医疗影像AI六年记：让人工智能读报告，你愿意吗？( 三 ) 未成年人保护法|网络安全法

中国公立医院属于非盈利机构，医院的数据资产不允许进入市场交易，没有市场定价。于是，对医疗AI公司来说，能撬动多少医院资源、接近多少医疗数据，决定着资本市场给出的估值。
头部的医疗影像AI企业大多有其医院“福地”，如安德医智与北京天坛医院，数坤与北京友谊医院，科亚与北京安贞医院等。当时，企业与医院合作皆需签订合同，用人工智能技术，服务有科研诉求的PI（学术带头人）。
医疗学术圈，顶级PI并不缺服务者。竞争之下，一些企业甚至甘愿让渡股权，与PI深度绑定。医疗AI公司和医生团队合作的过程，正是借由医院数据、训练算法的过程。
为了向公众展示AI应用临床的可能性，几年前流行“医疗影像版人机大战”，像柯洁对战AlphaGo。AI企业联合医院、协会，策划邀请影像科医生与AI软件竞技。
2018年6月，安德医智（Biomind）和中国卒中学会等机构举办了一场“判读颅内肿瘤”的比赛，赛前半年，安德医智学习了北京天坛医院近10年接诊的神经系统疾病病例的影像，公开资料称有“数万余病例”。
比赛分两组：一组判读颅内肿瘤的CT、MRI影像，另一组判读脑血管疾病的 CT、MRI。公布的结果是：安德医智分别以 87%、83% 的准确率，领先医生战队 66%、63%的准确率。
不久后，解放军南京总医院办了另一场比赛，准备了100例有肺结节病变的CT片，找了126位初、中、高级影像科医生，来与深睿医疗的辅助诊断系统PK。
那时，找到肺结节，已是医疗影像AI企业的常规技能，所以深睿AI要PK的是：更准更快地诊断肺结节的良恶性。3年前从准确性、敏感性等四个维度比较， AI超过了126位医生的平均水平，即便第一名仍是医生。
站在2018年的节点，不少影像科医生甚至担心起未来出路。但是，比赛成绩能说明临床应用效果吗？
赛后，上海长征医院影像医学与核医学科主任刘士远抛出了这个问题，在他看来，要说清这个问题，涉及到“比赛测试题来源、测试题与训练集的关系、测试题数据处理的方法”。
简单理解，如果训练算法模型的数据，主要出自一个数据源（如某一家医院），那么这个AI识别该医院的片子，效果好，“换一家医院，模型效果就完全没法看。”刘士远曾撰文点评。
某一线公募基金的董事总经理邹鹏向《财经》科普：“都是读放射学的医生，但每家医院出诊断报告的描述规范都不太一样。特别像北京这些大三甲医院，协和的规范，301不一定认。”曾在医院做过信息科主任的他，甚至直言：“当前中国没有真正的医疗大数据。”
数据之殇，成为医疗AI领域无比突显的挑战。深睿医疗的首席科学家俞益洲（港大教授，IEEE Fellow）也曾直言：医疗AI训练数据少，数据分布高度不均匀，数据标注的一致性较差，数据类型多（多模态影像，文本+影像）。
“算法当然重要，但真正拉开差距的，是数据质量、标注质量。”一位在医疗影像AI公司从业的算法工程师告诉《财经》，“你可以去看世界算法竞赛的最终结果，像Kaggle，基于同一标注数据集，大家（模型）跑出来的结果，拟合度非常接近，差异甚至要到小数点后3、4位。”

文章插图
AI圈有句话，“有多少智能，就有多少人工”，数据标注是让机器理解世界的前提。因为医疗影像的专业性，要求标注者必须有医学背景，众包的方式并不适用。一些医疗AI公司选择聘请1-2位全职医生牵头，再找医生兼职标注；或如上海联影，招聘百位全职“AI医学影像算法标注师”。