2017年以来，关于人工智能泡沫的议论纷纷攘攘，知乎上一问题“这一波人工智能泡沫将会怎么破灭？”获广泛关注。

　　

　　许多智能影像一线从业者可能会对其观点深表赞同。如今的智能影像很像前几年的互联网医疗，大家一窝蜂进来了，但下一步怎么做，是个问题。整体来讲，智能影像诊断真正深入到临床诊断的很少，目前，业内尝试与医生合作做科研或提高效率方面尝试，但要真正提高诊断率，目前还有很大差距。

　　

　　动辄可以听到“AI取代医生”“AI的准确率超过医生”的言论，同时“理想很美好，现实很骨感”的感慨频频传来，理想的豪言壮语随处可见，那现实是什么呢？

　　

　　有人说，21世纪是数据为王的时代；有人将算法比作发动机，数据比作石油；有人则强调行业数据、专家资源和核心技术是打造智能影像缺一不可的三要素。无论怎样强调数据的重要性都不为过，我们且以影像数据为径，智能影像公司的运营为纬，一窥智能影像公司的真实日常。

　　

　　数据端：保证质量，数量多多益善

　　

　　尽管我国存在第三方影像中心，但绝大多数的医疗影像数据来源于医院。

　　

　　在医疗信息系统中，PACS系统负责医疗影像采集、数据传输存储以及影像分析、处理，并且不同的PACS系统之间，能以以DICOM国际标准方式对接。

　　

　　总体来说，医院影像数据多且大都标准化，便于机器阅读，为此，智能医疗影像被业内人

　　

　　对于一个AI系统而言，数据多多益善是有前置条件的，在保证喂养数据质量的情况下，增加数量才有意义。而判断影像数据质量，主要取决于AI公司所打造智能诊断产品的临床目的。除此之外，对于智能影像诊断而言，影像数据需要关联更准确的诊断和后期结果关联，否则垃圾进，垃圾出。

　　

　　拿现在很火的肺结节智能诊断为例，对于AI公司来说，有肺结节的影像才是有价值的，在产生的影像数据中，只有10%或20%的病人有问题，即便如此，并不是所有有病灶的影像数据都能拿来用。在医院内部，医学影像系统和诊断报告是两个独立的系统，两者并无关联。用数据训练AI很重要的一点是：需要系统判断一个影像是否有结节，是否有病灶。而医院每天拍出来几百影像，并没有标出来哪里有结节，对于AI公司来说，这就是没有价值的数据。

　　

　　数据获取：“合作”共赢

　　

　　影像数据是医院的，智能影像公司如何获取呢？

　　

　　医疗数据是一种资源，意味着它有价值，想获取有价值的东西最简单的逻辑就是“买买买”。

　　

　　在我国，三甲医院拥有绝大多数影像数据，但影像数据不出院是必须守住的红线。为此，AI公司与医院寻求“合作”就成了一种可能的路径。一般来说，AI公司会选择与医院合作开发，一方面得到脱敏的数据和行业专家，一方面收获了产品打磨的场景，至于合作模式，则各有特色。

　　

　　数据处理：“只有人工，没有智能”

　　

　　一如机器学习AI建模的流水线，医疗影像数据处理过程也要经历数据标注、清洗、切割，随后是建模、调参等。

　　

　　在处理影像数据的技术问题上，据吴博介绍，医疗影像数据刻画的是体内脏器，与肉眼容易识别花鸟虫鱼人脸等常规图片，成像原理与视觉特征都不相同，深度学习模型尤其需要深度改造。

　　

　　但医疗影像数据处理的特殊之处在于数据标注耗费时间更长、门槛更高，“要凑齐多名资深医生对数据进行比下诊断报告还要细致的标注，难度、进度和成本都很高。

　　

　　在医生的诊断中，影像仅是一个参考信息，最终还要参考病理诊断等信息进行确诊，所以对于打造一个智能诊断系统来说，很多数据的集合才是有效的数据。

　　

　　实际效果：帮医生做科研或提高诊断效率

　　

　　智能影像诊断系统准确率在95%以上，超过人类医生的消息屡见不鲜，但其应用情况怎样呢？

　　

　　将顶级专家的诊断能力固化下来，提供给基层医院，是许多智能影像公司勾勒的美好蓝图。智能影像诊断系统，对三甲医院的顶级医生是锦上添花的事；而基层放射科医生，每天只看四个片子，经验比较少，这就是雪中送炭的事。

　　

　　但实践起来同样遇到尴尬。人工智能是基于云计算的，数据放在云端，基层医院的信息化程度不够，没有大数据，怎么用人工智能？除此之外，大多数医院使用的是局域网系统，没法连接外网，数据也无法走上云端。

　　

　　怎样说服医院同意把数据放在云端，也是一个棘手的问题。如何充分保证数据隐私，这是很难突破的地方。

　　

　　智能影像：风口已至，还是初露端倪？

　　

　　有人说，投资人判断的不是行业趋势，而是时间点，判断机会在哪个时间点才是关键。如今，AI+医疗影像被认为是率先实现商业化落地的领域，这意味着风口已至，还是初露端倪？

　　

　　来源：雷锋网