<mark id="oztn4"></mark>
0
| 本文作者： 李雨晨 | 2017-12-15 14:12 |
“AI+醫療這個行業不像兩方對壘，誰先搶占高地就有優勢，而是類似于高手比武，到最后比拼的是內力修為，誰說不能后發制人呢？”
柏視醫療的創始人陸遙如此說道。
陸遙，2013年中組部第九批“”青年項目入選者，在美國醫學院做了多年的研究員，回國后在中山大學工作，任中山大學數據科學與計算機學院教授兼計算醫學成像實驗室主任，同時也是國家腫瘤醫學協同創新中心科研骨干，有著十五年的醫學圖像后處理、醫學影像分析及人工智能研究經驗和產品積累。
近日，雷鋒網和陸遙進行了一次深入的交談。
和寫出《平凡的世界》的路遙名字相差一字，但是兩者有著類似的人生軌跡，那就是路遙寫出人生代表作《平凡的世界》時是42歲，而陸遙創立柏視醫療時是38歲，都是四十不惑的年紀了。“如果按照正常的人生軌跡走下去，我應該還在美國做研究。這個年紀再創業，算得上是一個老兵了。”陸遙笑道。
陸遙是一個“雜家”，他曾就讀于中國科學技術大學數學系，是中國科學院數學與系統科學研究院與美國雪城大學雙博士。但是博士期間，又被自己的導師送到了美國紐約州立大學上州醫學院學習醫學影像；博士畢業后，跟隨計算機輔助診斷領域國際權威Heang-ping Chan教授在美國密西根大學醫學院從事乳腺癌醫學影像的研究。“數學、計算機、醫學，能學的東西我都學了一遍。”也正是這樣一段特殊的學術經歷以及與GE全球研發中心的合作，讓陸遙在選擇創業的時候能夠兼顧到產品的設計研發。
而其余的幾位合伙人，也都是在工業界摸爬滾打了十幾年的老兵。
CEO沈爍曾經是BIMT（醫學大數據）公司副總裁、CTO，曾擔任中國互聯網絡信息中心實驗室主任、廣州中科院網絡中心副主任和總工，美國普渡大學數學博士和電子與計算機工程碩士，中歐國際商學院EMBA。
上個月，IEEE Fellow、前西門子硅谷創新中心總經理徐晨陽加盟柏視醫療，出任首席科技顧問，負責頂層戰略規劃及核心優勢產品研發、人才團隊建設、資源整合和國際化等層面的工作。
可以說，創始團隊的學界和工業界背景是陸遙在此時入局“AI+醫療”領域的最大底氣。
“醫療人工智能是一個交叉領域，需要有坐冷板凳的毅力，這個行業現在很火，顯得有些浮躁，很多產品就像空中樓閣，創業者也缺乏和醫生共通的話語體系，我是想把自己在計算機和醫學知識十多年的積累落實到患者身上，實實在在地做些事情。”
因此，和眾多此領域的公司相比，今年五月才成立的柏視醫療團隊看似錯過了“AI+醫療”這個風口的最佳時期。但是正如陸遙所說，這個領域比拼到最后的是內力修為。在這點上，柏視醫療已經擁有了深厚的醫學影像分析研究基礎。
今年7月，柏視醫療獲數千萬元人民幣天使輪投資，投資方看重的也正是陸遙博士15年醫學影像分析的研究積累以及創業團隊具備的學術和業界背景。
在我國，乳腺癌始終是威脅公眾，尤其是女性健康的嚴峻挑戰。最著名的新聞莫過于安吉麗娜·朱莉在兩年前檢查出帶有BRCA1基因缺陷，有高度罹患乳癌風險，毅然決然接受了預防性乳腺切除。
十年時間里，乳腺癌的發病率不斷攀升，居女性惡性腫瘤發病率之首，而且城市地區發病率是農村地區的兩倍，發病人群較歐美國家年輕化。“我猜測，可能跟現在的飲食結構有關系。”
這也是為什么陸遙博士從這個病種切入的一個原因。陸遙坦言：我親眼見到乳腺癌患者遇到的痛苦。“中國乳腺癌切乳率是90%，也就是說，10個女性如果得了乳腺癌之后，有9個要做全乳切除手術，這個數字在美國是34%。所以說，中國大概有56%的病人是白白被切掉的。對女性來說，罹患乳腺癌后是否保乳是非常艱難的選擇。乳房是女性重要的第二性征，大部分選擇全乳切除的乳腺癌患者不同程度上都會患上抑郁癥。在十幾年的乳腺癌研究中，患者的痛苦深深激發了我，要將自己的科研成果盡快進行臨床轉化，讓她們可以真正受益。”
為什么中國的乳腺癌切乳率那么高？陸遙表示，中國的乳腺癌病人發現的時候大多數是中期到晚期，而中期和晚期的患者在中國通常激進的實施全乳切除了。但是，美國利用早期診斷可以最大程度上降低乳腺癌帶來的疾病風險。
從醫生臨床需求來看，由于亞洲女性乳腺的脂肪含量普遍較低，單憑乳腺鉬靶檢測很難有高辨識度的影像，醫生診斷時通常需要再次調用超聲或MRI影像，將多模態數據結合來進行診斷。而且診斷時需要對病情進行分級，耗時長且主觀性較大，也一直是臨床診斷的痛點。
此外，陸遙博士所在的中山大學地處華南，鼻咽癌是華南地區的高發惡性腫瘤，因為頭部是人體的重要器官，手術治療風險大，通常采取放療手段進行治療，但醫生勾畫單個鼻咽癌患者的靶區，需要花費兩三個小時看數百張CT/MRI影像，不但非常耗時，而且靶區勾畫的準確度與放療劑量選擇直接決定了患者的治療效果和生存率。
從技術角度看，以乳腺癌、鼻咽癌去做切入點，是因為這兩個存有技術門檻，無法直接拿深度學習技術來做。“因為我們之前測試過，直接拿深度學習的方法應用在這兩個病種上，準確度會受很大影響。在落后其他團隊將近一年時間的前提下，我們要去打開市場，就必須抬高技術門檻，以技術門檻和別人拉開差距。”
從商業角度來看，乳腺癌現在是城市女性發病率最高的癌癥，而且以每年14%的速度在增長，這是非常恐怖的數字。但是，乳腺癌有一個特點，就是早期發現的治愈率非常高，5年存活率超過85%。就是說，早期發現對乳腺癌非常重要，而陸遙的技術剛好也是做早期診斷。因此基于上述的幾點考慮，他決定從上述乳腺癌的早期篩查和鼻咽癌放療臨床靶區的自動勾畫切入市場。
由于醫療行業高壁壘本身的特性，技術之外還需要有數據、資源、人脈，缺一不可。盡管已經認識到乳腺癌和鼻咽癌防治的嚴峻形勢，但如何將技術進行商業化落地是一個難題。
陸遙坦言，美國對于臨床數據的控制非常嚴，技術人員很難接觸到大量數據。但是，人工智能沒有大量數據的支撐，很難把模型訓練好。“這也有賴于國內人工智能的開放態度和市場環境。國家對于人工智能產學研的支持力度比較大，我們的團隊相當于用美國的技術再加上中國的數據，就形成了很好的結合。”目前，柏視醫療以乳腺癌和鼻咽癌切入的相關產品進展明顯。
熟悉這個領域的人都知道，肺結節和糖網篩查幾乎成為每個醫療人工智能企業的產品標配，為什么眾多玩家都會從肺結節、糖網等疾病領域入手？陸遙給出了自己的理解：除去疾病本身的醫患供求特點，還有一點就是技術門檻低。
“以小結節為例，肺小結節前景是鈣化，背景是肺泡，對比度很高，也就是我們所說的強邊緣。這個邊緣特征和光學圖像的特征非常接近，光學圖像的好處在于很合適利用深度學習網絡進行自然圖像分析。而且，國外的LUNA等公開數據庫擁有上萬例經過標注的數據，任何人都能獲得，深度學習的代碼也都是開源的。因此，對于部分人工智能初創企業而言，利用上述的數據和技術，一個晚上就可以輕松創業。
但是在醫學影像領域里面，只有三個場景具有光學圖像的特征：肺小結節；眼底OCT；細胞病理。細胞病理圖像的獲取成本比較高，因此很多團隊會將“肺小結節”和“眼底OCT”作為自己早期創業的首選。
大部分腫瘤沒有上述三個病種的特點，其圖像邊緣比較模糊（特別是在早期的時候），對比度較低，具有弱邊緣的特征，弱邊緣的特性不是光學圖像所具有的。因此，利用深度學習技術去做腫瘤就存在技術門檻。這也就是很多玩家沒有切入這個領域的原因。
與其他同行公司大部分集中在肺小結節、糖網篩查AI輔助診斷等不同，柏視醫療迎難而上，選擇了技術難度更高并實際解決臨床痛點的放療靶區勾畫作為突破點，所有數據均由中山大學附屬腫瘤醫院的主任醫師進行標注，在全球首創了鼻咽癌放療臨床靶區自動勾畫系統，不但可對GTV（腫瘤區）進行自動勾畫，還可對CTV（臨床靶區）進行自動勾畫。
CTV勾畫是放療控制腫瘤復發轉移的關鍵，也是靶區勾畫技術難度最高、最耗時的部分。陸遙博士表示，在充分保證靶區勾畫精準度的前提下，可將勾畫時間從數小時縮短到幾分鐘，大大提高了臨床醫生的診療效率。目前鼻咽癌的產品已在中山大學腫瘤防治中心臨床驗證。
乳腺癌智能輔助診斷產品基于鉬靶和超聲進行計算機輔助診斷，結合了患者的病歷數據和免疫組化數據，形成多模態的數據模型，具備多模態綜合分析能力，可快速輔助醫生對病情分級診斷。“以乳腺癌為例，乳腺癌檢測的敏感度可以達到88%，相當于美國10年以上資深醫生的水平。”
即將推出肺部常見病智能診斷產品，可提供覆蓋肺部94%以上常見病(肺結節、肺部腫瘤、肺炎、肺結核、肺部感染和慢阻塞等)的多病種一鍵式診斷功能。
陸遙向雷鋒網表示，柏視醫療的技術積累已經包括乳腺癌、肺癌、鼻咽癌、肝癌、宮頸癌這5個病種，這幾類癌癥在中國總體的癌癥發病率里面占了約40%。接下來還會往更多的疾病發展，包括腎癌和其它病種。
他強調，柏視醫療的定位是一家醫療服務的公司。在他看來，醫學影像產品要在醫院落地，一定需要具備多病種和多模態的特性。不同于西方醫生的從業特點，中國的臨床影像科醫生是全科醫生，在這種情況下，柏視醫療的產品線必須要跟醫生的工作流程相吻合。“醫生看全病種，產品就得做全病種，就是這么一個原因。”
了解“AI+醫療”這個行業的人都知道，深度學習技術需要大量的數據基礎作為支撐，但是數據作為一項寶貴和嚴肅的“財產”，不花費大力氣是很難獲得的。為了解決多源異構的醫學影像數據的差異，柏視醫療的核心技術采用的是小樣本集數據訓練模型，并與知識圖譜和深度學習相結合。
在數據獲取方面，柏視醫療將其系統部署到合作醫院中，并不從醫院直接獲取數據，而是在院內訓練系統，從而獲得增強特征數據集，利用這些特征集再完善本身的系統模型，有效地保護醫院的數據隱私性，也解決了現有其他技術公司醫療數據獲取灰色地帶的問題。
對于這項技術，陸遙博士是這么理解的：
醫學影像本質上是中小量級的樣本級，所以說醫學影像不能稱為大數據。影像分析針對的是單病種，但是像中山大學附屬第一醫院，這是全國排名前七的醫院，一年乳腺癌的門診量才約2000例，手術量才約300例，多少年才能達到百萬級別的數字呢？
大部分AI醫療公司采用的是深度學習技術，對樣本量要求比較大，對數據的脫敏、清洗、標注，要做到10萬例的級別，是非常耗時、耗力、耗錢的事情。
“我們的優勢是訓練集需要的數據量不是很大，絕大多數病種的數據量在1000-2000例之間就可以保證訓練模型的穩定性。”
陸遙博士強調，穩定性是深度學習商業化的一個重要問題。“機器學習有一個很重要的概念是穩定，這也是深度學習需要龐大數據量的原因。現在很多團隊沒有注意到這個問題。因為數據量過小，網絡沒有穩定。在這種情況下，新增的數據進來之后，網絡模型重新變了，因此就無法進行復制和推廣。在這種情況下，我們利用已有穩定模型的優勢去復制、推廣就不會有特別大的困難。”
陸遙博士在采訪中坦言，創業過程中最困難的一點是市場落地。2013年他剛回國時，“AI+醫療”的軍備競賽正開展得熱火朝天，資本不斷入圍，賽道上的玩家越來越多，“2013-2015年兩年時間里，有30、40個團隊都從肺小結節的篩查做起。”
陸遙表示，“AI+醫療”興起的時候，醫生也非常歡迎AI，但是2015年形勢變了，原因是一些團隊將醫生放在一個對立面。例如現在很流行的人機大戰，表面看來，機器大有超越人類之勢，而有取代醫生之嫌，導致他們這批稍晚入局的創業公司遇到了市場阻力。“
從那個時候起，陸遙開始思考AI與醫生的關系。柏視醫療的定位非常清晰——輔助醫生診斷流程。他認為，醫生是整個市場的主體，需求來自于醫生，服務對象還是醫生，只有找好自己的定位，才能在市場里存活。“幾乎所有其他團隊都將自己定位成人工智能公司，而我們將自己定位為醫療服務提供商，這是我們與其他團隊最大的區別。
“AI+醫療”是一個交叉領域，交叉領域最忌諱什么？——缺乏共通的話語體系。“跑到人工智能的人跟前說醫療，跑到醫療的人跟前說人工智能”，這個是很忌諱的，原因是你可以唬住別人，但是你很難跟他打成一團，擁有共通的話語體系才能真正贏得對方的尊重，這也是我們拓展市場的基本策略，醫院的營銷本質上是技術營銷，一定要通過技術把市場打開。”
將三甲醫院優質醫療資源和服務從院內延伸到院外，將輕癥患者留在基層，重癥患者轉診到上級醫院，可以提升篩查醫生的工作效率，幫助各級醫院充分發揮各自的醫療資源，提升整個醫療系統的運轉效率，這是國家分級診療的一大背景，也是醫療人工智能企業長久關注的問題。
陸遙博士非常認可人工智能技術在當下分級診療背景中發揮的作用，他認為，一個是小病，一個是早期診斷，這兩點對于基層醫療非常重要。因此，柏視醫療針對基層推出了肺部全病種的產品，覆蓋病種包括肺炎、肺結核、肺結節等超過94%的常見病多發病。陸遙表示，“現在大部分公司做的產品是基于CT的肺小結節篩查，但這在基層醫院是很難推廣的，因為基層醫院最常見的是胸片。”
據雷鋒網了解，柏視醫療的其中一項技術就是基于胸片的智能分析。胸片閱片的一大困擾是肋骨陰影，因為胸片成像時肋骨會與肺部的部分區域重合，容易造成肺部疾病的漏診。在這點上，陸遙博士介紹了他引以自豪的技術——胸片影像去骨優化。“實際上這個技術限制了很多團隊進入基層醫院，但是我們可以利用這個技術幫助基層醫院。”
現階段，柏視醫療已經完成產品定型，在未獲得二類醫療器械證之前，主要通過科研服務方式與醫院進行產品實驗和合作。在獲得CFDA認證之后，將面向醫院、獨立醫學影像中心銷售，銷售會有兩種模式：一是工作站的形式，二是云平臺形式，三是以合作形式部署在第三方檢測機構。此外，柏視醫療也將通過與醫療設備廠商和醫院信息系統廠商合作進入醫院。
值得一提的是，在2017 RSNA上，飛利浦發布了人工智能平臺IntelliSpace Discovery 2.0（ISD2.0），柏視醫療作為唯一入選的AI公司，引起業界的關注，其基于CT/MRI的鼻咽癌放療臨床靶區自動勾畫系統已嵌入ISD平臺，這也是業界唯一一個通過頂級醫療設備廠商嚴格審查、開始商用的成熟AI產品。
雷鋒網曾和飛利浦高級總監周振宇有過一次簡短交流。他表示，ISD平臺提供技術支撐，包括界面交互、數據庫、算法平臺等一系列標準化服務，以此來打造一個AI醫療的生態圈。“‘算法+平臺’的方式將出現巨大的市場空間。過去兩年，“AI+醫療”的市場里有130家公司，融資金額達到了260億人民幣，但是效果并不好，原因是醫療場景是一個高度標準化的場景，如果不能嵌入醫生的實際工作流程，這樣的產品很難得到醫生的青睞。這也正是ISD平臺開發的初衷。”
未來類似于柏視醫療這樣提供技術、算法的團隊，跟平臺進行合作會不會成為一種趨勢，陸博士表示贊同。他認為，平臺提供了生態環境，團隊的技術產品是生態圈里面的一個標地，融入進去之后，就在自己最擅長的地方去發力，不需要關注支撐性的內容了。這些內容如果創業公司單獨去做，需要花費大量時間精力，讓給擅長這些事情的大公司來做，可以更加專注在病種的算法研發上。
“從我個人的角度來看，人工智能+醫療這個領域跟互聯網領域不太一樣。相對而言，互聯網領域的技術含量不是那么高，更多的是商業模式和市場推廣的競爭，但是“AI+醫療”是一個技術含量非常高的領域。我相信最終可能會出現幾家公司，每家公司在不同的病種、技術上有自己的核心，大家并存。”
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
