IT时报见习记者刘慧莹
“我在医学影像行业做了二十年，经历了很多技术的兴衰，从没有见过任何一种技术，像AI这样发展得如此迅猛。”东软医疗首席科学家黄峰说。“AI+医疗影像”是医疗领域透过AI的万花筒最有可能落地的领域。医院诊断过程产生的患者信息中，影像信息能够在所有生化信息中占比高达90%。基于深度学习的AI，可以通过大量影像数据的训练，培养出比人类医生记忆力更强、计算速度更快的AI医生。
　　然而理想很丰满，AI医疗影像的落地过程却并不顺利。面对高质量的数据缺失、准入资格的政策风险这“两座大山”，包括医疗影像设备厂商、AI初创公司以及着眼于AI影像医疗布局的互联网巨头在内，所有参与者都面临重重阻碍，人们都在试图为AI医疗影像的落地铺设道路。
获取准入资格：一场行业资源的跑马圈地
　　“想要真正进入市场，AI公司的产品是要拿证的。”高特佳投资集团投资研究部执行合伙人张鹏告诉《IT时报》记者：“国内的相关管理机构CFDA（中国食品药品监管局）尚未颁发出一张准入证书，事实上相关的准入标准还在制定当中。”
　　世界范围内，很多国家对AI影像医疗系统有着严格的市场准入制度。以美国为例，其AI影像医疗准入资格证书由FDA（Food and Drug Administration食品药品监管局）颁布，今年3月份FDA颁布了第一款眼底糖网筛查系统。而在中国，一纸准入证书不仅与技术实力相关，更与企业自身具备的行业内资源有着千丝万缕的联系。
　　黄峰透露，如今AI影像医疗初创公司大多以科研名义与医院合作，拿科研成果换医院的影像数据资源。专注于AI领域风险投资多年的张鹏认为，国内AI初创公司大都采用较为“模糊的手段”获取医疗影像的相关数据，这种获得数据的方式一旦面临国家强制监管，很有可能被掐死在政策的红线里。作为投资人的张鹏更愿意与有国资背景的公司合作，因为这样的公司在规范性上有所把控。
　　正当风险投资公司审视着AI创业公司的同时，AI影像医疗初创公司也更青睐具有国资背景的投资方。2018年3月30日，AI影像医疗创业公司视见科技宣布，完成6000万元的A轮融资，本轮融资由具有国资背景的深创投领投；而就在三个月后的6月26日，视见科技完成A轮追加融资，投资方为同样具有国资背景的招商局创投，融资总额达1亿元人民币。
　　张鹏认为，AI影像医疗势必连接两端，一端绑定在医疗器械上，另一端则绑定在医院，有着丰富医院渠道资源和器械厂商资源的高特佳投资集团，近来也受到非常多AI影像医疗公司热情的合作邀请。
　　深圳创新投资基金投资人蒋俊认为，大的医疗器械厂商在资金实力、政府资源方面具有竞争力，在准入资格的获取和维系上，或许最为焦虑的要属既无传统硬件设备生产商背景，又无互联网巨头加持的AI初创公司。
　　互联网公司同样是AI影像医疗发展过程中不可忽视的力量。随着我国科技部对AI的一系列推进政策，互联网巨头作为“优秀学生”优先入局。2017年8月，腾讯发布了首个将AI技术运用在医学领域的产品“腾讯觅影”；2017年7月11日，阿里健康协同万里云共同发布AI医疗系统“Doctor You”；2017年11月15日，科技部召开“新一代人工智能发展规划暨重大科技项目”启动会，公布了“首批国家人工智能开放创新平台名单”，以BAT为代表的人工智能标杆企业入选，成为人工智能“国家队”。
　　腾讯相关负责人对《IT时报》记者表示，AI医疗研究的核心包括算法、算力、数据、场景四个方面，而算法和算力方面正是腾讯的核心优势。AI影像医疗是腾讯在AI医疗布局中的一部分，但腾讯不会只在单方面做单点研究，而是希望通过平台优势，将医疗的全流程都能够智能化，同时在底层业务支持上构建全面的安全体系。与此同时，腾讯觅影尚无盈利目标，其初衷是响应国家政策，积极推动AI+医疗合作建设。
数据标准化：让AI与影像数据“交相辉映”
　　“AI只是个数学工具，但它是一个非常好用的数学工具。它不是万能的，但它在很多场景下真的好用。”作为第一批接触到AI技术的医疗设备开发者，黄峰毫不掩盖对于AI技术的美妙赞叹。
　　黄峰告诉记者，东软集团的AI团队和磁共振团队走得很近。在磁共振图像获取过程中，AI技术从扫描前的准备开始，就参与进来——以往医师在扫描图像前，需要进行预扫描，即先画一个框锁定扫描部位，而这个工作现在由AI就可以完成。“不需要手动填写，扫描时只要说一声，比如‘我要扫描头部’，机器就会自动移床到被扫描的区域，自动选取出需要用到的优化序列，做好所有参数的调节。”黄峰说。
　　AI扫描前自动调整参数的环节，不仅简化了技师的工作流程，更重要的是使得在同一套设备获取的数据趋于一致性。黄峰强调：“一致性是非常致命的问题，因为数据不一致将对做后端的工作造成巨大的挑战。”可以想象，每家医院用的设备都不一样，每个医师的扫描习惯不一样，调整的参数也不一样，所以同样是X光或者是CT图像，每家医院得到的图像数据都是不一样的。
　　蒋俊表示，如今大大小小的AI医疗影像公司在数据上其实都有瓶颈，因为数据标注需要依赖高素质的医生，而他们却并没有太多时间和精力去给图像做标注，医疗影像的标准化是在试图减少人为因素的影响。
　　如今很多医生已经在呼吁医疗影像的标准化，而“影像组学”就是随着这种呼吁而来的新概念。“影像组学”意味着在对患者进行临床诊断时，可以结合该患者过去所有的影像资料，根据历史病情全方位做出判断。数据一致性是“影像组学”的基础，因为这门学科要求医院能够实现对患者所有历史影像数据的存储，包括基于不同硬件设备采集到的数据。
　　在以东软集团为代表的医疗影像设备厂商看来，要想真正把AI用进诊断，就必须先解决数据问题，保证数据的可重复性、可范化性和可比较性。