從變現(xiàn)對(duì)象看，基層醫(yī)院因?yàn)橹委熕�平�?span id="xblprcd" class='hrefStyle'>醫(yī)療資源缺乏，付費(fèi)動(dòng)力最強(qiáng)；而大醫(yī)院雖然醫(yī)療資源豐富，但由于門診住院量高，具備通過智能化應(yīng)用提升工作效率的需求。

在此背景下，基層醫(yī)院具備按次付費(fèi)的需求基礎(chǔ)，而大醫(yī)院更容易接受軟件服務(wù)費(fèi)作為付費(fèi)形式。隨著第三方影像中心的崛起，將也會(huì)對(duì)智能影像診斷產(chǎn)生需求。

醫(yī)學(xué)影像AI也有短板

①AI產(chǎn)品往往只是集中在少數(shù)幾個(gè)病種，難以覆蓋全部醫(yī)學(xué)影像問題。

②眾多人工智能企業(yè)和機(jī)構(gòu)采用的訓(xùn)練數(shù)據(jù)集標(biāo)準(zhǔn)多樣，系統(tǒng)偏差較大，行業(yè)缺乏醫(yī)學(xué)圖像和疾病征像的統(tǒng)一認(rèn)識(shí)。

③業(yè)內(nèi)缺乏對(duì)數(shù)據(jù)使用標(biāo)準(zhǔn)的判斷依據(jù)，在現(xiàn)有的法律基礎(chǔ)上尋找合規(guī)使用和分享數(shù)據(jù)的渠道，也是迫在眉睫的一件事情。

④在醫(yī)學(xué)影像AI模型檢測(cè)階段，也會(huì)存在生產(chǎn)過程不規(guī)范，模型效果和安全性缺乏公正評(píng)價(jià)，缺乏產(chǎn)品檢測(cè)標(biāo)準(zhǔn)庫和評(píng)價(jià)體系，缺乏相關(guān)法律法規(guī)、質(zhì)控檢查和管理制度等問題。

⑤醫(yī)療健康是風(fēng)口，人工智能也是風(fēng)口，兩個(gè)風(fēng)口放在一起就可能出現(xiàn)泡沫。多數(shù)的醫(yī)生是非常有經(jīng)驗(yàn)的，AI對(duì)于他們來說更多的是輔助，主要作用在給他們進(jìn)一步的確認(rèn)、以及提高他們的診斷效率。

應(yīng)對(duì)弊端的解決方法

國內(nèi)監(jiān)管審批會(huì)加速，影像 AI 產(chǎn)品上市前質(zhì)量評(píng)價(jià)體系逐漸形成。2017 年 FDA 和 CFDA 都設(shè)置了專門針對(duì)醫(yī)療 AI 的審評(píng)部門，足以顯示對(duì)醫(yī)療 AI 重視程度和開放態(tài)度。目前中檢院已經(jīng)召開 AI 標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集眼底和肺癌建設(shè)會(huì)議，公開征集標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集，建立測(cè)試數(shù)據(jù)集和客觀評(píng)測(cè)方法，推進(jìn)產(chǎn)品上市前質(zhì)量評(píng)價(jià)。

初期AI剛應(yīng)用于醫(yī)學(xué)影像領(lǐng)域，醫(yī)生群體的接受度還不高，有些人還持懷疑、抵觸的態(tài)度，但隨著AI臨床表現(xiàn)不斷提升、醫(yī)生AI研究學(xué)術(shù)上不斷有高質(zhì)量成果產(chǎn)出、加之大環(huán)境的影響，將有越來越多的醫(yī)生由被動(dòng)轉(zhuǎn)為主動(dòng)擁抱AI，臨床更多需求將釋放，會(huì)產(chǎn)生更多細(xì)分領(lǐng)域的機(jī)會(huì)。

除了醫(yī)學(xué)影像 AI 應(yīng)用外，醫(yī)療領(lǐng)域還存在一類可統(tǒng)稱為醫(yī)學(xué)圖像的數(shù)據(jù)應(yīng)用。這類數(shù)據(jù)雖不是設(shè)備直接成像的結(jié)構(gòu)或功能影像，但是可以間接形成能夠供計(jì)算機(jī)判讀的數(shù)字圖像，比如檢驗(yàn)和病理科室顯微鏡下視野經(jīng)數(shù)字化后形成的圖像， 以及心電、腦電等電生理信號(hào)形成的圖像都有機(jī)會(huì)借助 AI 來實(shí)現(xiàn)智能化的分析和解讀。

結(jié)尾

AI技術(shù)只是一種技術(shù)手段，而不是最終目標(biāo)。未來醫(yī)療AI企業(yè)會(huì)逐漸整合，只有給醫(yī)院一個(gè)相對(duì)完整的打包方案，至少幫科室解決一個(gè)領(lǐng)域的大部分問題，也許這個(gè)行業(yè)才能迎來春天。

在整個(gè)醫(yī)學(xué)影像的云計(jì)算中，利用算法增加連接性，利用深度學(xué)習(xí)挖掘影像數(shù)據(jù)的價(jià)值，在更多的維度中挖掘原來淺關(guān)聯(lián)或弱關(guān)聯(lián)的關(guān)系，利用三者的關(guān)聯(lián)大大提高醫(yī)療診療效率，并達(dá)到精準(zhǔn)醫(yī)療。大量數(shù)據(jù)的積累、高性能的計(jì)算環(huán)境、優(yōu)化的深度學(xué)習(xí)方法，三者資源互相結(jié)合并不斷調(diào)配的模型，正是人工智能的魅力所在，也是未來醫(yī)學(xué)的方向。