看病还要找熟人？你OUT了

2017最火的综艺节目是什么！！

在我们科技汪眼里，去年最火的综艺非机智过人莫属

这里不仅有会吟诗作对的机器人，还有代表中国速度的复兴号、中国高度的火星漫游车、中国温度的神经外科导航机器人以及中国力度的无人侦察机。而小编今天要安利的不只是良心综艺，更是正在发生的未来——AI医学影像辅助诊断。

AI医学影像辅助诊断——正在发生的未来

AI大家都不陌生，就是人工智能嘛，17年特别火，18年还要继续火的话题。医学影像诊断也不是什么新概念，每年都要去职工体检，年轻人查一下胸片、B超，年纪长的必要时还要查CT，防患于未然嘛。那么AI医学影像辅助诊断就很好理解了嘛，就是利用人工智能的技术帮助影像科的医生分析影像图片，得出最后的诊断报告。

那么AI医学影像辅助诊断为什么是正在发生的未来呢？

首先，国家出台系列政策支持医学影像行业的发展。上至国务院、发改委，下到CFDA、卫计委不断出台政策支持医学影像行业的发展。具体来说呢，就是要多买医学影像设备；要建立区域乃至全国的影像中心；以后要少用纸和胶片，增加信息化和云端数据平台建设；要大力发展医疗大数据产业；小病先去诊所看，有需要再找专家看；在县医院通过网络也可以让北京的专家帮助诊断。2017 年 7 月，国务院发布《新一代人工智能发展规划》，人工智能上升至国家战略层面，人工智能在医疗领域的应用必将进入蓬勃发展阶段。 

图1 近年来医学人工智能领域政策，图片来自网络

其次，我国智能医疗影像诊断市场潜在空间较大。根据行业专家估计，影像检查收入占医院总收入超过10%。2015年我国医疗卫生总支出突破4万亿元，其中医学影像支出约4000亿元，到2020年，我国医学影像市场规模将达6000亿至8000亿左右。假设诊断环节占比30%，对应2020年的医学影像诊断市场规模为2400亿，假设人工智能渗透达到15%，相应的潜在市场空间即有360亿元。风投们也敏锐的嗅到了巨大商机，截至2017年8月31日，国内83家企业的融资总额已经接近42亿人民币。而医学影像已经成为人工智能在医疗应用最热门的领域之一。国内有83 家企业将人工智能应用于医疗领域，主要布局在医学影像、病历/ 文献分析和虚拟助手三个应用场景，而其中涉足医学影像类的企业数量达到40 家，远高于其他应用场景的企业数量。

图2 医疗人工智能领域历年融资情况，其中2017年数据为1-8月，图片来自网络

再次，仅限于医学影像诊断领域，“看病难、看病贵”的问题可能还会长期存在。预计到2020年，全球医学数据总量将达到40万亿GB，而其中医学影像数据占到总数据量的80%，目前家用电脑硬盘一般为1TB，以1TB=1000GB换算，40万亿GB的数据需要400亿个硬盘才能装下，常规笔记本硬盘大小是2.5英寸，把这些硬盘连起来有足足2540万公里，可以绕地球600多圈。

 图3 医疗数据总量预测，图片来自网络

目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率只有4.1%，医生缺口日益增加。医生将面临更多的影像图片需要仔细甄别，繁重的任务可能带来较高的误诊、漏诊率。对于患者，这意味着更长的等待时间，CT检查只需要5分钟，等CT报告可能需要1天。

此外，随着健康意识的提高，癌症筛查的普及，人口老龄化程度的加深，每天产生的影像数据将比现在多得多。对于医患双方也都需要一个帮手，要靠谱的、最好请他来的成本不要太高、能24小时不停工作就更好了。

科技让这一切可能成为现实

算法、算力和数据被认为是人工智能的三大核心要素。数据就是菜，俗话说得好巧妇难为无米之炊，就像前文提到的，现在菜可以绕地球600多圈，虽然菜品质量残次不齐，但是我们有传说中的厨具。

这传说中的厨具就是算法，这口人工智能的锅到今天也有50年的光景了，中间砸过两次，不过好在有都补上了，现在这口锅凭着机器学习和深度学习已经可以胜任煎炒烹炸各种料理方法了。

图4 大数据发展经历过两次低谷，图片来自网络

能使用传说中厨具的一定是特级厨师，算力从切墩开始，一步一个脚印， 终于在今天成长为大厨。小编用的第一台电脑内存只有128M，硬盘不2G，286的处理器，当时玩红警95兵多了都有点卡；现在手机内存都动辄2G，硬盘128G，标配4核，这样的事放在20年前谁想的到？

在算力方面我觉得可以吹一波，我国自主研发的神威·太湖之光超级计算机凭借12.5亿亿次/秒的峰值性能，荣登世界超级计算机排行榜第一位，排在第二位的是我国研发的“天河二号”超级计算机。除了乒乓球、羽毛球、跳水比赛以外，我们又有新的包揽冠亚军的项目。

图5 全球超级计算机排名Top5，图片来自网络

AI医学影像辅助诊断的应用场景

如何提高医院和医生的诊疗效率，是目前医疗领域的重要问题之一。在医学影像领域，医生与患者的供需关系不平衡问题表现的尤为严重。AI医疗影像辅助诊断技术凭借客观、重复性高、成本低、不会遗忘等优点，解决了人类医生不可避免的疲劳、主观、知识积累成本高的不足。 

图6 人工阅片和AI阅片比较，图片来自网络

相比于一线城市的丰富的医疗资源。二线或三线城市的应用场景更加宽广。为什么怎么说呢？

首先由于医疗资源不平衡，虽然二三线城市的患者数量不少，但是愿意留在当地看病的患者不多，有条件的家庭更倾向于到周边的大城市里的三甲医院去看病。

因为能够接触到的病例数量有限，二三线城市的医生成长曲线比大城市三甲医院的医生更加漫长，成长为专家的难度也更大。整体医疗质量和三甲医院存在差距，这种差距带来的是患者对医院的信任进一步下降，更少的患者愿意留在当地看病，如此反复造成恶性循环。所以我们常能看到一些偏远地区的疑似肿瘤患者，长途奔袭到北上广深只为让专家看一眼片子判断是不是肿瘤，可不可以做手术。

而三甲医院的医生也有自己的苦恼，下级医院的影像参数设定不够精准，而影像又是对图像清晰准确要求非常高的检查，常会遇到患者拿着片子来，到了医院又要重新做一遍同类检查的尴尬，患者觉得既费时又费钱，医生肯定从中有利益。医生也是有苦说不出，对于一些很难判断的片子，就是要求更准确的图像才能做出结论，毕竟都是人命关天的大事。

再加上目前医学影像获得的信息以图片为主，难以量化，因此诊断结果基本凭医生经验；而医生在确诊时需要浏览的CT片数量庞大，效率并不高。因此利用人工智能技术提高精确率和效率，正是医学影像领域的刚需。 

图7 医学人工智能技术成熟曲线，图片来自网络

总而言之，人工智能在医疗领域的落地应用，已经成为了未来医疗产业发展的趋势之一，同时我们也已经看到了相关案例，切实推动了医疗行业的效率提升。比如美国的Arterys公司开发的Cardio DL应用已经获得FDA批准，在云端使用AI辅助心脏成像。它使用深度学习来自动完成基于常规心脏MRI图像进行自动化的心室分割，精确性可与经验丰富的医生相比。这也是第一个被FDA批准的，在临床中使用云计算和深度学习的应用。

图8 我就是炫酷的Cardio DL，图片来自网络

假想2020

假想在不远的未来，2020年的某一天，你来到医院行胸部CT的常规体检。在护士的指引下你躺倒检查床上，机器的传感器检测出你的身高、体重、体脂含量、心率、呼吸等等，根据数据库的运算调节出最适合你的检查参数。经过3分钟的扫描，产生的300多张断层图片通过光缆传送到区域影像诊断中心，在超级计算机的帮助下，通常医生需要看几分钟的图像被机器不到1秒钟变看完了，检测结果迅速的返还到你所在的医院，一张纸质报告和一个包含所有检查图像的U盘交到你的手上，这距离你从检查室出来还不到10分钟。当你拿着结果来找医生咨询时，只要扫描一下报告上的二维码，同样的材料以电子版的方式呈现在医生办公桌的显示屏上。

也许你觉得这是不是太夸张了，如果你不信的话就看一下周围，二维码、移动支付、还有你手里拿着的智能手机，我们遇见正在发生的未来。

延伸阅读