xiao)均(jun)經驗不(bu)(bu)多，不(bu)(bu)知道該部署多大算力的GPU。為此，他走訪考察了不少醫(yi)(yi)院(yuan)，跟(gen)合作的廠(chang)商更(geng)是(shi)反復溝通交流。如今醫(yi)(yi)療影像(xiang)AI的價值(zhi)逐(zhu)漸得(de)到認可，他和醫(yi)(yi)院(yuan)的這番功(gong)夫(fu)也算(suan)沒(mei)白費。雖然醫療影像(xiang)AI的商(shang)業(ye)化(hua)前景正逐步明晰，但曹(cao)曉均也看到，其發展(zhan)仍然存在許(xu)多不足和挑戰。首先，需要醫療影(ying)像(xiang)AI的場景非(fei)常多，AI目(mu)前能解決的只是一小(xiao)部分(fen)問(wen)題。“影像科醫生希(xi)望AI能夠識別所(suo)有類型(xing)的(de)片子，對所(suo)有類型(xing)的(de)疾病進行診斷(duan)，但現(xian)實中AI根本做不到這(zhe)么細(xi)。它只(zhi)有在面對單一疾病——比如肺(fei)結節、骨折時(shi)，才能有較高的(de)診斷(duan)能力。針對復雜維度的(de)使用場景，現(xian)在還(huan)沒有很好(hao)的(de)產品(pin)能夠落地(di)。”
其次，醫療(liao)影(ying)像AI與醫院(yuan)既有PACS系統(tong)之間的兼(jian)容和打通也是一(yi)大(da)挑戰。作為信息中心主任，曹曉(xiao)均(jun)對此深有體會。當前(qian)，各家公司(si)的醫療AI產品都(dou)只(zhi)能(neng)針對單一疾(ji)病(bing)(bing)或者少數幾種疾(ji)病(bing)(bing)進行(xing)輔助診斷，因此醫院往(wang)往(wang)需要引進多(duo)家公司(si)的產品來滿(man)足(zu)對于不同病(bing)(bing)種的輔助診斷需求。而且(qie)，行業早期AI公司為了提前“占位”，會(hui)盡最大(da)努(nu)力把產品送進(jin)醫(yi)(yi)院(yuan)，這就導致(zhi)一個醫(yi)(yi)院(yuan)可能(neng)同(tong)時(shi)存在(zai)幾(ji)款針對同(tong)一病種的(de)醫(yi)(yi)療(liao)影(ying)像AI產品。比如廣州(zhou)市婦女兒(er)童(tong)醫(yi)(yi)療(liao)中(zhong)心就同(tong)時(shi)引進(jin)了包括匯醫(yi)(yi)慧影(ying)在(zai)內(nei)的(de)三家廠商的(de)肺結節醫(yi)(yi)療(liao)影(ying)像AI輔(fu)助診斷系統。醫(yi)(yi)療影像AI產(chan)品作(zuo)為(wei)一個(ge)獨立(li)系統，需要通過定制化的接(jie)口從PACS系統獲取影像數據。而(er)每(mei)(mei)個(ge)PACS系統都(dou)有自(zi)己的開發語言(yan)和技術(shu)標準，這就需要醫(yi)(yi)院(yuan)信息科為(wei)引入的每(mei)(mei)一款醫(yi)(yi)療影像AI產(chan)品獨立(li)開發PACS系統接(jie)口。“對(dui)接的(de)(de)AI廠商越多，需要開發的(de)(de)接口(kou)就(jiu)越多，增(zeng)加了我們的(de)(de)工(gong)作量，而且(qie)接口(kou)也(ye)不方(fang)便管理(li)。AI系統對(dui)于數據字段的(de)(de)要求會隨著算(suan)法的(de)(de)演進不斷改變(bian)，如果以后(hou)A公(gong)(gong)司要增(zeng)加字段，B公(gong)(gong)司也(ye)要增(zeng)加字段，維護的(de)(de)成本就(jiu)會非常高。”這種系統的(de)割裂也影(ying)響(xiang)到了醫(yi)療AI產(chan)品的(de)最(zui)終用戶——影(ying)像(xiang)科(ke)醫(yi)生的(de)使用體驗。北京(jing)協和(he)醫(yi)(yi)院(yuan)放(fang)射科高(gao)級工(gong)(gong)程師、中華醫(yi)(yi)學會(hui)(hui)影像技術分會(hui)(hui)前(qian)主委付海鴻就(jiu)曾(ceng)提(ti)到，“這些(xie)AI工(gong)(gong)具大多(duo)使用(yong)獨(du)立的(de)(de)服(fu)務(wu)器、工(gong)(gong)作(zuo)站(zhan)，或是作(zuo)為放(fang)射科醫(yi)(yi)生(sheng)工(gong)(gong)作(zuo)站(zhan)的(de)(de)一個單(dan)獨(du)應(ying)用(yong)存在，并(bing)未與日(ri)常的(de)(de)數字化(hua)閱片診斷工(gong)(gong)作(zuo)流程集成在一起。AI工(gong)(gong)具和(he)PACS、RIS的(de)(de)相互獨(du)立，使得醫(yi)(yi)生(sheng)在工(gong)(gong)作(zuo)時(shi)需在PACS、RIS與AI工(gong)(gong)具之間閃轉騰挪、往復切(qie)換，不利(li)于(yu)放(fang)射科醫(yi)(yi)生(sheng)的(de)(de)工(gong)(gong)作(zuo)效(xiao)率和(he)工(gong)(gong)作(zuo)體(ti)驗(yan)提(ti)升。”醫療影(ying)像AI產品和PACS系(xi)統彼(bi)此(ci)割裂的問題從前者誕生的那一刻(ke)起便存在(zai)，只(zhi)是隨(sui)著(zhu)其逐步走向商業化，用戶期望越(yue)來(lai)越(yue)高，才逐漸(jian)凸顯出來(lai)。作為信息(xi)(xi)中心主任，曹(cao)曉均很早就注意(yi)到(dao)了(le)這些問題，并且(qie)已經(jing)探(tan)索出了(le)一(yi)套相(xiang)對成熟的解(jie)決方(fang)案。他(ta)認為，醫院信息(xi)(xi)科可以(yi)從(cong)兩(liang)大(da)方(fang)向入(ru)手解(jie)決醫療影像AI產品(pin)和PACS系統(tong)互相(xiang)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(ge)數據接口平臺，把各個(ge)AI公司可(ke)能用到的數據字段都(dou)納入(ru)到這(zhe)個(ge)平臺中(zhong)去，AI公司按需取(qu)用即可(ke)，這(zhe)樣(yang)就能避免(mian)反(fan)復開(kai)發(fa)，同(tong)時也(ye)方便管理。目前，廣州市(shi)婦女兒(er)童醫療中(zhong)心已經取(qu)得了不(bu)錯的實踐成果(guo)。二(er)是為影像科醫生在PACS系統中開發一個AI輔助診(zhen)斷結(jie)果的集中展示(shi)界面。“比如我們(men)(men)醫院(yuan)接入了(le)三家公司的(de)(de)醫療(liao)影像(xiang)AI產(chan)品，它們(men)(men)都(dou)對某個(ge)病人的(de)(de)片子有自(zi)己的(de)(de)看法，那么就可以反饋三個(ge)結果出來(lai)，統(tong)(tong)一展(zhan)示在PACS系統(tong)(tong)的(de)(de)界(jie)面中。有了(le)這(zhe)個(ge)集(ji)中展(zhan)示界(jie)面，醫生(sheng)就不需要再同時打(da)開多(duo)個(ge)窗口了(le)，對使用(yong)體驗有很大(da)的(de)(de)改善(shan)。”實(shi)際使(shi)用(yong)中(zhong)，醫生(sheng)并不一定(ding)會(hui)同時(shi)打開(kai)3個(ge)AI產(chan)品(pin)(pin)，而是會(hui)根據自己的(de)偏好進(jin)行選擇(ze)。比(bi)如廣州市婦女(nv)兒(er)童醫療(liao)中(zhong)心雖然(ran)引(yin)進(jin)了3款肺(fei)結節AI輔助診斷系統(tong)，但每(mei)個(ge)產(chan)品(pin)(pin)的(de)使(shi)用(yong)頻率并不相同，匯醫慧影的(de)產(chan)品(pin)(pin)明(ming)顯比(bi)其(qi)他(ta)兩家廠商(shang)更受歡迎(ying)。曹(cao)曉(xiao)均介紹，有了這個集中(zhong)展示界面后，就(jiu)可以實(shi)現(xian)單點登錄，避(bi)免設立多個賬號密(mi)碼的(de)麻煩。而且系統可以根據醫生(sheng)的(de)偏好自動推薦相應(ying)系統的(de)輔助診(zhen)斷(duan)結果(guo)。甚至(zhi)還可以在這個基礎之上開(kai)發一套評分系統，醫生(sheng)可以對各個AI輔助診(zhen)斷(duan)系統的(de)表現(xian)進行(xing)評分。曹曉均表示，以前AI產(chan)品好(hao)(hao)不(bu)好(hao)(hao)都(dou)是廠商(shang)(shang)關起(qi)門來自己比(bi)，數據都(dou)很漂亮，但產(chan)品好(hao)(hao)不(bu)好(hao)(hao)用只(zhi)有(you)醫生(sheng)才有(you)發言權。有(you)了這(zhe)樣一套(tao)評分系統，廠商(shang)(shang)就能更加客(ke)觀地認(ren)識(shi)到自己的長(chang)處和短板(ban)，對于行業的發展大(da)有(you)裨益。曹(cao)曉均(jun)主任(ren)提出的(de)兩大平臺對醫療影像(xiang)AI系統的(de)使用(yong)體驗有(you)很(hen)大提升(sheng)，但并未從根本上(shang)解決其與PACS系統互相割(ge)裂的(de)問(wen)題(ti)。不少行業專家認為，影(ying)像(xiang)科醫生(sheng)要想在工作流(liu)程中無縫地使用AI，最好辦法(fa)就是推動(dong)醫療影(ying)像(xiang)AI系統與PACS系統走向融合。比如北京協和醫院放射科高級(ji)工程師、中(zhong)華醫學(xue)會影像技術分會前主委付海鴻(hong)就旗幟鮮明地提出，“未來，不(bu)(bu)集成、不(bu)(bu)部(bu)署、不(bu)(bu)應(ying)用AI的(de)PACS一定(ding)會被淘汰，不(bu)(bu)與PACS、RIS集成的(de)AI也一定(ding)會被淘汰。”但AI產品和(he)PACS系(xi)統的融(rong)合過程中(zhong)究竟該由(you)誰(shui)來(lai)占(zhan)據主導權呢？在AI廠(chang)商(shang)和PACS廠(chang)商(shang)的(de)對決之中，后(hou)者并不(bu)被看好(hao)。目前許多(duo)醫院中PACS系統也早已經停止更新迭代。研發實力一(yi)般的(de)PACS想(xiang)在AI領域有所(suo)建(jian)樹必然不(bu)是(shi)一(yi)件(jian)容易的(de)事情。而(er)反過(guo)來(lai)，AI公司的崛起勢頭一直都很猛，而(er)且部分企業在PACS+AI領域已經布局了很長(chang)時間。以匯醫(yi)慧影(ying)為(wei)例，作為(wei)國內醫(yi)療AI公司中(zhong)的先行者(zhe)和領跑者(zhe)，匯醫(yi)慧影(ying)很早就確定了(le)“PACS+AI”齊頭并進(jin)的發(fa)展思(si)路，研(yan)發(fa)了(le)數(shu)字智(zhi)能(neng)膠片(pian)、大數(shu)據科研(yan)平(ping)臺、PACS+數(shu)據中(zhong)臺、影(ying)像云平(ping)臺等多條產品(pin)線，構建(jian)起了(le)以智(zhi)慧影(ying)像為(wei)核心的全周期人工智(zhi)能(neng)醫(yi)學影(ying)像解(jie)決方案(an)。匯醫慧影(ying)“PACS+AI”的整體(ti)發展戰略可以分成幾個(ge)維度：首(shou)先，從(cong)底層數(shu)據(ju)出發，瞄準醫院數(shu)據(ju)繁(fan)多、價值高、利用率低等問題，從(cong)底層架構做起建設PACS+數(shu)據(ju)中(zhong)臺，將AI對(dui)于數(shu)據(ju)處(chu)理的(de)能力賦能給醫院，通過數(shu)據(ju)中(zhong)臺，醫院可清晰的(de)看到數(shu)據(ju)目前(qian)的(de)使用、清洗(xi)標注等情況。面向(xiang)臨床科(ke)室(shi)，匯(hui)醫慧(hui)影研發(fa)大數據科(ke)研平(ping)臺(tai)，擁有深度學習、機器學習等多種模型算法，臨床醫生通(tong)過科(ke)研平(ping)臺(tai)針對感興趣的研究方向(xiang)，可以實現圖像文(wen)本分析(xi)，生成準確(que)的論文(wen)分析(xi)數字和模型。面向患者(zhe)端，匯醫慧影提供(gong)的數字智能(neng)膠片可(ke)供(gong)患者(zhe)隨時(shi)調閱。面向醫(yi)生(sheng)端，不受辦公地(di)點、距離的約束就能讓醫(yi)生(sheng)用手機、平板(ban)看到原始(shi)DICOM格式的數字膠(jiao)片(pian)。同時，匯醫(yi)慧(hui)影的AI輔助篩查(cha)系統可幫助醫(yi)生(sheng)自動定(ding)位病灶信息，效(xiao)率較(jiao)純(chun)粹人(ren)工診斷提升15%以上。面向基層醫(yi)院，匯醫(yi)慧影(ying)推出影(ying)像云產品(pin)，鏈接各級醫(yi)院，服(fu)務醫(yi)聯(lian)(lian)體/醫(yi)共體、醫(yi)療集團等各類醫(yi)療機(ji)構，實現醫(yi)學影(ying)像數據的互(hu)聯(lian)(lian)互(hu)通，真正(zheng)助力實現優(you)質醫(yi)療資源下沉。對于(yu)究竟是(shi)PACS+AI還(huan)是(shi)AI+PACS，曹曉均主任也有一番(fan)獨到的(de)見解。他認為，雖然PACS廠商的研發能(neng)力(li)比較(jiao)薄(bo)弱，但目前而言PACS系統依舊是(shi)醫生非常(chang)依賴的工具，而AI起到的更(geng)多(duo)是(shi)輔助作(zuo)用(yong)。從這個(ge)角度而言，AI企業(ye)短時間內(nei)還很(hen)難撼動PACS廠商的(de)(de)地(di)位。不過長遠來看，不排(pai)除AI廠商開發的(de)(de)產品也能滿足醫生(sheng)對于PACS系統的(de)(de)一切功能需求。曹曉均認為(wei)，醫療AI與(yu)業(ye)務場景的無縫結合一(yi)定(ding)是大勢所(suo)趨。在他看來(lai)，最理想化(hua)的狀(zhuang)態就是，“醫生拍完冠(guan)脈造(zao)影片子后(hou)，AI就能自動把關鍵數字提(ti)取出來(lai)生成報告，不(bu)用醫生再去測(ce)總容量。”但(dan)他(ta)也(ye)(ye)清(qing)楚這不是一(yi)兩(liang)年(nian)就能做到的，需要分步有(you)機地結(jie)合，從局部應用擴(kuo)大到全(quan)場景。對于醫療(liao)AI的未來，他(ta)有(you)充(chong)分的信心(xin)，也(ye)(ye)有(you)足夠的耐心(xin)。
