“肺結節年”AB面：檢測精準度屢破記錄臨床價值存爭議

每經編輯 趙天宇    

每經記者 趙天宇 每經編輯 陳俊杰

2017年，AI+醫學影像領域的大部分公司，業務都集中于AI輔助診斷肺結節，公布的檢測準確率普遍在90%以上。

在肺結節輔助檢測迎來很多公司“扎堆”的背后，對于不斷刷新的準確率，業內也存在“對于臨床知識來說沒有太大的價值”的爭議。AI+影像在這一領域的應用價值體現在哪里？投資機構通過哪些因素判斷從業企業的價值？

科大訊飛醫療總經理陶曉東告訴《每日經濟新聞》記者，“對醫學臨床工作流程的理解程度，是最終決定產品成效并區分出產品優劣的關鍵點。在產品的設計過程中，如何去跟醫生現有的工作流程相結合，這對臨床的價值更加重要。”

精度百分比“價值”之爭

AI進行肺結節檢測的識別率、準確率，是這個行業長期以來的話題。各企業時常公布自己進行測評的結果。業內也有調侃稱，做肺結節AI的公司若沒有90%以上的準確率都不好意思出來說。

同時，國際權威的醫療影像大賽LUNA（肺結節智能讀片）也從未缺少過來自中國的挑戰者。LUNA的“肺結節檢測”和“假陽性篩查”等項目，自2017年下半年至今，每隔一兩個月便被新的中國企業刷新紀錄。

“現在技術發展到一定程度，大家在診斷準確性等常用指標上差別不大，將來的準確率都會隨著大數據積累以及算法的優化而進一步提高，但是算法的同質化會變成一個趨勢。”陶曉東說。

AI診斷肺結節的準確度提升，在技術層面上意味著算法的優化和進步；但另一方面，以數據或算法來驅動的“機械性”結果，只是該項技術能有資格應用于臨床診斷的一個前提而已。這個百分比只是一個參考數據，最終實現這個AI價值的，是在臨床上的真正應用并有效解決問題。

飛利浦大中華區臨床科學部高級總監周振宇也曾在公開場合表示，很多企業得到的結果還是停留在純粹數據驅動的結果上，“100個肺結節找到多少百分比，這對于臨床知識來說沒有太大的價值。”

很多企業也在其AI的應用中強調這一點，會指出其肺結節AI已經應用于若干家醫院的實際臨床工作中。在陶曉東看來，影像領域的臨床價值體現在，如何將算法融入到醫生現有的工作流程中，真正幫他們解決臨床問題。

需解決落地應用問題

2017年7月，國務院印發了《新一代人工智能發展規劃的通知》，在智能醫療部分提到，研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診。

通江資本董事總經理施小平在AI醫療投資方向希望關注的，是在深刻領會醫療行業的特性和難點的基礎上，基于算法+大數據的AI項目。在投資基層醫療機構的過程中能夠發現，患者集中在三甲醫院很大程度是因為擔心基層醫生經驗不足，而AI如果能有效的輔助診斷，提升醫生效率的同時也在推進分級診療的落實。

施小平表示，算法本身不能是簡單的輸入輸出過程，而是應具有深度學習醫學語言能力，具有識別判斷、發現規律建立聯系的能力，要能夠切實解決醫療某細分領域的問題。

據不完全統計，2017年至今AI+醫療領域已有約30次融資事件，涉及的AI+影像公司融資事件約占三分之一。其中，成立于2015年4月的匯醫慧影，在2017年10月和2018年1月迅速完成兩輪融資。

在心醫國際相關人士看來，AI+影像能吸引眾多投資是由這個行業的自身特征決定的。從實踐經驗來說，實現數據打通需要業務驅動，深度挖掘數據價值。這些因素導致廠商可以獲取到醫學影像數據來訓練算法，成熟的智能診斷產品又可以在獨立醫學影像診斷中心落地應用，獲取商業價值。