全球数字化浪潮已确定进入下半场，AI是否能真正的临床落地，给医疗、医生和患者带来真正的核心价值，将成为大浪里的试金石；

  在这场价值链的战斗中，显然飞利浦已经领先一步，在落地的同时全力打造行业生态圈，这也成为飞利浦医疗的AI核心战略。

  8月24日，飞利浦首个AI产品“星云医学影像人工智能平台”落地吉林大学白求恩第一医院（以下简称“吉大一”），这标志着飞利浦数字医疗转型突破口“AI健康医疗”郑重进入战略落地阶段。

  医疗是AI的第一大应用场景，中国将成为全世界AI健康医疗革命的中心，而中国将是飞利浦最重要的市场。

  医疗是AI的第一大应用场景，中国将成为全世界AI健康医疗革命的中心，而中国将是飞利浦最重要的市场。

  作为老牌影像医疗企业，飞利浦的高管们早就嗅到了“医疗是AI的第一大应用场景新风向，并早早布局，此次落地吉大一的星云医学影像人工智能平台就是一大成果。

  飞利浦星云医学影像人工智能平台是获得FDA和CFDA双认证的整合智能化影像诊断和科研平台，包括2个部分：

  精准医学时代，医学成像的挑战在于如何从影像中提取更多有效的特征，实现从定性到定量的转换。

  西医是一门非常需要定量化的医学，因为在临床上有很多诊断，里面定性的成分比较多。中山大学陆遥教授向医趋势表示，“对这些定性的成份，有经验的医生相对更容易领悟到这些定性的描述到底在说啥意思。但是对一些年轻的医生可能就很难准确地把握这些语言的内涵。”

  飞利浦的ISP平台通过大量的定量临床诊断的数据、影像的数据跟一些定性的数据，比如文献、诊断报告等，能够把它们关联起来，建立一个临床或者症状从定性到定量的量化的数学模型，辅助临床医生基于影像，做出快速、精准的临床诊断决策，规划个体化治疗方案，跟进疾病治疗。

  据悉，ISP平台内有80多项应用，涵盖放射学的多个临床领域，包括心脏病学、肿瘤学（肝、肺、乳腺、前列腺等）和神经学。

  对放疗医生来说，放疗靶区勾画技术难度很高，临床需求更为迫切。以鼻咽癌患者的靶区勾画为例：

  医生要消耗两三个小时看数百张CT/MRI影像，不但非常耗时，而且靶区勾画的准确度与放疗剂量选择直接决定了患者的治疗效果和生存率。

  医生要消耗两三个小时看数百张CT/MRI影像，不但非常耗时，而且靶区勾画的准确度与放疗剂量选择直接决定了患者的治疗效果和生存率。

  飞利浦合作伙伴柏视医疗将此作为突破口进行攻克，目前其开发的鼻咽癌放疗靶区规划算法所有数据均由中山大学附属肿瘤医院的主任医师进行标注，在全球首创了鼻咽癌放疗临床靶区自动勾画系统。

  该算法不但可对GTV（肿瘤区）进行自动勾画，还可对CTV（临床靶区）进行自动勾画。须知，CTV勾画是放疗控制肿瘤复发转移的关键，也是靶区勾画技术难度最高、最耗时的部分。

  目前该算法已经在飞利浦的ISD平台实现整合，不仅采用了先进的图像分割、增强技术，还采用了Markov人工神经网络算法来提升靶区预测的准确性，把原来4小时的放疗手动规划时间缩短到了一分钟之内，其准确性能够达到资深放疗科医生的规划水平。

  市场饱和度在某些特定的程度上代表了品牌在一个市场上增长的上限。欧美市场中设备均质化的发展的新趋势，并不利于产品的进一步抢占市场。而新兴市场的发展不完全是循序渐进的状态，还可能是一个跨越式发展。

  所以，在很多器械商的眼里，中国、印度这样的人口大国以及区域医疗发展的不均衡蕴含了无数的机遇。飞利浦星云医学影像人工智能平台落地吉大一就是一个很好的例子。

  精准医学，影像先行。人工智能技术能充分挖掘医学影像大数据的价值。当前，国家正在大力推进医疗大数据应用。

  作为中国首个落地飞利浦星云医学影像人工智能平台医院，吉林大学白求恩第一医院王海峰副院长有自己的看法和整体规划，他希望能够通过ISP和ISD两个平台在放射学科或者整个学科群的应用来引导整个医院对大数据的挖掘。

  “从我们放射科先开始，到我们的病理科、超声科、乃至于到临床，他们都有零零总总的数据，放射科这边成功了，我们就形成经验和流程了，这样我们就会在全院推广。”

  在飞利浦大中华区首席执行官何国伟看来，平台的落地根本性地改变了飞利浦和客户的关系。飞利浦将与专业客户分享在临床科研、医疗设施、信息系统、数字化和AI等方面的创新实践，立足从中国健康医疗系统的痛点和需求，把全球领先的创新资源与本地临床情境紧密契合。

  “我们将积极构建‘产、学、研’结合的‘本地ECO’，推动‘人工智能+’的跨界融合发展，助力中国实现AI医疗的‘突破式创新，促进优质医疗资源均质化。”

  一方面，它具有互联网商业经济的特点：大量资本涌入，创业者蜂拥而至，产品同质化严重；

  另一方面，它也具有医疗行业的高壁垒特色，互联网行业赢者通吃的法则并不适用，甚至相反，出现了巨头与初创企业抱团探寻商业化的局面。

  陆遥教授坦言，正常的情况下，科研人员只会研究一些很核心的、有难点的问题。但对一个产品来说，麻雀虽小，也要五脏俱全。除了这些核心的科研问题要解决之外，还得有其它的一些辅助的技术进行协助。

  “我们做一个类似（飞利浦）的平台，怎么也得十年到二十年吧。十年到二十年下来，我们这个技术早就过时了。比如说我们的核心技术就是在人工智能这一块儿，但是像图象分割、图象融合这些技术，我们就没有比较好的技术来支持。所以在这样的一种情况下，借助ISD、ISP这样的平台，可以非常快的让我们的技术以一个恰当的形式嵌入到医院里去。＂

  而在飞利浦看来，构建以AI为中心的健康医疗生态系统，需要覆盖整个健康产业链的每一环，包含大量的细致划分领域和应用场景，这不是哪个人、哪个公司、哪个解决方案可以凭一己之力解决所有的问题。

  因此，飞利浦主张打破壁垒和界限，“开放、创新、协同、整合、共享”是必由之路。基于这样的理念，飞利浦ISD平台采用开源架构，支持医院及第三方平台等自行开发和快速验证临床科研算法，甚至还鼓励客户把自己的算法上传共享。

  医疗AI作为一种全球先进的技术潮流，在带来提高医生阅片速度，便捷医疗等诸多福利的同时，也面临技术、数据、法律等诸多挑战。

  熟悉医疗AI行业的人不难得出这样一个结论：肺结节和糖网筛查几乎是每个医疗AI企业的产品标配。除了医疗市场需求量大外，技术壁垒相对较低也是重要原因。

  比如肺小结节，前景是钙化，背景是肺泡，对比度很高，这种特点和光学图像的特征非常接近。目前，光学图像研究已经很深入，国外的LUNA等公开数据库拥有上万例经过标注的数据，深度学习的代码也大多公开，任何人都能轻易获取，可以说，这一领域，初创AI企业门槛相对较低。

  但目前，在医疗影像领域只有肺小结节、眼底OCT、细胞病理三种场景具有光学图像特征，显然，在实际的就医场景中患者的疾病不会仅限于这三种。从这一方面来看，多病种医疗AI产品具有较深护城河。

  而诸如飞利浦这种大企业，构建平台，筑巢引凤，吸引具有某一特长病种的企业加入合作，能够拓展自身病种的多样性。

  目前市面上有一些产品号称能做到肿瘤良恶性的诊断，飞利浦影像研究院院长周振宇博士指出：从科学角度来看，这种肿瘤的良恶性鉴别一定是影像科作为辅助科室的一个很重要的内容，但就现在算法来说，想要得到一个非常高的鉴别度或者高倍率都有一定挑战，实际上它的假成像率也是特别高的，也就是说很多的这种误诊和误判会随之而来。

  同时，他表示，从影像大数据规范化以后，想要得到一个符合国家标准的鉴别准确度，其实就是有一个平台期。“它并不是说今天我有一万例数据，明天我有十万例，一定能从90%的正确率达到100%，实际上到了一定的数据规模以后，它是达到一个平台期。”

  陆遥教授指出医学影像本质上是中小量级的样本级，需要统一标准的高质量批注，所以说医学影像不能称为大数据。为了能够更好的保证模型的稳定以及精准度，柏视医疗的核心技术采用的是小样本集数据训练模型，并与知识图谱和深度学习相结合。

  在数据获取方面，柏视医疗将其系统部署到合作医院中，并不从医院直接获取数据，而是在院内训练系统，从而获得增强特征数据集，利用这些特征集再完善本身的系统模型，有效地保护医院的数据隐私性，也解决了现有其他技术公司医疗数据获取灰色地带的问题。

  相关统计多个方面数据显示，预计到2025年，AI应用市场总值将达到1270亿美元，其中，医疗行业将占市场规模的五分之一，2018年，有望达到200亿元，医疗AI的中国时代已经到来。

  作为影像行业数字化医疗AI有力推动者和领导者，飞利浦正在全力起航，是否能开辟中国医疗数字化的新浪潮，给行业带来价值是其根本，也是所有参与者的价值所在。

  共建共享中国式的数字化医疗AI的全球实践，中国数字化医疗必将走在整个世界的前沿！返回搜狐，查看更加多