每每谈及医学影像AI，很多读者会自然联想至计算机视觉技术蓬勃发展的医院放射科。事实也是如此，动脉橙数据库2021年数据显示，标签中存在人工智能技术的公司多达480家，其中有98家从事放射科相关业务。
但就整个医疗人工智能而言，放射科应用虽起步最早，但其市场规模并非最大。随着各类医学AI技术逐步成熟，不少医学场景开始“＋AI”，更多AI应用呼之欲出。
“AI＋超声”便是其中之一。与CT、MRI的静态图像不同，超声图像是动态实时图像。这意味着影像科图像采集与图像分析时间上的割裂并不能存在于超声诊断，这一设备要求两项操作在同一时间完成。此外，动态影像并不如静态影像那样能够简易保存，要对超声影像进行AI研究，必须记录并截取特定时刻特定切面的影像。
技术上的高要求与标准训练数据的缺失导致专注于AI超声研究的企业少之又少，仅几家创业公司涉足其中。但由于潜在的未知价值，不少资本已经盯上了这一赛道。
去年年末，浙商创投通过投资AI初创公司深至科技布局这一赛道，该投资机构在医疗AI的首次出手成就了深至科技单年三次融资的壮举。特别的是，本次融资投资方游向东背景值得一提，他历任浙江医科大学校长秘书、浙大邵逸夫医院筹建处办公室负责人、浙大二院心脏中心副主任、副院长，曾在大型三甲公立医院从事临床、教学、科研、管理30余年，是一名拥有丰富经验的临床医生。
“首次布局”、“资深医生”、“一年三融资”等关键词为“AI＋超声”这一赛道蒙上了一层神秘色彩。为了进一步了解AI超声的独特之处，动脉网对游向东进行了专访，并将采访内容记录如下。
Q：少有企业用人工智能的方式辅助超声诊断，为什么会呈现这样的情况？
A：要解答这个问题，我们首先要对超声有一个基础了解。大家知道，超声是执业医生能够获得的最快、最安全和较便宜的医学诊断工具之一，无论是大医院还是基层，我们都可以使用适当的超声设备帮助患者检查。因此，国内超声检查需求量巨大，每年检查人次可达20亿次，对于任何一家AI企业而言，这都是一个巨大的市场。
需求显著，但缺陷同样不能忽略。不同于静态的CT影像，超声诊断的规范化、标准化一直是一个悬而未决的问题，考验医生的经验与判断能力。举个例子，同样一个病人，十个医生进行诊断，可能会出现不同差异的结果，有的差异会非常巨大。换言之，超声检查的质控非常困难。
这也说明了为什么少有AI企业做超声。深度学习通常需要标准化的标注影像构造训练集用于训练，但这样的影像得之不易，通常需要企业寻求专业医生合作，费时费力，成本也很高。而我们所投的深至科技拥有其独特的产业优势，能够很好的解决数据的问题。
Q：既然需求存在，为什么直到2020年末才切入这一赛道？
A：AI的确已经火了很多年，但行业的热度与成熟度是两个分离的概念。过去的几年，医疗人工智能处于探索挖掘的状态，政策、技术、行业认知均不成熟。虽说智慧医疗是未来的大势所趋，但早期的人工智能或许与最终成熟的应用相去甚远。
2020年是个转折点，一年之中，9款医疗人工智能辅助诊断设备获批上市，这意味着国家已经给予了这一行业一定认可，也意味着人工智能确实能够帮助医院提升效率。
不过，从现在的应用场景来看，影像AI的实力显然没有发挥出来。对于AI，我们有自己的认知，也希望在这里切入，帮助AI更好地发展。
Q：到目前为止，“AI＋超声”能够解决怎样的问题？
A： 从宏观层面上讲，AI对于超声的赋能与其他科室的应用类似，主要是以提升准确率、提升诊断效率为主。但不同的是，超声拥有广泛的基层医疗场景作为应用基础，这赋予了AI超声非同一般的意义。
刚刚我们谈到，超声诊断对于医生的经验有很高的要求，而我国最缺的，便是经验丰富的医生。显然，我们无法在短期内对供给端进行补给，那是否能够通过降低超声的使用门槛，以实现超声的普惠呢？深至科技便是通过这种方式解决问题。
超声诊断分为两步，第一步是获取正确的影像；第二步是对影像进行分析。在实际应用中，深至的AI将在检查时帮助医生锁定可用于诊断分析的影像最佳片段，并对此给予辅助诊断。那么，有了AI作为支持，基层医生只需学习超声的操作方式，帮助其获取可共诊断的影像即可。收集到有效影像之后，医生既可实时诊断，也可将影像结果上传至云端，交给更有经验的医生辅助诊断。通过这种方式，AI实际上解决了超声影像标准化与医生诊断经验缺乏两个问题。
不过，要将理想落足于实处，还需要时间。毕竟，对于村医来说，它们不可能花较长的周期去学习，同时，村医的检查流程时间较短，产品的检查时间需要控制在几分钟内。所以“AI＋超声”能否做到真正的智能化和流程的简单化，非常重要。目前市场的大部分“AI＋超声”的产品还难以做到让一个护士水平的人快速掌握其用法，因此，针对使用流程的优化仍需继续。
Q：未来，AI超声拥有怎样的发展空间？
A：基层医疗是超声应用的一个很好的场景，但并不是唯一场景。在医院之中，超声的应用不止于超声科的诊断作用，还可用于麻醉科、急诊科、ICU等临床科室，辅助完成实时的引导、手术评估，帮助医生做出更加准确的评估，提高对威胁患者生命安全危急症的诊治效率，更有效地进行基本生命功能监测、调控及重要器官的保护与支持。
以麻醉科为例， POC超声在麻醉科的应用，主要集中在超声引导下的血管穿刺、神经阻滞和术中经食管心脏超声（TEE）等方面，旨在提高麻醉操作的安全性和器官功能评估的准确性。这不同于用于疾病诊断的超声检查。而AI在其中的作用则是可以实现创伤鉴定、图像配准／融合、系统质量保证、扫查辅助、多普勒噪声抑制等效果。
当然，对于大型设备来说，AI的作用目前还是锦上添花，但是可以预见在未来，AI的作用将越来越重要。
Q：如何看待AI医疗的商业模式？
A：AI的商业模式是一个老生常谈的问题，但直至今天，它依然是人工智能企业生存所面临的最大挑战。
在投资AI时，我们考虑了三个问题：AI有没有提高诊断、治疗的准确性？有没有提高医生、护士的效率，进而提升医院服务病人的社会效益和经济效益？有没有合理的商业路径？从目前来看，前两个问题的答案是肯定的，但第三个答案，我们只能通过一些经验寻觅线索。
一个AI产品从设计到盈利分为多个步骤，审批是其中的一个关键节点。目前，AI＋超声尚无产品通过NMPA审批，但从FFR、肺结节、糖网病变辅助诊断软件获批情况来看，这一天不会太远。
接下来是寻找付费方，这是最为困难也是最为重要的一点。通常而言，C端用户很难成为付费方——你去医院看病，医生让你支付更多费用使用AI诊断，这一逻辑是不切实际的，患者显然更加信任医生，而非一个看不见摸不着的算法。
那么医院会成为支付方吗？这得看AI是否为其带来了经济效益。美国FFR企业Heartflow提供了一个很好的思路。简单来说，患者在进行冠心病治疗时，是否需要进行造影、是否需要放置支架，我们很难通过传统的影像进行判断，这导致所以患者都必须在检查时进行冠脉造影。在这个过程中，Heartflow发明了FFRCT用以从生理学方面评估冠状动脉的狭窄程度，通过无创的方式减少不必要的冠脉造影，帮助医院节省医疗开支。因此，这种新兴技术很快被医院所接受。
到目前为止，AI超声的市场主要仍是基层医疗，如果能够真正降低门槛，让更多基层医生进行诊断，从长期统计中减低患者的疾病支出，其社会价值同样不可估量。
作者：赵泓维
