北大一院医学影像科主任王霄英：医学影像AI产品在临床应用中有哪些容易被忽略但却非常重要的细节？

"踏光前行的医学影像”专题

第2篇文章

全文字数：2900余字

专题往期阅读

问

您认为如何判断一项新技术在临床的应用价值？医学影像科在新技术的应用上有什么特点？

王霄英：

真正具有时代意义的新技术往往会带来工作模式的变革。不管新技术如何发展，临床只有一个判断标准：创造医学价值。这可以从很多细节来判断，比如是否提升了效率、是否提升了准确度、是否对临床结局有质的提升、是否提升了患者或医务人员的体验等等。

由于天然的数据支撑优势，在临床很多新技术的引进是从医学影像科的“尝鲜”开始的。影像科室的主流信息学工具PACS/RIS多服务于图像管理，而非过程管理随着医院整体信息化的推进，新的影像信息技术对影像学学科建设、科室服务模式的正向影响会在优化流程、提升患者就医体验等方面愈加明显。

问

您认为应该如何看待AI与医疗的关系？

王霄英：

我对AI的期待很高，整体来看，AI与医疗是彼此促进的关系。

AI对医学的“侵袭”是医学看上去成效也不错。但是问题在于：AI研究，掌握技术的是计算机科学、数据学家专家，而不是临床医生，因此落地时会发现有很多局限性，这不只是技术能够解决的，所以AI看上去在临床应用中受到了“抵抗”——临床使用不是特别顺畅。

从另一个角度来看，医学也在主动“吸纳”AI，是需求导向的。从传统医学到精准医学的最大转变在于医学发展越来越基于数据，这些数据非常适合用AI进行处理，不过过去很长一段时间内的数据不是标准数据（至少不符合AI处理需求），所以虽然数据量很大，但AI可用的有限。为了便于利用AI，医学数据的收集方式正在发生一些转变，比如流程中的数据管控，可以预见未来的医疗模式一定会因为AI而发生重大的变化。

问

从科室人才建设方面来看，是否有必要为AI匹配“新人才”？

王霄英：

在AI这个行业现在有很多专攻算法的企业，他们也在“医疗+AI”方面越来越专业，科室完全可以通过知识产权合作与类似企业紧密合作，从而达到产、学、研一体发展的目的。从人才梯队建设来看，科室自身具备全流程跟踪管理能力很重要，因此引入具备跨学科工作能力的人才是最好的选择。比如目前我院医学影像科有生物医学工程博士，既能为科室提供直接的技术支持，又能做好科室与AI企业之间的“翻译官”。

如果AI企业与临床的关系是“锤子”找“钉子”的模式，AI企业的产品成型后才在科室落地，这样就容易出现“水土不服”我认为更加合理的合作模式应朝着“定制化”发展。从2017年起，我们科室搭建了适用于AI的数据平台，在临床实际工作中发现需求，内部以项目带动的方式，有针对性地对科室成员进行AI方面的培训，临床研究者依据少量标注数据探索可能性，“设计图”基本呈现后再与企业合作，依据“钉子”的需求定制“锤子”，这样效率更高，结果也更令人满意。

问

“AI+医学影像”相关产品在临床科室的应用有哪些容易被忽略但却非常重要的细节？

王霄英：

获取足够大量的数据后，算法不是问题，如何将算法植入临床才是最大的挑战。谈起AI是很“高大上”的事情，但如何有效加持AI对医学影像科而言更多的是“流程”问题，而非“算法”问题。

目前很多AI企业把更多的精力放在算法开发、模型调整等工作上，对临床流程不够重视，所以会出现AI产品无法顺畅地融入到临床流程，这会使AI应用效果大打折扣。工程技术方面的问题看起来低端，但却是最实用不可缺的事情，这也是为什么不少AI企业产品看上去不错，但落地却很难的一个原因。

问

您认为有哪些因素会限制AI在医学领域的发展？

王霄英：

目前AI在医学领域所做的很多事情都是非常有科研价值的，也具备一定的实用价值，但不少AI产品很难“量产”推进，除了前述“钉子与锤子”的关系外，还有伦理、监管、支付等方面的局限。国家对于医疗器械有着严格分类与管控，而AI产品目前很难得到相关资质。2018年两会期间有代表提出尽早落实人工智能立法的预备和研究论证工作，这对行业发展来说是非常有意义的。

-END-

推荐阅读

©以上文章来源

e医疗原创文章，转载请注明来源。