近日,浙江大学医学院附属儿童医院(以下简称:浙大儿院)与依图医疗正式宣布结成战略合作伙伴关系,并发布全国第一款儿童骨龄智能辅助诊断系统。
“在与医院合作的过程当中,我们看到了未来一起制定中国儿童骨龄新标准的可能。”依图医疗总裁倪浩在接受采访时表示。
今年 5 月,依图科技宣布完成 3.8 亿人民币 C 轮融资,资金主要用于医疗领域 AI 核心技术的研发、医疗行业临床应用的拓展,以及医疗人工智能团队的建设。
医疗人工智能领域中,以医学影像切入行业快速落地的公司很多,每家公司在落地的模式上虽然不尽相同,但相似度还是很高,切入的疾病领域也是以肺结节、糖网、甲状腺等为主。算法已经不是 AI 能力的壁垒,如果说数据的获取是 AI 入门的门槛, 医疗人工智能的企业也相继通过各类途径获取了数据,在不同病种上做出了行之有效的产品。那接下来,比拼的就是落地应用的速度了。
一款医疗人工智能产品能不能应用,第一线的医生具有很大的话语权。考虑到数据隐私、产品准确率以及医生对人工智能产品的接受程度,落地过程往往需要付出巨大努力。2016年,依图医疗团队以小儿常见病为切入点,与广州妇女儿童中心合作拓展医疗人工智能领域,2017年初又将人工智能技术应用于医学影像领域,与浙江省人民医院、浙江省肿瘤医院、复旦大学附属肿瘤医院等进行合作,在胸部CT智能辅助诊断、小儿常见病辅助诊断以及医疗大数据平台的建设方面也做出了一些成绩。
为什么这次会与浙大儿院合作骨龄人工人工智能产品?倪浩笑着说道,这是受自己儿时的经历启发。“我小时候发育比较晚,在同龄人中比较矮,家人不知道该怎么办,就拼命给我吃东西。如果那时候有现在的医疗技术,家人可能不会这么着急,我也不会那么胖。”
倪浩的儿时经历并不是个例,家长为了让孩子长高,会用食补、药补等一切可能管用的方法。雷锋网了解到,在发达国家,骨龄检测早已被纳入为青少年儿童体检的重要一环。但长期以来,我国缺乏大样本的骨龄和身高长期追踪观察数据,中国健康儿童的骨龄数据库并未建立起来,临床应用的骨龄检测方法也各有弊端,没有办法满足临床要求。
两种主流的骨龄分析法
据浙大儿院副院长傅君芬教授介绍,人的骨骼生长发育受到遗传因素、营养水平、饮食习惯、地理环境、人文环境等多重因素的影响,不同年代、不同种族和区域的儿童青少年的发育会有所不同。所以,针对不同民族和区域,也应当制定相应的骨发育评价标准,并随社会发展因素的变化及时修订。以往,传统的骨龄片研判有两种方法:
据雷锋网(公众号:雷锋网)了解,G-P 图谱法和 TW3 计分法分别依据美国20世纪30-40年代和欧洲20世纪70-90年代的白人儿童,由于种族差异和社会经济发展的变化,该标准不完全适用于东亚儿童。
为此,自20世纪60年代以来我国学者张果珍、顾光宁、张绍岩、叶义言等曾提出中国人骨龄百分计数法标准、手腕骨发育图谱、CHN法、TW3-C、RUS-CHN及叶氏骨龄法等,为我国儿童青少年的骨龄评定做出了巨大贡献。
然而不管经典的 GP 图谱法、TW 计分法以及在 TW2 或 TW3 基础上改良的我国 CHN 法, TW3-C 法和叶氏法均存在这样或那样的不足。G-P 图谱法简单但主观性强不够精确; TW3 法精确但较为繁琐,耗时长,需要对桡-尺-掌指骨13 块骨(RUS(R)系列),以及腕部7 块骨(Carpal(C)系列)共20块骨做8个等级的评分和计算,即便使用计算机软件也需耗时15-30分钟,临床实际工作中难以推行。
G-P图谱法由于使用简便、直观、耗时短,在国际上有较高的权威性,因此国内外临床实践中仍广泛使用该方法。然而由于许多儿童手腕骨的发育不一定像标准片那样均衡,G-P 法在使用过程中最大的困难的仍然是整片比较的主观性及不精确性问题。
上述的两种主流分析法,就是“鱼和熊掌”。在没有人工智能介入前,速度和准确度几乎是一道单选题。
人工智能在儿科领域如何应用,在和傅君芬教授聊到这件事情之后,倪浩就察觉,骨龄检测这种事情是最适合人工智能做的。“这种需要拆分、计算的工作,医生花15分钟做的事情,计算机几秒钟就可以完成。而且,专家能做的事情,机器也一定能学习好。”
与技术需求共生的情况是社会需求,“我们了解到的是,全国的儿科医生缺口大概是20万,父母对儿童健康的重视和医生团队紧缺的矛盾,在一定程度上造成了医患关系的紧张。这也是触发我们想从儿科领域切入的原因。”
儿童骨龄智能辅助诊断系统
据雷锋网了解,图谱法的基本原理是:每岁(包括半岁、3个月)一个标准骨龄图谱,运用图谱法把被测者的图片与标准图谱对照,即得出骨龄。
TW3 计分法是根据各骨发育的阶段或分期及其对应的分值,计算总分,从相应标准查出骨龄的评定方法。其X线分期方法是将手、腕部20个骨骺的骨发育分为8或9期,即桡骨、掌骨、指骨、钩骨和大多角骨各分为9期,尺骨和7个腕骨各分为8期。各期的顺序以英文大写字母、从 A-I 起依次表示。
依图医疗的这款医疗儿童骨龄智能辅助诊断系统,就是在这两种主流的骨龄分析法的帮助下,将临床影像和医学知识进行结合。通过深度学习技术,基于TW3/GP等标准,对儿童骨龄进行高速智能检测。影像输入系统后,即可将病例的骨骼数据进行分解,对比已有的骨龄数据,对各个骨骺的发育情况依次打分,参照 TW3 的计算公式得出最后的分数,以此诊断病例的生长发育情况,影像输入后5秒内即可输出骨龄结果。因为可以避免人工判断受到外界干扰和计算能力等主客观因素,因此系统在保证骨龄检测准确性的同时,大幅提升检测效率及稳定性。
在倪浩看来,骨龄检测这件事的意义在于骨龄评价与生长板结构性变化存在密切的关系,所以骨龄可作为生长板衰老的标志。测定骨龄可以用来辅助诊断儿童身高异常的病因。据倪浩介绍,与专科主任医生判定偏差小于半年的比例达到98%。
双方在数据上花了多大精力?
这是做医疗人工智能的人常被问及的另一个问题:如果医院看不到明显好处,凭什么要把数据开放给你?但如果没有高质量的数据,医疗人工智能的深度学习也就无从说起。
谈到此次依图医疗和浙大儿院的合作细节,浙大儿院院长舒强表示,双方的合作是一个很正规的流程。
正规的流程是什么样?依图医疗在研发骨龄诊断产品时,方案先后经医院伦理委员会探讨、院领导研究决策、医院技术科等三个环节的验证。医院的信息科会决定什么数据用于科研目的,并进行数据脱敏(保护患者隐私)等步骤。产品成型后,还需经过医院试用检验。据傅君芬副院长表示,为了签订此次战略合作协议,双方前期已经沟通了半年时间。
数据获取后,如何进行数据标注也是一大问题。因为没有专业医生来做老师,机器就无法进行学习。倪浩表示,给机器贴标签这件事很专业,软件公司搞不定,所以一定需要放射科、内分泌科的医生反复跟踪。在和浙大儿院合作这件事上,院方投入了40多位医放射科生,“目前,我们拥有的健康人群的样本量是1.4万,这些样本主要是来儿院进行体检的相对健康的人群。在深度训练了数千份样本之后,机器就可以自己进行学习。”
制定儿童骨龄发育新标准的意义更大
既然是做产品,那么企业一定会考虑到盈利的问题,但是现阶段,医疗人工智能企业目前都处于探索的阶段。对于这个现实的问题,倪浩又是如何看待?
“我觉得,目前非要从原有的收费体系里扣一部分作为人工智能的收入的思路很不正确。医院的医疗体系变化非常大。”至于商业模式的探索,倪浩认为“软件费用收取”是业内采取的主要模式,但是依图医疗并不一定要采用。人工智能产品的潜在付费方有可能是保险公司、体检中心、药厂等,但现在“哪里是羊毛哪里是猪”还在探索过程中。
而且,倪浩表示,在医疗付费方面,保险公司付费的方式在美国很好,美国医疗体系本质上是由保险公司驱动的,但是中国的国情不一样,但是有一点是一样的,那就是服务好医院才能赚到钱。只要人工智能对医疗有帮助,一定会盈利。
倪浩说到,依图医疗从去年成立到现在,没有想过“收钱”这件事。他表示,所有产品的研发都是为了能够落地,嵌入医生的实际工作流,而不仅仅是停在研发或者demo层面。“我们最重视的是人工智能给医院带来的价值有多大。浙大儿院这样的医院是我们的种子医院,我们双方是合作研发的关系。我们一起在某个疾病的科研上一起努力,所以即使是在儿院身上收入1000万也没有意义。”
依图医疗副总裁方骢也曾在演讲中说道,“一方面是为了完成商业模式的闭环,能够进入收费模式;另一方面更是因为必须得落地,嵌入医生工作流,真正解决医生的临床痛点,帮他们解决实际工作中的问题,他才会产生强烈的意愿去用,有了强烈的意愿去用,用户才产生强烈的购买意愿,所以我们研发的策略是非常明确的,我们不是什么产品热做什么,所有产品线必须能够解决临床痛点、投入临床使用。”
此外,令倪浩特别兴奋的一点是傅院长为他描述的一幅“蓝图”——未来要制定未来儿童骨龄发育新的标准。“不只是为临床医生服务,最后通过这个人工智能的模型反过来建立新的标准向全国推广。这种社会价值和意义可能更大。”
“很多问题是自己想象出来的”
一个团队的带头人,创业伊始都要考虑这么一个问题:我们要做一家什么样的公司。倪浩也经历了一个很长的过程,他在找依图医疗的定位——我们是一家人工智能的公司还是一家医疗公司。他认为,这一点对于公司的战略都会有很大的影响。“有人之前问,到底是 AI+ 医疗还是医疗+AI ,至少是说今天是把你自己当成AI公司还是医疗公司。”
倪浩把依图医疗当成是一家医疗公司,核心竞争力是 AI ,在这个定位下依图医疗建立了很大的医生团队,包含很多全职医生,也包含了很多兼职医生。“这个医疗公司比以前的医疗公司还要深刻,是因为我们今天做的东西是要重构临床工作流,所以对于临床工作流没有一个非常深刻的认知是不可能做到这一点的,你做人工智能永远只是做一个科室级的,做一个工具而已。”
在采访中,有人向倪浩列举了医疗人工智能企业创业中的几个“悲观”的大环境,例如人工智能在诊断过程中给出错误的判断,是否需要承担法律责任等。对此,倪浩笑着说,“曾经有人举个例子说无人驾驶卖了100万辆车死了一个人就是天大的事故,如果是人类驾驶可能就不会过多苛责,这就是伦理的问题。我觉得这个回答是错误的。很多问题是自己想象出来的障碍,当你没有临床实践经验的时候,你就会把这些事情都看成问题了。”
当然,在中国使用医疗数据,确实存在一些困扰。比如,医院的信息化程度偏低,医院将自家数据当作“金矿”不肯分享,造成数据不全、割裂,给数据的利用造成诸多不便。但倪浩认为纠结于这一点没有意义,他觉得这倒是一个机会,创业公司就是为了解决这些问题而存在,把问题解决好能够成为公司的竞争力之一。
好在国家对医疗数据应用的态度并不保守。在 2016 年发布的《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》中,“坚持开放融合、共建共享”成为一个基本原则。面对以单个医院为中心的一个个数据孤岛,构建临床多中心医学影像数据平台,为人工智能技术发展构建一个高质量的数据平台,已经是许多专家医生的案头研究。
在倪浩看来,人工智能产品比较新,而在监管层面,中国也要像美国食药监学习,学会思变,采取更迅速的应对方式。监管和创新,如何把握好度很重要,太松会像互联金融一样乱象丛生,收得太紧新生事物就会被扼杀掉。