医疗AI产品疯狂扎堆医院，医院如何选择？科室主任如何说？

新一代医疗AI产品技术已经进入高速发展期，很多公司都研发出辅助不同科室医生的产品。自2017年开始，各个医疗AI公司已经开始大量招聘市场人员，加速布局。

2018年3月，动脉网记者从邵逸夫医院放射科胡红杰主任那里了解到他们科室合作的医疗AI公司已经达到了10家。4月，动脉网记者从重庆医科大学附属第一医院放射科吕发金主任那里了解到，其科室合作的医疗AI公司也达到了7家。

多家医疗AI公司扎堆医院，这其实并不是个别的现象，大多数知名的三甲医院都是这种情况。产品众多，但是一位医生大多只用一款产品，面对众多的选择，科室和医生依据什么来做出他们的抉择？哪些医疗AI产品是真正落地在医院科室，被医生使用，哪些又是滥竽充数，只是放了一台设备或者系统医院，发一篇新闻稿用于宣传融资。

动脉网带着这些问题采访或者侧面了解了邵逸夫医院放射科、重医附一院放射科、北京301医院呼吸科、厦门二院输血科、上海市北医院眼科等科室的主任，了解他们选择AI的方式与初衷。

厦门二院输血科:工程人员要和医生一起研究

厦门医学院附属第二医院输血科暨中心实验室主任赖冬

厦门医学院附属第二医院输血科暨中心实验室主任赖冬告诉动脉网记者，他们选择医疗AI产品主要有两个出发点。

第一，落地。所有的AI产品，不管企业如何描述，利用的是机器学习、深度学习或者其他的算法，赖主任最关注的是产品是否可以解决实际工作当中的问题，或者可以把医生关注的临床问题，用计算机或者AI的手段给展现出来，方便医生做分析、做科研。

第二，工程人员要和医生的专业磨合成熟度。赖主任表示，他们输血科所研究的数据大多是非影像数据。

他们在进行科研的时候，首先要搞清楚与疾病相关的变量数据。除了医生很清楚的特异性很强的数据之外。很多的变量，经过大数据的验证与疾病的诊断都有相关性，医生首先要解决的是把这些相关的变量数据尽量找全。

找到关联数据后，要制定规则将普通数据结构化处理，使这些数据可以被计算机识别并分析。这个过程涉及医生的专业知识、数据结构化、完整性、数据缺失值问题，这些都会影响数据质量。

数据处理好了以后，工程人员才可以利用AI技术进行处理，找到疾病与数据之间的相关性。

相较于影像数据，非影像数据的结构化和标准化要困难一些，因为如今的影像数据从设备出来以后，基本实现了数字化，医生标注以后，就可以用作AI训练。

但是处方、病情描述这些非影像信息，要想用于AI训练，要先做数据结构化处理，这个过程很考验医生和工程人员的水平。

赖主任认为，工程人员和医生是一个研发团队。在整理数据的时候，双方会仔细沟通，互相理解对方的需求、关注的点。产品打磨阶段会发现很多的小细节、小问题需要共同解决。

这些问题都需要医疗AI公司和医院的磨合成熟度非常高。同时，医生的精力是有限的，一个医生团队一般选择一家公司进行深入的合作，公司则会派驻工程人员进驻医院，方便交流。

赖主任表示，他们与雅森科技的磨合成熟度非常高，这也是能与他们长期合作的原因。

重医附一院放射科：想进入医院要先通过测试

重庆医科大学附属第一医院放射科主任吕发金

动脉网从重医附一院放射科吕发金主任处了解到，他们科室目前接触了7家从事医疗AI研究的公司，但是只有三家公司进入到了他们的临床打磨阶段。

吕发金主任告诉动脉网记者，由于医疗AI产品训练数据和医院的不同，这些产品在重医附一院使用肯定会有性能上的差异。所以，进入临床前的考核是必须的。

考核的方式是科室依据日常的临床工作流程建立一个试验区，然后用重医附一院的临床数据验证，只有通过了测试的产品才可以进入到临床进行试用。没有通过的产品就不能上临床，反馈给企业让他们自行矫正。

通过一段时间的使用，一线的放射医生表示，他们在关注产品准确性的同时，也会在乎产品操作的方便性，关注产品是否与现有的医生工作流程相吻合。

医生平时的工作都是在医院的信息化系统中进行，放射医生拥有自己的PACS系统，日常工作中是通过PACS系统来进行影像数据的传输、存储、调阅。所以放射医生希望医疗AI辅助诊断系统也可以嵌入到PACS系统中。

那些离线的、需要医生专门拷贝、传输数据的系统会将读片时间从10分钟变为30分钟，这样的产品肯定会被淘汰。

上海静安区市北医院眼科：人工智能临床应用和创新性同等重要

上海静安区市北医院眼科主任陈吉利

上海静安区市北医院眼科主任陈吉利告诉动脉网，市北医院是静安区北部区域医疗中心，他们选择使用AI产品也有自己的考虑。

第一，AI产品在未来成为医生的重要助手已经是共识，在医院的应用越来越广。市北医院眼科作为上海市医学重点学科，基于科室发展和学科建设，需要与时俱进，时刻掌握最新的医疗技术动态，并将有用的技术应用在临床，服务患者。

第二，市北医院是一家综合性医院，内分泌科的医生经常会请眼科医师为糖尿病患者会诊查眼底，了解是否有糖尿病眼底病变。

糖尿病最大的危害是各种急慢性并发症，尤其是糖网病，导致极高的致残率和失明率。但如果在发病初期定期进行眼底检查，失明风险可下降94.4%。因此，早筛查、早诊断、早治疗是糖网病患者保留视力的关键。

但一个窘迫的现状是，糖尿病患者首诊是内分泌科，而内分泌科医生目前很多都不会眼底阅片，无法诊断和判断转诊。即便内分泌科医生能从眼底图像中看出问题，按照法律规定也不能出眼科的诊断报告。所以内分泌科和眼科医生经常一起会诊。

按照正常的流程，科室的医生要积极配合同事的需求，但是眼科医生本身就非常忙，内分泌科又缺乏诊断眼低图像的能力，他们要求会诊的病例也有很多眼睛都是正常的。

所以陈主任希望一款靠谱的眼底糖网辅助筛查产品帮助他们进行初步的筛查，系统提示异常以后，再进行会诊，这样眼科就可以节约大量的人力。

第三，上海市有一个“三年公共卫生行动计划”，其中有一个项目是糖网筛查，项目要求各方在社区进行糖网病和眼病的筛查，在社区进行眼底照相，然后上传数据，让上级医院的医生读片，健康无病变无需转诊上级医院眼科，定期筛查即可、发生糖网病变需要转诊上级医院眼科.

这个糖网筛查工作意义非常大，但是陈主任表示，这项工作量也非常繁重，2017年全上海筛查了18万糖尿病患者，上级医院本身眼科医师非常繁忙，眼科医师读片增加了很多工作量，导致读片不能及时出结果，患者等候时间较长，读片医生临床经验的差异也导致读片质料参差不齐。

其实解决上述问题有效的办法就是让眼底人工智能辅助诊断系统解决初步的筛查工作。目前开发眼底相机人工智能辅助诊断系统的医院和科研公司很多，但还没有一家通过国家CFDA认证通过，所以还不能真正用于临床，只能是辅助使用。

目前国内推出的眼底AI辅助诊断软件的科技公司已经有很多家，陈主任选择合作方有一套自己的标准。

陈主任表示，一方面，开发软件公司的研发团队实力要足够，这样才能不断优化“培育”自己的AI系统，把产品做的足够好，眼底病变识别的正确度和灵敏度足够高，这样的辅助诊断系统才是今后临床需要的。

另一方面，他们需要的不仅仅是临床应用，还希望和这些科技公司合作做开发研究，开发更多的AI产品，目前开发都是普通眼底照相机的AI辅助诊断系统。陈主任希望在眼底超广角激光扫描照相机的AI辅助诊断系统方面有所建树。

一般的眼底相机的拍摄角度为45度，超广角的眼底相机的拍摄角度为200度，超广角眼底相机拍摄角度广，可以发现更多眼底隐藏的问题，未来会是一种发展方向。

在这方面的合作，市北医院和Airdoc一拍即合。Airdoc从2015年开始将深度学习技术应用到医疗领域，是国内最早研发出人工智能糖尿病眼病自动识别算法，也是第一家向市场进行人工智能技术推广的公司。

在Airdoc的支持下，2017年10月市北医院和上海新华医院眼科合作申请的《超广角眼底激光成像系统联合人工智能图像分析技术在眼底疾病辅助诊断的开发研究》获得上海市科委科技创新行动计划50万元立项支持，目前这项研究正在如期进行，不久的将来他们自己开发的超广角眼底相机AI辅助诊断系统也会面世。

2018年2月在Airdoc公司全力支持下上海市静安区北部医共体糖网人工智能筛查建设项目也正式启动，这是医学人工智能技术首次在上海市眼科临床领域落地应用。

静安区北部地区的糖尿病居民以后可以就近在社区卫生服务中心就能进行糖尿病视网膜病变的人工智能初步筛查，眼底照片还会及时通过国家科技信息中心的眼科大数据平台传输到市北医院眼科复核，今后静安北部糖尿病居民不需要到二级三级医院眼科“轧闹猛”排队做常规定期的糖尿病眼底检查了。

陈主任解释说，这套糖网人工智能筛查系统和上海市三年公共卫生行动计划糖网筛查并不矛盾，是他们很好的补充，这项工作筛查对象是社区卫生服务中心就诊的糖尿病患者。

当患者配药的时候，全科医生可以建议他们去拍一张眼底照片，Airdoc眼底辅助诊断系统马上可以给出结果是否有眼底病变，如果有眼底病变马上就可以绿色通道转诊到市北医院眼科复诊以给与正确的处理。

陈主任说最终目标是建立糖尿病视网膜病变“筛查-发现-转诊-随访-健康管理”为工作模式的医防紧密融合的基于人工智能技术的眼病综合防治服务体系。

这套基于人工智能和大数据平台的糖网和慢性病筛查体系涵盖了疾病发现、转诊、治疗、随访、健康管理等概念，能切实解决好糖网和慢性病筛查的问题。陈主任表示，今后这套服务体系一定能在全市和全国推广使用。

邵逸夫医院放射科：10家公司也没有完全覆盖医院的AI研发

杭州作为医疗AI创新应用的热土，很多公司都在杭州设有分部，或者是将杭州的医院作为首先进驻的对象。

邵逸夫医院是一家四次通过JCI国际医院评审的公立三甲医院，备受医疗AI企业关注。动脉网记者在实地采访中了解到，自2016年以来，已经有10家医疗AI公司与邵逸夫医院放射科进行合作，共同打磨医疗AI产品。

在这些合作的AI公司中，合作的深度各有不同。有些企业仅是将产品放在医院供医生使用，效果难以评估；有些则是在医院的PACS系统中安装了辅助诊断软件，医生使用起来相对便捷。

但是有趣的是，大多数AI公司都是从肺结节项目切入，对其他领域的研发相对较少。放射科和其他科室原本可以用AI解决的研发需求和临床需求并没有被满足，他们只能自己研发或者和高校合作，甚至有些医生在自己写程序做研究。

比如，围绕肝脏的占位进行自动的分级、基于影像组学/机器学习方法术前预测肝癌术后早期复发、肺气肿亚型定量分析及与肺功能的相关性研究以及简单的预问诊系统。（详见《期待与困惑，邵逸夫医院在医疗AI领域的创新与应用》）

医生自己组织的科研项目一定是他们在临床看到的问题，这些是实实在在的临床需求，是需要被解决的，而不是仅仅抓住肺部筛查产品。即使是肺部筛查产品，也没有做到尽善尽美。

邵逸夫医院放射科副主任医师张峭巍表示，现阶段的AI是AI，PACS是PACS，两者还没有完全实现无缝协同。这让医生在操作时会显得不够人性化，在一定程度上会影响医生的使用热情。将AI系统无缝对接到PACS系统，也将是下一步发展的方向。

现在在提交报告之前，不少医生会选择参考AI系统出具的报告，与自己的进行比对和查漏补缺。在选择使用哪一款产品的问题上，完全是基于产品的准确性和操作便利性。

另外，放射医生需要筛查的疾病有很多，比如甲状腺结节、乳腺结节、肝脏占位、前列腺等异常病变的筛查。记者认为很多疾病领域的研发者往往较少，如果出现靠谱踏实做事的合作者，医生会考虑与之合作共同研发。

科室主任和医生五点选择依据

通过与主任合医生沟通，我们总结了一下五点科室主任和医生选择医疗AI的依据。

第一，团队一定要靠谱，不要只会讲故事，是骡子是马拉出来遛遛，要给医院展示产品模型，自己对产品、疾病要有理解。

第二，产品的准确性是进入临床试用的前提，无论哪个医院和医生，他们对产品性能的要求很高，不过关的产品只能在医院落灰。

第三，产品要有创新性，现如今医疗AI产品有很多，但是同质化严重。其实医生的科研需求、临床需求有很多，只要抓住一点就可能让产品在医院落地。

第四，工程人员要和医生一起工作，打磨产品。

第五，AI产品嵌入医生的工作流程，不要为医生带来额外的麻烦。在影像科，AI系统最好可以嵌入PACS或者医生的影像工作站。