盘点全球11个皮肤病AI项目：63%用于医生端，中国企业最多，皆与顶级医院合作

今年，皮肤病AI的诊断产品已经出了三个。一个是中南大学湘雅二医院（以下简称湘雅二医院）与丁香园、睿琪软件联合推出的皮肤病人工智能辅助诊疗综合平台——智能皮肤。

4月27日，三方在长沙湘雅二医院召开临床启用发布会，正式向临床医生开放使用。

另外两个皮肤病AI产品则是中日友好医院联手优麦科技合作研发的优智AI系统，以及北京协和医院与南开大学共同开发的基于深度学习技术的皮肤病人工智能诊断系统。

这两个产品的定位是为广大皮肤病患者、全科医生、初级皮肤科医生提供方便快速的参考和指导。

可见，越来越多的企业选择与高校、医院或者医学专家联合开发皮肤病AI辅助诊疗系统。那么，目前全球有多少关于皮肤AI的项目？其效果如何？面临哪些挑战呢？政策又是如何指引的？动脉网对此进行了梳理。

人工智能政策从全行业到医疗的演变

医疗行业的发展与政策紧密相连。今年皮肤病AI产品频繁诞生，也离不开政策的引导。

根据公开信息检索，我们列举了国内近三年与人工智能相关的政策，发现单独针对医疗人工智能的政策较少，大部分是适用于全行业。具体如下：

在2017年蛋壳研究院发布的《2017医疗大数据与人工智能产业报告》中提到，人工智能应用于医疗健康领域，对于医生、医疗机构、患者、企业来说，各有裨益。

在医生端，它帮助医生提高医疗诊断速度、准确率，提高医生的供应量，更早发现疾病，给患者提供个性化分析、优化治疗方案，减少后续的医疗费用支出；

患者端，提高患者自查自诊自我管理的比例，降低患者对医生的需求量，降低成本；

医疗机构端，它提高医疗机构、医生的工作效率，优化医院的管理水平，降低医疗成本；企业端，有助于研发人员发现有价值的新药物。

因此，去年人工智能很火，资本也纷纷布局。

据动脉网统计，2017年医疗人工智能行业一共发生27起融资事件，如果算上几家没有公布消息的公司，2017年该领域融资总额超过17亿人民币，行业领跑者也已经进入B轮状态。

这些企业涉及的疾病种类也很多，有皮肤科、肺结节、糖尿病等数十种疾病。其中皮肤病AI产品最多。

2018年4月28日，国务院办公厅发布了关于《关于促进“互联网+医疗健康”发展的意见》（下简称《意见》）。鼓励医疗联合体内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程影像诊断等服务，促进医疗联合体内医疗机构间检查检验结果实时查阅、互认共享。

或许该政策的出台将更利于医疗人工智能产品多样化发展，并快速走进医疗机构，极大促进医疗人工智能行业的发展。

为什么皮肤病AI产品最多呢？

据动脉网了解，皮肤病学是比较依赖形态学特征的学科，皮肤影像是皮肤病诊断的重要手段。皮肤影像诊断由最初的望诊，发展到放大镜和显微镜辅助诊断，再到近年来数字影像学技术和智能分析。

以皮肤镜、皮肤超声、皮肤CT 为代表的皮肤影像技术已成为临床皮肤病诊断的重要工具。皮肤镜对黑色素瘤有很多的诊断方法，包括 ABCD法、模式识别法、七点检测法、三点检测法、CASH 法等，这些方法，指导医生对提取出来的特征进行打分评价，由此看来，这是人工智能应用比较成熟的例子。

如果能结合多维度皮肤影像资源库，把诸多皮肤病的疾病特征提取出来，标准化地打分识别，就可以更好地教机器如何判断。

斯坦福大学在Nature 上发表了一篇文章，利用 13 万个皮肤病的图像数据库，进行人工智能自动诊断皮肤病的探索。图像数据库包含了皮肤镜图像、手机照片以及标准化的照片。

其结果是将人工智能诊断系统用于鉴别皮肤良性肿瘤、恶性肿瘤和其他的一些非肿瘤性皮肤病，结果人工智能诊断结果与皮肤科专家诊断结果吻合度非常高，诊断效率打成平手。

比如银屑病、荨麻疹、痤疮等常见多发病的诊疗活动中，医生的诊断、处方、健康宣教等不仅是重复性劳动，而且在一个狭小的空间里与患者交流。每天如是，这整个环节或者是其中一部分，就可能被人工智能替代。

但皮肤科的病种繁多，鉴别标准和诊断标准还不统一，这样并不太容易教会机器人怎么识别诊断疾病，属于 AI 诊断皮肤病的瓶颈问题之一。

目前皮肤影像还很难实现病理图像的自动识别诊断，另外皮肤病中有罕见病，病例非常少，标本量不足以提供机器训练所需，理想自动识别诊断的效率也难实现。

国内外这11种皮肤病AI产品情况汇总

为此，我们挑选了国内外皮肤病AI产品进行分析，通过项目的参与方、应用端、定位等维度分析，希望了解皮肤病AI的概况，以及他们的产品功能。

根据公开信息检索，我们发现国内外有11种皮肤病AI产品，诞生时间最早是在2012年，2015年-2018年间诞生了10家，参与方包括企业、高校、医院等。大部分皮肤病AI产品应用于医生端，为医生提供辅助诊断决策。具体细则如下：

1、2015年和2017年诞生产品最多

从时间维度看，皮肤病AI诞生于2012年，2017年和2015年诞生的产品数量均为3款，2016年和2018年均为2款。

2015年是人工智能刚兴起的阶段，2017年被称为人工智能的元年。据业内人士称，那个阶段，如果技术公司不提人工智能，感觉自己都不是圈儿内人。当时究竟有多火爆呢？

据动脉网2017年统计的数据看，在融资方面，医疗人工智能行业一共发生27起融资事件，如果算上几家没有公布消息的公司，2017年该领域融资总额超过17亿人民币，行业领跑者也已经进入B轮状态。

在政策方面，2017年医疗人工智能行业相关政策也在逐渐推进。据动脉网了解，自从7月20日国务院发布《新一代人工智能发展规划》，中检所、CFDA都在积极与行业人士接触，相关政策、监管方案都在紧锣密鼓的制定当中。 

同时，国内科技巨头也纷纷涉足。2017年，阿里、腾讯、科大讯飞等科技巨头相继发布医疗人工智能产品，并将产品落地医院，接受实践的检验，并且以人工智能技术为基础，共建智慧医院。

国外知名的医疗人工智能大牛们也在2017年回到中国，参与这股医疗AI创业浪潮。斯坦福大学教授邢磊、Deep Genomics联合创始人熊辉远、原飞利浦医疗放射解决方案首席架构师陶晓东…… 

在落地实体医疗机构方面，2017年各个医疗人工智能公司落地的医疗机构加起来超过1000多家。一位参加医疗会议的院长曾表示今年哪个医院不谈人工智能，感觉就OUT了。 

2、中国涉足皮肤AI产品最多

从全球涉足皮肤病AI的区域看，有中国、荷兰、美国、日本。其中，中国的皮肤病AI产品最多，有7种，位列第二的是美国，有2种。

因为在我国推行的新医改背景下，尤其是现在进入医改的深水期，凡是能改变医疗行业痛点的产品，又在国外有应用产品，均被投资人、创业者追捧。比如移动医疗，数字医疗，医疗人工智能、区块链等。

医疗人工智能一直被人们寄予厚望，把它看成是解决医疗生产力的根本之道。在我国，人口老龄化、慢病高速增长、医疗资源供需严重失衡以及地域分配不均等问题，造就了对医疗人工智能的巨大需求；同时，我国人口基数大、产业组合丰富、人才储备充分等特点，又给人工智能的发展提供了很好的基础。

尽管美国在人工智能的基础研究领域一直处于前沿地位，但是近两年来，中国的人工智能科技人才正在实现弯道超车。

根据美国发布的《国家人工智能研究与发展策略规划》报告中显示，从 2013 年到 2015 年，SCI 收录的人工智能方向论文，涉及“深度学习”的论文数量增长了约 6 倍。

中国学者的论文发表数量从 2014 年开始超过美国，并大幅度领先于其他国家。

3、皮肤AI系统参与方最多的是企业、医院、高校

从参与方来看，涉及一款皮肤病AI需要多方协作。医院、企业、高校、皮肤科医学专家、数学家、计算机专家，他们的加入充分体现了各行业间“术业有专攻”的特性。

简单概括而言，一款皮肤病AI产品离不开数据、技术的支持。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。

人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。

4、皮肤AI应用端：63%应用于医生端

目前皮肤病AI产品应用于医生端、患者端、医生和患者端这三种情况。其中63%的皮肤病AI产品应用于医生端。

如在2012年荷兰诞生了一款名为SkinVision的App，应用于C端患者。可以只使用图片就能侦测出73%的黑色素瘤，它能帮助用户追踪体表黑痣的大小和形状变化，分析判断它们是否有可能存在恶性病变隐患，并提醒用户对可疑的黑痣保持密切关注或咨询医生。

SkinVision从黑痣这个角度出发，因为黑痣（尤其是那些异常生长的黑痣）是皮肤癌的早期信号，而皮肤癌中最致命的一类——恶性黑色素瘤，更是由不起眼的黑痣发展而来的。

如果能在早期阶段确诊并接受及时治疗，多达95%的皮肤癌患者都能得到根治或长期存活；如果直到晚期才发现，那长期存活率就只有15%。

白种人的皮肤天生缺乏抵御阳光中紫外线伤害的黑色素，所以皮肤癌发病率比黄种人和黑人都高，因此像SkinVision这样一款用于黑痣自检的移动应用在欧美地区有着巨大的市场潜力。

在2012年，SkinVision获得了德国投资机构Personal Health Solutions的投资。从2012年发布到2014年11月，大约已有10万人已经下载了这款app，并提供了175000张照片到产品数据库里，这些照片在今后将用于进一步的开发。

5、皮肤病AI产品定位汇总：辅助决策比较常见

从目前搜集的信息看，皮肤病AI定位有三种，围绕用户的需求，有辅助诊断决策、检测皮肤病、皮肤健康管理，其中辅助诊断决策的产品最多。

造成这一结果的原因是，医疗行业面临着医生数量短缺的窘境。根据2017年The Lancet上一项研究称，2005 至 2015 年间，中国470 万医学生毕业，而医生总数仅增加 75 万。

这篇研究的通讯作者是台湾国立阳明大学范佩贞教授，研究结合国家卫生计生委和北京协和医院的报告及年鉴分析得到，在 2005 年年初至 2014 年年底，医学本科毕业生为4374191，七年制毕业生为 4131865，共毕业约 472 万医学生，而这期间新增的执业医师仅为 75 万。

其中，25-34 岁 临床医师的占比从 31.3% 减少到 22.6%，60 岁及以上的医师占比从 2.5% 上涨到 11.6%，七年制研究生占比从 4.3% 上涨到 11.2%。农村地区医生缺口超 50 万。

这恰好是中国医疗水平最薄弱的地方，也是政策支持力度最大，提倡大力发展的基层医疗。或许医疗人工智能的出现，将改变这一现状。

那么这些皮肤病AI产品具体应用如何？为此，我们挑选了两个具有典型意义的产品，一个是企业、医院研发的智能皮肤辅助诊疗系统；另一个是高校和医院联合开发的诊断系统。

案例一：湘雅二医院、丁香园、睿琪发布的皮肤病AI辅助诊疗系统

2017年5月，湘雅二医院、丁香园和睿琪软件联合发布了中国首个皮肤病人工智能辅助诊疗系统 ——智能皮肤。

一年时间，智能皮肤在经历了多番测试、审核、训练，累计学习超过 60 万张病例图片后，日前该系统迎来重大突破：对85种皮肤病识别准确率达 86%，其中 34 种常见病大于 95%，可识别病种数和准确率居行业之首。

在合作的三方中，提供数据的是以湘雅二医院为主，联合全国20多家三甲医院的海量的影像资源；技术是由睿琪软件基于其识花APP“形色”的核心算法架构，“形色”是睿琪强力打造的图像识别系统，处于业界领先水平；丁香园则擅长整合和协同医疗行业资源，参与系统的设计、开发与运营。

4月16日-25日，湘雅二医院和丁香园共同发起了“助力AI” —— 全网皮肤科医生排位赛。

在所有参赛的 545 名皮肤病/性病科医生中，主治以上级别的医师在平均得分、参与积极性皆显著优于其他科室医生，平均答题得分是 69.03 分，平均完成时长是 107 秒。而智能皮肤平均得分是 87.5 分，平均完成时长 31.4 秒。

这样的结果，中南大学湘雅二医院皮肤科主任、博士生导师陆前进教授并不意外。他表示，在医生和 AI 系统都是在看图片的特定情况下，人工智能的准确率和时间高于医生，主要是因为机器学习了大量的图片。

据他介绍，智能皮肤的应用已经在基层医疗机构铺开了。

2018年4月“智能皮肤”走进湖南江华瑶族自治县人民医院和宁夏固原彭阳县人民医院，为基层医生提供先进的人工智能辅助诊断技术，对接全国顶级皮肤病诊疗资源，开展精准医疗扶贫计划。

宁夏彭阳县人民医院高勇表示，“在我们医院没有专业的皮肤科医生，是由外科医生兼任，因此对来就诊的皮肤病人的诊断处于模糊的状态，治疗方案自然也很模糊。

通过试点使用智能皮肤后，只要医生对着患者病灶部位拍一张照片，根据医生自己的诊疗经验，挑选最为相似的病种，系统再给出一个结论。用时非常短，极大提高了医生的诊疗速度和水平。我希望该平台能推广到更贫困、更偏远的地方去，让皮肤病患者得到更精准的治疗，夯实基层医疗的诊疗水平。”

在4月27日的举办的那场发布会上，皮肤病人工智能发展联盟也同期正式成立。陆前进教授任联盟主席，丁香园副总裁张伟先生担任联盟秘书长。

来自全国各地的联盟成员，将聚合力量，将智能系统扩展到更多的病种，同时也将系统平台打造得更加全面。 

为了让整个医疗扶贫工作落到实处，深入开展，合作三方还为帮扶单位准备了一整套完整的综合帮扶资源支持。具体方案如下：

这些方案将正式投放到第一批精准医疗扶贫帮扶单位，有彭阳县人民医院、平江县第一人民医院、平江县中医院、安化县人民医院、炎陵县人民医院、慈利县中医院、桂东县人民医院、江华瑶族自治县人民医院、汝城县皮防所、新田县人民医院。

作为平台运营者，当被问及何时开放给患者时，丁香园副总裁张伟表示，在短期内，平台目前不会开放给患者对疾病进行直接诊断。

在这个前提下，平台面向患者的服务，是基于患者提交的整体疾病资料信息进行智能分诊，在综合地域因素和疾病因素之后，帮助患者匹配适合的医疗机构。这与国家深化分级诊疗的策略方向相一致。

在谈到皮肤病人工智能发展联盟的未来规划时，陆前进教授说：

未来 5 年，联盟将分三个阶段发展。

2018 年作为第一阶段，将建立健全联盟框架和发展机制，构建成为可信赖的综合诊疗平台；2019-2020 年作为体系发展阶段，将实现对主要皮肤疾病的诊疗覆盖，建立皮肤病人工智能领域行业标准；2021-2023 年为生态完善阶段，形成产学研的完整价值链条。

案例二：北京协和医院与南开大学发布的皮肤病人工智能诊断系统

2018年3月30日，中国医学科学院北京协和医院与南开大学共同发布基于深度学习技术的皮肤病人工智能诊断系统。它被称为手机拍图能识病，和SkinVision产品类似，只是使用者不同。

SkinVision是给C端患者使用，而他们研发的皮肤病AI是给医生使用。

该项技术由南开大学计算机与控制工程学院计算机视觉实验室杨巨峰团队与北京协和医院合作开发，包含两项主要功能，一是利用皮肤镜拍摄皮肤色素痣，并对皮肤镜图像进行辨识；二是利用普通手机拍摄皮损图像，并对皮损进行智能辨识，以提供常见皮肤疾病的诊断参考。

目前，该系统对色素性皮肤痣的辨识准确率已达到92%以上，为黑色素瘤的早期发现提供了良好的诊断依据。

与此同时，针对手机拍摄的皮损图像辨识数种常见皮肤疾病(如湿疹、银屑病、玫瑰糠疹)的准确率也达到了80%以上。

该系统除了能为全科医生和初级皮肤科医生诊断疾病提供帮助，也为偏远及贫困地区缓解皮肤科医生严重缺乏和病人就医难的矛盾开辟了另一创新途径。

该系统将在今年对接黑龙江、山西、江西三个省的医疗扶贫项目，协助贫困地区的基层医生能更好、更有信心地面对和处理皮肤科疾病，为提升贫困地区人民生活品质做出贡献。

据了解，南开大学计算机与控制工程学院计算机视觉实验室积极响应国家号召，瞄准国际人工智能研究最前沿，致力于将机器学习技术应用于计算机视觉的实际问题，并与美国加州大学、英国卡迪夫大学、北京协和医院等建立了紧密的合作关系。

本次参与开发的皮肤病智能诊断系统基于该实验室长期以来的理论研究和积累，前期成果相继发表在欧洲计算机视觉大会(ECCV)、国际计算机视觉与模式识别大会(CVPR)等国际顶尖学术会议上。

相关工作推动了计算机视觉、人工智能等技术在智慧医疗领域的成果转化，为广大皮肤病患者、全科医生、初级皮肤科医生提供了方便快速的参考和指导，实现了较大的社会价值。

皮肤病AI的应用前景

国内皮肤病AI产品及试点医院已经具备了，国外接连获批AI诊断系统，这值得创业者们“喜”。

自从2017年FDA组建成立AI与数字医疗审评部以来，AI医疗产品得到了FDA的大力支持。

进入2018年后短短3个月时间就连续有多款AI诊断决策支持系统先后获批，这在FDA历史上是前所未有的景象，未来医疗AI化的趋势已经非常明显。

不仅包括当前十分火热的图像识别，也包含了影像组学等将影像信息结合临床信息进行整体计算的方法。

目前国际上AI医疗产品得到FDA认证的产品，从疾病方面了看，有中风、房颤、心脏病、肺病、肝病、儿童自闭症、糖尿病视网膜病变、肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌、肺炎、阿尔茨海默病、先天性白内障、皮肤癌等。

而忧的是中国却还无一例新一代AI医疗产品通过药监局的认证，其结果导致该产品不能通过医院采购的模式快速在市场流通。怎么办？

监管部门也在积极研究医学人工智能产品的审批机制。2017年9月4日，CFDA发布新版《医疗器械分类目录》，新增了与人工智能辅助诊断的对应的类别。

按照最新的分类规定，若诊断软件通过算法，提供诊断建议，仅有辅助诊断功能，不直接给出诊断结论，则申报二类医疗器械，如果对病变部位进行自动识别，并提供明确诊断提示，则按照第三类医疗器械管理。

值得关注的是，第三类医疗器械是需要做临床试验的，第二类器械有临床试验豁免目录，诊断软件申报是否能够享受豁免，CFDA还没有做出具体的规范。 

该规范将于2018年8月1日实施，如果各个医疗人工智能公司的想要走医院采购这条路，那么获得药监局认证是必经之路，如果要认证三类医疗器械，或者诊断类软件没有享受豁免，那么大量真实的临床应用数据将会为公司的申请提供巨大的帮助。

另外，中检院也在制定审批细则，目前眼底图像标定专家团队已经建立，肺结节的审批标准也在制定。AI将给未来医疗技术带来深刻的变化，是未来医学创新和改革的强大动力。

*头图由企业提供。