五、医学影像云平台 - 医共体

原创不易，多谢关注！谢谢！

1. 医学大影像设备市场现状

目前影像设备，可以说低端产品同质化越来越严重，利润越来越薄，而高端超高端设备，整体销售额却在增长，利润空间也比低端的要高的多。例如，DRX整个产品线，都数据一个中低端产品线，从近三年的销售数据来看，21年14100台，22年12600台，23年11300台，逐年下降，并且利润也很不好，这足以说明普放市场越来差，而且销售额也是越来越低，现在基本上要击败对手的话，只能寻找其他的方案，例如，智能化或者依靠国内县级医共体政策整体给出方案。同样的情况，在CT市场也呈现同样的趋势，在22年共销售6823台，23年共销售5701台，产品分布上来说，16排和<64排CT，主要市场是在L0L1级别的医院和民营医院；L3L2级别的医院反而采购<64排台数下降，在低端同质化的市场，24年16排CT，有可能会进入70W-80W区间。

企业或者渠道，如何才能在恶劣的环境中突围和成长，个人感觉未来可能在以下几个方面，产品，应该向智能化和高端化发展；市场，应该出海；内销，要贴合国内目前的医疗政策方向，设计整体解决方案。

2. 政策解读

未来的医疗政策，我个人解读，中心思想就是在逐步老龄化进程中，既要保证大众的基础医疗服务，还要保持全球的领先的医疗技术水平。

十四五规划中，提出了要建设一批医学高峰和省级医疗高地。集中力量开展疑难危重症诊治技术攻关。截至目前，已设置国家心血管病中心、国家癌症中心、国家老年医学中心、国家儿童医学中心、国家创伤医学中心、国家呼吸医学中心、国家重大公共卫生事件医学中心、国家口腔医学中心、国家神经疾病医学中心、国家传染病医学中心、国家精神疾病医学中心、国家中西医结合医学中心、国家骨科医学中心13个类别的国家医学中心；确定五批125个国家区域医疗中心建设项目，实现覆盖所有省份的目标。省级区域医疗中心建设有序开展。同时，提升市级和县级医院专科能力。聚焦重点病种和专科，布局省级区域医疗中心，缩小地市重点疾病诊疗水平与省会城市的差距。而在，普及基础医疗的措施有夯实县域级医共体，加强人、财、物、技等一体化管理，并以高血压、糖尿病等慢性病为切入点，畅通双向转诊机制。同时，完善基层医疗卫生服务体系。并且，县级医共体需要和市级医院要形成医联体模式。

从政策层面上来看，后续可以结合医共体+基础医疗影像设备结合的模式，提供解决方案；对高端专业医院，要以专科思路（例如市面上的心脑血管，急诊卒中的AI系列产品）+高端超高端设备结合的思路来形成解决方案。

3. 我们的县域医共体对应功能方案

3.1 总体框架

总体应用功能框架，可划分为基础设施层，数据层，服务资源层，业务应用层，用户层；其实这种大的功能介绍，大家可以直接检索“医学影像云技术规范”，很容易知道各级政府需要什么样的大的功能。

基础设施层，包含了虚机，负载，网络，对象存储等硬件设施或者虚拟设施，这种服务，都可以直接从第三方厂商采购，或者直接适配市级或县级自建IaaS和PaaS平台。

数据管理、互通层，主要涉及到影像核心数据库和业务库。影像核心库数据采用noSql数据库，来保证数据可扩展以及在大数量的时候，访问速度。数据采集的来源，第一可以在各机构部署前置采集系统，与院内PACS系统对接，直接获取DICOM影像文件和报告；另一方面，对于L0L1小L2级别医院也可以直接使用云PACS。

互联互通，主要是对一些HL7、DICOM、WADO等标准的支持；对影像数据中心的病例进行访问，据患者主索引，提供查询列表，支持按照医院名称、病人姓名、病历号、检查类型、检查时间、检查设备等检索条件查询，检索影像云系统患者影像检查数据。

安全策略，在传输过程中，可能会涉及到一些加密，校验的工作。

服务资源层，这是和一般IT系统最有差异点的地方，这里会涉及到一些AI服务资源和算法，通过这些算法来支撑应用层。例如影像类，胸部DR智能分析、DR影像质控算法，CT智能胸，包括结节智能诊断、肋骨折、非门控钙化积分，肺炎，肺气肿等智能算法功能，CTA类包括心脏冠脉CTA，头颈，下腹主血管，CTP灌注；MR类有，颅内MR，颅内MRA，乳腺MG线智能分析和质控；另外，还有一种按照专科类别组织的AI产品，例如，脑卒中一站式智能分析，骨科智能分析；另外一大类AI产品主要是针对语言类的产品，包括常见的nlp传统算法，还有LLM大模型的应用。这些语义理解算法，可以用在报告的质控、细分的统计管理、危急值细分和自动提醒（根据分词后的特性去匹配危急值库）、医生工作量的细分和统计（按照部位的难度和多少）、细分阴阳性统计（根据分词后的阳性词，并且将阳性词进行分级，进而对报告阳性进行详细级别分级）等等，很多针对报告类的应用；

业务服务层，这包括了目前我们常见的影像业务，包括1. 院内业务之前的几篇文章都有详细的介绍，2. 院间协同业务，包括，远程影像，多学科会诊，远程读片会，3. 区域影像管理，包括统一报告影像质控，运营管理业务（配置权限管理，院内业务和院间业务管理，医生业绩管理，质控中心管理），4. 终端影像服务，包括云胶片业务，医生的多端阅片，专业的影像后处理功能。

用户层，

以上很多功能点，大家都很熟悉了，下面的文字，主要介绍下，我们在做某些业务的时的做法和思考。

3.2 远程

我自己实现过的模式大概分为以下三种方式，第一种是协同国家卫健委提出的医共体模式，这种模式通过权限控制，可以直接查看和诊断医共体内部的病例；第二种是协同医联体模式，这种模式下，基层医院可以对疑难病例发送上级医院进行诊断；第三种模式，没有以上两种粒度大的一个概念，是类似滴滴的方式，基层和上级相互之间无法直接对接，是通过平台来进行推单的方式来进行运营远程影像病例。

3.3 互认中的影像质控工作的开展

在医联体落地过程中，比较麻烦的就是设备和人员技能良莠不齐，如何来通过有效的方式，统一评价影像和报告的优劣，确实是个比较难解决的课题。

3.2.1 质控工作内容

质控主要工作内容包括有，科室管理制度、对比剂质控、影像质控、报告质控等四方面；以下是我们的影像质控界面。

质控工作，需要针对各种设备类型来开展，MR、CT、DR都有不同的质控规范；大部分都是由各地卫健委来组织人确定标准。例如，以下是天津市质控部分标准草案，基本的思路是将影像分级的思路。

而北京市的思路是评分，满分100分，也有一键否决权的项目。

个人感觉还是北京市的比较好执行。

3.2.2 质控工作如何开展

3.2.2.1 影像质控

我们从评价的标准中可以看出，有些内容，有些内容很难去执行，例如北京市中，告知检查注意事项的条款，需要去询问病人，医生是否告知了注意事项。但是，有些内容也是非常容易操作的，伪影，FOV，扫描范围，层厚和层间距，这些都是可操作性很强的事项。但是，这个工作可以通过AI算法来进行评价。这样的结果会大大降低对下级医院抽查所产生的误差，也能大大降低影像质控组的工作量。例如，我们可以对所有的影像都进行AI质控，对AI有阳性判断的图像，人为的再确认一遍的方式来开展。

目前，我们针对CT图像，可以实现FOV视野过大过小，扫描范围是否全面，体外金属异物检测，运动伪影的指标可以通过分类的方式来实现；在DR质控中，指标主要集中在胸部平片，在异物检测（卷积模型），曝光过高 // 曝光过低（ 图像灰度直方图判断），呼吸伪影 / 运动伪影/（这两类伪影都可用一个模型判断），肺区不全和照射野过大；锁骨以上预留空间不足，肩胛骨遮挡肺区，心脏反位，脊柱偏离中心的指标的算法进行质控。

3.2.2.2 实现报告质控

我们目前的做法是通过语义理解的技术路径去实现的。可以判断错字，方位矛盾，部位矛盾，逻辑矛盾，性别和年龄矛盾，从而得到报告内容中的错误，进行回顾式质控。最终，可以统计出哪些部位的报告，哪些医院，哪些医生，容易出现的问题，进行统一培训。以上所有的工作，都可以通过算法模型来处理，大大节省管理成本。

接下来，再另写一篇在医共体中，如何开展区域运营工作和通用人工智能的简介的文章！