878
對話依圖醫療總裁倪浩：AI 產品隻是第一步，未來要和醫院製定中國兒童骨齡新標準
雷鋒網消息，近日，浙江大學醫學院附屬兒童醫院（以下簡稱：浙大兒院）與依圖醫療正式宣布結成戰略合作夥伴關係，並發布全國第一款兒童骨齡智能輔助診斷係統。
“在與醫院合作的過程當中，我們看到了未來一起製定中國兒童骨齡新標準的可能。”依圖醫療總裁倪浩在接受采訪時表示。
今年 5 月，依圖科技宣布完成 3.8 億人民幣 C 輪融資，資金主要用於醫療領域 AI 核心技術的研發、醫療行業臨床應用的拓展，以及醫療人工智能團隊的建設。
醫療人工智能領域中，以醫學影像切入行業快速落地的公司很多，每家公司在落地的模式上雖然不盡相同，但相似度還是很高，切入的疾病領域也是以肺結節、糖網、甲狀腺等為主。算法已經不是 AI 能力的壁壘，如果說數據的獲取是 AI 入門的門檻， 醫療人工智能的企業也相繼通過各類途徑獲取了數據，在不同病種上做出了行之有效的產品。那接下來，比拚的就是落地應用的速度了。
一款醫療人工智能產品能不能應用，第一線的醫生具有很大的話語權。考慮到數據隱私、產品準確率以及醫生對人工智能產品的接受程度，落地過程往往需要付出巨大努力。2016年，依圖醫療團隊以小兒常見病為切入點，與廣州婦女兒童中心合作拓展醫療人工智能領域，2017年初又將人工智能技術應用於醫學影像領域，與浙江省人民醫院、浙江省腫瘤醫院、複旦大學附屬腫瘤醫院等進行合作，在胸部CT智能輔助診斷、小兒常見病輔助診斷以及醫療大數據平台的建設方麵也做出了一些成績。
為什麼這次會與浙大兒院合作骨齡人工人工智能產品？倪浩笑著說道，這是受自己兒時的經曆啟發。“我小時候發育比較晚，在同齡人中比較矮，家人不知道該怎麼辦，就拚命給我吃東西。如果那時候有現在的醫療技術，家人可能不會這麼著急，我也不會那麼胖。”
倪浩的兒時經曆並不是個例，家長為了讓孩子長高，會用食補、藥補等一切可能管用的方法。雷鋒網了解到，在發達國家，骨齡檢測早已被納入為青少年兒童體檢的重要一環。但長期以來，我國缺乏大樣本的骨齡和身高長期追蹤觀察數據，中國健康兒童的骨齡數據庫並未建立起來，臨床應用的骨齡檢測方法也各有弊端，沒有辦法滿足臨床要求。
兩種主流的骨齡分析法
據浙大兒院副院長傅君芬教授介紹，人的骨骼生長發育受到遺傳因素、營養水平、飲食習慣、地理環境、人文環境等多重因素的影響，不同年代、不同種族和區域的兒童青少年的發育會有所不同。所以，針對不同民族和區域，也應當製定相應的骨發育評價標準，並隨社會發展因素的變化及時修訂。以往，傳統的骨齡片研判有兩種方法：
據雷鋒網(公眾號：雷鋒網)了解，G-P 圖譜法和 TW3 計分法分別依據美國20世紀30-40年代和歐洲20世紀70-90年代的白人兒童，由於種族差異和社會經濟發展的變化，該標準不完全適用於東亞兒童。
為此，自20世紀60年代以來我國學者張果珍、顧光寧、張紹岩、葉義言等曾提出中國人骨齡百分計數法標準、手腕骨發育圖譜、CHN法、TW3-C、RUS-CHN及葉氏骨齡法等，為我國兒童青少年的骨齡評定做出了巨大貢獻。
然而不管經典的 GP 圖譜法、TW 計分法以及在 TW2 或 TW3 基礎上改良的我國 CHN 法， TW3-C 法和葉氏法均存在這樣或那樣的不足。G-P 圖譜法簡單但主觀性強不夠精確； TW3 法精確但較為繁瑣，耗時長，需要對橈-尺-掌指骨13 塊骨(RUS(R)係列)，以及腕部7 塊骨(Carpal(C)係列)共20塊骨做8個等級的評分和計算，即便使用計算機軟件也需耗時15-30分鍾，臨床實際工作中難以推行。
G-P圖譜法由於使用簡便、直觀、耗時短，在國際上有較高的權威性，因此國內外臨床實踐中仍廣泛使用該方法。然而由於許多兒童手腕骨的發育不一定像標準片那樣均衡，G-P 法在使用過程中最大的困難的仍然是整片比較的主觀性及不精確性問題。
上述的兩種主流分析法，就是“魚和熊掌”。在沒有人工智能介入前，速度和準確度幾乎是一道單選題。
人工智能在兒科領域如何應用，在和傅君芬教授聊到這件事情之後，倪浩就察覺，骨齡檢測這種事情是最適合人工智能做的。“這種需要拆分、計算的工作，醫生花15分鍾做的事情，計算機幾秒鍾就可以完成。而且，專家能做的事情，機器也一定能學習好。”
與技術需求共生的情況是社會需求，“我們了解到的是，全國的兒科醫生缺口大概是20萬，父母對兒童健康的重視和醫生團隊緊缺的矛盾，在一定程度上造成了醫患關係的緊張。這也是觸發我們想從兒科領域切入的原因。”
兒童骨齡智能輔助診斷係統
據雷鋒網了解，圖譜法的基本原理是：每歲（包括半歲、3個月）一個標準骨齡圖譜，運用圖譜法把被測者的圖片與標準圖譜對照，即得出骨齡。
TW3 計分法是根據各骨發育的階段或分期及其對應的分值，計算總分，從相應標準查出骨齡的評定方法。其X線分期方法是將手、腕部20個骨骺的骨發育分為8或9期，即橈骨、掌骨、指骨、鉤骨和大多角骨各分為9期，尺骨和7個腕骨各分為8期。各期的順序以英文大寫字母、從 A-I 起依次表示。
依圖醫療的這款醫療兒童骨齡智能輔助診斷係統，就是在這兩種主流的骨齡分析法的幫助下，將臨床影像和醫學知識進行結合。通過深度學習技術，基於TW3/GP等標準，對兒童骨齡進行高速智能檢測。影像輸入係統後，即可將病例的骨骼數據進行分解，對比已有的骨齡數據，對各個骨骺的發育情況依次打分，參照 TW3 的計算公式得出最後的分數，以此診斷病例的生長發育情況，影像輸入後5秒內即可輸出骨齡結果。因為可以避免人工判斷受到外界幹擾和計算能力等主客觀因素，因此係統在保證骨齡檢測準確性的同時，大幅提升檢測效率及穩定性。
在倪浩看來，骨齡檢測這件事的意義在於骨齡評價與生長板結構性變化存在密切的關係，所以骨齡可作為生長板衰老的標誌。測定骨齡可以用來輔助診斷兒童身高異常的病因。據倪浩介紹，與專科主任醫生判定偏差小於半年的比例達到98%。
雙方在數據上花了多大精力？
這是做醫療人工智能的人常被問及的另一個問題：如果醫院看不到明顯好處，憑什麼要把數據開放給你？但如果沒有高質量的數據，醫療人工智能的深度學習也就無從說起。
談到此次依圖醫療和浙大兒院的合作細節，浙大兒院院長舒強表示，雙方的合作是一個很正規的流程。
正規的流程是什麼樣？依圖醫療在研發骨齡診斷產品時，方案先後經醫院倫理委員會探討、院領導研究決策、醫院技術科等三個環節的驗證。醫院的信息科會決定什麼數據用於科研目的，並進行數據脫敏（保護患者隱私）等步驟。產品成型後，還需經過醫院試用檢驗。據傅君芬副院長表示，為了簽訂此次戰略合作協議，雙方前期已經溝通了半年時間。
數據獲取後，如何進行數據標注也是一大問題。因為沒有專業醫生來做老師，機器就無法進行學習。倪浩表示，給機器貼標簽這件事很專業，軟件公司搞不定，所以一定需要放射科、內分泌科的醫生反複跟蹤。在和浙大兒院合作這件事上，院方投入了40多位醫放射科生，“目前，我們擁有的健康人群的樣本量是1.4萬，這些樣本主要是來兒院進行體檢的相對健康的人群。在深度訓練了數千份樣本之後，機器就可以自己進行學習。”
製定兒童骨齡發育新標準的意義更大
既然是做產品，那麼企業一定會考慮到盈利的問題，但是現階段，醫療人工智能企業目前都處於探索的階段。對於這個現實的問題，倪浩又是如何看待？
“我覺得，目前非要從原有的收費體係裏扣一部分作為人工智能的收入的思路很不正確。醫院的醫療體係變化非常大。”至於商業模式的探索，倪浩認為“軟件費用收取”是業內采取的主要模式，但是依圖醫療並不一定要采用。人工智能產品的潛在付費方有可能是保險公司、體檢中心、藥廠等，但現在“哪裏是羊毛哪裏是豬”還在探索過程中。
而且，倪浩表示，在醫療付費方麵，保險公司付費的方式在美國很好，美國醫療體係本質上是由保險公司驅動的，但是中國的國情不一樣，但是有一點是一樣的，那就是服務好醫院才能賺到錢。隻要人工智能對醫療有幫助，一定會盈利。
倪浩說到，依圖醫療從去年成立到現在，沒有想過“收錢”這件事。他表示，所有產品的研發都是為了能夠落地，嵌入醫生的實際工作流，而不僅僅是停在研發或者demo層麵。“我們最重視的是人工智能給醫院帶來的價值有多大。浙大兒院這樣的醫院是我們的種子醫院，我們雙方是合作研發的關係。我們一起在某個疾病的科研上一起努力，所以即使是在兒院身上收入1000萬也沒有意義。”
依圖醫療副總裁方驄也曾在演講中說道，“一方麵是為了完成商業模式的閉環，能夠進入收費模式；另一方麵更是因為必須得落地，嵌入醫生工作流，真正解決醫生的臨床痛點，幫他們解決實際工作中的問題，他才會產生強烈的意願去用，有了強烈的意願去用，用戶才產生強烈的購買意願，所以我們研發的策略是非常明確的，我們不是什麼產品熱做什麼，所有產品線必須能夠解決臨床痛點、投入臨床使用。”
此外，令倪浩特別興奮的一點是傅院長為他描述的一幅“藍圖”——未來要製定未來兒童骨齡發育新的標準。“不隻是為臨床醫生服務，最後通過這個人工智能的模型反過來建立新的標準向全國推廣。這種社會價值和意義可能更大。”
“很多問題是自己想象出來的”
一個團隊的帶頭人，創業伊始都要考慮這麼一個問題：我們要做一家什麼樣的公司。倪浩也經曆了一個很長的過程，他在找依圖醫療的定位——我們是一家人工智能的公司還是一家醫療公司。他認為，這一點對於公司的戰略都會有很大的影響。“有人之前問，到底是 AI+ 醫療還是醫療+AI ，至少是說今天是把你自己當成AI公司還是醫療公司。”
倪浩把依圖醫療當成是一家醫療公司，核心競爭力是 AI ，在這個定位下依圖醫療建立了很大的醫生團隊，包含很多全職醫生，也包含了很多兼職醫生。“這個醫療公司比以前的醫療公司還要深刻，是因為我們今天做的東西是要重構臨床工作流，所以對於臨床工作流沒有一個非常深刻的認知是不可能做到這一點的，你做人工智能永遠隻是做一個科室級的，做一個工具而已。”
在采訪中，有人向倪浩列舉了醫療人工智能企業創業中的幾個“悲觀”的大環境，例如人工智能在診斷過程中給出錯誤的判斷，是否需要承擔法律責任等。對此，倪浩笑著說，“曾經有人舉個例子說無人駕駛賣了100萬輛車死了一個人就是天大的事故，如果是人類駕駛可能就不會過多苛責，這就是倫理的問題。我覺得這個回答是錯誤的。很多問題是自己想象出來的障礙，當你沒有臨床實踐經驗的時候，你就會把這些事情都看成問題了。”
當然，在中國使用醫療數據，確實存在一些困擾。比如，醫院的信息化程度偏低，醫院將自家數據當作“金礦”不肯分享，造成數據不全、割裂，給數據的利用造成諸多不便。但倪浩認為糾結於這一點沒有意義，他覺得這倒是一個機會，創業公司就是為了解決這些問題而存在，把問題解決好能夠成為公司的競爭力之一。
好在國家對醫療數據應用的態度並不保守。在 2016 年發布的《國務院辦公廳關於促進和規範健康醫療大數據應用發展的指導意見》中，“堅持開放融合、共建共享”成為一個基本原則。麵對以單個醫院為中心的一個個數據孤島，構建臨床多中心醫學影像數據平台，為人工智能技術發展構建一個高質量的數據平台，已經是許多專家醫生的案頭研究。
在倪浩看來，人工智能產品比較新，而在監管層麵，中國也要像美國食藥監學習，學會思變，采取更迅速的應對方式。監管和創新，如何把握好度很重要，太鬆會像互聯金融一樣亂象叢生，收得太緊新生事物就會被扼殺掉。
本文作者：李雨晨
本文轉自雷鋒網禁止二次轉載，原文鏈接
最後更新：2017-11-06 14:04:13