癌症早篩與科研兩手抓，「依圖醫療」醫療AI商業化探索現成果

作為近年來放射學領域最為矚目的技術，醫療AI正在放射領域得到廣泛並改變放射學的進步歷程。政策端，2017年國務院出台的《新一代人工智能發展規劃》對整個大健康產業釋放出重大利好信號，醫療AI逐漸成為了炙手可熱的風口。

隨之而來的是，有越來越多的醫療AI產品落地臨床，進入早篩、診斷、隨訪、科研等各個領域，成為臨床醫師的好幫手與“第二大腦”。依圖醫療即是在該領域有深入探索的一家企業，昨日它正式發佈了多組學智能科研平台並彙報了重要商業化項目“AI防癌地圖”的週年成果。

中：中華醫學會放射學分會主任委員、北京協和醫院放射科主任金征宇教授；右二：中國醫學科學院腫瘤醫院副院長周純武教授；左一：廣州醫科大學附屬第二醫院放射科副主任兼番禺院區微創介入科主任張振峰教授；左二：依圖醫療副總裁方驄博士；右一：依圖醫療副總裁石磊

“AI防癌地圖”走基層

關於依圖醫療，36氪曾對其有過詳細報導，它背靠視覺識別的技術優勢，擅長醫學影像分析，能夠用AI讀取醫學影像報告，智能甄別診斷影像情況，並給出相應的治療意見。目前，其AI醫療影像系統已經應用於全國300余家醫院，覆蓋肺癌、乳腺癌、宮頸癌、胃腸疾病等眾多病種。其中，胸部CT智能4D影像系統care.ai®已實現了從病灶檢出到管理的全流程智能化。

在這些技術應用探索的基礎之上，依圖醫療在去年11月正式啟動了“AI防癌地圖”項目，計劃在未來5年內投入1億元項目資金，聯合數百家醫療機構，覆蓋19個省市自治區，為基層民眾開展癌症早篩。經過1年的推廣執行，“AI防癌地圖”已覆蓋廣東、福建、河南、浙江、重慶、湖北、遼寧等多個省市，累計服務數十萬人次，實施肺癌智能早篩5000餘次，篩出疑似高危患者50餘人。

依圖醫療副總裁方驄博士告訴36氪，在基層的推廣並沒有想像中容易。“最初根本就沒人來查，人們的觀念普遍跟不上，後來和醫院聯合開展早篩宣教工作，這一情況才慢慢改善；也採取了一種‘本地化’的運營手段，譬如在不同地方醫院我們都會發動當地員工去親身講解，傳達給親朋好友。”

舉例來說，在廣東番禺，依圖醫療曾在2018年為1323例高危人群進行了智能早篩，2019年，又有1271名高危患者接受了智能肺癌早篩，其中有177名在2018年篩出的高危人群主動接受隨訪。

方驄坦言，受觀念和宣教限制，現如今“AI防癌地圖”所覆蓋的區域整體還是偏發達地區，包括中東部、沿海、沿江等；接下來，依圖醫療會重點向西北或一帶一路地區滲透，並將癌症從肺癌擴展至乳腺癌。

此外，“AI防癌地圖”的目標也在縱向逐步細化，包括為基層民眾開展長期的隨訪追蹤（繼續二期、三期、四期篩查）；優化結節管理模式，為肺癌高維人群建立健康檔案，構建區域樣本中心；與CTC、ctDNA等最新的早篩技術結合，建立綜合性的早期肺癌篩查體系等。

據方驄透露，目前，一方面公司已在積極和政府及醫療機構接洽，希望能互相聯動去做一些他們已經開展的篩查，由依圖醫療提供AI助力；另一方面，也已和一些企業達成戰略合作，譬如利用ctDNA做早期癌症篩查的，依圖希望通過液體活檢配合影像篩查，基於多臨床證據去支持判斷是否是患癌和良惡性，甚至將怎麼治納入進來，形成篩、診、治、隨訪的完整鏈路，目前也已經開始佈局了。

在商業化的道路上，拋開未獲取三類證不談，依圖醫療也總結了些許經驗。方驄表示，主要在於三個層面，包括技術、產品以及市場策略。她表示，背靠依圖科技，依圖醫療有強大的AI基因，也獲得了300余家三甲醫院的認可，產品力過關；在市場推廣層面，依圖醫療打造了一系列的產品解決方案。

依圖醫療的“骨齡智能一站式解決方案”

“以骨齡篩查產品為例，既和愛康這樣的體檢機構合作，進行SaaS化的部署，服務發達地區的孩子；也可以搭載到我的骨齡智能一站式解決方案（如上圖）上，走到農村去，覆蓋那些SaaS服務不到的城市，讓目標客戶能夠以最低的成本用起來。”

臨床和科研兩手抓

而幫助基層開展肺癌早篩的同時，依圖醫療也在科研領域上持續探索，並順勢推出了多組學智能科研平台care.ai。

事實上，“科研平台”並不是一個新概念，在臨床應用商業化受阻的當下，科研平台幾乎成為每家醫療AI企業的標配，包括影像組學科研平台和醫療大數據科研平台——即基於電子病歷去提取文本信息（類似於篩選器），它們通過文本數據或影象數據的標註和流程化訓練方面取得了一定的科研成果。

不過，依圖醫療副總裁石磊表示，“它們只是參與了數據的治理過程，且這兩個維度其實在今天對於醫學科研而言都不太夠，圖象雖然重要，但僅僅基於圖象而不關聯臨床信息，圖象代表了什麼不清楚，它的意義也會大打折扣”，跨學科、多模態數據的整合才是“AI-based”的科研趨勢。

依圖醫療副總裁石磊發佈多組學智能科研平台

那依圖醫療的科研平台有何特殊之處呢？

據石磊介紹，市面上大部分單純基於醫學影像既有低維特徵提取、綜合、分析的科研平台，相較之下，care.ai引入了“多組學”概念，即將深度學習技術前置於高維信息提取過程，協助醫學專家探索更高維的醫學信息世界，最終實現“小樣本亦大數據”；另外，還將影像、文本、基因、病理等多模態信息引入科研流程，為科學研究提供更全面的AI輔助，開展更豐富的臨床研究。

他解釋到，現實情況下，醫生做科研獲取到的都是小樣本，無法實現“大數據”；現如今，醫療數據的信息密度越來越高，衡量醫療數據價值的維度早已不能侷限於樣本量，單位樣本的數據信息密度已成為臨床研究新的價值維度。而AI技術能深度提純和解析數據價值的能力，可充分挖掘有限數據中包含的海量信息，讓曾經的“小樣本”數據成為“大數據”。”

“信息提純和解析貫穿每項科學研究的始終，醫學研究往往需要整合多維度數據才能有所突破，對於多維數據的整合能力、高維信息的提取能力和數據分析的智能化水平直接決定了科研效率與成果水平。”

不過，多組學智能科研平台的建設挑戰極大，對於建設者的醫學問題理解、AI綜合能力、合作夥伴等都提出了極為嚴苛的要求。對此，石磊表示，“依圖醫療在計算機視覺、自然文本處理、知識圖譜技術等多領域的深厚積澱是重要的技術支撐。”

具體來說，針對解決臨床信息和影像信息關聯的難點，依圖醫療納入了包括了圖象處理、自然語言以及醫學知識圖譜等多項技術：在此技術架構上，把影像圖象、臨床的文本數據乃至病理、基因這些多模態的數據最終整合，作為一個在科研平台當中的數據進行整體輸入；處理方式上，不僅僅用傳統機器學習、影像組學的方式，還包括了深度學習的方式，即提取醫生關注的問題點，把它們作為科研當中重要的輸入；另外，設計一套算法適用於醫學小樣本，包括讓算法去設計算法、優化訓練以及提取特徵和定義特徵。

石磊透露，現如今，基於該平台已有不少科研項目陸續展開，包括華西醫院、浙江省肺癌診治醫學中心都有一些小的前期成果出來。

本文經授權發布，不代表36氪立場。

如若轉載請註明出處。來源出處：36氪