文/陈根
近年来，作为主导新一代产业变革的核心力量，人工智能在医疗方面也展示出了新的应用方式，在深度融合中又催生出新业态。尤其是影响识别方面，将人工智能技术应用于医学影像诊断中，是在医疗领域中人工智能应用最广泛的场景。
在人工智能医学影像发展应用初期，肺结节和眼底筛查为热门领域，近两年随着技术不断成熟迭代，各大Al医学影像公司也在不断扩大自己的业务半径，乳腺癌、脑卒中和围绕骨关节进行的骨龄测试也成为市场参与者重点布局的领域。
然而，虽然听起来将人工智能应用于影响识别是很火热的场景，但真实情况却让人们有所失望。事实上，如今，各级医院中的医学影像AI已不罕见。不过，无一例外的是，它们都是以“试用”的名义进入医院。这在某种程度上反映了医学影像AI落地的现状——免费试用有余，花钱购买不足。
究其原因，一方面，作为新兴产品，AI产品在其中还有着不少不成熟之处。比如，据2014年最新版《采购法》的废标条件规定：符合专业条件的供应商或者对招标文件作实质响应的供应商不足三家的，予以废标。这意味着，在本就不多的医疗AI产品竞争者中，但凡有一位“掉链子”，招标流程就可能从头再来。
例如，重庆市大坪医院的AI辅助诊断项目于2021年11月24日就公示了采购意向，直到今年3月10日才公示预中标结果。这其中便经历了两次废标，原因分别是有公司的技术支撑材料、财务审计报告未通过资格性审查，以至于剩余的供应商不足三家。而该项目采购的还是医学影像AI中数量最多、最为成熟的CT肺结节产品。上述销售高管告诉界面新闻，类似的招采困境，在技术门槛更高、厂商更少的冠脉和头颈产品的情况更是如此。
另一方面，在AI产品的“养料”方面，依然有着数据体量小、维度少、质量不高，存在“数据孤岛”等问题。各级医院的信息化水平也存在差距。欧亿智库的数据显示，2019年，我国三级、二级、一级医院安装医学影像传输与归档系统的渗透率分别为87.8%、62.2%、40.1%。实际上，直到今天，在现实世界中，受制于数据的分散性、低复制成本以及价值聚合性，数据仍呈高度分散的状况，“数据孤岛”依然明显。
最后，医疗事关生命，AI医疗影像的假阴性显然十分重要，即使存在1%的漏诊也将有可能造成巨大伤害，此外，就算只存在1%的漏诊，医生仍需要将所有片子都重审一遍。因此，只有零假阴性，才能真正帮助医生省时省力。
作为新一代基础设施建设，人工智能在医疗行业的应用将对传统医疗机构运作方式带来变革，从长远有效缓解医疗资源压力。但目前来看，人工智能想要实现自主阅片，或许还有很长一段路要走。
