智能影像診斷深入現實還有多遠？
更新時間：2017-08-02 17:04:02?點擊：946207 ? 行業觀點
動輒可以聽到“AI取代醫生”“AI的準確率超過醫生”的言論，同時“理想很美好，現實很骨感”的感慨頻頻傳來，理想的豪言壯語隨處可見，那現實是什么呢？
盡管我國存在第三方影像中心，但絕大多數的醫療影像數據來源于醫院。據悉，大的三甲醫院一年產生的影像數據在10T以上。宜遠智能CEO吳博稱，“單個醫院的影像數據存量就很大，每天數百例新增也很常見。”
在醫療信息系統中，PACS系統負責醫療影像采集、數據傳輸存儲以及影像分析、處理，并且不同的PACS系統之間，能以以DICOM國際標準方式對接。
總體來說，醫院影像數據多且大都標準化，便于機器閱讀，為此，智能醫療影像被業內人認為將率先實現商業化落地。
上海市兒童醫院影像科主任楊秀軍曾表示，“很多醫學影像領域特別適合人工智能／圖像識別技術，國內外有很多廠商從事這方面，也做出一些成果。”
對于一個AI系統而言，數據多多益善是有前置條件的，在保證喂養數據質量的情況下，增加數量才有意義。而判斷影像數據質量，主要取決于AI公司所打造智能診斷產品的臨床目的。除此之外，對于智能影像診斷而言，影像數據需要關聯更準確的診斷和后期結果關聯，否則垃圾進，垃圾出。
南方醫科大學副教授劉再毅曾表示，“我們數據多得不得了，我們影像科每天產生很多數據，但是有多少數據可以用？1%都不到，其中有大量錯誤信息。”他補充道，“數據規范的問題沒有辦法管控，臨床信息經常有誤。”
數據獲取：“合作”共贏
影像數據是醫院的，智能影像公司如何獲取呢？
醫療數據是一種資源，意味著它有價值，想獲取有價值的東西最簡單的邏輯就是“買買買”，這正是財大氣粗的IBM的戰略。在2014年相繼收購了大數據醫療保健分析提供商Phytel與Explorys后，2015年，以10億美元收購了醫學成像及臨床系統供應商Merge Healthcare，后者坐擁有8500家客戶，其中包括美國聯邦政府和州政府機構、雇主、醫保、醫院等，以及3億病人數據。
在我國，三甲醫院擁有絕大多數影像數據，但影像數據不出院是必須守住的紅線。為此，AI公司與醫院尋求“合作”就成了一種可能的路徑。一般來說，AI公司會選擇與醫院合作開發，一方面得到脫敏的數據和行業專家，一方面收獲了產品打磨的場景，至于合作模式，則各有特色。
數據處理：“只有人工，沒有智能”
一如機器學習AI建模的流水線，醫療影像數據處理過程也要經歷數據標注、清洗、切割，隨后是建模、調參等。
在處理影像數據的技術問題上，據吳博介紹，醫療影像數據刻畫的是體內臟器，與肉眼容易識別花鳥蟲魚人臉等常規圖片，成像原理與視覺特征都不相同，深度學習模型尤其需要深度改造。
有人說，21世紀是數據為王的時代；有人將算法比作發動機，數據比作石油；有人則強調行業數據、專家資源和核心技術是打造智能影像缺一不可的三要素。無論怎樣強調數據的重要性都不為過，我們且以影像數據為徑，智能影像公司的運營為緯，一窺智能影像公司的真實日常。
盡管我國存在第三方影像中心，但絕大多數的醫療影像數據來源于醫院。據悉，大的三甲醫院一年產生的影像數據在10T以上。宜遠智能CEO吳博稱，“單個醫院的影像數據存量就很大，每天數百例新增也很常見。”
在醫療信息系統中，PACS系統負責醫療影像采集、數據傳輸存儲以及影像分析、處理，并且不同的PACS系統之間，能以以DICOM國際標準方式對接。
總體來說，醫院影像數據多且大都標準化，便于機器閱讀，為此，智能醫療影像被業內人認為將率先實現商業化落地。
上海市兒童醫院影像科主任楊秀軍曾表示，“很多醫學影像領域特別適合人工智能／圖像識別技術，國內外有很多廠商從事這方面，也做出一些成果。”
對于一個AI系統而言，數據多多益善是有前置條件的，在保證喂養數據質量的情況下，增加數量才有意義。而判斷影像數據質量，主要取決于AI公司所打造智能診斷產品的臨床目的。除此之外，對于智能影像診斷而言，影像數據需要關聯更準確的診斷和后期結果關聯，否則垃圾進，垃圾出。
南方醫科大學副教授劉再毅曾表示，“我們數據多得不得了，我們影像科每天產生很多數據，但是有多少數據可以用？1%都不到，其中有大量錯誤信息。”他補充道，“數據規范的問題沒有辦法管控，臨床信息經常有誤。”
數據獲取：“合作”共贏
影像數據是醫院的，智能影像公司如何獲取呢？
醫療數據是一種資源，意味著它有價值，想獲取有價值的東西最簡單的邏輯就是“買買買”，這正是財大氣粗的IBM的戰略。在2014年相繼收購了大數據醫療保健分析提供商Phytel與Explorys后，2015年，以10億美元收購了醫學成像及臨床系統供應商Merge Healthcare，后者坐擁有8500家客戶，其中包括美國聯邦政府和州政府機構、雇主、醫保、醫院等，以及3億病人數據。
在我國，三甲醫院擁有絕大多數影像數據，但影像數據不出院是必須守住的紅線。為此，AI公司與醫院尋求“合作”就成了一種可能的路徑。一般來說，AI公司會選擇與醫院合作開發，一方面得到脫敏的數據和行業專家，一方面收獲了產品打磨的場景，至于合作模式，則各有特色。
數據處理：“只有人工，沒有智能”
一如機器學習AI建模的流水線，醫療影像數據處理過程也要經歷數據標注、清洗、切割，隨后是建模、調參等。
在處理影像數據的技術問題上，據吳博介紹，醫療影像數據刻畫的是體內臟器，與肉眼容易識別花鳥蟲魚人臉等常規圖片，成像原理與視覺特征都不相同，深度學習模型尤其需要深度改造。
但醫療影像數據處理的特殊之處在于數據標注耗費時間更長、門檻更高，在醫生的診斷中，影像僅是一個參考信息，最終還要參考病理診斷等信息進行確診，所以對于打造一個智能診斷系統來說，很多數據的集合才是有效的數據。AI公司需要盡可能多地打通不同的系統，把病人的所有相關信息整合在一起，這其實是比較難的。（來源：雷鋒網）
推薦閱讀
-
上千家醫療機構同時接入DeepSeek，大模型與醫真云SaaS平臺融合顯現優勢！
2025-03-04 20:16:00?50753 次
-
智能3D電子膠片| 盈谷網絡2025“破界·智變”重磅發布（1）
2025-03-03 20:48:20?121686 次
-
醫真云西部數據中心榮耀開服！
2025-01-26 09:29:00?380903 次
-
4億診療里程碑，醫真云與您共筑云智健康未來！
2024-10-30 12:12:00?1570957 次
