從短期看，人工智能在輔助診斷方面有著積極的作用；從長遠看，人工智能技術在醫(yī)療行業(yè)的研發(fā)和應用，有利于分級診療制度的建立，基層的醫(yī)療機構的診療水平也得到持續(xù)提升。

文｜任曉漁

編｜趙艷秋

頂級醫(yī)院、醫(yī)療AI公司、算力供應商，正嘗試用數(shù)據(jù)、算法和智慧算力的組合，來打通中國成人致死率最高疾病，在急救中的堵點。

腦卒中，我國每年有300萬人新發(fā)。其中，缺血性腦卒中大約占所有腦卒中的70％左右。救治每晚一分鐘，就多一分致殘致死風險�，F(xiàn)代醫(yī)學干預原則是，盡快打通血管，在腦組織徹底壞死前干預治療。

影像學分析環(huán)節(jié)是救治中的“堵點”之一，腦卒中的臨床表現(xiàn)多樣、病因復雜，影像學評價給出準確的評價耗時長，一般需要從業(yè)多年的資深醫(yī)師，才能快速、準確地給出診斷結果，為臨床救治提供一個準確的答案。一般，做完影像以后，評估過程需要30－60分鐘。

醫(yī)療AI公司安德醫(yī)智，用治療腦卒中最權威的醫(yī)院——天壇醫(yī)院的病例數(shù)據(jù)，基于浪潮的智慧算力，訓練出了一套影像輔助診斷模型。搭載了這套模型的人工智能醫(yī)學影像輔助系統(tǒng)，能在3分鐘內提供影像評估報告，輔助醫(yī)生快速精準判定血栓位置和出血風險，為腦卒中贏得黃金救治時間。這是醫(yī)療AI應用落地的一個縮影。

01

一臺非典型腦卒中手術

8時2分，一輛救護車載著一名患者駛入吉大一院，躺在擔架上的患者已口角歪斜、身體麻木。這是一名中風病人，這個病更為專業(yè)的名字是腦卒中，由于腦部血管阻塞，大腦缺血而引起部分腦組織損傷。

中國每年新發(fā)卒中病人約300萬，《中國卒中雜志》的數(shù)據(jù)顯示，這個病通常呈現(xiàn)高致死率和高致殘率，46％的腦出血患者在發(fā)病1年內死亡或嚴重殘疾。

最終，患者在入院1小時14分后，完成了血管再通手術。三周后，他康復并恢復了正常的生活。

這是一個幸運的結果，也是一次急救取得的勝利，在這次救治中，更詳細的流程是：

8時5分，病人進入急診卒中綠色通道，卒中救治團隊開始就位。

8時10分，醫(yī)生給患者查體，綠色通道的護士開始給病人抽血，開通靜脈通路，做心電圖。

8時25分，也就是入院23分鐘后，多模式的影像評估開始。一個軟件在3分鐘內，出具了結合多項體征數(shù)據(jù)得出的報告。

8時33分，專家們判定患者符合取栓指征，出血風險較小。

8時35分，家屬簽署知情同意書。

8時41分，手術開始。

9時16分，手術結束。

三分鐘得出報告，得益于一款醫(yī)學人工智能輔助診療產品。醫(yī)療AI公司安德醫(yī)智，基于天壇醫(yī)院的上萬例臨床影像數(shù)據(jù)，以及浪潮信息的智慧算力，訓練出了影像輔助診斷模型。它大大縮短了救治時間，為這次成功救治奠定了基礎。

為什么縮短救治時間在腦卒中的案例里如此重要？事實上，在肉眼看不到的地方，患者的腦組織正遭遇驚險的生死時刻。

人的大腦包含1000多億個神經元，它們的運轉依靠腦部血管提供的血液循環(huán)。正常每100克腦組織每分鐘血流量為70毫升，低于20毫升時，神經元缺血就會導致人出現(xiàn)偏癱和失語等癥狀。當每分鐘血流量降至8毫升且持續(xù)6分鐘，腦組織就會發(fā)生不可逆的死亡。

每分鐘血流量在8毫升～20毫升的區(qū)間被視作“半暗帶”，腦卒中手術救治就是要在“半暗帶”腦組織還未梗死時打通血管。早1分鐘打通血管，約190萬個大腦神經細胞就能活下來，腦卒中不可逆的損傷幾率就會降低。

這是一個與時間賽跑的過程。在這項“打通血管”的大工程里，最重要的環(huán)節(jié)是完成腦卒中的影像學分析。

腦卒中的臨床表現(xiàn)多樣、病因復雜，影像學評價給出準確的評價耗時長，醫(yī)生們，需要給出腦實質改變的診斷，顱內外供血動脈的改變，腦實質內毛細血管水平的血流動力學改變，以及病因及發(fā)病機制分型分析。

中國卒中學會的專家王春娟指出，大血管閉塞的腦卒中患者，從入院到血管再疏通的過程中，其中入院到穿刺時間，是延誤最長的步驟。更直白說，診斷病情，判斷受影響的部位，制定更為準確的治療方案并實施，是整個救治流程中最耗費時間的步驟，也是血管再通工程最大的“堵點”。

醫(yī)療AI被行業(yè)用來探索解決堵點，縮短救治時間。

在吉大一院的這臺腦卒中手術中，基于浪潮智慧算力的支持，人工智能醫(yī)學影像輔助診斷系統(tǒng)的應用，加速影像學評估決策，將評估時間縮短到了3分鐘。

基于高水平的醫(yī)院數(shù)據(jù)，訓練出來的醫(yī)療AI技術，應用到醫(yī)療力量相對薄弱的地區(qū)，則能讓這樣的成功救治，擴展到全國�！安皇撬�有的病人都能被及時送到有雄厚資本和實力的大型醫(yī)院，在偏遠地區(qū)，基層醫(yī)療機構的資源薄弱，醫(yī)師們很可能因為無法快速、準確判斷病情而耽誤救治時間�！币晃魂P注醫(yī)療AI普惠的業(yè)內人士評價。

數(shù)智前線獲悉，一家位于西部小縣城的二甲醫(yī)院，醫(yī)師儲備和設備資源都較為薄弱，已經應用了這款產品。2021年春天，他們接待過一例中風病人，基于CT影像，人工智能給出的結構化報告顯示該患者中風險，血腫擴大概率65．56％。

該醫(yī)院影像科主任介紹，腦出血患者很容易出現(xiàn)血腫擴大，尤其是在24小時內，會嚴重影響患者的預后。盡早治療，就可以抑制血腫擴大，改善預后，但經驗沒那么豐富的醫(yī)生判斷腦出血后預測血腫擴大，有時候會拿不準。

醫(yī)療輔助決策軟件這時候的介入，對這些偏遠地區(qū)縣級醫(yī)院的醫(yī)生來說，“心里就會非常有底，相當于身邊多了一位頂級專家和他會診”，他說。

02

算力和數(shù)據(jù)助力醫(yī)療AI產品成熟

腦卒中醫(yī)療AI方案的成熟和落地是一個縮影，醫(yī)療AI行業(yè)正基于高水平數(shù)據(jù)和智慧算力，形成更多成熟的解決方案，并逐漸被一些醫(yī)院落地和認可。

高質量數(shù)據(jù)決定醫(yī)療AI高度，數(shù)據(jù)來源曾是醫(yī)療AI發(fā)展的一大瓶頸。以業(yè)界最有名的IBM旗下的醫(yī)療AI產品Watson為例，由于數(shù)據(jù)質量和數(shù)量的不足，尤其對于罕見病的診斷——在某肺癌病種的分析中，沃森只用了635個病例對算法進行訓練，這使它被行業(yè)詬病產品的實用性。

除了豐富的數(shù)據(jù)，數(shù)據(jù)的分類、標注、訓練均需人工進行。動脈網在《2022醫(yī)療AI行業(yè)報告》中提及，單個數(shù)據(jù)標注成本在10～30元不等，耗時20～40分鐘，要獲得高質量的標注，難度很大。為了解決這個瓶頸問題，2020年開始，隨著大量醫(yī)院自發(fā)加入的單病種影像數(shù)據(jù)庫、第三方測試數(shù)據(jù)庫逐步構建，數(shù)據(jù)量才呈指數(shù)增長，AI企業(yè)面臨的難度驟減。

在腦卒中場景里的輔助決策AI訓練中，算法所用的數(shù)據(jù)來自國內在腦卒中領域的行業(yè)佼佼者天壇醫(yī)院。天壇醫(yī)院在腦卒中領域的治療水平，位居國際領先水平。據(jù)了解，我國平均腦卒中治療復發(fā)率約為10％左右，國外先進水平大概在7％左右，而天壇醫(yī)院腦卒中治療復發(fā)率僅為2％左右。

腦卒中的醫(yī)療輔助決策軟件正是基于天壇醫(yī)院的上萬例臨床影像數(shù)據(jù)訓練而來，“頂級醫(yī)療機構高質量的數(shù)據(jù)，成為優(yōu)質AI產品的質量保障。高質量的數(shù)據(jù)才能誕生高智商的AI”，安德醫(yī)智中國區(qū)CEO李晶玨說。

智慧算力在醫(yī)療AI行業(yè)產品的進化過程中也扮演了重要角色。浪潮方面的相關人士告訴數(shù)智前線，以腦卒中治療場景為例，醫(yī)療AI軟件對算力的需求分別在訓練和推理兩個場景。

在訓練場景里，主要需要運用算力，把天壇醫(yī)院的數(shù)據(jù)沉淀為模型，讓頂級醫(yī)生們的經驗能凝聚到AI產品中。在模型開發(fā)與訓練的過程中，AI公司遇到的瓶頸主要有幾點：第一是算力的瓶頸，醫(yī)療影像數(shù)據(jù)的計算量很大，單個病例的文件就能達到GB級數(shù)據(jù)，對上萬個病例的數(shù)據(jù)進行學習，計算規(guī)模大，一般的設備處理速度難以匹配。

此外，為了更貼合醫(yī)院和醫(yī)生的使用場景，當下醫(yī)療AI公司們，正在努力拓展覆蓋的病種范圍，從單個病種的產品向更大范圍的解決方案發(fā)展。要實現(xiàn)多種疾病的精準診斷，相應的AI模型復雜度高，計算量大，單次耗時長。這也對計算資源提出了新的要求。

第二是資源的調度。參與算法訓練的工程師們，需要針對身體各部位開發(fā)相應的模型并進行訓練，訓練任務多、使用人員多，經常涉及多線程作業(yè)，需要合理分配和調度計算資源。

基于這些問題，浪潮的智慧算力以浪潮AI服務器與AI資源平臺AI Station整體解決方案的形式，解決了算力瓶頸和資源調度等難題。腦卒中的解決方案里，AI服務器能大大縮短海量影像數(shù)據(jù)的吞吐時間，支持規(guī)模更大、復雜度更高的模型訓練。它的計算性能是原計算平臺的3倍，通過16顆AI芯片，大大加快了模型的并行訓練速度，將主要模型訓練速度提升10倍以上。

對AI公司的工程師們而言，浪潮的AI資源平臺AI Station則能夠對計算力資源進行統(tǒng)一管理，簡化工作流程，提升了訓練效率。例如，安德醫(yī)智近80位工程師能夠同時使用計算平臺， GPU使用率由原來的30％上升為75％，主要模型訓練速度提升10倍以上，訓練時間由2周多降為2天。

當基層的醫(yī)院來使用產品時，智慧算力在推理場景里的效用也體現(xiàn)出來了。醫(yī)院此時接觸到的是一個整體的解決方案——訓練好的軟件被裝載到浪潮的AI服務器中。新的病例在應用訓練好的算法時，能大大提高推理的效率，3分鐘就能夠生成基于病人影像數(shù)據(jù)的診斷參考報告。而在腦卒中治療中，時間代表的就是生命，算力的提升也大大提升了救治的成功率。

“基層醫(yī)院一般信息化能力較弱，以整體解決方案的形式進入，大大降低了醫(yī)院使用產品的門檻，他們不用再花精力去配置IT資源。”接近浪潮的人士告訴數(shù)智前線。

03

大規(guī)模商業(yè)落地前夜

近年來，醫(yī)療AI市場規(guī)模急劇擴大。動脈網報告指出，醫(yī)療AI市場規(guī)模2022年首次超過百億，預計在3～5年內將維持40％的高增長率。

2020年是這個市場發(fā)展的分水嶺，國家出臺的管理條例為產品落地，奠定了基礎。

2019年6月，國家藥品監(jiān)督管理局（NMPA）醫(yī)療器械技術審評中心發(fā)布了《深度學習輔助決策醫(yī)療器械軟件審批要點》，其中提出醫(yī)療AI產品要拿第三類醫(yī)療器械審批。該文件對醫(yī)療AI的適用范圍、質量控制、能力和使用風險以及數(shù)據(jù)來源都有規(guī)定，也為醫(yī)療AI產品形成商業(yè)閉環(huán)，打下基礎。

2020年1月，第一張三類證發(fā)放給科亞醫(yī)療，人工智能醫(yī)療器械的審批框架逐漸完備，多家醫(yī)療AI公司的產品通過NMPA醫(yī)療器械審批，獲得三類證，醫(yī)療AI商業(yè)化落地進程由此加速。

國家藥監(jiān)局醫(yī)療器械技術審評中心評審二部副部長郭兆君，在2021年世界人工智能大會健康高峰論壇上曾分享，審批管理的一些原則：“判斷一個AI產品到底屬不屬于醫(yī)療器械，主要包含三個方面的判斷：首先，考慮產生的數(shù)據(jù)是否來源于醫(yī)療器械；其次，設備的核心功能是不是對醫(yī)療器械數(shù)據(jù)進行處理、調查、測量分析等；最后，這個產品本身也需要用于醫(yī)療的用途�！�

一個AI算法到底屬于什么類別，需要考慮算法的成熟度。對于算法在醫(yī)療應用中成熟度低，也就是未上市，或安全有效性尚未得到充分證實的人工智能醫(yī)用軟件，若用于輔助決策，如提供病灶特征識別、病變性質判定，用藥指導、治療計劃制定等臨床診療建議，按照第三類醫(yī)療器械管理；若用于非輔助決策，如進行數(shù)據(jù)處理和測量等提供臨床參考信息，按照第二類醫(yī)療器械管理。

清晰的管理類別判定，有助于人工智能企業(yè)完成審批，分步驟完成產品的商業(yè)化落地。郭兆君介紹，部分企業(yè)的人工智能軟件尚未完全符合三類醫(yī)療器械的要求，可先申請二類證，保證商業(yè)化的順利進行，待臨床試驗等流程設計完畢之后再進行三類證的申請。通過這種折中的方法，人工智能企業(yè)能夠一定程度上提前開始商業(yè)化部署。

數(shù)智前線獲悉，多家醫(yī)療AI公司都持有三類證，并持續(xù)在不同病種增加三類證持有數(shù)量，增強自身的行業(yè)壁壘。

咨詢機構沙利文指出，中國醫(yī)療產業(yè)正由醫(yī)療信息化1．0逐步發(fā)展為醫(yī)療智能化3．0。在3．0階段，醫(yī)療智能產出，可客觀衡量醫(yī)療行為和效果的指標與證據(jù)，提升醫(yī)療參與者的決策效率和精準度，實現(xiàn)醫(yī)療行業(yè)各環(huán)節(jié)的降本增效。

實際上，要有明確的指標衡量醫(yī)療AI產品的價值點，真正實現(xiàn)降本增效，精準決策，是一個緩慢長期的過程。動脈網的報告認為，當下主流AI產品處于商業(yè)化的過渡期。

一方面，這些算法模型仍然需要不斷學習，來提升進入不同場景里的準確度和可復制性。

例如，不同醫(yī)院拍攝CT影像的標準可能并不一樣。有的醫(yī)院影像所檢測的部位只有頭部，有的醫(yī)院影像信息可能除了頭部還包括頸部。AI軟件要能基于不同規(guī)格的影像準確識別影像里的病理特征，做出判斷，就需要再訓練調優(yōu)。這種“終生學習”的過程也意味著它需要持續(xù)的數(shù)據(jù)，以及龐大的算力來“喂養(yǎng)”�！八惴ú恍枰�推倒重來，這是一個能夠適配更多的醫(yī)院，并提高準確率的過程�！睒I(yè)內相關人士對數(shù)智前線說。

另一方面，醫(yī)療AI公司們也在完善產品序列，開發(fā)覆蓋更多病種、適用更多身體部位的AI產品。例如業(yè)界發(fā)現(xiàn)，影像學和電子病歷數(shù)據(jù)的結合，較單一維度數(shù)據(jù)，可能有助于更好區(qū)分某兩種特定類型疾病的病理和成因。這一趨勢對算力、存儲都帶來了新的挑戰(zhàn)，有待行業(yè)內從算力和算法模型層面形成更好的解決方案。

雖然市場對新技術的認可有滯后性，但從基層使用產品的醫(yī)生端的反饋來看，基層醫(yī)生們對人工智能輔助診斷產品接受度在逐漸提高。

安德醫(yī)智的AI產品搭載在浪潮的AI服務器，已經逐步進入更多的基層醫(yī)院。西部某縣應用了該產品的影像科主任，分享使用感受時表示，在基層醫(yī)院里，醫(yī)生的更大的痛點是輔助診斷環(huán)節(jié)。“有的人工智能目前是做輔助篩查、輔助分診，這個作用類似于護士站的護士，對醫(yī)生看病的幫助意義不大。我們現(xiàn)在用的人工智能輔助診斷系統(tǒng)，可以做出明確的診斷報告，比如對24小時血腫擴張的出血區(qū)域、體積、風險等都能進行細致的風險評估和預警，醫(yī)生在得到詳細的診斷提示后，才能更加從容、準確地治病救人。”

由此可見，人工智能技術在醫(yī)療行業(yè)的研發(fā)和應用，有利于分級診療制度的建立，基層的醫(yī)療機構的診療水平也得到持續(xù)提升。

總體來看，在高水平醫(yī)院、AI算法企業(yè)、智能算力企業(yè)的共同協(xié)同和努力下，AI+醫(yī)療產品正在爬坡，它在一些場景的應用，已經讓基層醫(yī)療機構享受到了診療水平的提升， 行業(yè)正逐步進入良性循環(huán)階段。