智能化醫學影像設備的發展機遇和挑戰

邱陳輝，孔德興,2

1. 浙江大學 a. 數學科學學院；b. 理學部圖像處理研發中心，浙江 杭州 310027；2. 浙江大學醫學院附屬第一醫院 放射科，浙江 杭州 310003

引言

人工智能（Artificial Intelligence，AI）誕生于計算機科學與技術領域，現已發展成為一門交叉前沿學科。《人工智能標準化白皮書（2018版）》[1]給出如下AI定義：AI是利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。

2017年12月，國家衛生計生委辦公廳印發的《醫院信息化建設應用技術指引》[2]將AI在醫院信息化建設中的應用分為健康醫療服務、醫療智能應用、醫院智能管理三大塊，又把醫療智能應用劃分成智能醫學影像、人工智能輔助診療、虛擬助理。從美國食品藥品監督管理局（Food and Drug Administration，FDA）和中國國家藥品監督管理局（National Medical Products Administration，NMPA） 的監管角度，醫學影像設備是醫療器械中極其重要的組成部分，更是醫院綜合實力的重要體現，為臨床診斷與治療提供重要保障。文件中的智能醫學影像是指AI技術在醫學影像設備中的應用，是高端醫療器械的重要發展方向之一。

智能化醫學影像設備既包括純軟件產品（獨立軟件），又包括軟硬件相結合產品。前者是具有一個或多個醫療目的、卻無需醫療器械硬件就能完成自身預期功能的程序。后者是具有一個或多個醫療目的、控制/驅動醫療器械硬件或運行于醫用計算機平臺的程序，亦即軟件組件[3]。醫學影像設備的智能化主要體現在軟件上，而AI算法和模型是其關鍵核心部分。

迄今為止，大多數的智能化醫學影像設備是指采用AI技術的醫學影像軟件系統（獨立軟件）。為此，2021年7月，NMPA發布《人工智能醫用軟件產品分類界定指導原則》[4]，明確了文件的適用范圍是AI醫用獨立軟件，并且指出含有人工智能軟件組件的醫療器械可以參考該文件。

1 機遇

1.1 臨床需求迫切

首先，醫療行業長期存在專業醫生資源稀缺且分配不均的問題，而醫學影像領域專業醫生的供需缺口更是巨大。據悉，我國醫學影像數據的年增長率達到30%，而影像醫生的數量增長緩慢，年增長率只有4%左右[5-6]。其次，放射科、超聲科、核醫學科和病理科等作為醫技科室，要為整個醫療機構的臨床科室提供影像輔助診療支持，影像醫生的讀片工作量繁重，大型醫院的影像醫生經常超負荷工作，導致讀片疲勞。并且，人工判讀依賴于經驗，存在較大的主觀性。此外，醫學成像存在“同病異影”和“異病同影”現象，這些因素導致漏診率和誤診率偏高。最后，醫生讀片耗時較長，對急診患者的救治更加不利。以2018年全國首屆超聲讀片大賽——甲狀腺癌的超聲影像診斷為例，來自100多家頂級醫院的200多名醫生的平均讀片時間是45 min，平均準確率是74.46%，而作者所在團隊研發的DEMETICS?超聲診斷機器人的平均讀片時間是1.5 min，平均準確率達到90%。又如，在圖像引導放療的靶區勾畫方面，醫生的手動勾畫時間也遠遠超過智能化醫學影像軟件的自動勾畫時間。因此，彌補醫學影像領域專業醫生的供需缺口、降低漏診率與誤診率、減少讀片時間是醫學影像輔助臨床診療的迫切需求。

1.2 國家政策支持

2016年8月，國務院印發《“十三五”國家科技創新規劃》[7]，提出要大力發展人工智能等新一代信息技術、精準醫學關鍵技術、數字診療設備。特別地，要以早期、精準、微創診療為方向，重點推進多模態分子成像、新型磁共振成像系統、新型X射線計算機斷層成像、新一代超聲成像、低劑量X射線成像、復合窺鏡成像、新型顯微成像、大型放射治療裝備、手術機器人、醫用有源植入式裝置等產品研發，加快推進數字診療裝備國產化、高端化、品牌化。同年10月，中共中央、國務院印發《“健康中國2030”規劃綱要》[8]，提出要加強高端醫療器械創新能力建設，大力發展高性能醫療器械，加快醫療器械轉型升級，提高具有自主知識產權的醫學診療設備的國際競爭力；健全質量標準體系，提升質量控制技術，實施綠色和智能改造升級。

在國家部委層面，2017年12月，工信部印發的《促進新一代人工智能產業發展三年行動計劃（2018-2020年）》[9]對醫療影像輔助診斷系統進行專門闡述，要推動醫學影像數據采集標準化與規范化，支持腦、肺、眼、骨、心腦血管、乳腺等典型疾病領域的醫學影像輔助診斷技術研發，加快醫療影像輔助診斷系統的產品化及臨床輔助應用。2018年11月，工信部辦公廳印發《新一代人工智能產業創新重點任務揭榜工作方案》[10]，將上述醫學影像輔助診斷系統的研發作為重點揭榜任務。2019年8月，國家發改委等二十一部委聯合印發《促進健康產業高質量發展行動綱要（2019-2022年）》[11]，提出要加快人工智能技術在醫學影像輔助判讀、臨床輔助診斷、多維醫療數據分析等方面的應用，推動符合條件的人工智能產品進入臨床試驗。

上述國家級文件從數字診療設備、智能改造升級、醫學影像輔助診斷系統等角度對智能化醫學影像設備進行了論述和強調，為智能化醫學影像設備高效發展提供了宏觀指引與頂層設計，為高端醫療器械的科學研究與成果轉化指明了重點實施方向，營造了良好的研發氛圍，提供了重要的政策保障。

1.3 AI技術支撐

AI發展史上存在“功能模擬”和“結構仿真”兩條路線，并逐漸誕生了符號主義、連接主義、行為主義和統計主義四個學派。符號主義學派掀起了AI的第一次浪潮，貫穿于20世紀50年代至80年代初，后續的發展較為緩慢。連接主義學派直到20世紀80年代才逐漸流行起來，并掀起了AI的第二次浪潮，持續至21世紀初。期間，行為主義和統計主義學派逐漸興起，但至今仍不成熟[12-13]。2006年，Hinton團隊在兩篇論文中分別提出深度置信網絡模型和神經網絡中的數據降維方法[14-15]，標志著以深度學習為代表的AI第三次浪潮開始。2016年，谷歌公司DeepMind團隊研發的計算機程序AlphaGo以4∶1戰績擊敗了頂級圍棋棋手李世石。該程序使用了深度學習、強化學習和蒙特卡羅樹搜索等技術[16]，該事件被《Nature》雜志以封面形式進行報道。至此，AI迎來了井噴式發展，連接主義學派再度盛行。機器學習研究怎樣利用經驗（以數據的形式存在）來改善系統自身的性能，吸收了連接主義、行為主義和統計主義三個學派的重要思想，在AI第二、三次浪潮中不斷發展壯大。玻爾茲曼機算法、貝葉斯網絡、支持向量機等都是傳統機器學習的代表性技術。強化學習、遷移學習、深度學習亦屬于機器學習范疇，在AI第三次浪潮中被高度關注和使用，逐漸成為與傳統機器學習并駕齊驅的細分領域[17]。在智能化醫學影像設備研發領域，面向各種醫學成像與影像處理、醫學影像輔助臨床診療任務，傳統機器學習、強化學習、遷移學習和深度學習被廣泛應用。目前，已有較多關于AI技術在智能化醫學影像設備中應用的綜述[18-23]。典型地，Shen等[21]在其綜述中闡述了深度學習的研究進展，尤其對前饋神經網絡、堆棧自動編碼器、深度玻爾茲曼機、深度置信網絡、卷積神經網絡（Convolutional Neural Network，CNN）等進行了較詳細的介紹；并且列舉了多種CNN模型在醫學影像處理與分析中的具體應用案例，包括基于醫學影像的配準與定位、組織分割、解剖結構（人體器官、細胞）檢測、計算機輔助診斷與預后等。

1.4 發展環境良好

從全球大環境看，全球工業生產面臨巨大挑戰，制造業增長乏力，經濟持續低迷，安全事件頻發。AI成為國際競爭的新焦點、經濟發展的新引擎、社會建設的新機遇，是新一輪科技革命與產業變革的重要驅動力量。根據《2020人工智能醫療產業發展藍皮書》[24]的論述，相較于制造業、金融、零售、教育等AI應用領域，全球AI醫療尚處于早期階段，商業化程度相對偏低，發展空間廣闊，市場規模高速增長，大量的初創企業不斷涌現，預計到2025年AI應用市場總值將達到1270億美元，其中AI醫療將占據市場規模的五分之一。根據《中國人工智能醫療白皮書》（2019）[5]的論述，AI醫學影像市場是AI醫療應用領域第二大細分市場，以超過40%的增速發展，預計2024年市場占比將達到25%，市場規模將達到25億美元?！吨袊斯ぶ悄茚t療白皮書》（2019）和《2020人工智能醫療產業發展藍皮書》還指出，AI醫學影像領域市場競爭較為激烈，清晰的盈利模式和可持續的商業變現能力成為AI醫學影像的關鍵競爭要素，經過多輪洗牌已經出現領跑企業，除了全球老牌醫療器械公司德國西門子和美國通用電氣，中國的蘭丁高科、醫諾科技、深睿醫療和推想科技、美國的Vida Diagnostics、韓國的Lunit等企業都已獲得C輪融資，發展勢頭強勁[5,24]。

除了市場環境，科技創新基地的作用亦不容小視。2017年8月，科技部等三部委聯合印發《國家科技創新基地優化整合方案》[25]，將國家臨床醫學研究中心定位成技術創新與成果轉化類國家科技創新基地，面向重大臨床需求和產業化需要，開展大樣本臨床循證、轉化醫學和戰略防控策略研究，推動醫學科技成果轉化推廣和普及普惠，為提高我國整體醫療水平提供科技支撐。為了進一步完善醫療服務體系建設，縮小區域間醫療技術水平差距，促進醫療資源合理分布和均衡發展，推進分級診療制度建設，國家衛健委于2019年1月印發《國家醫學中心和國家區域醫療中心設置實施方案》[26]。智能化醫學影像設備的研發依賴于醫學、數學、信息科學和工程科學的交叉融通，這些國家級醫療中心連同相關的國家重點實驗室、國家工程研究中心、國家技術創新中心在國家政策引導下，能夠為智能化醫學影像設備的研發全過程（AI技術的研究及應用、影像數據采集與數據庫建設、技術和設備的測評及落地使用等）提供良好條件。

2 挑戰

盡管智能化醫學影像設備領域擁有良好的發展機遇，但不可否認該領域的發展尚處于起步階段，面臨諸多較為嚴峻的挑戰。作者結合自身的科研經歷、合作交流體會以及相關文獻資料，總結成以下四點，并給出相應的發展方向，供研究者參考。

2.1 AI技術層面

AI第三次浪潮使深度學習、強化學習、遷移學習的算法與模型得到了充分發展，使傳統機器學習煥發出新的生機。然而這些算法與模型的性能高度依賴于訓練數據。由于醫學成像的模態多種多樣，成像設備的廠商與型號各不相同，醫生對掃描參數的設置不盡相同，醫生的從業經驗與操作技能存在差異，因此難以采集得到高質控、規范化的影像大數據，而關于疑難病癥的影像大數據更難獲取。當前，很多在實驗室測試效果上佳的算法與模型一旦應用到臨床實際中，算法與模型的性能明顯下降，可見魯棒性偏弱。另外，深度學習等AI技術可解釋性差的問題已成為監管部門（美國FDA、中國NMPA等）審批智能化醫學影像設備的重要障礙。該問題雖然被較多的研究者鉆研，在某些特定任務中取得了較為滿意的成果[27]，但我們更期待里程碑式的研究成果，類似于ACM圖靈獎得主Valiant提出的概率近似正確模型、Pearl提出的因果理論和基于結構化模型的反事實推理，從根本上推動整個AI領域的發展[13]。建立基于小樣本數據、具有可解釋性、魯棒性強的AI算法與模型是未來的重要發展方向。特別指出，符號主義雖然沉寂了30多年，但其作為人類高等智能的抽象，在AI領域永遠有其地位。符號主義的知識驅動和連接主義的數據驅動相結合是推動AI發展的重要路徑。

2.2 醫學影像數據庫（集）層面

高質控、規范化的醫學影像數據貫穿于智能化醫學影像設備研發的全過程。在科研探索階段，利用醫學影像數據庫（集）訓練得到AI算法與模型的參數；在測試驗證階段，使用醫學影像數據庫（集）對AI算法與模型進行測試和優化；在產品審批階段，監管部門利用封閉的醫學影像數據庫（集）對智能化醫學影像設備進行測試審評；在產品上市應用階段，當設備在醫療機構部署、安裝時，利用醫學影像數據庫（集）對設備性能進行再評價。2016年6月，國務院辦公廳印發的《關于促進和規范健康醫療大數據應用發展的指導意見》[28]對健康醫療大數據的發展作了宏觀指引。當前，醫學影像數據庫（集）的建設普遍存在數據質控標準不統一、數據類型比例不均、病種不全且分類不細、采集范圍較為狹窄、同質化現象較為嚴重、共享程度不高等問題。由國家衛生健康委能力建設和繼續教育中心和作者所在團隊共同建設的《國家醫學圖像數據庫》是這方面的代表性工作，試圖從標準制定、數據收集、數據存儲和數據應用四個環節實現醫學圖像數據庫建設的全程質控，確保影像數據的真實性、準確性、完整性、可溯性、多元性和合法性。構建高質控、規范化、大樣本、多病種、跨區域、多中心的醫學影像數據庫（集）是未來的重要發展方向。

2.3 倫理與安全層面

智能化醫學影像設備的倫理與安全包括AI技術和醫學場景兩個方面。在AI技術方面，2017年7月，國務院印發的《新一代人工智能發展規劃》[29]指出，加強人工智能相關法律、倫理和社會問題研究，建立保障人工智能健康發展的法律法規和倫理道德框架。開展與人工智能應用相關的民事與刑事責任確認、隱私和產權保護、信息安全利用等法律問題研究，建立追溯和問責制度，明確人工智能法律主體以及相關權利、義務和責任等。2019年，國家人工智能標準化總體組發布《人工智能倫理風險分析報告》[30]，國家新一代人工智能治理專業委員會發布《新一代人工智能治理原則——發展負責任的人工智能》[31]。在醫學場景方面，主要涉及數據采集與處理、臨床應用兩個環節?！蛾P于促進和規范健康醫療大數據應用發展的指導意見》[28]指出建立健全健康醫療大數據開放、保護等法規制度，強化標準和安全體系建設，強化安全管理責任，妥善處理應用發展與保障安全的關系，增強安全技術支撐能力，有效保護個人隱私和信息安全。2016年10月，國家衛計委印發《涉及人的生物醫學研究倫理審查辦法》[32]。2021年1月，國家衛健委等三部委聯合印發修訂的《醫學科研誠信和相關行為規范》[33]。目前，我國的倫理法規與安全保障體系比較薄弱，尤其缺乏智能醫療交叉領域的倫理與安全規范?，F實中，整個醫療行業的數據泄漏事故時有發生，AI醫療設備使用過程中責權不明、影像數據的脫敏清洗過程不規范、數據存儲安全沒有保障等問題十分突出。國家標準化管理委員會等五部委于2020年7月印發《國家新一代人工智能標準體系建設指南》[34]，對安全/倫理標準的建設重點進行了詳細規劃，建立更加完善、細致的倫理與安全政策法規體系是未來的重要發展方向。特別指出，開展醫學影像數據的穩妥存儲、脫敏清洗、安全防控等關鍵信息技術的科研攻關也是重要方面。

2.4 創新發展模式層面

“產學研”深度融合是典型的促進科學技術研究與成果轉移轉化的創新發展模式。“產”是指生產制造商（企業），“學”是指高等院校，“研”是指科研院所。然而，該模式在智能化醫學影像設備的研發應用領域不足以發揮作用。根本原因在于智能化醫學影像設備的研制和使用都具有很高的專業門檻，還應接受監管部門的嚴格審批。具體地，智能化醫學影像設備的主體用戶是醫療機構，研發過程中需要的影像數據主要從醫療機構采集、遴選得到，智能化醫學影像設備的客觀需求和臨床效果評價又與醫療機構直接相關。另外，智能化醫學影像設備作為高端醫療器械，必須通過政府監管部門的嚴格審批，獲得相應的醫療器械注冊證、生產許可證、經營許可證和配置許可證，才能開展生產、銷售、購置等活動。因此，智能化醫學影像設備的高效、持續、穩步發展需要“政產學研用”協同合作?！罢笔侵刚块T，“用”是指醫療機構。當前，智能化醫學影像設備領域面臨研發周期長、審批進程慢、產業化落地艱難等問題。醫療科技創新類企業難以獲得持續穩定的融資，較多的科技巨頭高調進軍、低調淡出，一定程度上使該領域發展前景難以捉摸。2018年11月，NMPA修訂發布《創新醫療器械特別審查程序》[35]，并且為加快AI醫療器械的審批進度開辟了審評綠色通道。而“產學研用”四方雖然已經有較大程度的協同合作，但由于資源分享、任務責權、成果分配等因素，大多數情況下合作的深度和力度不夠，特別是在申報項目課題方面，存在強行捆綁、拉郎配的現象。在深化科教融合、產教融合、醫教協同的新形勢下，“政產學研用”五方一體的創新發展模式亟待推廣，政府部門宜加強引導和協調工作，在明確各方責權利益的同時，注重優勢互補、資源共享，推動各種創新要素的深層次融合，打造優良的創新生態系統。這是未來智能化醫學影像設備高效、持續、穩步發展的重要保障。

3 總結

2020年9月，習近平總書記在主持召開科學家座談會時提出，我國科技事業發展要堅持“四個面向”——面向世界科技前沿、面向經濟主戰場、面向國家重大需求、面向人民生命健康，不斷向科學技術廣度和深度進軍。智能化醫學影像設備是高端醫療器械的重要組成部分，其發展與應用在“四個面向”中處于交匯地位，對全面推進健康中國建設具有重要的推動和支撐作用。伴隨著AI第三次浪潮進入冷靜期，智能化醫學影像設備的發展進入了深水區，盡管政策利好，但機遇與挑戰并存，研究者和資本市場都已回歸理性，期待“政產學研用”五方聯合、協同創新，強化頂層設計，完善政策制度，瞄準關鍵科學技術的難題和成果轉化應用的痛點，攻堅克難，深耕細作，促使越來越多的智能化醫學影像設備達到國際領先水平，并且切實有效地應用到臨床診療中。