实习助理什么时候可以转正？从人工智能技术在肺结节成像中的商业化探索谈起
国内外开放的胸部数据集，相对便捷的数据采集条件，以及对肺结节图像直观便捷的观察诊断，为影像AI技术创业者进入肺结节检测行业提供了天然的起步契机。同时，影像医生的短缺和影像数据的快速增长为这一细分领域创造了商机。
自2017年被称为AI图像的“肺结节年”以来，肺结节人工智能发展如火如荼，肺结节筛选模型成为大多数人工智能初创公司的标准。但在近120家AI医学影像企业中，约有100家企业定位于肺结节影像产品，同质化竞争严重。此外，产品审核的延迟使得商业模式无法落地和实现，成为一个难题。
2020年一切都会改变。
基于类似的技术，今年有不少AI医疗企业来到疫情防控一线。疫情过后，肺部CT检查的重要性进一步放大，肺结节筛查的应用场景不断丰富。人工智能辅助CT图像的诊断和治疗已经成为临床使用频率最高的人工智能医学图像的应用场景之一。
疫情带来的海量患者影像数据大大加快了AI CT等医学影像产品通过审批的标准化数据库建设，临床应用需求的激增也大大提高了审批所需的临床试验速度。随着包括“首个AIII肺结节证书”在内的10个NMPA三级证书的颁发，2020年被称为医学AI认证的第一年。
随着疫情再次吹东风，AI医学影像再次成为人工智能医学健康领域的一个热点。肺结节检测筛查作为先行者，率先进入红海，进入成熟发展阶段。产品技术得到市场认可，商业模式逐渐成熟。
图片来自：卡通创意
发展痛点凸显
从个体任务的快速准确完成来看，目前肺结节的人工智能模型已经能够达到极高的灵敏度，微小结节的检测也实现了即时完全识别。但从筛查到诊断的全过程，不难看出AI需要在发现异常、定量测量、随访追踪、鉴别诊断等方面发挥更为可靠的作用，最终才能具有临床应用价值。
例如，在胸部CT检查中，不同的胸部疾病显示不止一个肺结节的迹象。在医生看病的过程中，往往需要综合考虑胸部CT检测到的各种异常症状，做出最终诊断，这是医生能力和效率的最有意义的价值体现。大部分AI医学影像产品，还处于单病种识别阶段，显然不能满足全方位临床诊断场景的需求。为了最大限度地解放医生的生产力，有必要进一步开发一个多任务、多线程的真实场景诊断模型。
一旦AI取代了医生日常的重复性工作，人工智能作为“实习助手”将真正被聘用，医疗过程中的基础环节和瓶颈将不断优化，医疗供需差距将逐渐缩小，让更多的患者从中受益。
路漫漫其修远兮，AI医学影像在2020年后的肺结节筛查领域再次异军突起。从更广的意义上说，更像是医学AI迫切需要一条细分的轨迹，向外界证明商业化不仅在概念上可行，在实践上也有可能。
目前AI影像医疗有两种主流的收益模式：一种是设备和算法的打包销售，软件设施、售后服务和影像设备一起推出；另一种是医院针对非采购临床研究单独推出AI产品。
三级证书颁发后，现有的收费模式被打破，这意味着一些企业真正得到了
医院愿意为新兴技术买单吗？AI带来的经济效益之外，还涉及医疗保险、国家政策的制定、监管的实施等。展望未来，医疗AI行业仍然需要专注于创造价值，真正实现加快整个医疗流程的目标。找到愿意买单的付款人只是时间问题。
此外，“准考证”的发行也造成了同质化竞争激烈的分轨出现头部效应。拿到证书的企业先风风火火的跑来跑去，一定程度上催生了行业分化，也让还在探索中的医疗AI行业面临内部考验。
借东风，战红海
“被认证工作”永远是国家
家、医疗企业、临床的共同需求。从2017年开始，为推动AI医疗辅助诊断发展，NMPA一直在不断完善相关政策、促进标准化单位落地。从一系列人工智能医疗相关政策的颁布也可以看出，建立各医疗细分领域的标准数据库势在必行。以实操性最强的AI医疗影像为例，只有建立标准数据库才能在质量上解决图像的临床代表性、图像多样性、标注的权威性与规范性及数据的可溯源性等问题，加速产品的研发、应用和迭代。
从技术创新的角度看，医疗AI的价值创造必然来自医疗场景的融入。如果，模型研究人员只懂算法，不了解临床的流程和需求，不熟悉诊断的基本知识，无疑会造成闭门造车、自娱自乐。因此，技术的发展需要“AI+医疗”跨学科人才的培养和汇聚。在较为专业的诊疗领域，创业者不仅要研究AI算法，更要从需求端，包括筛查、诊断、消费等方面深入了解，才能在严峻的市场竞争中取得先机，厚积薄发。
在“商业化”成为医疗AI核心关键词的2021年，这一行业开始用科技价值和商业价值的双重探索，回击曾经所有的质疑。迎来真正的机遇之后，面对市场这块试金石，挑战近在眼前，广阔的海洋也在眼前。
