“医学影像人工智能+”的跨领域协作或将成为医疗AI企业的发展新方向

2017年初，医学影像专家陶晓东加盟科大讯飞，执掌智慧医疗事业部。

这家被打上智能语音“标签”的人工智能公司，请了一个医学影像专家来做医疗部门的掌门人，科大讯飞的意图很明显，就是要加强自己在医疗影像领域的布局。

如今，陶晓东已经入职半年，动脉网在采访陶晓东的时候，他表示科大讯飞的影像事业会将医学影像和临床信息结合起来，辅助医生做诊断。

联想到不久前，基因人工智能专家熊辉远加盟推想科技，负责放射组学产品的研发（放射组学将影像、病理与基因信息紧密的联系在一起，利用工程学的方法提供了一整套用于临床决策和科研的解决方案）。

以及爱康国宾战略升级发布会上，推出的新产品iKangCare+也是利用精准医疗和人工智能共同为用户提供精准体检服务。

沃森健康影像将医学影像和临床数据结合来帮助医生做诊断……

这些事件、产品背后逐渐反映出医学人工智能的新趋势：基于人工智能的医学影像+临床信息的跨领域合作与研发，或许会成为医疗AI企业发展的新方向。

科大讯飞：医学影像+临床信息

我国的医疗影像领域的人工智能创业公司有很多，他们研究如何让机器识别病灶，并判断肿瘤的良恶性，但是大多数的公司现阶段仅仅是利用影像信息作判断。

科大讯飞的陶晓东曾服务于美国通用电气公司（GE）从事医学影像研究，并在飞利浦医疗放射解决方案担任首席架构师。也许是多年在跨国企业工作的经验，他的发展思路与大多数人工智能公司不同。

陶晓东表示：“我们现在不是只用影像，我们更关注怎么样把影像和其他临床信息结合起来，然后帮助临床医生。这部分的研发包括传统的影像分割、影像配准、各种各样基于影像的测量，同时也包括如何将影像的数据和其他的结构化/非结构化的数据相融合，然后开发一些人工智能的算法。”

动脉网此前采访过一系列的医生，他们表示利用机器识别病灶确实帮助医生减少漏诊，提高效率，但是判断肿瘤的良恶性、以及患者罹患哪种癌症，是需要结合临床信息、病理信息甚至是基因测序来判断的，而仅凭借放射影像只可以识别肿瘤的位置、大小。

沃森影像临床评估：结合临床数据辅助医生诊断

 “医学影像+临床信息”的这种做法其实不是科大讯飞的独创。

据动脉网了解，沃森健康的影像产品叫沃森影像临床评估，它也是一种利用医学影像和临床信息来帮助医生做判断的工具，不过与科大讯飞稍有不同。

沃森影像临床评估可以创建更加连续可靠的电子病历，以提高医学报告质量和计费过程的准确性。

连续的患者记录包括从初级保健医生、专科医生、急诊科医师获取的全部患者数据。医生就是利用这些连续的病人数据和医学图像来做最后的判断。

目前，这个产品从主动脉瓣狭窄切入，如果心脏病专家给出主动脉瓣狭窄的诊断，沃森影像临床评估就会确认该诊断是否上传到电子病例中，上传的内容是否包括病人的问题列表和诊断记录。

IBM还成立了沃森健康医学影像合作组织，这个合作组织由15个领先的卫生机构、医学学术中心、流动放射学提供商和成像技术公司组成。到目前为止，该组织研究的病种已经涵盖乳腺癌、肺癌、糖尿病、眼病、脑病、中风和心脏病等疾病。

推想科技：率先开发放射组学影像产品

前一段时间，推想科技请到基因+人工智能领域的专家熊辉远，负责该公司Radiomics（放射组学）影像组学相关产品的研究与开发，将影像、病理和基因信息加入进来为临床决策提供支持。

放射组学（Radiomics）是以定量成像、特征计算、图像分析、模型构建为基础的新兴前沿学科方向。它利用了若干影像特征直观、定量的描述了临床中肿瘤的形态和病理，从而为临床决策提供了有力的影像学支持。

目前的临床应用大概有这四种：

1.放化疗的疗效评估预测应用；

2.肿瘤分级应用。肿瘤分级在临床中具有重要意义，它可以提供临床诊疗决策和影像治疗方案的制定；

3.肿瘤良恶性辨别应用。放射组学中的特征可以在很多临床应用中鉴别肿瘤的良恶性，从而对临床决策起到指导作用；

4.肿瘤遗传学应用。科学家研究发现，在肿瘤病理学与肿瘤基因之间存在着很强的关联，研究肿瘤遗传学可以给肿瘤诊断提供生物学方面的基础，影像组学恰好就是病理学与基因学之间的很好结合，可以作为肿瘤遗传学研究的重要手段。

推想引入人工智能基因专家也是发现疾病的诊断与治疗不是影像一个领域就可以解决的，它需要综合基因、影像、病理等多方面信息，熊辉远的加盟将会加速推想科技对于建立基因等领域深度学习模型的扩展计划。

爱康国宾：医学影像+液体活检

以往的肿瘤筛查是通过CT图像或者病理图像来做的，CT图像只能“定位”，却不能判断结节的良恶性，而且漏诊、误诊率很高。

病理筛查是金标准，可以 “定性”，但是病理图片的获取对病患来说太过痛苦。所以通过医学影像与液体活检结合进行肿瘤的判断是一种趋势。

爱康国宾不是一家技术研发的的公司，作为技术产品的应用方，在近日的产品升级发布会上介绍了自己的精准医学体检服务。用户可以先通过液体活检或者基因检测判断是否患有肿瘤，或者说患者患有肿瘤的风险。

如果通过液体活检检查出血液中含有癌细胞碎片，然后再通过CT影像判断肿瘤的位置。这个影像可以是专家判断，未来可能是获得批准、高水准的人工智能系统来判读。

这么做既实现了肿瘤的 “定性”，又实现了肿瘤的 “定位”，医生根据这些信息可以直接制定治疗方案。

医学人工智能联盟

大公司有能力独立研发新的领域。创业公司也有自己的思路：组建医学人工智能联盟。

比如说从事眼底糖网筛查、智能语音录入、病理图像识别、放射影像识别、辅助诊疗系统研究的公司，产品成型以后，可以组成一个联盟，大家在平等互惠的前提下，达成一起落地医院、资源数据共享的合作，这样可以抱团行成更强竞争力和影响力。

综合下来，医学人工智能合作研发的新形势有两种，一种是独立研发、另一种是组建联盟。他们的出发点不是像阿里、百度那样组建一个全面的平台，而是根据实际的临床需求、医院需求和公司需求自然行成的一种商业或研发模式。

“医学影像人工智能+”这种概念就像“互联网+”一样，虽然目前的合作领域是临床信息、基因检测、病理信息等，但是未来一段时间它可以和更多医疗人工智能领域合作。

而且以后也不仅局限于以医学影像人工智能为中心的合作方式，也有可能是各医疗人工智能领域的交叉合作。

这种形式可以助力医学AI产品的落地，让医学AI产品更加的接近医院、医生的真实临床场景，做好医生的助手。