2018年3月，動脈網記者從邵逸夫醫院放射科胡紅杰主任那里了解到他們科室合作的醫療AI公司已經達到了10家。4月，動脈網記者從重慶醫科大學附屬第一醫院放射科呂發金主任那里了解到，其科室合作的醫療AI公司也達到了7家。
多家醫療AI公司扎堆醫院，這其實并不是個別的現象，大多數知名的三甲醫院都是這種情況。產品眾多，但是一位醫生大多只用一款產品，面對眾多的選擇，科室和醫生依據什么來做出他們的抉擇?哪些醫療AI產品是真正落地在醫院科室，被醫生使用，哪些又是濫竽充數，只是放了一臺設備或者系統醫院，發一篇新聞稿用于宣傳融資。
動脈網帶著這些問題采訪或者側面了解了邵逸夫醫院放射科、重醫附一院放射科、北京301醫院呼吸科、廈門二院輸血科、上海市北醫院眼科等科室的主任，了解他們選擇AI的方式與初衷。
廈門二院輸血科:工程人員要和醫生一起研究
廈門醫學院附屬第二醫院輸血科暨中心實驗室主任賴冬告訴動脈網記者，他們選擇醫療AI產品主要有兩個出發點。
第一，落地。所有的AI產品，不管企業如何描述，利用的是機器學習、深度學習或者其他的算法，賴主任最關注的是產品是否可以解決實際工作當中的問題，或者可以把醫生關注的臨床問題，用計算機或者AI的手段給展現出來，方便醫生做分析、做科研。
第二，工程人員要和醫生的專業磨合成熟度。賴主任表示，他們輸血科所研究的數據大多是非影像數據。
他們在進行科研的時候，首先要搞清楚與疾病相關的變量數據。除了醫生很清楚的特異性很強的數據之外。很多的變量，經過大數據的驗證與疾病的診斷都有相關性，醫生首先要解決的是把這些相關的變量數據盡量找全。
找到關聯數據后，要制定規則將普通數據結構化處理，使這些數據可以被計算機識別并分析。這個過程涉及醫生的專業知識、數據結構化、完整性、數據缺失值問題，這些都會影響數據質量。
數據處理好了以后，工程人員才可以利用AI技術進行處理，找到疾病與數據之間的相關性。
相較于影像數據，非影像數據的結構化和標準化要困難一些，因為如今的影像數據從設備出來以后，基本實現了數字化，醫生標注以后，就可以用作AI訓練。
但是處方、病情描述這些非影像信息，要想用于AI訓練，要先做數據結構化處理，這個過程很考驗醫生和工程人員的水平。
賴主任認為，工程人員和醫生是一個研發團隊。在整理數據的時候，雙方會仔細溝通，互相理解對方的需求、關注的點。產品打磨階段會發現很多的小細節、小問題需要共同解決。
這些問題都需要醫療AI公司和醫院的磨合成熟度非常高。同時，醫生的精力是有限的，一個醫生團隊一般選擇一家公司進行深入的合作，公司則會派駐工程人員進駐醫院，方便交流。
賴主任表示，他們與雅森科技的磨合成熟度非常高，這也是能與他們長期合作的原因。
重醫附一院放射科：想進入醫院要先通過測試
動脈網從重醫附一院放射科呂發金主任處了解到，他們科室目前接觸了7家從事醫療AI研究的公司，但是只有三家公司進入到了他們的臨床打磨階段。
呂發金主任告訴動脈網記者，由于醫療AI產品訓練數據和醫院的不同，這些產品在重醫附一院使用肯定會有性能上的差異。所以，進入臨床前的考核是必須的。
考核的方式是科室依據日常的臨床工作流程建立一個試驗區，然后用重醫附一院的臨床數據驗證，只有通過了測試的產品才可以進入到臨床進行試用。沒有通過的產品就不能上臨床，反饋給企業讓他們自行矯正。
通過一段時間的使用，一線的放射醫生表示，他們在關注產品準確性的同時，也會在乎產品操作的方便性，關注產品是否與現有的醫生工作流程相吻合。
醫生平時的工作都是在醫院的信息化系統中進行，放射醫生擁有自己的PACS系統，日常工作中是通過PACS系統來進行影像數據的傳輸、存儲、調閱。所以放射醫生希望醫療AI輔助診斷系統也可以嵌入到PACS系統中。
那些離線的、需要醫生專門拷貝、傳輸數據的系統會將讀片時間從10分鐘變為30分鐘，這樣的產品肯定會被淘汰。
上海靜安區市北醫院眼科：人工智能臨床應用和創新性同等重要
上海靜安區市北醫院眼科主任陳吉利告訴動脈網，市北醫院是靜安區北部區域醫療中心，他們選擇使用AI產品也有自己的考慮。
第一，AI產品在未來成為醫生的重要助手已經是共識，在醫院的應用越來越廣。市北醫院眼科作為上海市醫學重點學科，基于科室發展和學科建設，需要與時俱進，時刻掌握最新的醫療技術動態，并將有用的技術應用在臨床，服務患者。
第二，市北醫院是一家綜合性醫院，內分泌科的醫生經常會請眼科醫師為糖尿病患者會診查眼底，了解是否有糖尿病眼底病變。
糖尿病最大的危害是各種急慢性并發癥，尤其是糖網病，導致極高的致殘率和失明率。但如果在發病初期定期進行眼底檢查，失明風險可下降94.4%。因此，早篩查、早診斷、早治療是糖網病患者保留視力的關鍵。
但一個窘迫的現狀是，糖尿病患者首診是內分泌科，而內分泌科醫生目前很多都不會眼底閱片，無法診斷和判斷轉診。即便內分泌科醫生能從眼底圖像中看出問題，按照法律規定也不能出眼科的診斷報告。所以內分泌科和眼科醫生經常一起會診。
按照正常的流程，科室的醫生要積極配合同事的需求，但是眼科醫生本身就非常忙，內分泌科又缺乏診斷眼低圖像的能力，他們要求會診的病例也有很多眼睛都是正常的。
所以陳主任希望一款靠譜的眼底糖網輔助篩查產品幫助他們進行初步的篩查，系統提示異常以后，再進行會診，這樣眼科就可以節約大量的人力。
第三，上海市有一個“三年公共衛生行動計劃”，其中有一個項目是糖網篩查，項目要求各方在社區進行糖網病和眼病的篩查，在社區進行眼底照相，然后上傳數據，讓上級醫院的醫生讀片，健康無病變無需轉診上級醫院眼科，定期篩查即可、發生糖網病變需要轉診上級醫院眼科.
這個糖網篩查工作意義非常大，但是陳主任表示，這項工作量也非常繁重，2017年全上海篩查了18萬糖尿病患者，上級醫院本身眼科醫師非常繁忙，眼科醫師讀片增加了很多工作量，導致讀片不能及時出結果，患者等候時間較長，讀片醫生臨床經驗的差異也導致讀片質料參差不齊。
其實解決上述問題有效的辦法就是讓眼底人工智能輔助診斷系統解決初步的篩查工作。目前開發眼底相機人工智能輔助診斷系統的醫院和科研公司很多，但還沒有一家通過國家CFDA認證通過，所以還不能真正用于臨床，只能是輔助使用。
目前國內推出的眼底AI輔助診斷軟件的科技公司已經有很多家，陳主任選擇合作方有一套自己的標準。
陳主任表示，一方面，開發軟件公司的研發團隊實力要足夠，這樣才能不斷優化“培育”自己的AI系統，把產品做的足夠好，眼底病變識別的正確度和靈敏度足夠高，這樣的輔助診斷系統才是今后臨床需要的。
另一方面，他們需要的不僅僅是臨床應用，還希望和這些科技公司合作做開發研究，開發更多的AI產品，目前開發都是普通眼底照相機的AI輔助診斷系統。陳主任希望在眼底超廣角激光掃描照相機的AI輔助診斷系統方面有所建樹。
一般的眼底相機的拍攝角度為45度，超廣角的眼底相機的拍攝角度為200度，超廣角眼底相機拍攝角度廣，可以發現更多眼底隱藏的問題，未來會是一種發展方向。
在這方面的合作，市北醫院和Airdoc一拍即合。Airdoc從2015年開始將深度學習技術應用到醫療領域，是國內最早研發出人工智能糖尿病眼病自動識別算法，也是第一家向市場進行人工智能技術推廣的公司。
在Airdoc的支持下，2017年10月市北醫院和上海新華醫院眼科合作申請的《超廣角眼底激光成像系統聯合人工智能圖像分析技術在眼底疾病輔助診斷的開發研究》獲得上海市科委科技創新行動計劃50萬元立項支持，目前這項研究正在如期進行，不久的將來他們自己開發的超廣角眼底相機AI輔助診斷系統也會面世。
2018年2月在Airdoc公司全力支持下上海市靜安區北部醫共體糖網人工智能篩查建設項目也正式啟動，這是醫學人工智能技術首次在上海市眼科臨床領域落地應用。
靜安區北部地區的糖尿病居民以后可以就近在社區衛生服務中心就能進行糖尿病視網膜病變的人工智能初步篩查，眼底照片還會及時通過國家科技信息中心的眼科大數據平臺傳輸到市北醫院眼科復核，今后靜安北部糖尿病居民不需要到二級三級醫院眼科“軋鬧猛”排隊做常規定期的糖尿病眼底檢查了。
陳主任解釋說，這套糖網人工智能篩查系統和上海市三年公共衛生行動計劃糖網篩查并不矛盾，是他們很好的補充，這項工作篩查對象是社區衛生服務中心就診的糖尿病患者。
當患者配藥的時候，全科醫生可以建議他們去拍一張眼底照片，Airdoc眼底輔助診斷系統馬上可以給出結果是否有眼底病變，如果有眼底病變馬上就可以綠色通道轉診到市北醫院眼科復診以給與正確的處理。
陳主任說最終目標是建立糖尿病視網膜病變“篩查-發現-轉診-隨訪-健康管理”為工作模式的醫防緊密融合的基于人工智能技術的眼病綜合防治服務體系。
這套基于人工智能和大數據平臺的糖網和慢性病篩查體系涵蓋了疾病發現、轉診、治療、隨訪、健康管理等概念，能切實解決好糖網和慢性病篩查的問題。陳主任表示，今后這套服務體系一定能在全市和全國推廣使用。
邵逸夫醫院放射科：10家公司也沒有完全覆蓋醫院的AI研發
杭州作為醫療AI創新應用的熱土，很多公司都在杭州設有分部，或者是將杭州的醫院作為首先進駐的對象。
邵逸夫醫院是一家四次通過JCI國際醫院評審的公立三甲醫院，備受醫療AI企業關注。動脈網記者在實地采訪中了解到，自2016年以來，已經有10家醫療AI公司與邵逸夫醫院放射科進行合作，共同打磨醫療AI產品。
在這些合作的AI公司中，合作的深度各有不同。有些企業僅是將產品放在醫院供醫生使用，效果難以評估;有些則是在醫院的PACS系統中安裝了輔助診斷軟件，醫生使用起來相對便捷。
但是有趣的是，大多數AI公司都是從肺結節項目切入，對其他領域的研發相對較少。放射科和其他科室原本可以用AI解決的研發需求和臨床需求并沒有被滿足，他們只能自己研發或者和高校合作，甚至有些醫生在自己寫程序做研究。
比如，圍繞肝臟的占位進行自動的分級、基于影像組學/機器學習方法術前預測肝癌術后早期復發、肺氣腫亞型定量分析及與肺功能的相關性研究以及簡單的預問診系統。(詳見《期待與困惑，邵逸夫醫院在醫療AI領域的創新與應用》)
醫生自己組織的科研項目一定是他們在臨床看到的問題，這些是實實在在的臨床需求，是需要被解決的，而不是僅僅抓住肺部篩查產品。即使是肺部篩查產品，也沒有做到盡善盡美。
邵逸夫醫院放射科副主任醫師張峭巍表示，現階段的AI是AI，PACS是PACS，兩者還沒有完全實現無縫協同。這讓醫生在操作時會顯得不夠人性化，在一定程度上會影響醫生的使用熱情。將AI系統無縫對接到PACS系統，也將是下一步發展的方向。
現在在提交報告之前，不少醫生會選擇參考AI系統出具的報告，與自己的進行比對和查漏補缺。在選擇使用哪一款產品的問題上，完全是基于產品的準確性和操作便利性。
另外，放射醫生需要篩查的疾病有很多，比如甲狀腺結節、乳腺結節、肝臟占位、前列腺等異常病變的篩查。記者認為很多疾病領域的研發者往往較少，如果出現靠譜踏實做事的合作者，醫生會考慮與之合作共同研發。
科室主任和醫生五點選擇依據
通過與主任合醫生溝通，我們總結了一下五點科室主任和醫生選擇醫療AI的依據。
第一，團隊一定要靠譜，不要只會講故事，是騾子是馬拉出來遛遛，要給醫院展示產品模型，自己對產品、疾病要有理解。
第二，產品的準確性是進入臨床試用的前提，無論哪個醫院和醫生，他們對產品性能的要求很高，不過關的產品只能在醫院落灰。
第三，產品要有創新性，現如今醫療AI產品有很多，但是同質化嚴重。其實醫生的科研需求、臨床需求有很多，只要抓住一點就可能讓產品在醫院落地。
第四，工程人員要和醫生一起工作，打磨產品。
第五，AI產品嵌入醫生的工作流程，不要為醫生帶來額外的麻煩。在影像科，AI系統最好可以嵌入PACS或者醫生的影像工作站。
京公網安備 11010502049343號