近日，由中國醫學影像AI產學研用創新聯盟（CAIERA）主辦的「第二屆中國醫學影像AI大會」，在上海落幕。
雷鋒網作為本次大會的戰略合作媒體，進行了全方位報導。
大會首日現場，上海長徵醫院影像科副主任蕭毅發表了主題演講《有生命力的醫學影像AI產品之我見》。
報告內容高屋建瓴、鞭辟入裡，贏得全場醫生和企業家們經久不息的掌聲。
蕭毅教授從「產品初心、AI邊界、企業戰略路徑選擇、優秀AI產品特徵、不同角色的AI需求」等行業尤為關注的重要議題，講述了她對醫學影像AI多年來的思考與感悟。
以下是蕭毅教授的報告全文，雷鋒網(公眾號：雷鋒網)做了不改變原意的編輯與整理：
什麼樣的醫學影像AI產品，是具有生命力的？
再通俗一些來講，什麼樣的影像產品能夠活下來？
今天的分享，是我在接觸很多人工智慧公司，並且與他們進行充分交流後，我的所思所想。
AI在「闖入」醫學界的進程中，其實經歷了從一個狂妄到極度失落，再到信心逐漸回升的過程。
早在2016年，不僅媒體在報導AI即將取代影像科醫生，甚至包括我們熟知的圖靈獎得住Hinton教授也在公共場合談到可以停止培養影像科醫生。AI取代我們的聲音，甚囂塵上。
大家這樣說的原因，其實也很簡單：人們認為，AI在很多任務上，的確可以減小誤差、提高效率，而且它可以不斷學習、不知疲倦。難道這樣下去還強不過醫生嗎？而且醫生不也是靠不斷探索、不斷學習，然後循序漸進，不斷地發現和診斷病變的嗎？人和機器雖然有別，但運行流程的本質是相似的。
沒錯，當時很多企業是這麼想的。
所以根據這個假想的邏輯，人們充分利用機器的優勢，去「創造」需求、研發產品、大肆宣傳，把人工智慧包裝得無所不能。
這種研發產品的思維以及宣傳方式，也引發不少影像科醫生出來批駁。
醫工之間，各執一詞，時不時在網上甚至在朋友圈交火。
人工智慧闖入醫療領域，大家都預測它有可能率先在醫學影像上大規模落地的。因為AI目前最成熟的應用就是圖像識別。醫學影像，不過是一種圖像形式而已。機器把所有圖片都看會了，自然可以把影像醫生淘汰掉。
我們上海長徵醫院影像科最初在接觸AI的時候，我在電梯裡碰到一位同事，他跟我開玩笑說，影像醫生自己搞AI，豈不是成了影像醫生的「掘墓人」嗎？就不怕將來有一天遭同事憤恨嗎？
雖然是句玩笑話，但這個問題讓我真的想了很久。
確定要做自己的掘墓人嗎？
帶著這個問題，我來到了AI的現實世界。
探索過程中，我發現AI 落地難度遠遠超過我們的想像。
不像人臉識別，拿一堆數據訓練出的模型，用在其他人臉上，大部分都是Work的。但醫療則完全不同，比如我在A醫院訓練出的模型，在B醫院上應用，識別結果可能就完全變樣了。
2018年，中國醫學影像AI產學研用創新聯盟剛剛成立的時候，雨後春筍般的AI企業，帶著夢想，站在風口之上。
在我記憶中，全國大概有100多家企業在做醫學影像AI。隨著聯盟成立一段時間，我們陸續組織政、產、學、研、用，聚在一起多次探討，結果我們才發現，原來要想做好醫學影像AI，需要那麼多以前完全沒想到的必備條件。
而以往，這些條件，可能更多是一部分人根據自己的經驗和視野空想而來的，局限性很強。
企業有企業的認知短板，醫生也有醫生的認知局限。
在醫學影像AI這個領域，沒有哪個人說的話完全是真理或者無懈可擊。
真理都是一群看似互不相干，但實際聯繫緊密的人，用「思維的聯合建模」共同做出來的。
所以反觀現在，2020年還有多少人工智慧企業在做醫學影像AI？明顯少了許多。
那些繼續做醫學影像AI的公司，大多也轉變了自己的商業模式和產品路徑。
那麼究竟什麼樣的產品有用？什麼樣的人工智慧公司才能活下來？
在這裡，我先發出一個疑問：研發這個產品，你的初心到底是什麼？
初心包含了一系列的「靈魂拷問」：
你研發產品是想解決影像科基本的痛點問題嗎？比如醫生不願意寫簡單的報告、不願意去測量數據，你是為了解決臨床影像科醫生這些低級的工作需求嗎？
還是說，是為了和影像科搞好關係，拿到大量數據，儘可能地去滿足影像醫生的科研需求？
很多公司在初期是把大量的資金和人力，投入到滿足影像科醫生的需求上。
那麼回歸本源，影像科醫生的需求是什麼？
他們的需求，可以匹配企業活下去的需求嗎？未必。
還有一種初心，是解決臨床醫生讀片的需要。
現在的AI，誰最喜歡？臨床醫生喜歡。
因為這樣他們再不用求著影像科醫生說，幫我看看哪裡有肺結節，所以他們特別渴望，能夠有這樣一個予取予求的功能出現。
再比如胸外科，結節是惡性是良性，臨床醫生根本不用去看影像，只要有技術員掃描完把圖傳給他們，AI就已經告訴了他們病灶在什麼地方，不需要影像科醫生幫忙讀片。
尤其像外科醫生，他們內心的獨白可能是：我也不管它是良惡性，我只要知道它好不好切，它有多大就行了。
如果從這個視角看，臨床醫生對AI的需要，在初期其實是大過影像科醫生的。
回到產品本質，企業在研發產品的時候，應該去想什麼呢？
它的最終落腳點，應該是為患者服務，為解決臨床問題，為解決臨床決策需要的。
有多少家公司初期在做產品時，初心如此？
同樣，你做的產品，你認為需要嗎？
中國肺結節篩查公司這麼多，初始他們可能在想，國外有那麼多公開的肺部數據集，靠這些數據訓練模型，說不定馬上就可以產品化、變現、上市。
所以大家都一股腦投入進去了，然後沒多久又一拍腦袋，心想如果做另外一套軟體，說不定更適合，更能好做創收。
這可能是醫學影像AI企業經營常見的情況。
但你有深入考慮過醫院、患者、國家，需要什麼樣的人工智慧產品嗎？
醫療和普通的產品不同，它涉及到的面更廣、更系統，更加需要企業家具備全局思維。
有句老生常談的話「思路決定出路，態度決定高度，格局決定結局」，這句話無論用在我們的研究上，還是用在人生中，都是相通的。
所以這些年經歷過一系列挫折，趟過無數坑後，還健康成長的人工智慧公司，我想，這就是他們的思路、態度和格局賦予他們的生命力。
今天，我也為大家展示部分公司、也是我們聯盟企業的代表工作：
首先來看下聯影智能的產品矩陣。
只要你能想到的、臨床有需求的產品，幾乎都已經在他們產品列表中，而且效果很不錯。
西門子醫療雖然不是一家人工智慧公司，但作為一家大型設備廠商，它的後處理軟體也具備AI的能力。
從圖片中我們也可以看到，產品覆蓋廣度，從脊柱，到肺部的各種分割，以及主動脈檢查和靶區勾畫，都做出不少優秀的成果。
當然了，傳統設備廠商在人工智慧領域的布局，並不需要消耗過多資源親力親為，選擇與優秀AI創業公司合作，無論從效率、成本還是效果層面來講，都是一個性價比頗高的選擇。
接下來是推想科技和依圖醫療。
推想一直和我們感情很深，我們做影像AI的起步期，就主動去找過他們，包括夏黎明主任（本論壇主持人）團隊和推想的合作也是這樣展開的。
這期間，推想就在北京、上海和武漢來回穿梭，不斷去測試肺結節產品。
一系列的合作中，也讓我們深刻體會到，做好人工智慧產品其實是非常難的，完全不是我們最初想像的那樣：隨便在公開域下載一些數據，訓練出一個在統計意義上高精度的模型，但實際上一旦在臨床環境下遇到迥異的數據，魯棒性便非常不穩定，檢測和識別的結果自然是花樣百出。
因此在實際交流和探索當中，你會真正看到AI的能與不能。
當前的醫學影像AI系統，發展到從質控，到組學，再到臨床科研的智能方案，這些都表示他們的思路在轉變。
再到數坤科技，我最喜歡的是他們研發的冠狀動脈CTA重建方案，解決了臨床的很多負擔。
還有杏脈，同樣抓住了臨床的痛點。
深睿醫療也有智能多模態專屬專利資料庫平臺，這是他們一直在打造和推廣的產品。
回到問題根本，這麼多優秀產品，它取代了我們影像醫生的地位嗎？
答覆是否定的。
任何一家AI公司，如果是奔著取代的目的，我可以明確的告訴他們：一定會失敗。
為什麼不能取代醫生？
首先，單一病種有它的複雜性，不是專門研發一套肺癌篩查系統，就能夠贏得影像科醫生的青睞。
影像醫生做診斷靠什麼？
靠的是影像特徵、病史、歷史對比和多種檢查。
而AI目前能夠做到的，更多是檢測一個影像特徵和歷史特徵進行比對。
當然了，企業也正在努力參考病史和多種檢查的綜合數據，出發點很好，但這對人工智慧的要求非常高，而且現階段AI還不能夠飛快地像我們人腦一樣建立起突觸。
第二點，是同一部位的多樣性問題。
影像醫生看一張片子，不光看肺結節，還要看縱隔、肺氣腫、纖維化；AI可以嗎？
好像很難，這需要做出多個單病種模型或者多任務模型。而且也無法寫出一份完整的診斷報告。
第三點，是診療過程中的多變性。
同一種疾病，可能有不同的治療方案，而且會有不同的反應。
最後一點，醫生看的只是片子嗎？看的只是病嗎？不是，我們看的是病人。
以人為本的醫學人文關懷，永遠無法取代。
而人工智慧看的是什麼？可能只是看個圖片，看個特徵。
從這四個角度來看，取代二字，基本不成立。
AI的本質到底是什麼？
很多人賦予了它無限的力量感、神秘感、顛覆感。
我認為，它只是一個用先進技術解決實際問題的工具。
而一個工具，是如何演變成泡沫的？
投機的思想+單一的產品模式+浮躁的心，再加動輒就把一套軟體賣到百萬的欲望，這些都是醫學影像AI泡沫的最大組成。
我覺得，既然AI是一種先進的技術，是一套工具。
我們就應以工具思維，讓它做該做的事。
就像行業常常提到的先造錘子和先找釘子的比喻，一個成熟的AI落地模式，必定是先找釘子，也就是洞察好場景，然後再造錘子，根據場景進行方案落地。
現在的產品，分為三類：
第一類是多數公司選擇的落地模式，以疾病為發力點，單個病種各個擊破，整體效果可圈可點。
也有一類公司是以流程應用為發力點，這一方向的選擇，我認為比較聰明，而且做得輕鬆一些。
比如它可以輔助優化放射科流程，進行一站式掃描、自動定位、劑量控制，經過圖像採集提速、質量優化，也可以進行圖文結構化報告、AI排版、影像控制等。
第二類以流程優化為發力點的這些公司，往往活得不錯，因為它把AI現有的能力發揮得淋漓盡致。這些由於門檻低，也不需要申請產品註冊監管。
第三類公司，以決策輔助為發力點，如自動靶區勾畫和受累器官，大家對這一應用的質疑聲非常少。
另外，像術中病理診斷和冠脈介入手術規劃、腫瘤分級、AI篩查、臨床輔助決策系統、患者預後管理、AI科研平臺，都是非常好的模式。
企業類別分析完後，我們再來總結下，活下來的這些人工智慧企業，都有什麼樣的特徵？
我想，它不外乎7項。
第一，它解決了疾病篩查問題。
篩查肺結節沒用嗎？當然有用。但最好不要試圖到三甲醫院去推銷肺結節篩查軟體，三甲醫院面臨的肺部問題比較複雜，單一疾病無法適用。而體檢中心是一個不錯的選擇。
其次，它分別解決了臨床決策、診斷規範、臨床科研、圖像質量、工作流程、健康管理這6大問題。
只要你的產品解決了這些問題，無論是產品，還是企業本身，一定是富有生命力的。而且很多資本也會願意介入，更多平臺願意與你合作。
醫學影像AI的從0到1，需要同時滿足四類人/組織的需求 ：企業自身、醫生、患者、醫院。
有一句話說得很有道理，每個人、每個企業，要給別人創造出「被需要感」，「被需要感」是做產品的最重要的條件。
企業要創造出，讓「醫生非常需要你」的產品。
而企業也需要被認同的價值感，而認同帶來的，便是商業化變現，這都是自然而然的過程。
醫生需要什麼？
最直接的就是減負，讓工作輕鬆一些。再者，一起探索前沿科研方向，幫助我實現優質科研成果，在頂會和頂刊上發表論文。
再進階一步，醫生通過藉助人工智慧輔助決策，成為一個名醫。未來懂AI的醫生，一定是優秀的醫生。
這些都是醫生比較常見的想法。
但你把過多的注意力，集中在醫生身上時，我想這也是「你該吃藥的時候」。只滿足醫生的需要，你的投入可能會大於你的獲得。
你在一味去迎合醫生個體願望的同時，更應該思考患者們需要什麼？
他可能在想，不管用什麼方法、用什麼技術，只要看好病、少花錢就可以。
這帶來一個問題，我們做出來的人工智慧軟體，是想讓患者省錢，還是想讓患者多花錢？
產品落地後，如何定價？
講個我親歷過的故事，有家企業用AI給患者做輔助診斷，單次費用開口要價5000，聽到這個數字後，我當時愣住了，我反問他知道醫生給病人做這樣的分析需要多少錢嗎？50塊。
當然，個別患者可能需要這樣的服務，但對於絕大多數人，這顯然不符合市場規則，有價無市。
另外從醫院層面的需求出發，醫院買單有一個重要原因是，讓病人知道我們院有個「技術絕活」，有了人工智慧軟體，可以讓醫院變得更加有科技感，能看得了別的地方看不了的病，隨之也增加了醫院的效益。
所以，企業研發產品應該去滿足醫生，還是滿足病人，或是醫院的需求？
從目前AI的性能來看，最理想的狀態是「以患者為核心」，同時要融合多模態數據與AI技術，覆蓋全流程決策環節。
在早期診斷、精準診斷、醫療決策與評估，以及預後管理這4大板塊，發揮應有的作用。
早篩早診非常有必要，精準診斷可以讓我們成為更好的醫生，治療決策可以讓患者得到更精準的治療，而愈後管理，則是健康管理最終追求。
講到這裡，有生命力的產品應該是什麼樣的？我想大家心中已經形成了一套初步的評估體系：
1. 兼顧臨床需求、應用落地等因素，具有獨特競爭優勢的產品。
2. 面向基層醫院、第三方影像中心、體檢機構、保險機構、非公醫療機構等不同主體需求，設計產品
3. 攜手設備廠商、大型藥企、PACS廠商等，做輕量級產品。
4. 理清科研、臨床、政府、患者的不同需求，精準研發。
最後，作為一名影像科醫生，我也相信AI定能照亮醫學影像的未來，謝謝大家。 雷鋒網
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。