医学影像AI未来会如何帮助临床应用

智慧医院建设离不开数智化影像科建设。影像数据库“体系化”建设作为数智化影像科建设中的关键一环，对下能连接打通医院影像业务系统，简化数据“存储取”流程，对上能推动医疗卫生服务模式高质量发展，加强健康医疗大数据创新应用与行业管理，使得全民健康信息新基建建设真正深入人心。  

2022年12月17日-18日，由中国医学影像AI产学研用创新联盟（CAIERA）主办的「第三届中国医学影像AI大会」，在线上盛大开幕。

本次大会将以“AI破冰，你我同行”为主题，围绕医学人工智能产品临床应用实践及未来展开讨论，探讨人工智能产品在健康中国行动中的应用场景、存在的问题及挑战、人工智能产品真实世界数据验证等相关问题。

作为本次大会的战略合作媒体，雷峰网&《医健AI掘金志》进行了全程报道。

本次圆桌的主题为“智慧医院及数智化影像科建设”，由健康界创始人赵红担任本环节的主持人，国家卫健委能力建设与继续教育中心主任杨爱平、中国医院协会副会长方来英、中国放射医师分会协和医院会长金征宇、上海卫健委医政处处长吴宏、上海市同济医院院长程英升、原复旦大学副校长张志勇参与讨论。

国家卫健委能力建设与继续教育中心主任杨爱平表示，“当前我们已经进入医疗卫生变革发展的关键时期，同时也是引领卫生健康事业高质量发展的重要机遇期。下一步，我们将推动建立国家层面的、覆盖业务全链条的数据采集的传输汇集系统和存储系统，并依托国家级、省级以及区域健康医疗大数据创新应用中心，牵头构建全国一体化健康医疗大数据协同创新应用体系，总结、示范和推广一批大数据应用示范的典型。”

中国医院协会副会长方来英表示，“现阶段医疗影像AI的诊疗评价体系建设非常必要，它不仅要包含技术评价，如影像AI诊疗质量、诊断效率等，还要包含影像AI产品的普及对社会总体医疗费用消耗成本的影响评估。企业医患要学会站在更高角度算大帐。”

中国放射医师分会协和医院会长金征宇表示，“企业在设计产品时，需找准服务对象的痛点，例如是专攻哪一类疾病的医生，是三甲医院医生还是基层医院医生，这些都是需要纳入考量的因素。医生势必要被AI所取代一部分重复性工作，所以医生应该重拾老本行，走到临床和病人面对面沟通，并付出更多时间总推进精准治疗以及基层单位或者偏远地区的医疗诊断水平。”

上海卫健委医政处处长吴宏表示，“目前上海已经推动公立医疗机构的影像学互联互通互认，基于同一影像学标准，相应医疗机构都可以进行调阅，从而进一步优化影像保存保管，最大效率启动远程影像会诊，更重要的是，减少患者重复检查和不必要的放射性损害。”

上海市同济医院院长程英升表示，“在智慧医院的整体建设上，同济医院是国内较早推进相关工作的医院，特别是在医疗智慧服务和管理方面做了大量的探索性工作，并在智慧病房应用、智慧物流管理、智慧安防系统都做了全面应用。此外，同济大学在无人智能系统应用方面做了积极探索，并推动医工结合等相关工作，未来会聚焦到影像科建设中。”

原复旦大学副校长张志勇表示，“设置研究课题的部门应该从顶层设计，让课题研究方向更多向医学影像AI领域倾斜；中层即市级科委，医院、高校科研处，以及高校资产经营公司等，要搭建一个临床医生和AI技术人员之间的顺畅的沟通平台；基层的一线医生与技术人员也要敞开心门，以解决临床问题为核心促进彼此的交流与对话。”

以下为圆桌访谈的现场内容，雷峰网&《医健AI掘金志》做了不改变原意的编辑和整理。

赵红：作为医学影像人工智能建设的要素之一，我国数据库建设仍然缺乏。目前可公开的数据库不多，数据的标注标准也不统一。在2020年第二届医学影像AI大会上，医学图像数据库、放射影像数据库等项目正式启动，建成后也将成为国内首个医学影像的标准化数据库。如今时隔两年，放射影像数据库建设进度如何，建设放射影像数据库的价值和建设蓝图是什么？放射影像数据库建设和医疗AI有什么关系？

杨爱平主任：孵化一个AI产品需要足够的养料，数据是人工智能的粮食，是信息化的基础，更是为医疗卫生业务赋能的重要资源和关键因素。因此，没有权威科学的高质量的数据作为支撑，整个医疗卫生事业的高质量发展以及人工智能的应用，都是空中楼阁、无米之炊。

近两年来，国家卫健委一直致力于推动医学影像AI的发展和应用，在顶层设计上与国家药监局、工信部等相关部委合作出台了系列政策举措。2022年7月5日，国家卫生健康委能力建设和继续教育中心发布《关于放射影像数据库建设项目课题立项评审结果公示的通知》，正式拉开影像数据库“体系化”建设的序幕。

为什么要推进影像数据库“体系化”建设？

从大的方面看，卫生健康事业要实现高质量发展，就必须重塑医疗卫生服务模式，而模式重塑最为有效的路径，就是要以数字化、网络化、智能化转型来推动卫生健康工作，实现质量变革、效率变革和动力变革。

今年11月，国家卫生健康委、国家中医药局、国家疾控局联合发布《“十四五”全民健康信息化规划》，《规划》部署了要实现的八大任务，其中一项任务就是要“完善健康医疗大数据资源要素体系”，加强健康医疗大数据创新应用与行业治理，强化数据全流程质控和数据治理，推进健康医疗大数据中心建设，并将其作为全民健康信息新基建、数字化智能化升级改造的重大工程来推动，从而稳步推进医疗卫生服务模式架构。

因此可以看出，国家层面已经充分认识到了数据库的重大价值，并已将其放在新基建和数字化、智能化升级改造之重大工程的战略高度来全力推动。

那么在数据应用方面，如何充分激活数据要素的价值潜力？

基于对数据库价值的充分认识，《规划》指出，我们要进一步强化数据标准建设和规范化、科学化的数据生产，进一步破除数据共享壁垒，畅通数据共享通道，推进数据全生命周期管理，构建一个“基于数据驱动的、有利于数据价值潜力发挥的生态体系。”这对于人工智能的应用与发展至关重要。

实际上，去年年初，国家卫健委已经设立了“国家健康医疗大数据创新应用示范中心”，目的就是要基于上述理念，稳步推进国家临床重点专科大数据库的标准化、权威化、规范化建设与应用。放射影像数据库作为其中的一个重要子库，在推动医疗卫生事业高质量发展，推动大数据自身的价值发挥方面，都具有十分重要的意义。

下一步，我们将按照国家卫健委规划信息司的要求，特别是按照《规划》对“健康医疗大数据创新应用示范中心”的职责任务要求，全面建立国家层面覆盖业务全链条的数据采集、传输、汇聚和存储体系，畅通数据汇聚渠道，推进数据模型设计、数据应用技术、数据质量全流程管理能力建设，制订健康医疗大数据分类、分级、分域应用规范，形成一批健康医疗公开数据集，推进积极稳妥、安全有序的共享开放。同时，依托国家、省级和区域健康医疗大数据中心，牵头构建全国一体化的健康医疗大数据协同创新应用体系，及时总结、推广、组织一批试点成效好、带动效应强的健康医疗大数据创新应用示范项目，以点带面、点面结合地推动应用成果转化。

总的来说，这一系列工作都是彰显数据库价值的具体方式，所以它的蓝图非常美好，我想它对于医疗AI的发展也会起到直接推动作用。

赵红：就着上述回答，还想进一步问杨爱平主任，目前国家在推进分级诊疗过程中，医学影像AI未来会如何帮助全国各级医院、各级医生提升诊疗质量？

杨爱平主任：在分级诊疗体系的整体建设中， 医学影像AI一定会有力推动各级医院的诊疗质量提升，特别是基层县域和县以下的医疗卫生机构诊疗能力提升，这是不可置疑的。

分级诊疗关键在基层。对基层医生来讲，基层医院最大的问题是缺乏精良的医学影像诊疗设备和精湛的医学影像诊疗能力，而医学影像技术又是基层患者最为普遍、最为广泛的诊疗需求，面对这一医患供需矛盾，在短期内无法根治这一矛盾的前提下，以基层医疗卫生的问题、需求、应用为导向，以医学影像大数据库为支撑，所孵化的医学影像AI产品，无疑成为基层医生临床服务中最为直接、最为有效的帮手。特别是在国家大力推进“互联网＋医疗健康”服务的背景下，医学影像AI未来在基层应急救治、远程会诊、远程检查、医学教育培训、临床辅助诊断决策等各个应用场景方面，必将发挥出独特的不可替代的作用。

具体到放射影像数据库建设，在刘士远教授的带领下，各项工作都在有条不紊地推进。在前期近两年的工作基础上，今年7月，我们组织了以刘士远教授为核心的权威专家团队，通过严格的课题评审，正式确立了拟全面推进的近20个立项课题，2023年，我们将全面加快推进各课题落实。我们期待，放射影像数据库加快推进，率先开展应用示范，在人工智能服务于医疗卫生方面树立良好标杆，全面助力我国分级诊疗制度建设。

赵红：目前医学影像AI在收费过程中仍面临系列问题，如，医学影像AI的市场份额较低，三级医院收费比例仅4.4%，二级医院为5.9%；另外，尽管目前41项医疗影像AI产品获得国家药监局三类注册证，迈出了商品化第一步，但付费方、付费方式仍模棱两可。因此医疗影像AI产品前景如何？中国医院协会方来英副会长曾任北京市药监局局长，北京市卫健委主任、党委书记，有请您来回答。

方来英副会长：如果企业将一个独立AI产品上市，作为商品交易一定要付费，毋庸置疑。但是谁付费，怎么付费，目前都还没有一个稳定机制。在目前的诊断诊疗体系中付费项目中，并没有创造出影像AI诊断这一类别，因此经常出现“捆绑付费”的问题。未来如何重构医疗价格体系，是否涉及到整体性调整等问题，需要各方进一步讨论。

但在讨论的前提是，我们必须认识到这一问题是，我们必须承认医疗影像AI的价值，承认它对现有影像系统的增值，并承认这种增值需要付费支持。因此，接下来的重要问题是，医院、患者、医保，谁该为医疗影像AI产品付费？

对于企业来说，谁买了谁付费；对于医院来说，谁享受服务谁付费；对于患者来讲，是否将影像AI诊断费用纳入医保，个人只需要承担部分费用。在这个过程当中，我们要警惕两个问题：

一，影像AI系统的临床应用前景无可置疑，但它作为一个独立商品，市场化前景怎么样？

二，未来CT制造商、核磁制造商、影像学超声等设备商，是否捆绑销售影像AI诊断，那么医院和医生将来还能做什么？

针对这两个问题，我认为现阶段医疗影像AI的诊疗评价体系建设非常必要。它不仅要包含技术评价，如影像AI诊疗质量、诊断效率等；还要包含影像AI产品的普及对社会总体医疗费用消耗成本的影响评估。因为任何新技术的使用单价可能是高的，但对于社会总成本一定是降低的。举个例子，AI系统鉴别功能在大规模早筛行动中多次得到验证，帮助患者快速进行筛查，那么病人全生命周期的社会医疗费用成本会降低。

赵红：影像AI的落地前景是光明的，但道路是曲折的，请问方副会长，医院和企业应该如何推动医疗AI的临床应用和商业化落地？

方来英副会长：针对医疗影像AI的商业化落地，我提供几个建议：

首先，有抱负的企业一定要在产业标准、产权保护上下功夫，也就是我们讨论任何商业模式，都要建立在本身技术和产品过硬，得到社会所公认。过去企业往往强调技术优势，但是医保部门以及价格管理部门，他们关心的是资金安全和资金使用，因此企业应该在医保资金的使用、医院成本控制等方提供大量实证研究，以足够的案例去分析、研究和阐释AI的价值。

其次，医院要善于提供应用场景。医院是发展中国数字医疗，AI医疗的关键平台，因此医院在高质量发展中，要主动和企业、工程师合作，推动产品升级，从医工合作的角度推动融合竞争。此外，医生也要配合企业一起推动医疗影像AI的应用环境建设，比如在AI条件下的医学伦理学建设、医疗影像AI的法律法规等制度建设，医疗责任归属以及质量追溯问题等等。

第三，基层医疗机构要配合企业、国家政策推动AI诊疗能力升级。实际上，患者最关心的是“为什么看病要用AI”，因此企业和各级院方一要讲明白AI对诊疗能力的作用，二要善于造势。比如当下中国医疗环境中最大问题是医疗资源发展不均衡不充分，“二十大”报告中多次提到优质资源扩容，发展分配均衡等问题。因此各方要进一步跟紧国家发展大势，将大型医疗机构的触角渗透到更远更边角的地方。我相信，这种渗透对于提高居民服务质量、拓展基层的服务通道，解决当下中国存在的发展不均衡不充分的社会主要矛盾能够做出重要贡献，最终使得全社会形成一种AI公认。

第四，数据库建设也非常重要。数据是财富，是资产，但是没有转化的数据却不是财富，不是资产。病案工作者都知道，病案是医院的宝贵财富，蕴藏着丰富的医疗经验，只有不断挖掘、通力合作，才能释放数据价值。因此，在数据问题上，医院要有一个“拆墙”的准备和过程，要充分意识到：数据越大，资产价值越高，而“大”的前提是要拆墙。未来在拆墙过程中一定会涉及到数据产权问题、确权问题，都需要制度建设跟上步伐。

总体来说，推动医疗影像AI的付费建设，需要让医疗AI产品找到自己的功能点和付费依据，同时也要特别提醒企业避免将医生和设备过度合一化；更重要的是，企业、政府以及医院，要站在更大的格局上看待AI产品对社会总成本的影响，期待各方在医疗场景重构过程中，能够从方方面面参与建设，完善医疗影像AI的落地体系。

赵红：从应用落地上看，目前影像AI产品已覆盖流程管理、图像采集、图像重建等多个环节，41项创新产品获得了国家药监局三类注册证，其中深度学习的图像重建和肺结节检查、冠脉疾病诊断等产品已进入常规临床应用。在您看来，目前上市的医疗AI产品和临床需求之间是否已经匹配，还存在哪些差距？如何看待医学影像AI在临床应用上的未来前景，当前医学影像医生应该如何应对？

金征宇会长：目前上市的医疗AI产品和临床需求之间，不能说完全不匹配，还是存在着一些问题，但要完全匹配显然是不太现实的。

此前在国内第一批影像AI产品研发过程中，我们对企业和医生专家做过协调，那时候大部分企业还是以工程师的头脑看待产品研发，但研发过程中大家逐渐意识到，产品设计中的根本问题是考虑受众，也就是医疗AI产品到底是为了医院、患者、企业、还是国家而设计。

具体来说，如果产品是为医生设计，那么医生需要的是一个不会完全取代医生的AI产助手。因为患者的直接交流对象是医生，你会发现患者在看病时眼睛会盯着医生，在医生的脸上寻找什么。他们是在寻找医生的反应，这恰恰是AI产品所不能够给予的。

那么医生最需要助手具有什么能力？量化。中国的医生尤其需要量化。因为中国病人众多，医生工作压力非常大，还需要做多次随访，那么这些非常重复性且相对低价值的工作，恰恰非常适合AI。

值得注意的是，企业在设计产品时，需找准服务对象的痛点，例如专攻哪一类疾病的医生，是三甲医院医生还是基层医院医生，这些都是需要纳入考量的因素。未来企业要对医生的工作场景建立更深的认知。而医生势必要被AI所取代一部分重复性工作，所以医生应该重拾老本行，走到临床和病人面对面沟通，并付出更多时间总推进精准治疗以及基层单位或者偏远地区的医疗诊断水平。

赵红：“政产学研用”联合是促进医工融合重要模式，张志勇教授既是放射影像医生出身，又做过医院管理者，也做过高校校长。您认为，当前医院的医生和高校科研院所，如何开展医工融合的医学创新，我们需要什么样的机制设计和生态构建？

原复旦大学副校长张志勇：谢谢赵红，这个问题特别好。我认为，我们应该从思想上积极拥抱医工创新模式，首肯医工融合形式的医学创新是AI产品研发的必经之路，积极响应国家“健康中国2030”的规划纲要；其次，在工作过程中要秉持开放态度，要从临床实际工作当中发现问题。

从三个层面来说：

一、顶层，课题研究方向要更多向医学影像AI领域倾斜；

二、中层，即市级科委，医院、高校科研处以及高校资产经营公司等，要搭建一个临床医生和AI技术人员之间的顺畅的沟通平台；

三、基层，一线医生与技术人员，要敞开心门，以解决临床问题为核心促进彼此交流与对话。此外，基层工作者也要加强培训，除了医学基础知识以外，还要学习必要的数学建模等知识，这是AI对新时代医生提出来的一个挑战。

赵红：从国家级医学中心影像中心建设的角度，未来要强调共建共享机制，那么医学影像AI是否具有一个应用共享的学科能力？其次从区域性数字医学影像科的发展上看，老百姓能否实现“不用带片子就能去医院看病，或者去外地看病”的愿望？

上海卫健委医政处的吴宏处长：医学影像AI的发展，对于解决当前国家医疗资源布局不均衡不充分矛盾的帮助非常大。我们希望打造通用影像学AI产品，一是提高医学影像发展水平，有利于患者了解疾病发生发展动态；二是发挥影像AI平台的教育培训作用，积累更多疑难疾病诊疗经验，提升全国医学影像水平。

目前我们在上海已经推动公立医疗机构的影像学互联互通互认，基于同一影像学标准，相应医疗机构都可以进行调阅，从而进一步优化影像保存保管，最大效率启动远程影像会诊，更重要的是，减少患者重复检查和不必要的放射性损害。

赵红：我们看到，目前全国智慧医院建设分为三个部分：智慧医疗、智慧管理、智慧服务，三者都与影像AI有关。但我想有请上海市同济医院程英升院长从您的观察出发，谈谈目前医疗资源扩容、院区管理、分级诊疗、智慧医院、学科建设等发展热潮当中，数字化的医学影像科的地位如何，比如现在已有41种上市医学影像产品，同济医院是如何投入建设，过程中的机遇和挑战都是什么？以及您如何看待医学影像AI产品的市场化前景大好和应用推广难这一矛盾？

上海市同济医院程英升院长：在智慧医院的整体建设上，同济医院是国内较早推进相关工作的医院，特别是在医疗智慧服务和管理方面做了大量的探索性工作，并在智慧病房应用、智慧物流管理、智慧安防系统都做了全面应用。

第二，同济大学在无人智能系统应用方面做了积极探索，并推动医工结合等相关工作，未来会聚焦到影像科建设中。比如，新建病房楼里引进全数字化影像科，提高影像诊断精准性，减少医护人员对影像设备造成损害。一些大型公司产品目前已经投入临床应用，有，商汤公司的肺结节和肋骨重建等AI系统正在试用中；数坤冠状动脉重建和CT软件；新锐医疗的冠状动脉重建和颈动脉重建软件；联影合作的智能肺结节，肺栓塞和脑动脉重建的软件AI产品。

未来我们还跟联影智能影像研究院，以及德国、瑞士等国家进一步加强国际合作，推进AI在影像科的全面应用，希望通过远程医疗将AI产品逐步推广到医疗集团和医疗联合体，这是一个很好的发展方向。但牵涉到整体信息化建设的要求，以及AI产品的标准化、规范化、收费问题，还要进一步做很多工作。

医院来会医学影像关键时期