早期，AI技术经常在“被神化”和“被轻视”这两个极端间游走。

直到AI技术连接上医疗场景，资本一拥而上，大批顶着医疗AI之名的公司在万众瞩目中冲入医疗行业，一路高喊“颠覆”，却一路“被教育”，资本也从火热转向冷清。

但随着时间推移，医疗AI行业走过当初懵懂的“婴儿期”，在热度下降的成长期，却开始显露出可贵的“赤金”本色和创新力。

从玩家扎堆的肺结节到被市场逐渐认可的眼底、脑卒中……连接AI技术后，医疗场景开始有了迭代的更多可能，既有越来越垂直的纵向应用，突破大众认知的医疗AI技术，还有横向跨界在计算机、石油、地质等领域的应用。

当然，无论是这个行业的乐观派还是悲观派，有一点是被所有人认可的，这条赛道大家才跑了不到十分之一的距离。

大胆想想，如果能把所有医疗AI公司的数据汇集起来，就像让所有的潮水流向大海，那医疗AI行业也许能掀起一场“地震级”的新风暴。此前医疗领域所有不能做，做不到的事情，都可以用新技术重新做一遍。

医学影像AI是否还会有颠覆性创新出现？被热议的“数字孪生”崛起，影像AI又能发挥什么作用？

5月12日晚，《财经》·财健道联合易凯资本，邀请到行业头部企业鹰瞳科技、深睿医疗、安德医智，在直播沙龙《“数治”时代，医疗AI有多少想象力？》中，分别就医疗影像AI的“面包和现实”、“诗和远方”展开深入对话。

以下为下半场沙龙干货实录：

01 医学影像AI是否还会有颠覆性创新出现？

《财经》杂志主笔、财健道主编杨中旭：

鹰瞳陈羽中教授曾对财健道说，通过人眼底的病灶，不仅可以预测眼部疾病，还可以分析出全身的慢性疾病风险，甚至能看出人的性别和性取向。技术如此神奇，您能否为我们进一步介绍其背后的原理和实现路径？

鹰瞳科技（Airdoc）首席医学官陈羽中：

这个话题很有意思，突破了我们常规的认知。视网膜是全身唯一可以直接无创观察血管和神经的组织，全身性的1000多种疾病、200多种常见病都可以通过眼底检测发现。2017年、2018年的时候，我们做视网膜影像、筛查糖网时还好，一旦进入高血压和其他疾病领域，大家就问能看吗？

这要问问医学——视网膜是否具备这些用以检测的生物学信息？我们让医学部做了一个论文汇编，囊括全世界各专家的智慧结晶，论文记录了他们用视网膜影像诊断贫血、肾衰、帕金森等等各种各样的疾病，眼科疾病就更不用说了。

其实我们不仅能看到糖网，还可以看糖尿病的发生概率，看准确率怎么样。总的来说是通过深度学习人工智能的技术，再加上视网膜固有的医学信息，使得除了人类眼科医生本来就能做的一些病变、疾病的识别，我们还能做到对慢性疾病本身的识别，比如阿尔茨海默病、帕金森。我们未来还会发表更多的论文，推出更多的成熟产品，服务于更广大的群众

杨中旭：医学影像AI是否还会有颠覆性创新出现，各位嘉宾的洞察是什么？

安德医智（BioMind）首席技术官吴振洲：

如果实现超智能影像的路程有一百米，其实我们现在还没到十米，为什么这么说呢？以肺结节为例，每个厂家都在做，但它的假阳性还是非常高，假阴性也比不过很多初级医生。

这里面有一个非常关键的问题，那就是现在很多AI模型都属于“弱智能模型”。什么叫“弱智能模型”呢？它有时候会犯一些非常简单的逻辑错误、一般人类不可能犯的错误。

科学现在也在尝试解决这个问题，自然语言届有个模型叫GPT，第一代的时候，它神经元参数是15亿个，非常巨大，这个模型的语音翻译、理解能力已经接近小孩的水平了。但是人的神经元有850亿，15亿离850亿还有很大区别。而次年问世的GPT3有1750亿神经元参数，已经是人类神经元的两倍了。这么大的模型在结合海量的数据训练成后，发生一个有趣的超智能现象，就是它可以通过演示就能理解数据规律，而不需要对模型进行再训练。比如你告诉他1+1 的3倍是6，问他2+3的3倍等于多少，它会说等于15，在没有数据训练的情况下，没有人告诉它问题逻辑是什么，它就能自己“理解”问题，有了“自觉”。

之前AI的神经元数量都只有人脑神经元数量的千分之一、百分之一，现在两者达到同样数量级级的时候，这个模型就似乎有点人的“意识”在里面。医疗影像也是一样。

接下来的关键是如何让AI模型的神经元扩展得更大，如何把更多的数据放在一起学习。医疗AI行业目前基本上都是各自为政，每家各有一两万的数据训练一个模型。有没有可能未来大家把数据集合在一起做出一个大模型呢？这个大模型绝对有可能解决现在遇到的弱智能问题，做到接近类人的境界。我觉得达到这样的境界，才能给予基层医院更多的赋能，让基层医院相信AI给出的结果和诊断。

深睿医疗联合创始人&首席技术官李一鸣：

咱们可以从窄一点的医学影像角度来讲这个问题。其实CT这些设备的成像原理，都是射线穿透组织，产生衰减，形成电子信号，基于电子信号再转成数字信号，再把数字信号转成图像信号。

为了照顾人眼，这一系列工作有很多折中和损耗。人眼能分辨256色，为了供人眼更好的观测，信号转化过来最后变成只有256个色阶。从AI角度来讲，本质上它是以计算设备作为载体，计算设备比人体相对更有优势——计算快、存储量大，遗憾的是，它没有智能，所以它只能干一些指令明确的事情。

但是今天有了人工智能以及深度学习的技术和手段之后，AI在计算设备上又叠加了智能的属性，这一点是非常大的突破。我们从人的角度不适合做或者做不到的事情，今天我们都有必要把它翻出来，看看新的技术能不能去解决。

比如说未来的影像设备是不是可以把原始的数据呈现、输出，供AI做更好的应用？再比如说现在有更多的探测的智能终端，是不是可以产生更大量的实时的数据？因为有了AI能够处理还能够快速反应。

2017年底，我去美国参加NIPS会议（Conference and Workshop on Neural Information Processing Systems，即神经信息处理系统大会，是一个关于机器学习和计算神经科学的国际会议），当时谷歌大脑的科学家讲的话我印象非常深刻，他说他们在用AI算法做可控的核聚变，这是很了不起的突破。这就促使我想医疗有很多这样的场景，受限于人体现在不能产生大量的数据，不能实时产生数据，这些都是未来我们可能有机会做一些颠覆性的事情。

02 数字孪生医疗应用崛起的时代，影像AI大有可为？

杨中旭：《易凯资本2022中国健康产业白皮书》中提到“数字孪生”概念，这个概念和近期比较火爆“元宇宙”有共通之处，医疗领域“数字孪生”是什么？在这一方面，影像AI是否大有可为？

易凯资本合伙人、健康产业联席负责人李钢：

各位可能还记得《钢铁侠》中有一个场景，主角新到了一个装置，他觉得看不清楚就用手一散，整个装置的每一个零件就出现在他的视线里。如果有喜欢汽车的朋友，你想研究发动机，你可以用手一挥，发动机的每一个零件都分开，你可以站在每一个零件面前拿下来看，有没有改进的空间，这个东西是不是方的可以改成圆的，这是科幻电影里的事情。但是我可以告诉大家，这个事情在今天是完完全全可以做到的。

我们可以换一个想法，如果不是发动机，而是心脏，是大脑，是一个头颅，我们也可以用这种方式。比如说陈羽中教授当年作为医生，和另外一个医生或者和患者沟通脑部肿瘤，可能患者也听不懂你在说什么，或者和你沟通的医生，一个在北京，一个在纽约，你们都可以戴上VR的眼镜，在同样的虚拟的room里面，把脑肿瘤完全打开，看到肿瘤组织在大脑的什么位置上，模拟怎么做这个手术，做完之后大脑会变成什么样，大家想一想这个场景会不会非常exciting。

我一个好朋友公司是DataMesh，做数字孪生服务，在全球可以排前三。他给我看了一个台湾医院的应用，就是我刚才讲的场景。

第二个想一想，2012年的时候美国NASA就给出了数字孪生的概念，用各种模型、传感器，传感器拿到的数据，包括历史数据，最后通过多维度的仿真形成一个产品的镜像，这是最简单的讲法。如果我有足够多的传感器和数据，包括依靠于AI的算法可以把物理上存在的人变成一个数字人，你的血流，你的脉搏，你所有的生命体征完全可以变成虚拟患者，在这个时候我们的医疗器械，我们的新药很多临床试验其实都是可以以虚拟人为基础去做的，而数字孪生的真正的愿景我觉得有一句话非常好，就是在计算机模型上犯错误而不是在人身上，所以这一点我相信不管是从成本还是从效率，都会带来很多有意思的话题。

李一鸣：我首先认为这是一个非常好的愿景，我们通过各种各样的手段，仿真算法结合技术，把人从物理实体变成数字的虚拟化的人体，这样的话我们可以在上面去做很多的实验，我认为这绝对是未来发展的一个大的趋势，只不过我们现在可能是正走在这个路上。

影像也是，影像可能更直接一些，通过影像的设备把人体直接进行扫描形成数字化的解剖结构的显示，这样的话相当于我们可以更好地观测人体的变化，从而帮助诊断和治疗。我感觉这个事情是在拼图的过程中，大家都从各自的角度向终极去努力，在这个过程中我们也能够同样践行这个概念，更早地产生一些落地的结果，因为很多特定的场景可能仿真，包括利用传感器给建设成数字孪生的实体来讲，其实难度很低。但是在临床的价值上可能未必低。

比如说我们现在做肝癌的手术治疗规划的产品，我们通过数字影像的检查，把组织、器官，包括相应的血管重建完之后找到病灶，我再对于现有的医疗器械的模拟找到最佳的手术方案，这样的话就是在数字上能够做的对于数字孪生概念的验证，AI医疗领域的人可能都有这样的梦想。梦想很远，但是并不意味着我们在中途中什么都做不了，我们在中途可以找一些很特定的场景，找一些特定的临床应用，我们可以把这个概念完全地转化成产品，进一步去验证我们这个大的愿景是正确的也是光明的。

陈羽中：第一，医科大学很早就在做数字人相关的技术探索，一个人像CT切片一样，整体组成一个数字人，当年还是一个很宏大的构想，其实就是现在的孪生医疗的状态。

第二个，现在讲是十年前，脊柱外科风险最高的手术是做颈椎（四肢骨折是相对比较简单的手术）。跟病人讲清楚这个手术其实很困难，因为脖子本来就很小，看不清楚。当时有3D打印，打印出一套骨骼模型，相关医生拿着模型跟病人讲，我要给你做这样的手术，不过当时这种方式算院外收费不算院内收费，所以遭到了医政管理部门的强力阻止。

事实上我觉得这两件事都有价值，目前还处于比较初级的阶段，不仅仅是医科学生学解剖的时候，不用动尸体就可以去学习等等这样一个作用，当我们参数更多、维度更多的时候就可以进入更加高级的阶段，比如器械选择、药物临床试验等。另外跟病人沟通这件事情本身在医疗上非常有价值，能够给病人以信心。当然，从医政和各方面的制度如何看待这个问题，可能还是有蛮长的一段路要走。

吴振洲：我就补充一点，很多很厉害的专家，一生积累的巨大知识财富，在生命最后一天都化为灰烬了。能不能把这些专家这么多年的知识、信息数字化，变成一个数字孪生，让他在平行宇宙里面继续活下去，这个场景未来有可能实现。美剧《上载新生》讲的就是这个。

杨中旭：三十几年前腹腔镜技术刚开始其实受到了非常大的阻力，哪怕是在医学界内部很多医生也是反对的，但后来这一技术进步给患者减少了非常多的痛苦，这让我们有一个感受，就是在产业发展的初期应该给予一定的泡沫，当然我们不能给它太大的泡沫，但是也不能政策收得太紧，让行业“缺水”死掉。

现在是AI的时代，我们应该给这个行业以一个适度宽松的环境来鼓励它继续前行，这是一个外行人简短的总结。

（本文由财健道团队根据视频号直播内容整理，经嘉宾授权发布）

- END -

如果想获取《易凯资本2022中国健康产业白皮书》全部内容，可在财健道公众号后台回复“白皮书”三个字。

如果您对本次直播话题意犹未尽，欢迎在财健道公众号后台回复“医疗AI”，加入行业的读者群继续深入探讨。

独学而无友，则孤陋而寡闻。欢迎更多读者向《财健道》分享对于医药行业的困惑、见解或期待，添加财健道小助手微信：13581763450，通过实名认证后加入读者群。