AI，会让放射科医生下岗吗？
----AI ， 会让放射科医生下岗吗？//----[ http://www.caoding.cn]
图片来源@视觉中国
钛媒体注：本文来自微信公众号硅谷密探（ID:guigudiyixian） ， 作者：Zhan Zhang ， 钛媒体经授权发布 。
让一个机器人透视你的身体 ， 洞察你体内的蛛丝马迹 ， 比经验丰富的老教授更快更准地找出你的沉疴暗疾 ， 你是会觉得惊悚还是幸运？
在人工智能热潮兴起之初 ， 吴恩达（Andrew Ng）、Jeffery Hinton等多位AI大佬放言 ， 医疗领域AI会让放射科医生下岗失业 。
在2019年的今天 ， 才来谈论AI+医疗 ， 好像显得有些不合时宜 。 毕竟 ， 至少早在2017年起 ， 智慧医疗的火焰已是如火如荼 。
仿佛不远的未来 ， 你就能和机器人医生面对面 ， 由绝对精确的机器智能为你作出诊疗 。
然而 ， 时至今日 ， 智慧医疗最大的突破 ， 仍然主要限于基于计算机视觉技术的医疗影像辅助诊断之上 。 AI ， 距离完全取代医生 ， 可能还差了一个比邻星到地球的距离 。
在这一情况之下 ， 聚焦于最为成熟的医疗影像AI领域 ， 谈谈AI在做什么 ， AI公司在做什么 ， 可能显得更为重要 。
----AI ， 会让放射科医生下岗吗？//----[ http://www.caoding.cn]
AI医疗影像诊断 ， 图片来自Nvidia
聚焦：医疗影像+ AI
从公司门口的人脸识别到你手机里欺世盗貌的美颜相机 ， 再到让李彦宏吃下罚单的自动驾驶 ， 这些AI新浪潮的背后站着的 ， 都是由深度学习驱动的计算机视觉技术 。
从这里出发 ， 当你在考虑AI如何应用在医疗中时 ， 首先想到的可能就会是：
如何将在自然图像下日趋成熟的深度学习算法应用于医疗之中？
这个问题不难回答 。
即使你从未进过医院影像科 ， 也应该对CT、核磁共振（MRI）、B超等等检查有所耳闻 。 这些检查就像一台特殊的照相机 ， 借助射线和声波为你体内的器官骨骼留下倩影 ， 帮助医生对人体内的真实情况作出判断 。
随着低剂量螺旋CT、核磁共振等技术的发展和推广 ， 影像检查正变得更为安全、高效、准确 ， 也更广泛地应用于定期体检和疾病诊断之中 。 仅2016年 ， 全球诊断成像设备市场价值就高达227亿美元 ， 增长率为2％ 。 海量的医疗影像数据在帮助诊断之余 ， 也让影像科医生的负担日益加重 。
就以常见的CT来说 ， 在影像医疗领域 ， CT是一个大趋势 ， 所有的东西都能看清楚 ， 但拍一次下来就有300多张影像 ， 一个医生看下来是非常消耗时间和精力的 。 所以衍生出来的一个问题就是——需要大量的医生来“看片” 。
深度学习AI算法的用武之地正在于此 。
计算机辅助诊疗技术（Computer Aided Diagnosis: CAD）借助机器视觉算法 ， 对医疗影像进行自动分析 ， 帮助医生锁定病灶 ， 提供诊断建议和依据 。 传统上 ， 基于人工设计规则的算法在功能、准确度和速度上均有较多局限 。 深度学习算法的引入 ， 让CAD的应用场景大大扩展 。 从早期癌症筛查到心血管异常 ， 从神经疾病诊断到骨骼肌肉损伤 ， CAD系统的AI化浪潮已是如火如荼 。
风口回归 ， 竞争进入后半程
新技术的浪潮牵动千万病人的健康 ， 亦牵动资本涌动 。
据估计 ， 到2023年 ， AI+医疗影像的市场规模将超过20亿美元 。 诸多创业企业、互联网巨头、医疗影像器械厂商纷纷投入重金 ， 力求在这一战场占据一席之地 。
不过在2019年的今天 ， 前两年的资本风口渐渐回归理性 ， 赛程进入后半场 。
截止至2018年上半年 ， AI医疗影像初创企业已经募集逾5亿美元资本投入 ， 资本从新兴初创逐渐转向晚期创业企业 。 纵观这一领域 ， 整个2018年上半年 ， 仅有加拿大医疗影像企业Circle Cardiovascular Imaging获得A轮融资 ， 其他各企业均已进入B轮或之后的成熟阶段 。
从战略方向上来看 ， 企业也多由早期技术积累转向产品落地 ， 企业与医院的合作、落地成为主议题 ， AI+医疗影像日趋成熟 。
----AI ， 会让放射科医生下岗吗？//----[ http://www.caoding.cn]
基于AI的医疗影像分析软件市场规模
AI+医疗 ， 还是医疗+AI？
与自动驾驶领域的“车厂对阵AI巨头”的阵势颇有相似 ， 在医疗影像AI领域 ， 传统影像器械商和AI科技企业的双向竞技也正如火如荼 。
以西门子（Siemens）、通用电气（GE）等为首的传统医疗影像器械厂商 ， 正依靠其硬件和数据优势 ， 对其传统影像分析算法进行“AI化”迭代升级 ， 为医院提供整合性更强的一站式解决方案 。
西门子的AI-Rad系统针对胸部CT影像 ， 提供多方面的测量、定位和自动报告生成功能 。 比如 ， 借助影像分割技术 ， 找出胸部CT影像中大动脉的像素级定位 ， 实现对动脉直径等多方面的自动化测量 。 该系统还利用目标检测技术 ， 对体内器官的各项异常进行定位和初步诊断 。
在早期肺癌筛查中 ， AI可以准确地识别出肺部小结节的位置所在 ， 并对结节进行初步分析 ， 帮助医生尽早做出诊断 ， 大大提升早期肺癌的发现率 。 根据美国国家肺部筛查试点研究组的研究数据 ， 借助肺结节早期筛查 ， 逾20%的肺癌罹难者将有机会幸免于难 。
----AI ， 会让放射科医生下岗吗？//----[ http://www.caoding.cn]
AI-Rad系统 ， 图片来自西门子
除去AI技术上的转型 ， 器械厂商对AI的系统化整合 ， 成为他们在竞争中脱颖而出的重要法宝 。 2018年底 ， GE发布了Edison AI开发平台 ， 实现数据、算法、硬件之间的无缝整合 。 现时 ， 平台已经上线48个影像分析应用 ， 为研发部门整合多来源、多模态的海量数据源 ， 亦为医院提供各细分领域的辅助诊断服务 。
长远来看 ， Edison的野心并不止于此 。 GE计划将平台对外开放 ， 让合作开发者加入算法研发 ， 打造AI医疗影像的“AppStore”生态 ， 促成AI医疗影像技术的更好发展 。
相比传统器械厂商的系统优势 ， 医疗影像领域的AI技术公司便更多依靠自身算法突破建立竞争护城河 。
其中 ， 较大规模的创业企业和AI巨头企业们 ， 选择多领域发力 ， 在各方面与传统器械厂商展开正面角逐 。
在美国市场上 ， 以色列一家AI医疗影像公司Zebra Medical Vision推出了从骨骼、乳腺到肺部、心血管的多器官诊断产品 ， 意图建立自身生态 。
中国创业企业亦然 。 作为国内医疗影像AI领域估值最高的推想科技 ， 推出了InferRead全系解决方案 ， 覆盖脑部、肺部、骨骼等全部位影像诊断 。
----AI ， 会让放射科医生下岗吗？//----[ http://www.caoding.cn]
Zebra Medical Vision：骨骼诊断产品
较小规模的创业公司 ， 则多聚焦垂直领域 ， 在单一器官或单一病症上建立自己的技术优势 。
英国一家初创企业Brainomix便是其中典型例子 。 它专注脑部影像分析 ， 在中风的诊断与辅助治疗中建立起自身的独特优势 ， 找到自己的发展方向 。
----AI ， 会让放射科医生下岗吗？//----[ http://www.caoding.cn]
Brainomix：脑部影像分析系统
英伟达旗下孵化的一家初创企业ImFusion则独辟蹊径 ， 借助AI影像生成技术 ， 开创了从二维平面超声影像生成三维立体模型的新方法 。 他们以对应病人的二维超声影像和三维CT影像作为训练数据 ， 让AI找到二维和三维影像之间的潜在联系 ， 从而帮助医生更好地理解、感知病人体内的状况 。
----AI ， 会让放射科医生下岗吗？//----[ http://www.caoding.cn]
将2D超声影像转化为3D人体模型 ， 图片来自英伟达
专注于特定垂直领域 ， 小企业更容易找到自身竞争突破点 ， 却也留下了产品功能单一化的缺憾 ， 产品的落地应用大大受限 。 这一情况下 ， 中小企业往往要与器械厂商或AI巨头展开合作 ， 将自身技术与生态平台相融合 ， 实现产品的大规模落地部署 。
目前来看 ， AI+医疗影像领域仍将长期处于竞争与合作交织 ， 技术和产品共同推进的百花齐放阶段 。
作为医疗影像领域的后发选手 ， 中国在影像器械的赛道上 ， 起步较晚 ， 暂时缺席 。 不过 ， 在AI算法的竞技中 ， 依托本土AI人才和海量医疗数据 ， 以推想科技、汇医绘影为代表的中国初创企业们已经成功找到自己的发展方向 。 不仅如此 ， 腾讯、阿里、商汤等AI巨头企业也纷纷向医疗影像领域持续发力 ， 弯道超车未来可期 。
竞业者更是同盟军
所以 ， 在2019年的今天 ， AI会让放射科医生下岗吗？
如今看来 ， 虽然医疗影像AI已经取得长足进展 ， 取代放射科医生仍显得言之甚早 。
一方面 ， 由于数据的限制 ， 医疗影像AI的适用面仍然较窄 。 目前只有针对肺部结节、脑部肿瘤、骨科等少部分领域的AI技术相对成熟 ， 大大限制了医疗影像AI的临床应用 。
另一方面 ， 深度学习本身的“黑盒”、不可解释的特性使得我们难以对其结果进行分析归因 。 不论是出于安全性还是医学伦理上的考虑 ， 医疗影像AI在可预见的未来里仍只能扮演助理角色 ， 难以成为最终的决策者 。
除此之外 ， 医疗影像的分析并不只依赖于图像自身 。 医生在对影像进行诊疗时会结合病人的病史、其他检查、疾病的相关医学知识进行综合考量 。
相比之下 ， 医疗影像AI大多情况下只能依靠图像内在的特征进行判断 ， 使得较复杂的、与影像形态不直接相关的病情分析效果不佳 。
不过 ， 作为医生的助手 ， AI的精准检测可以有效减少漏诊情况 ， 帮助医生快速定位相关病灶 。 自动生成的影像分析等数据资料也可以为医生提供良好的参考 ， 大大提升他们的工作效率 。 这一点 ， 在各医院影像检查数量均大幅增长的现在 ， 显得尤为重要 。
除此之外 ， 放射科医生其实还扮演着AI的人生导师角色 。 深度学习算法需要大量的标注数据 ， 这需要放射科医生的鼎力支持 。 比如在肺结节筛查任务中 ， 医生需要预先标注成百上千张CT影像里的肺结节的具体位置、类型 。 借助这些训练数据 ， 算法才能最终找到这些结节的隐含特征 ， 实现准确的检测、分析 。
目前看来 ， 这场AI+医疗影像的变革 ， 更多地是从普通马到汗血宝马式的渐进性进化 ， 而非从马匹到汽车的时代革命 。
与其担忧被取代下岗 ， 放射科医生更应理性看待AI热潮 ， 摒除“人工智能”这一名字的神秘光环 ， 理解AI的长处与不足 ， 让它成为工作的重要助力 。
更多精彩内容 ， 关注钛媒体微信号（ID：taimeiti） ， 或者下载钛媒体App
推荐阅读
- 中韩季中杯A组巡礼，综合数据T1和FPX更好，大概率会携手小组出线
- 情商高、会说话，相处起来很舒服的星座，走到哪里都受欢迎
- 麦迪：若和恩比德同队会打起来，预计篮网勇士会师2021年总决赛
- 法律点赞全国人大常委会工作：铸法律重器
- 社会保险关于社保待遇，政府工作报告传递出5个好消息
- 蓝盈莹太会穿了，格子大衣搭牛仔裤潮范十足，实力演绎酷帅风格
- 中美关系直击要点！外交部长王毅记者会核心内容精炼 提及中美关系、病毒源头、香港事务等问题
- 郑秀文真会穿！身穿黄色西服内搭印花白T恤简约大气，干净利落
- 短版上衣是时尚穿搭中绝对不可少的一部分，10种造型让你充满魅力
- 唐嫣也会穿错？不好驾驭的大红裙也就算了，这丝袜太难懂
![[卡卡罗特游戏解说]本以为苏烈完美，直到看到花木兰！，看“腹肌”猜英雄：梦奇一块](https://imgcdn.toutiaoyule.com/20200401/20200401103602130514a_t.jpeg)
