228 人工智能辅助筛查肺癌

项目负责人：邬雪涛

公司/学校名称：北京工业大学

项目简介：

目前，医疗成为AI（人工智能）应用最为火热的行业，其中就包括了医疗影像诊断等方向。在2017上半年中，国内医疗健康领域共获得投资总额高达150亿，BAT也争先在该领域投资布局，投资发展前景广阔。近年来，医疗健康领域也获得国家政策的大力扶持，今年两会人工智能首次被写入政府报告，正式上升为国家战略，这意味着接下来人工智能将会成为新的经济引擎，政府将会释放更多政策红利，去激励和推动人工智能技术深度应用于各行各业，尤其是在关乎国计民生的医疗领域，将会迎来更多机遇和挑战。综上所述，医疗健康产业无论是在政策还是资本方面都具有巨大的发展可能。

在此背景下，该商业计划正是在AI医疗影像诊断方面，顺应“互联网+医疗”的政策倾斜，在项目初期主要为国内的医疗机构特别是基层医疗机构提供人工智能辅助筛查肺癌解决方案。致力于解决传统人工诊断慢且诊断门槛高、人才少的问题。目前已经在肺癌诊断（肺部结节判断）达到了准确率80% 效果，预期在未来经过算法优化与设备升级后将会达到95%甚至更高的诊断准确率，同时将分析诊断时间降低至1s，辅助基层医生大大提高诊断的准确率与效率。

预期在未来，随着算法模型的不断完善，产品迭代速度不断加快，我们的服务领域将会从肺部向心脏、腹部等更多患病部位拓展，从诊断向病理研究等领域延伸。预计未来覆盖100多种疾病的诊断与研究，同时覆盖全国绝大部分医疗机构，为其提供更加精细高效的产品服务。

随着未来发展，我们的服务对象也会逐步扩大，同时包括保险企业，医疗器械厂商以及健康体检机构，为其提供风险评估、软件嵌入以及检测诊断等多元化的产品服务。

从大背景看，国家相关政策指出，到2020年，医疗服务市场有望成为一个十万亿级别的大市场。在这样的大背景下，AI医疗影像诊断有望成为下一个“创业风口”，具有广阔的发展空间。

具体而言，该项目的前期成本主要包括生产成本，包括算力成本、数据成本和人力成本，后期的运营成本主要包括日常维持成本与推广成本。

根据相关政策以及国外行情，我们预计未来肺癌以及诸多疾病的前期诊断筛查将会逐步渗透到综合体检之中，由此将会AI医疗影像诊断的使用场景将会得到大大丰富。在全民健康意识与国家政策红利的双重作用下，AI医疗影像诊断将会进入健康体检市场。

根据卫生部统计数据，我国2014 年体检市场规模约为3.73 亿人次，相较2009 年的2.30 亿人次增长了62.17%，CAGR 为10.15%，已经具备相当规模。预计到2018年，我国健康体检的体检总量将超过7亿人次，2020年将超过9亿人次。据易观智库显示，2014年中国体检行业市场规模达到749.0亿元人民币，与2013年590.0亿元人民币相比增幅为26.9%；预计到2018年，我国健康体检市场规模将近2000亿元，到2020年，中国体检市场规模会到3000亿元。随着健康体检市场的进一步扩大，我们的产品服务将会进入相关的健康体检项目，由此带来巨大的盈利空间。

通过不断的发展推广，该项目的服务对象也会囊括保险企业和器械厂商，分别为其提供深度风险评估服务，以及将诊断程序嵌入医疗器械丰富器械附加功能，从而收取可观服务费用。

从行业背景来看，随着2016 AlphaGo与李世石的人机世纪对战，人工智能浪潮登上新高。由此2016年被普遍视为AI应用的元年（也有说法为2017年）。尽管AI的概念早在上个世纪五十年代就已被提出，但其应用却是在近年来才有了爆发式的增长。可以说AI与医疗健康的结合属于新兴、创新的产业。

从项目本身而言，我们的创新之处主要在于以下两点：

1.服务对象更为多元化。目前绝大多数的竞品公司主要服务对象局限于医疗机构。而我们的商业计划致力于更为丰富的服务对象，为保险企业、制药企业、器械厂商以及体检机构分别提供多元化、精细化的产品服务，包括病理分析、病情预测、风险评估、软件嵌入等等。更加多元的服务对象也会提升我们产品的竞争力。

2.合作对象更为多元化。目前大多数竞品公司的合作对象多为医疗机构、算力软、硬件供应商。而我们项目计划将会在此基础上与基因科技公司、药物研发公司以及互联网医疗信息公司进行合作，在病理研究、药物研发以及医疗信息整合方面拓宽发展空间，进而形成更为庞大的医疗健康生态网络，促进医疗健康整体的发展。

目前我国医疗数据中有80%~90%为医学影像数据，而医学影像数据的年增长率约为30%~40%。面对日益庞大的医学影像数据，已知最优的处理方法便是基于人工智能（深度学习），而目前深度学习的算法算力也日趋成熟，从技术上看该项目具有很强的可操作性。

在项目初期发展的实际操作中，AI医学影像处理在解决以下三类问题中体现了其很强的落地可能性：

1.把信息更好地呈现给医生。人工智能能够完成脏器的定位、分类以及分割工作并将可疑位置进行标注，相当于为医生去除了干扰项，将更为直接的信息呈现出来。

2.帮助医生定量分析。医生非常擅长定性分析，看到片子，医生1秒内就大致判断什么问题，但是需要一些工具做更精准的判断，定量的分析，靠眼睛很难做到。

3.人工智能影像能够解决的成像和智能图像识别的问题。这两个步骤很多年前是被分开的，技师拍片子，医生做分析。实际上，只有两者结合起来才能更有效的优化系统，帮助医生提供有效的服务。

目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%，放射科医师数量增长远不及影像数据增长。而放射科有超过50%的医生工作时间在8小时以上，20.6%的医生每天平均工作时间超过10个小时。这意味着放射科医师在未来处理影像数据的压力会越来越大，甚至远远超过负荷。

放射科医生每天工作量很大，尤其是下午3、4点的时候，医生最容易疲劳，注意力不集中，片子上的症状看漏了，此时出错的概率也大大的增加。

该项目基于AI医疗影像诊断技术，借助深度学习技术，辅助医生做诊断，尤其在基层医疗机构，由于多数基层放射科医生与专家相比，技术方面还有些欠缺。该项目能结合人工智能技术和专家的经验技术，在项目初期致力于帮助基层医生提高诊断的准确率，并且提高效率。

所以，该项目有望降低医生工作压力、提高其工作效率；从医院管理层的角度，也能够加强对医疗服务质量的监控。同时在一定程度上缓解由于误诊漏诊以及诊断缓慢所带来的医疗事故与医患纠纷。从技术角度促进国民医疗健康水平的提升。

该项目后期计划打造更为丰富多元化的服务对象与合作对象，促进医疗健康生态体系的形成和发展，顺应国家医疗健康发展战略。