人工智能在医疗中的应用由来已久，国外早已商业化

人工智能作为一个专业术语被提出是在1956年夏天，50多年来，取得长足的发展，成为一门广泛的交叉和前沿科学。

在医学领域，我们非常熟悉的IBM Watson已经为MD癌症中心工作了好一阵子了，通过Watson的认知计算能力，从病人病例和丰富的研究资料库中寻找资料，为临床医生提供有价值的见解，从而帮助医护人员找到最有效的治疗方案。人工智能医疗还包括Enlitic、AtomwiseAtomwise、The Human Diagnosis Project、Butterfly Network、Arterys等等。但是医疗的特殊性决定了任何产品商业化应用前都需要经过严格的审批流程，其实上述这些大名鼎鼎的产品大都离我们还有距离。我们期待他们可以早日通过审批，走入我们的生活.

人工智能在医疗领域的应用目前还不能用于治疗，而在诊断中的应用已经有40年的历史，即计算机辅助诊断（computer aided diagnosis，CAD）。目前常说的CAD技术主要是指基于医学影像学的计算机辅助技术。20世纪90年代以来，人工神经网络（artificial neural network，ANN）快速发展让医学影像学领域的CAD取得了质的突破，它是模仿人大脑神经元工作原理的一种数学处理方法。由于它具有自学习能力、记忆能力、预测事件发展等能力，因此可以起到辅助诊断的作用，在分类、诊断方面，人工神经网络方法比传统的方法(概率统计法、数学模型等)有更优越的性能。目前，CAD研究大多局限在乳腺和胸部肺节节性病变，因而，乳腺及肺结节病变的CAD研究基本上可以代表目前CAD在医学影像学中的最高水平和现状。国外商业化应用就是集中在这两个领域。例如1994年在硅谷创立的R2公司，是全球第一获FDA批准（97年）的乳腺癌钼靶计算机辅助诊断系统，累计销售额超十亿美元(后被Hologic公司收购)。

所以，CAD是人工智能在医疗领域的最早且最具代表性的应用，在乳腺疾病诊断中的应用已经实现了大范围商业化。

 

海外乳腺CAD商业化应用并没有影响我们的生活

    以CAD商业化领域最成熟的乳腺疾病为例， 乳腺癌筛查的方式有乳房自检、临床检查（CBE）、超声检查、钼靶X射线检查、肿瘤标志物检查以及基因测序诊断等方式。由于个体差异和专业知识的缺乏乳房自检检出率低，不适宜普查，只是作为女性关注自我健康方式的辅助手段。乳腺癌的肿瘤标志主要有黏蛋白样糖蛋白MUC-1家族，如CA15-3，癌胚胎抗原CEA，癌基因HER-2或CerbB-2，乳蛋白，糖酵解酶和细胞角蛋白，组织多肽特异抗原。肿瘤标志物在临床中的应用主要为乳腺癌的转移、复发与预后的检测预防，对乳腺癌的早期诊断缺乏敏感性与特异性，所以目前肿瘤标志物对乳腺癌的早期诊断意义不大。利用基因测序来进行乳腺癌的早期筛查方式目前并不成熟，而且肿瘤形成的复杂性也意味着在我们掌握的基因知识还不能完全解释整个发生发展的过程，基因测序在很长一段时间内不能替代影像学筛查，但随着基因测序技术的发展，将其运用于乳腺癌的筛查也存在着可能性，不过估计未来10－15年仍然是传统的方式占主导地位。

目前筛查的方式主要是临床检查（CBE）、超声检查和钼靶x射线检查。我国现阶段的群体普查如国家卫生部启动的“两癌”筛查工程，一般采用的方式为超声检查，这是基于超声检查较钼靶x射线检查更经济与无辐射更安全的条件的选择。同时也由于我国女性多为致密性乳腺类型使用钼靶X射线检查漏检率过高的原因。

 

 

中外乳腺癌基本情况比较

项目	中国	欧美
乳腺类型	65%为致密性乳腺	多为脂肪型
发病高峰期年龄	45-50岁	55-60岁
乳腺癌发病率	42.55/10万	72.4/10万
死亡率（以患癌女性为基数）	9.50%	4.30%
常用筛查方式	超声、钼靶x射线	钼靶x射线

数据来源：2015年中国癌症数据统计

可见乳腺筛查市场巨大，而我国更适合用超声检查，这是区别与国外的情况。据此推理，超声乳腺CAD是最符合中国国情的应用，而国际上还没有基于超声的乳腺CAD。

 

期待CAD商业化时代的到来，人工智能医疗定将改变我们的生活

CAD本质上是为了解放人力，但是传统超声检查设备是依赖专业超声科医生手动检查，超声图像非标准化，无法给CAD提供发挥的舞台，到这里是否我们走入死胡同？解决了后端的自动读片问题，却卡在前端的影像获得环节。

如何让超声图像标准化这需要用到一个非常炫酷的技术——自动乳腺全容积成像技术（Automated Breast Volume Scanner，ABVS）系统则是一种不依赖操作者经验的能覆盖全乳的全新超声诊断设备，可以由护士或技师完成整个操作。目前已有研究表采用自动乳腺全容积超声扫查的结果要由于传统的手持超声方式，在检出率与微小病灶的确定方面都有更优的性能。

让我们想象下：ABVS＋CAD其实就是不需要借助专业B超医生参与检查过程，由计算机辅助诊断系统帮助给出诊断意见的乳腺癌筛查解决方案！到这里我们找到最终的方案。按照这个逻辑我们可以去寻找基于ABVS的超声CAD项目，方向就对了。

我们复盘下这个案例：

人工智能医疗——CAD（专指基于影像学）——乳腺钼靶CAD（国外商业化运作，具备成熟商业模式）——国情要求乳腺超声CAD（发现机会）——超声图像非标准化（难点）——全容积超声（ABVS）可以实现标准化而且不需要专业B超医生——ABVS＋超声CAD（解决方案，找到投资方向）。

 

 

这个案例中给我们的提示：

1. 炫酷的热点也可以出现在保守的医疗行业中
2. 对于历史沿袭的研究和海外发展过程的了解可以避免盲人摸象，掌握全景
3. 大范围商业化应用才是真正具有商业模式的，才是投资目标
4. 国情孕育着机会，分析差异意味着梳理投资方向
5. 专业领域知识和信息的掌握可以发现惊喜

 

• 作者信息：刘云，华医资本创始人，投资学专业博士，医学硕士。原GE医疗高管，曾担任华夏、博时等近十家基金公司医疗项目顾问。现任国内几十家产业园区和孵化器创业导师，研究及从事的方向为医疗投资宏观分析、医疗企业投后管理及医疗基金结构化设计。