“肺结节年”AB面 检测精准度屡破记录临床价值存争议

本篇文章1402字，读完约4分钟

2017年，ai+医学影像领域的大多数公司都将重点放在人工智能辅助诊断肺结节上，公布的检测准确率一般在90%以上。

在许多公司的肺结节辅助检测“集群”背后，行业内有一个争议，即“临床知识价值不大”，其准确率不断更新。人工智能+图像在这个领域有什么应用价值？投资机构用什么因素来判断企业的价值？

IFlytek (002230，诊断部)医疗总经理陶晓东对《国家商报》记者说:“了解医疗临床工作流程是最终决定产品有效性和区分产品优劣的关键。在产品设计过程中，如何与医生现有的工作流程相结合，对于临床价值更为重要。”

关于精确百分比“值”的争论

人工智能对肺结节检测的识别率和准确性一直是该行业的一个长期话题。每个企业经常公布自己的评估结果。业内也有人嘲笑说，做肺结节人工智能的公司不好意思在准确率不超过90%的情况下说出来。

与此同时，国际权威医学影像竞赛“肺结节智能阅读”从未缺少来自中国的挑战者。自2017年下半年以来，Luna的“肺结节检测”和“假阳性筛查”项目每隔一两个月就被中国新企业刷新纪录。

“既然技术已经发展到一定程度，那么在诊断准确性等共同指标上就没有什么区别了。随着大数据的积累和算法的优化，未来的精度将进一步提高，但算法的同质化将成为一种趋势。”陶晓东说道。

肺结节人工智能诊断准确性的提高意味着算法在技术层面上的优化和进步；另一方面，由数据或算法驱动的“机械”结果只是该技术符合临床诊断的先决条件。这个百分比只是一个参考数据，这个ai值的最终实现是真正的临床应用和有效的问题解决。

飞利浦大中华区临床科学部高级主任周振宇也在公开场合表示，许多公司仍然获得纯粹由数据驱动的结果。“100个肺结节中有多少百分比被发现，这对于临床知识来说不是太多。价值非凡。”

许多企业在人工智能应用中也强调了这一点，并指出他们的肺结节人工智能已经在多家医院的实际临床工作中得到应用。在陶晓东看来，影像学的临床价值在于如何将算法整合到医生现有的工作流程中，真正帮助他们解决临床问题。

需要解决落地申请的问题

2017年7月，国务院发布了《关于新一代人工智能发展规划的通知》，在智能医疗部分提出要开发人机协同的临床智能诊疗方案，实现智能图像识别、病理分类和智能多学科会诊。

通江资本董事总经理史小平希望在深入了解医疗行业特点和困难的基础上，关注基于算法+大数据的人工智能项目。在对基层医疗机构投资的过程中，可以发现病人集中在甲等医院，很大程度上是因为他们担心基层医生经验不足。如果人工智能能够有效地辅助诊断，提高医生的工作效率，那么它也将促进分级诊断和治疗的实施。

史小平说，算法本身不应该是一个简单的输入输出过程，而是应该具有深入学习医学语言的能力，识别和判断的能力，发现规律和建立联系的能力，并且能够有效地解决医学细分中的问题。

据不完全统计，自2017年以来，ai+医疗领域已经发生了约30起融资事件，ai+影像公司的融资事件约占三分之一。其中，成立于2015年4月的易慧汇英于2017年10月和2018年1月迅速完成了两轮融资。

在国际心脏病学相关人士的眼中，ai+影像可以吸引很多投资，这是由行业自身的特点决定的。从实践经验来看，数据访问的实现需要业务驱动，数据的价值需要深度挖掘。这些因素促使制造商获取医学影像数据来训练算法，成熟的智能诊断产品可以应用于独立的医学影像诊断中心以获得商业价值。