深睿医疗CTO李一鸣：产品与科研“双路径”下的

作者:网站采编
关键词:
摘要：「提要」近期，雷锋网《医健AI掘金志》邀请深睿联合创始人兼CTO李一鸣，做客雷锋网公开课，以“医学影像AI科研创新与产品转化”为题，对2020年医学影像的新关键词进行解析。 李一

「提要」近期，雷锋网《医健AI掘金志》邀请深睿联合创始人兼CTO李一鸣，做客雷锋网公开课，以“医学影像AI科研创新与产品转化”为题，对2020年医学影像的新关键词进行解析。

李一鸣表示，AI从自然图像领域迁移到医学领域，看似技术相通，实则挑战完全不同，其中共有样本不均衡、多模态、临床导向等八个差异点。

从2017年成立以来，深睿从肺结节入手，一步步扩展到全肺、乳腺、冠脉等多个疾病解决方案，这其中突破了多重“跨界”难题，并且和医生团体一同刷新对AI的认知。

以乳腺产品为例，在技术路径走不通的情况下，深睿医疗借鉴医生多角度观察的思路，基于交叉视图推理网络，根据映射把特征进行传递和增强，最终获得技术的突破。

我分享的题目是“医学影像科研创新与产品转化”，深睿医疗成立三年多，一直是以“创业者”的心态进行发展，坚持打造自己的核心技术、孵化产品线、完善产品矩阵。

医疗的核心问题在于“优质医疗资源的供给和服务的不对等”。

北上广深医疗资源相对集中，边远地区的医疗资源较差，疫情期间这一现象有明显的体现，人口老龄化问题的加剧，也会让这一问题进一步凸显，最终需要新的技术进行帮扶。“AI+医疗”也许是很好的解决方案、能够为医生、患者、医院提升效率、降低成本、已经被大家看好和期待。

在医疗+AI的方向上，深睿选择了医学影像入手，原因在于：

首先，临床价值层面，80%的临床问题的都需要医学影像辅助；

其次，数据层面，医学影像具有文本、图像、基因等多模态数据，同时在规整性、数据量等方面都非常适合；

最后，技术层面，以深度学习为代表的新一代AI技术让图像处理和识别有了长足进步；

从2017年到现在，医学影像AI一直向好的方向发展，利好政策也在持续释放，企业数量不断增多。这个变化从大的趋势角度来看，是医学影像逐渐信息化的过程，从传统胶片到Pacs，再到AI技术的引入，逐步向智能化转型。

深睿把这个变化分为几个里程碑：2017年影像AI元年的单病种、2018年探索在医疗机构落地、2019年更大规模应用、2020年启动商业化，持续变化，最终形成应用的闭环。

医疗AI的进步源于对效率提升的作用，“AI+医生”相比人工阅片，在时间、准确性、重复性上均有大规模提升，也对医院的效益和成本有优化作用。

深睿Dr. Wise医学影像产品线，目前已经在400多家医疗机构落地，场景包含重疾筛查，基层急诊、特色专科，其中三甲医院占比非常高。

影像AI的八重难关

影像AI产品的临床应用很广，用处很大，对未来也将是很好的支撑，但产品的关键点在哪里？

首先，需求一直都在，最简单的肺结节检测需求已经出现几十年，一直没有被攻克，直到近些年深度学习技术进入医学图像领域之后，才得到解决。

提出问题可能并不困难，但真正的实现，技术是否可行非常关键。虽然是以需求为主，但如果技术不存在或实现不了，产品只能是望梅止渴。

所以，医学影像AI产品的设计、研发、创新等环节尤为关键。

相比AI在自然图像领域的发展，AI在医学影像领域的应用要晚两年。从2015年到现在，所有医疗影像会议上都在提深度学习的论文。

那AI又是怎样从自然图像领域迁移到医学领域？

传统自然图像领域包括分割、图像识别、目标检测、实体分割等角度，对应到医学影像分割为代表的是肺炎识别，图像识别对应脑卒中，目标检测对应X光，实体分割对应冠脉。

这些技术和目标虽然相通，但挑战又完全不同。

问题具体是：

第一，数据稀少，医学影像的数据量相比自然图像角度要更少；

第二，数据标注，医学影像绝大部分数据没有被标注，少量标注数据也存在大量噪音；

第三，多模态，数据来源于多种设备，CT、核磁、X光图像都有自己的特点，有的偏结构、有的偏功能；

第四，样本不均衡，例如癌症数据，常规情况大部分是良性，小部分是恶性，但是医院的数据正好相反；

第五，尺度标准，医学影像中的病灶，发展态势和大小都存在变化，不同类型大小差异非常大；

第六，多任务，医学通常需要诊断多种疾病，同一份影像可能存在多种问题，都需要发掘；

第七，临床导向，以临床需求为目标，对于开发者有很高的门槛；但是临床需求决定了产品应用前景；

文章来源：《影像研究与医学应用》 网址: http://www.yxyjyyxyy.cn/zonghexinwen/2020/0728/410.html

上一篇：贵州首家 省肿瘤医院成立医学3D技术研究应用中
下一篇：医工交叉新起点 电子科技大学肿瘤医工研究院授