心腦血管疾病被兩會重點關注，談談AI能幫點兒什么？

文 |李永華

來源 | 智能相對論（ID：aixdlun）

2019年2月7日，武漢某醫院急診科，武漢理工大學職工黃先生（化名）因為胸痛在值班醫生的安排下剛剛做完心臟CT，正在焦急等待結果。這一天正好是正月初三，門診尚未開放，彼時的急診大廳里烏泱泱全是各種看病的患者，值班醫生桌前圍滿了病患，CT室門前更是“門庭若市”，焦慮寫在每一個在走廊里的患者或家屬身上，與春節的喜慶格格不入。

按照一般門診流程，CT掃描完成后，需要1天時間來出具報告，在急診科，這個流程縮短，但也需根據患者數量排隊。春節期間的大吃大喝造成心腦血管問題加劇，若正常排序，已經胸痛難忍的黃先生怕是要面臨不小的風險。

他的情況有些特殊。

2015年，黃先生出現胸悶癥狀，當年12月7日在武漢某醫院確診“前降支近中段重度狹窄”入院，12月12日成功進行了PCI手術，按心血管疾患的診治規定，黃先生需要每年復查冠脈情況確保治理效果，并及時發現或有的潛在問題。2017年11月復查后，黃先生一直沒有進行第二次例行復查。

接診醫生將這個情況電話通知CT科室醫生后，報告醫生這次處理很快，5分鐘借助某AI冠脈輔助診斷系統打印了后處理圖像，快速寫好了報告：黃醫生原手術部位被準確反映出來（未出問題），有新的冠脈狹窄問題需要處理，但問題不算嚴重。

這樣的速度讓經歷過不少次CT檢查過程的黃先生有些意外。事實上，黃先生是得益于早就在互聯網科技創業浪潮中炒得火熱的AI醫療，只不過，這次是碰到了真正落地的AI影像識別。

看見CT室門前那些病患或家人取報告的速度快了不少沒有再形成積壓，從事計算機教學的黃先生感慨，原來AI+醫療早就進入普通人的生活，為更多人的健康保駕護航。

就在黃先生這次診療一個月之后的兩會，心腦血管疾病亦被重點關注，包括全國政協委員、北京大學第一醫院心血管內科主任霍勇等在內，諸多與會者都提出了與心腦血管疾病救治相關的提案，在政府工作報告中更是首次提出“做好常見慢性病防治”，而心腦血管疾病無疑已經成為慢性病的“主力病癥”。

AI醫療介入心腦血管疾病領域，已經十分必要。

心腦血管影像識別，AI醫療產品的高地

剛剛過去的冬天格外寒冷，加之春節、元宵大吃大喝的習慣，那段喜慶的節日里心腦血管疾病反而呈現高發態勢。醫院急診室里的“盛況”，在更多城市里發生。

在典型的中部城市鄭州，2月4日(農歷除夕)上午8時至2月10日(農歷大年初六)下午15時，120指揮調度大廳共派診1738次，救援救治1538人次，這其中，心腦血管疾病發病率仍居“榜首”，占到27%。

越到中國人的喜慶日子，心腦血管科室門前就越熱鬧，也加劇了本就貧乏的醫療資源的緊張。據網絡公開數據顯示，我國醫學影像數據的年增長率約為30%，而放射科醫生數量的年增長率約為4.1%。這時候，心腦血管診療的AI應用需求進一步凸顯出來。

AI+醫療是一個寬泛的概念，如圖（來源：健康界）：

醫學影像占了大頭，例如最近一兩年，肺結節影像識別產品扎堆上線，影像識別的心腦血管玩家卻十分稀少，該領域到目前為止僅出現一家名叫“數坤科技”的創業企業，不久前的2月18日剛剛宣布獲得了2億元B輪融資，獲得社會關注。

大蛋糕玩家少肯定是有原因的：

1、技術角度：心臟砰砰跳，影像識別更難“對付”

CT簡單說是通過某部位不同角度的多幅X光二維圖像重建出立體的三維圖像，由此確定病癥。而人的器官中只有心臟是在短時間內頻繁跳動的，且心血管本身還是一個極端復雜的網絡，要重建心血管模型，并確定狹窄、病變，毫無疑問會比靜態組織更難。

2、系統角度：病癥太多太麻煩

乍一看黃先生所患的“前降支近中段重度狹窄”讓人一頭霧水，其實，“前降支”是冠脈血管的一支，“近中段”是其中的一段，“重度”是不同堵塞度的一個級別，可想而知，不同組合會產生多少種類。

而這，還只是“冠心病”的小類，其他與冠心病平級的還有主動脈夾層、大動脈炎等病癥；識別工具上也有FFR（血管堵到什么樣子了）、鈣化積分（血管本身的質地怎么樣）等多樣化方式。心腦血管AI影像識別在產品層面必須是一個系統性的工程，單一的對癥意義并不大。

3、流程角度：質量與效率“我全都要”

醫學上的事都不能馬虎，在肺結節、乳腺癌等領域搞錯了是會耽誤人命的，到了心腦血管這里同樣如此。美國學者的研究發現，25%的冠心病患者首次發病即猝死。過去，黃先生等待3天時間才能拿結果是可以理解的，CT機掃描、繁瑣的后處理、出具報告、醫生審核，一環扣一環保證了準確率。

對AI來說，影像識別一方面要保證準確率，另一方面還需要盡可能精簡過程，既要質量又要效率，難免有些困難。

真醫療AI產品的“德行”，從心腦血管影像識別可見一斑

上述難處反過來其實也定義了醫療AI輔助產品應有的要求，要達到被醫院、被市場、被患者信賴，AI影像識別產品應至少做到三個層面，這方面，由于心腦血管領域的唯一性，數坤科技可作為僅有的案例，但其也有仍需進化之處。

1、不只“讀片”，也解決系統性效率提升問題

影像方面除了技術上的“讀片”，寫報告、審核報告、經驗積累等全流程閉環還有許多額外工作，正如長征醫院影像學與核醫學科教授劉士遠所說，“好的AI助手解放醫生，投入更多時間進行病情研究才是有意義的”。

說白了，醫生們需要的是全流程醫療“基礎設施改造”，僅將技術介入到舊有醫療流程環節其結果可能是醫生使用不便、整體效率難以提升（參見自媒體“尋找中國創客”：《為什么大多數醫療影像AI都躺在醫院吃灰？》）。

黃先生拿到的急診結果，其中不只有病灶影像識別，整體流程優化也十分重要，數坤要建立的大數據早期預警、AI影像篩查、AI多學科綜合精確診斷、個性化治療方案規劃與風險預測等全流程、全場景智能診療一體化平臺，應當就是基于這種考慮。

2、看菜吃飯當然舒坦，但心腦血管得自己“炒菜”

心腦血管的影像識別少有開源資源，加之心血管疾病非常復雜，單純的冠狀動脈粥樣硬化便需要諸多專業知識去輔助診斷，數坤的產品組合，即冠心病智能輔助診斷系統CoronaryDoc、冠脈FFRCT輔助評估系統、主動脈智能輔助診斷系統、頭頸CT智能輔助診斷系統、CASCOREAI鈣化積分等不同產品，便是AI影像識別的一種必需方式。

3、在影像識別這件事上，AI干啥、人干啥更要分得清

根據媒體采訪，在AI影像識別實踐中，醫生們出現“用AI看一遍，自己再檢查一遍”的情況。這是必須的，AI目前僅作為輔助醫生的診斷工具，直接面對患者的仍然是醫生。 因此，如何在嚴謹規則下建立AI與人分級協作機制變得十分重要。

方式肯定有很多種，既節省時間，又讓“疑難雜癥”由人工再把關。這里以數坤科技的置信度（判斷可信度的統計學概念）機制為例，如果一份報告的置信度達到95%，醫生基本不需要手動修改，只需要做復核。

相信更多類似的醫療AI協作機制將會在未來被開發。

帶來全面的醫療價值，心腦血管AI影像識別產品還需兩個維度的遷移

要帶來全面的醫療價值（背后是商業價值），心腦血管AI影像識別產品還得要有兩個維度的遷移能力。

1、更多醫院應用：保證泛化應用的“魯棒性”

“魯棒性”是專有概念，指換個環境后系統還具備和之前環境里一樣的能力——我給你這個工作條件你能干活，給你那個差一點或不一樣的工作條件你還是能干出同樣的結果。

不同醫院的CT、核磁共振等設備不盡相同（如32排、64排），不同醫生的設備操作能力、機器狀態也會導致圖像質量不盡相同，要實現醫院的橫向遷移，魯棒性是必備的產品“品質”。

同樣的系統，黃先生在A醫院與B醫院當然應以類似的速度得到一樣的檢查結果，其關鍵，是訓練AI模型時用到的數據必須是來自實踐的CT圖像，同時具備高質量的專業醫生標注，而不僅基于共享的標準圖像，這就好像普通人學英語，廣泛生活情境對話的才能告別聾啞英語。

2、更多病種應用：技術應進行共享共通

全球科技的發展往往首先來源于軍事、航天等尖端技術建設，中國登月對其他軍用、民用科技有直接的推動作用。醫學界很多知識、方法也是相通的，作為技術壁壘高的影像識別，心腦血管也存在著被其他病種所通用的技術，推一及百。

數坤科技B輪融資時就對外宣稱將加大研發投入，將其已在心腦疾病領域建立的優勢延伸和覆蓋心、腦、肺、乳腺、前列腺等重要疾病和臨床場景。

創世伙伴資本創始主管合伙人周煒說，“相信數坤科技有實力成為醫療影像AI市場的第一。”先不論變成醫療影像AI市場第一這事靠不靠譜，至少，在心腦血管領域的技術領先、積累的行業認可要轉化到全醫療影像上，首先考驗的是數坤將產品、技術跨病種遷移的能力，對其他想要把自家產品擴展到更多病種上的玩家而言，也是相同的道理。

而具體要如何做，對數坤、對更多行業玩家而言將是另一個更復雜的故事了。

【完】

智能相對論（微信ID:aixdlun）：深挖人工智能這口井，評出咸淡，講出黑白，道出vb深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬件、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背后的芯片、算法、人機交互等。