專訪萬里云CEO黃家祥：醫學影像AI還在“幼兒園”階段 只有算法的企業很危險

每經編輯｜每經記者 趙天宇    

每經記者 趙天宇 每經編輯 任芷霓

從2017年至今，算法公司、影像平臺公司、遠程醫療公司、人工智能公司……上述擁有不同背景和擅長領域的一眾公司，在AI于肺結節的應用上，似乎有著相同的默契。

身為從業者，萬里云醫療信息科技（北京）有限公司（以下簡稱萬里云）CEO黃家祥首先想到的就是在臨床應用上的價值。萬里云是萬東醫療（600055，SH）和阿里健康（00241，HK）共同持股的公司，前者多年來從事著傳統醫療影像器械的研發和生產，后者則帶有電商、大數據、人工智能等“流行”標簽。

由于帶有“跨界聯手”的特質，黃家祥在看待AI標注肺結節、AI+影像的發展時，更能夠理解傳統廠商的顧慮。在接受《每日經濟新聞》記者（以下簡稱NBD）專訪時，黃家祥多次強調AI影像對臨床的作用，認為應用場景數據對于現階段AI影像公司來說最為重要。

談AI準確率：對比基準一致才靠譜

NBD：2017年大多數AI+影像公司都在做肺結節，這對于臨床來講意義大嗎？

黃家祥：看起來肺結節的門檻不高，但真正扎進去的時候就會發現其實并不好做。比如有專家說，肺結節本身只是一個征象，在這個征象背后，有很多種病癥都會引起肺結節。所以單看這一個項目，跟臨床的需求相比是遠遠不夠的。將病人其他的影像、病史、生化檢驗數據結合起來看，才能對臨床產生比較大的作用。

另外，從影像醫生以及臨床的角度來看，光有一個肺結節也不夠，只能說是“萬里長征第一步”吧。我們現在和一些體檢機構合作，他們說肺結節做得再準確，對他們而言也沒有那么大意義。因為病人過來又不是看有沒有肺結節的，肺結節是什么東西他都不知道，病人是來看自己的肺有沒有毛病的。所以對臨床來說，是希望AI能看的病種更豐富一些，這樣對醫生才有更實際的幫助。

NBD：對醫生來說，肺結節AI的診斷準確率很高，而且記錄一直在刷新。這對于臨床會有所促進嗎？

黃家祥：僅僅在百分比的數字上作比較，其實意義不大。關鍵是AI在什么條件下達到這么高的準確率。比如阿里云的天池競賽會給參賽者一個數據集，而用來測試的數據集，與這個是同根同源的。在這種情況下，達到百分之九十幾以上的準確率相對容易，相當于你用這個題目訓練，考的是與這個極為相似的一套題。

但實際情況不是這樣的。每個人的個體差異，設備狀況的差異，醫院間的差異綜合起來，最后拿到的圖像非常復雜。比如萬里云平臺上，一天有一萬多個病例，上來一看那真是百花齊放、千人千面。我們的數據來自兩千多家醫院，在目前的狀況下，不可能把兩千多家醫院的設備水平、質控操作規范水平、劑量水平都統一，這很不現實。

一些AI公司會在大醫院架設服務器，用這家醫院的數據訓練AI，訓練出來結果不錯。但是一旦把數據拿到外面去用的時候，就完全不一樣了，會出現嚴重的水土不服。所以說，肺結節AI的準確率，需要說明放在什么情況下、用什么數據集去訓練以及測試的，測試的規模多大。大家對比的基準得是基本一致的，這樣來說準確率才是靠譜的。

談臨床價值：醫生才是專業“裁判”

NBD：AI在影像領域的價值，應該由哪個參與方來判斷？

黃家祥：我覺得影像科醫生和臨床醫生才是真正的專業裁判。AI到底準不準、靠不靠譜，影像科醫生會有直觀的判斷；臨床醫生的實際工作中，如果也覺得AI分析的結論靠譜，這才是有價值的。至于算法公司、信息化公司、醫療器械廠家等，頂多算是助理裁判。

NBD：有人說，AI在醫學影像的應用能夠推進分級診療，您認可這個觀點嗎？哪些場景具有迫切的落地需求？

黃家祥：這是一定的，因為有一個巨大的供需差異，所以AI影像的從業者都會朝著分級診療的方向走。我覺得至少在三年之內，AI在影像領域最容易落地的，反倒是體檢和基層醫療?；鶎俞t療的話，可能在五線或者更基層的醫院會率先使用起來。

去年我們去湖南的幾個縣調研。最典型的一個縣，全縣有醫師資質的影像醫生一共就八個人。這八個人里，有六個是初級的醫生，副主任醫師只有一個。這個縣人口有八九十萬，這么大的一個群體實際上就靠著這幾個人去提供影像的專業幫助，勉為其難。所以線下的剛需，其實痛點遠比線上要“痛得多”。

體檢的場景中，AI+影像也是非常迫切需要落地。體檢其實比醫院的檢查量增長速度還要快。比如從前做體檢，大部分是拍胸片。現在慢慢開始轉到低劑量CT掃描了，這樣才能做一些更早期病變的篩查，一個病例幾百張，所以體檢的閱片量上升非常快。

談核心競爭力：應用場景數據最具價值

NBD：在AI醫療領域頻頻傳出融資消息的同時，也有部分公司倒下了。在您看來，AI影像行業的公司應注重哪些方面的價值，才能走得更遠？

黃家祥：對于AI公司，我們有一個觀點，就是應用場景的價值大于數據價值，數據價值大于算法本身的價值。如果是AI的創業公司，手上核心的東西只有算法，那這個事情會非常危險。

AI的大潮慢慢退卻的時候，會越來越顯現出，實際的應用場景和高質量的數據才是核心。做算法的公司很多，從生態進化的角度來說，單純以算法支撐的公司里面可能會倒下一些。

然后是數據問題。拿到醫院數據的公司，訓練出來的模型自然比只有公開數據集的公司要好。最后是應用，比如提供給一些醫院去使用，這一階段可能會面臨一個問題，也是投資人最敏感的問題，就是如何變現。有些創業公司會勾畫出一些應用場景，但虛擬出來的和實際落地還是有差距。其實商業的本質還是要創造實實在在的價值，不是純粹講幾個虛幻的、美好的故事。

同時，AI創業公司應該對接下來兩三年之內AI+影像的應用場景做行業上的戰略判斷，以及AI能為臨床提供什么樣的價值。戰略方向對于創業公司來說也非常重要。

NBD：您認為現階段在醫學影像領域的AI，發展到了一個什么樣的階段？

黃家祥：現階段的話，醫學影像AI可能像是個幼兒園階段的孩子吧。高考或者大學畢業的階段，就是真正在醫療場景里獲得醫生認可。AI有一個逐步發展的過程，需要逐步成熟、被臨床接受。所以現階段的AI仍是起輔助作用，不能讓幼兒園的孩子去承擔成年人的責任，否則就是典型的拔苗助長了。

就目前的階段，我覺得大家要調整心理預期，同時我們利用合理的方式，在限定范圍內讓AI盡量發揮價值。給AI找對定位、放進合適的應用場景里能落地，那么這個AI的準確率即使沒那么高也無所謂。