嗄沫
人工智能(简称 AI)进入医疗领域后，迅速向医学影像、辅助决策、病案管理及病理诊断等诸多领域铺开，几成燎原之势，被业界人士公认可为医疗效率的提高提供重要解决方案。这其中，医学影像 AI 的创投最为活跃，并涌现出以图玛深维为代表的专注提供各类影像 AI 产品的新锐公司。目前看来，这类产品能够较好地解决临床痛点，最有可能率先落地。
填补人力资源缺口
医生缺口较大是中国医疗资源不足重要表现。相较中国每年影像数据高达 30% 的增长量，放射科医生数量年增长率却仅为 4.1%。病理科的缺口更为悬殊，在美国，大约每两千人口就拥有一位病理医生，而在中国平均每七万人口才有一位，缺口多达 3～4 万人。考虑到成熟医生的培养周期动辄以 10 年记，按照中国现在培养病理医生的速度，足足需要 200 年才能赶上美国当前的水平。
有鉴于此，在弥补医疗资源缺口方面，人们对医疗 AI 寄予了更多的期望。可喜的是，自从 2012 年，深度学习技术被引入到图像识别领域后，识别正确率取得了突破性的进展，这也为医学影像 AI 更进一步付诸使用平添极大的助力。以图玛深维的主打产品肺结节智能诊断系统为例，在临床试验中，它能检出肺部各类病灶及其性质，检出率可以达到 98.6% 以上，诊断效率提升 40～60%。该系统结合了世界上最先进的深度学习人工智能算法，能在 CT，MRI，X 光，PET/CT，超声等多种医学影像中精确的检测，定位和分割各种可能的致病因素，最大程度提高医生的诊断效率和诊断精度。
目前，医学影像 AI 的主要定位是医生的助手。相对于传统人工阅片模式，在人机协同之下，先是经由 AI 完成影像的初步筛选和判断，而后再由医生完成最后的确认。这种模式不仅能够降低微小病灶的遗漏、大幅提高准确率，而且还可确保更高的诊断质量以及相对更低的成本。
除了关注影像 AI 产品的内在性能外，外在产品形态是否「称手」其实也应纳入产品的评价标准。后者的优劣实际上反映了一家公司在开发产品的过程中，是否真正设身处地的在了解医生的需求。图玛深维的 AI 产品在一些知名医院试用过程中之所以广受好评，易用性是一个非常重要的因素。据了解，该公司在产品研发立项之初，便会让医生参与其中，通过不断地优化交互界面，令其在日常工作能够很快熟悉操作。譬如很多医生习惯在 PACS 上书写诊断报告，图玛深维的智能诊断系统能够一键将信息复制黏贴到 PACS 上，使诊断流程更流畅。
放大医疗生产力
人力资源缺口的存在令每一位医生几乎都在疲于奔命当中，尤其是三甲医院的热门科室，医生过劳现象比比皆是。以肺结节的影像检查为例，平均一家三甲医院平均每天会接待 200 位需要进行肺结节检查的患者，每位患者将常规产生 200～300 张 CT 影响。这意味着仅一家医院的影像科每日就需处理图像 4 万～6 万张。
如何在短时间内放大医疗生产力，令医生从一些繁忙重复的劳动中解脱出来，AI 技术或许也能扮演重要角色。
仍以医院的影像工作为例，医生的阅片方式一般是逐张查看，凭借经验进行判断。阅片速度和准确性因人而异，通常都会存在长时间阅片易疲劳所导致的准确性下降的问题。而 AI 读片在理论上不存在疲劳的问题，如果需要可以同样的水准一直不眠不休的工作。尤为重要的是，在知识和经验传承方面，人类的学习方式效率相对低下且需要一直保持练习才能维持较高水平。而 AI 增加一个终端，就如同复制粘贴一般，如果需要升级，则是全网同时升级。
这些特性不但有利于扩大中心医院的医疗生产力，更有利于提高基层医院的医疗水平，并促进我国不同地区医疗水平的均衡发展。正如图玛深维 CEO 钟昕所说，在我国，基层医疗机构是医疗体系的末梢神经，而硬件设施、人才缺失则是摆在基层机构面前的一道难题。AI 技术最直接的受益方就是基层医院的医生，在提高他们的诊断水平的同时，也可以令身处基层患者能够第一时间得到高水平的诊断。
目前，图玛深维的研发和产品管线上主要有三大类产品，分别是深度诊断系统、智能诊断平台和智能医疗数据分析平台，分别针对中国医生的主要临床需求和科研需求而研发。特别是 σ-Discover Lung 系列产品，已经涵盖了影像科医生工作全流程，即从影像识别到给出诊疗建议。在医院影像工作流中，放射科医生会将诊断结果和诊疗建议提供给临床医生参考做最后的治疗方案。
除肺结节产品外，图玛深维已经完成基于深度学习的 CT、X 光肺部疾病下的肺部分割，用于包括肺炎、肺结核、肺水肿等在内的多种肺部疾病诊断。乳腺癌、前列腺癌、肝癌、胰腺癌、脑卒中等智能诊断产品也已经在国内多家医院试用。这一系列新品涵盖多种中国人的常见肿瘤和慢性疾病，在进一步巩固图玛深维肺结节诊断的固有优势外，还将公司在 AI 领域的深厚积累扩展到了其他适于 AI 技术大战拳脚的疾病领域。
当前，在图玛深维等头部公司的带动下，医疗 AI 正已前所未有的速度带给人们一个又一个惊喜。相信在不久的将来，在 AI 技术的加持下，困扰医患多时的诸多临床痛点终将得以解决。
