從單病種到數(shù)字人體，數(shù)坤距離醫(yī)療AI的下一程還有多遠(yuǎn)？【CMEF創(chuàng)新醫(yī)療器械專(zhuān)題】

手術(shù)室無(wú)影燈兆豐光電5月13日訊

作為國(guó)內(nèi)最大的醫(yī)療器械展，每年的中國(guó)國(guó)際醫(yī)療器械博覽會(huì)CMEF（春季）都會(huì)迎來(lái)全國(guó)乃至世界的先進(jìn)醫(yī)療器械設(shè)備。但自醫(yī)療人工智能輔助診斷軟件被納入醫(yī)療器械范疇后，越來(lái)越多影像AI企業(yè)開(kāi)始帶著自己的人工智能解決方案抵達(dá)會(huì)場(chǎng)，非硬件化的企業(yè)逐漸能在醫(yī)療市場(chǎng)中獨(dú)當(dāng)一面。

從發(fā)展的角度看，醫(yī)學(xué)人工智能的崛起似乎是一種必然。趨勢(shì)背后，醫(yī)學(xué)影像設(shè)備的不斷升級(jí)迭代為AI的發(fā)展提供著不竭的動(dòng)力。

一方面，人們希望從單一影像中獲取更多有效信息，以幫助醫(yī)生作出精確判斷。譬如，傳統(tǒng)CT的影像僅能顯示尺寸較大的病灶，有限的分辨率限制了醫(yī)生對(duì)影像進(jìn)行更多判斷。相比之下，當(dāng)下的CT技術(shù)已能清晰地展示患者攝影部位的每一處細(xì)節(jié)。

這意味著，高分辨的影像能夠檢出更為微小的病灶，卻也增加了醫(yī)生的工作量——他們需要對(duì)更多可疑病灶進(jìn)行良惡性判斷。因此，基于人工智能的輔助診斷因影像設(shè)備的升級(jí)而變得愈發(fā)必要。

另一方面，隨著影像設(shè)備的精度不斷提高，影像這一證據(jù)的決策力愈發(fā)增大，患者對(duì)于影像的需求也隨之增大。該趨勢(shì)下，醫(yī)生正需求一種更為高效精準(zhǔn)、更為快速的方式將獲取的影像進(jìn)行判別、重建、分析，以填補(bǔ)日益增長(zhǎng)的影像服務(wù)供需缺口。

本次CMEF同樣迎來(lái)了眾多人工智能影像企業(yè)。在大會(huì)之上，動(dòng)脈網(wǎng)采訪到了影像AI頭部企業(yè)數(shù)坤科技。作為最早獲得NMPA輔助診斷三類(lèi)證的企業(yè)之一，數(shù)坤科技的發(fā)展能夠一定程度上反映醫(yī)療人工智能的發(fā)展，此次CMEF之行，數(shù)坤科技展示的發(fā)展路徑，或許能夠帶給予行業(yè)一定啟示。

定位于心血管臨床實(shí)際需求

數(shù)坤科技駛?cè)脶t(yī)療人工智能影像賽道是在2017年6月，已有一些后知后覺(jué)的意味。那時(shí)的肺結(jié)節(jié)賽道雖未有企業(yè)跑通，但參與企業(yè)之多，已算得上是紅海。因此，數(shù)坤科技采取了差異化的研發(fā)策略，從鮮有人問(wèn)津的心臟出發(fā)，探索冠脈CTA的智能化之路。

要做好冠脈CTA并不簡(jiǎn)單。首先，必須要找到心臟領(lǐng)域的資深專(zhuān)家，能夠輔助算法研究人員剖析心臟的結(jié)構(gòu)，認(rèn)清心臟的區(qū)域劃分、血管劃分；其次，算法研究人員不能像肺結(jié)節(jié)那樣直接找到計(jì)算機(jī)視覺(jué)相關(guān)的算法進(jìn)行遷移，而需要一步一步地，在探索之中開(kāi)發(fā)基于深度學(xué)習(xí)的模型重建方法；最后也是最重要的一點(diǎn)，不同于肺結(jié)節(jié)、眼底等病種存在眾多公開(kāi)、豐富的數(shù)據(jù)庫(kù)，冠脈CTA的數(shù)據(jù)小、零散且非結(jié)構(gòu)化，需要企業(yè)與醫(yī)生聯(lián)手構(gòu)建標(biāo)準(zhǔn)化數(shù)據(jù)庫(kù)，以供應(yīng)AI的食糧。

在兩年的摸索之中，數(shù)坤科技逐一解決了上述三個(gè)問(wèn)題，其冠脈CTA能將傳統(tǒng)由醫(yī)生進(jìn)行的冠脈CTA三維重建、判讀、評(píng)估、審核報(bào)告等流程交由人工智能處理，過(guò)去30-40分鐘的影像后處理過(guò)程被縮短于至數(shù)分鐘。

相比于冠脈CTA，頭頸CTA的重建過(guò)程顯得更為復(fù)雜，其中的難度提升來(lái)源于CT影像之中頭頸血管解剖復(fù)雜以及骨顯像帶來(lái)的干擾。

“由于拍攝頭頸CT時(shí)無(wú)法忽略顱骨部分，而顱骨密度高，在CT圖像上會(huì)以與造影劑類(lèi)似的高亮方式呈現(xiàn)，數(shù)值也非常接近。因此，醫(yī)生必須使用一些特殊的方法將血管與顱骨區(qū)分出來(lái)。”數(shù)坤科技臨床研究院負(fù)責(zé)人郭寧解釋到。

具體而言，為消除顱骨顯像對(duì)于重建的影響，醫(yī)生往往會(huì)要求患者進(jìn)行兩次CT掃描，第一次不注射造影劑，第二次注射造影劑。在第一次CT掃描之中，能夠顯像的只有擁有高密度的顱骨部分，而第二次顯像則能同時(shí)包含顱骨與血管。在進(jìn)行兩次掃描之后，對(duì)其結(jié)果進(jìn)行圖像減影，減去兩次影像中均為高亮顯示的顱骨及其他部分，剩下的便是重建需要的血管影像。

實(shí)際之中，這樣的操作常常會(huì)遇到很多問(wèn)題。首先，這種方式對(duì)于患者的配合度要求非常高，患者兩次掃描的位置必須匹配，也不能移動(dòng)，否則減影效果會(huì)有所欠缺。其次，兩次CT檢查無(wú)疑會(huì)給予患者更多的輻射劑量，雖然劑量仍然在安全范圍之內(nèi)，但容易引起患者的擔(dān)憂。

AI介入后，頭頸CTA的檢查流程由此發(fā)生了較大的改變。將減少一次CT掃描，為患者帶來(lái)更好的就醫(yī)體驗(yàn)，而重建影像耗費(fèi)的時(shí)間也將由此大幅降低。

9月，數(shù)坤科技與首都醫(yī)科大學(xué)宣武醫(yī)院盧潔教授團(tuán)隊(duì)合作，開(kāi)展人工智能在頭頸CTA血管重建的應(yīng)用價(jià)值研究，研究成果《Rapid vessel segmentation and reconstruction of head and neck CTA using 3D convolutional neural network》，在 Nature子刊《Nature Communications》在線發(fā)表。

這是目前國(guó)內(nèi)首個(gè)針對(duì)頭頸血管分割提取的大規(guī)模研究，研究結(jié)果不僅體現(xiàn)了卷積神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)圖像后處理的應(yīng)用優(yōu)勢(shì)，更反映了 AI 在臨床的應(yīng)用價(jià)值和潛力。

總的來(lái)說(shuō)，冠脈CTA與頭頸CTA之所以能夠成功。數(shù)坤科技做好了一下三點(diǎn)。

一是效率提升。在單個(gè)病種收益為正的情況下，過(guò)去出具CTA檢查結(jié)果需要三天時(shí)間，而AI介入之后，患者僅需半天便可取得結(jié)果，這意味著每個(gè)患者的住院過(guò)程將縮短2天時(shí)間，醫(yī)院能夠在同樣的時(shí)間周期之內(nèi)收治更多患者。

二是質(zhì)量提升。冠脈CTA、頭頸CTA帶來(lái)的高重建精準(zhǔn)度能夠?yàn)獒t(yī)生提供更為豐富的臨床決策信息，間接提升醫(yī)生決策質(zhì)量，降低患者再入院率，進(jìn)而降低醫(yī)院?jiǎn)蝹€(gè)病種治療成本。

三是運(yùn)營(yíng)提升。DRG的實(shí)行為醫(yī)院帶了績(jī)效考核的壓力，兩款A(yù)I帶來(lái)的治療成本縮減能夠幫助醫(yī)院更好完成考核指標(biāo)。

AI肝臟MR重塑肝癌診療

通過(guò)CTA拿下市場(chǎng)知名度之后，數(shù)坤科技進(jìn)一步拓寬其心腦血管產(chǎn)線，陸續(xù)做出了頭頸CTA、卒中智能輔助診斷系統(tǒng)等AI產(chǎn)品。本次CMEF上，數(shù)坤再度發(fā)布新品，帶來(lái)了業(yè)界首個(gè)肝臟MR人工智能解決方案。

肝臟疾病是我國(guó)常見(jiàn)疾病，其起病隱匿、進(jìn)展迅速，給社會(huì)經(jīng)濟(jì)和人民健康帶來(lái)了巨大威脅。

眾多肝臟疾病之中，肝癌尤為棘手。

《2019年中國(guó)腫瘤登記年報(bào)》數(shù)據(jù)顯示，2015年全國(guó)惡性腫瘤發(fā)病約392.9萬(wàn)人（全國(guó)腫瘤登記中心的數(shù)據(jù)一般滯后3年）。其中，全國(guó)肝癌新發(fā)病例約36.5萬(wàn)，占全球新發(fā)病例的50%。此外，肝癌還是中國(guó)第二大腫瘤致死病因，60歲以下人群中，肝癌是最常見(jiàn)和致死率最高的腫瘤。

對(duì)這部分患者的早期診治、預(yù)后判斷、個(gè)體化治療一直是臨床研究的重點(diǎn)。盡管目前人工智能技術(shù)飛速發(fā)展，但其在肝臟腫瘤診療領(lǐng)域中尚缺乏系統(tǒng)研究。

病態(tài)情況下，患者哪怕只剩下30%的正常肝細(xì)胞都能維持身體所需，肝病患者早期所出現(xiàn)的肝炎、肝硬化等都不會(huì)有明顯的癥狀發(fā)生在患者的身上。因此，肝病患者很難憑自身感受了解到病情的產(chǎn)生，肝臟類(lèi)疾病一直發(fā)展到中期或晚期才會(huì)出現(xiàn)明顯的癥狀。這時(shí)，肝病患者已經(jīng)耽誤了最好的治療時(shí)機(jī)。

MR因具有很高的軟組織分辨率，可作多種方位的切面成像，其成像參數(shù)多，所含信息量大，目前已成為常用的肝臟影像學(xué)檢查方法。近年來(lái)隨著MR軟件和硬件的發(fā)展，尤其是快速掃描序列和肝組織特異性對(duì)比劑的開(kāi)發(fā)應(yīng)用．肝臟MR檢查速度明顯加快，圖像質(zhì)量日益改善，已使肝臟 MRI診斷的敏感性和特異性顯著提高。

“肝臟MR的好處顯而易見(jiàn)，但是缺憾在于懂得熟練操作MR且不斷創(chuàng)新的影像醫(yī)生卻并不多。由于肝臟本身的復(fù)雜特性，光一個(gè)臟器就有那么多種病變，磁共振有許多技術(shù)要去學(xué)習(xí)判斷，所以影像醫(yī)生學(xué)習(xí)成長(zhǎng)過(guò)程極其漫長(zhǎng)。”談到肝臟MR的短板時(shí)，北京友誼醫(yī)院放射科主任楊正漢教授感嘆說(shuō)。

據(jù)楊正漢教授分析，不同級(jí)別的醫(yī)院，甚至同一個(gè)三甲醫(yī)院內(nèi)部的醫(yī)生之間，不同年齡之間，其影像水平差距巨大。歸根結(jié)底還是由于MR技術(shù)的難度較大，有經(jīng)驗(yàn)的醫(yī)生做培訓(xùn)難度也很大，導(dǎo)致醫(yī)生們提升慢，使得MR這項(xiàng)技術(shù)并沒(méi)有發(fā)揮出應(yīng)有的能力。

“既然高水平專(zhuān)家能通過(guò)MR去做有效的診斷，這說(shuō)明這些疾病還是有規(guī)律可循的。”楊正漢教授表示，“我們可以利用計(jì)算機(jī)的圖像識(shí)別能力，給計(jì)算機(jī)建立一個(gè)有效的模型，把一些高水平有經(jīng)驗(yàn)醫(yī)生的知識(shí)和經(jīng)驗(yàn)，去教會(huì)機(jī)器學(xué)習(xí)，教會(huì)人工智能自動(dòng)去識(shí)別肝臟病變。”

面對(duì)MR的人才困境，楊正漢想到了數(shù)坤科技。此前，北京友誼醫(yī)院與數(shù)坤科技在冠脈CTA人工智能領(lǐng)域已經(jīng)開(kāi)展了非常深入的合作，在楊正漢看來(lái)，選擇開(kāi)發(fā)肝臟MR輔助診斷系統(tǒng)的合作團(tuán)隊(duì)非數(shù)坤科技莫屬。

數(shù)坤科技意識(shí)到需求之后，迅速投入到MR的合作開(kāi)發(fā)之中。比起冠脈CTA，肝臟部位彌漫病變種類(lèi)太多，局灶病變高達(dá)上百種，這種復(fù)雜程度要比冠脈高出很多。不過(guò)，在多年AI開(kāi)發(fā)經(jīng)驗(yàn)的支持下，數(shù)坤在數(shù)月之內(nèi)研發(fā)出AI肝臟MR產(chǎn)品，并在應(yīng)用于臨床的過(guò)程中受獲了相當(dāng)不錯(cuò)的成果。

“數(shù)坤科技此前開(kāi)發(fā)出了冠脈CTA智能輔助診斷系統(tǒng)，血管分割做得非常好。而肝臟的分頁(yè)分段分析都是基于血管。我們把血管提取出來(lái)以后可以做3D重建，這對(duì)下一步無(wú)論是做肝移植、還是肝膽外科等都有了標(biāo)準(zhǔn)模型。血管結(jié)構(gòu)勾勒出來(lái)以后，非血管結(jié)構(gòu)的部分就是病灶了。我們測(cè)試了一下訓(xùn)練的模型，平均值都在0.9以上，最高的已經(jīng)達(dá)到0.96以上，已經(jīng)能夠解決目前臨床的一般應(yīng)用。”楊正漢教授說(shuō)。

影像AI的下一階段在哪里？

回顧影像人工智能發(fā)展史。隨著AI代際的不斷提升，醫(yī)療影像智能的使用場(chǎng)景從影像科擴(kuò)大到多科室。

從肺結(jié)節(jié)到心腦CTA，影像AI的的使用場(chǎng)景維度還局限在放射科的檢測(cè)、重建、打印、報(bào)告環(huán)節(jié)；而一站式卒中和肝臟MR則除了放射科的應(yīng)用場(chǎng)景之外，還將影像AI變成了臨床科室從依賴影像的決策到依賴影像的治療方案。

在這個(gè)代際迭代的過(guò)程中，AI引擎處理圖像數(shù)量級(jí)也從200+單序列，到250-700單序列，再到1000-2000多序列，再到2000-3000多參數(shù)多序列。

不過(guò)，頭頸CT也好、肝臟MR也罷，追隨影像技術(shù)的發(fā)展，數(shù)坤科技等企業(yè)在AI技術(shù)深度與應(yīng)用場(chǎng)景廣度上已經(jīng)做出了相當(dāng)不錯(cuò)的突破，并將其應(yīng)用于臨床之中。但是，整個(gè)AI產(chǎn)業(yè)仍處于“單點(diǎn)突擊”模式之中。沒(méi)有形成院級(jí)的解決方案。

那么，影像AI的下一階段會(huì)在哪里？

對(duì)于這個(gè)問(wèn)題，不同的企業(yè)擁有不同的見(jiàn)解，但在數(shù)坤科技看來(lái)，“數(shù)字人體”將是影像AI的未來(lái)。

“數(shù)字人體”并非單純的將人體數(shù)據(jù)數(shù)字化，在數(shù)坤科技看來(lái)，下一代的人工智能應(yīng)該打破單一科室的限制，從患者的人體機(jī)能出發(fā)，以整體化的視角探測(cè)患者可能存在的疾病。

具體而言，數(shù)坤科技將“數(shù)字心”、“數(shù)字腦”、“數(shù)字胸”、“數(shù)字肌骨”、“數(shù)字腹”等部位的數(shù)字化產(chǎn)品進(jìn)行整合，形成“數(shù)字人體”及基礎(chǔ)。就目前來(lái)看，數(shù)字人體以心臟CT平掃+血管成像、胸部CT平掃、頭頸CT平掃+血管成像、頭顱CT灌注成像、肝臟MRI平掃+增強(qiáng)掃描等多模態(tài)為引擎，包含了心血管/腦血管/肺部病變/肝臟病變/肌骨系統(tǒng)等多部位的智能影像，可應(yīng)用于冠心病/腦梗塞/腫瘤/外傷/胸痛中心/卒中中心/心臟專(zhuān)科等多臨床場(chǎng)景，形成了一整套院級(jí)影像全面智能化解決方案。

融合之下，該解決方案能夠結(jié)合形態(tài)學(xué)和功能學(xué)探測(cè)疾病，形成疾病風(fēng)險(xiǎn)預(yù)測(cè)，并應(yīng)用解剖學(xué)結(jié)構(gòu)化數(shù)據(jù)庫(kù)、生理學(xué)結(jié)構(gòu)化數(shù)據(jù)庫(kù)、病理學(xué)結(jié)構(gòu)化數(shù)據(jù)庫(kù)，形成依靠影像平臺(tái)支撐的多學(xué)科診療模式。

距離下一階段，數(shù)坤還有多遠(yuǎn)？

縱觀數(shù)坤科技的發(fā)展歷程，挖掘真實(shí)而隱秘的臨床需求是其能夠走到今天的關(guān)鍵所在。這種需求不單單是醫(yī)院、患者、醫(yī)生單一希望滿足的需求，而是多方共通的需求，這使得數(shù)坤的產(chǎn)品能夠滿足提效與商業(yè)化兩個(gè)關(guān)鍵。

其次是技術(shù)的不斷成熟。在做冠脈CTA時(shí)，單個(gè)病歷需要處理的影像在200幅左右，后續(xù)的頭頸CT能達(dá)到近1000幅，到了今天，肝臟MR需要數(shù)坤同時(shí)處理數(shù)千幅影像。因此，對(duì)于影像人工智能而言，盡管我們更多談到了商業(yè)化的突破，但技術(shù)本身，依然是各項(xiàng)企業(yè)的核心競(jìng)爭(zhēng)力所在。

從更長(zhǎng)遠(yuǎn)來(lái)看，數(shù)坤的數(shù)字人體實(shí)際是對(duì)臨床流程的重塑，這個(gè)過(guò)程非常困難，需要醫(yī)療機(jī)構(gòu)、器械廠商乃至各人工智能的企業(yè)的共同努力，讓醫(yī)生、患者逐漸接受數(shù)字化的診療流程。這種改變需要時(shí)間，卻也能真正發(fā)揮醫(yī)療數(shù)據(jù)的價(jià)值所在。