癌症早筛与科研两手抓，「依图医疗」医疗AI商业化探索现成果

中：中华医学会放射学分会主任委员、北京协和医院放射科主任金征宇教授；右二：中国医学科学院肿瘤医院副院长周纯武教授；左一：广州医科大学附属第二医院放射科副主任兼番禺院区微创介入科主任张振峰教授；左二：依图医疗副总裁方骢博士；右一：依图医疗副总裁石磊

“AI防癌地图”走基层

关于依图医疗，曾对其有过详细报道，它背靠视觉识别的技术优势，擅长医学影像分析，能够用AI读取医学影像报告，智能甄别诊断影像情况，并给出相应的治疗意见。目前，其AI医疗影像系统已经应用于全国300余家医院，覆盖肺癌、乳腺癌、宫颈癌、胃肠疾病等众多病种。其中，胸部CT智能4D影像系统care.ai®已实现了从病灶检出到管理的全流程智能化。

在这些技术应用探索的基础之上，依图医疗在去年11月正式启动了“AI防癌地图”项目，计划在未来5年内投入1亿元项目资金，联合数百家医疗机构，覆盖19个省市自治区，为基层民众开展癌症早筛。经过1年的推广执行，“AI防癌地图”已覆盖广东、福建、河南、浙江、重庆、湖北、辽宁等多个省市，累计服务数十万人次，实施肺癌智能早筛5000余次，筛出疑似高危患者50余人。

依图医疗副总裁方骢博士告诉，在基层的推广并没有想象中容易。“最初根本就没人来查，人们的观念普遍跟不上，后来和医院联合开展早筛宣教工作，这一情况才慢慢改善；也采取了一种‘本地化’的运营手段，譬如在不同地方医院我们都会发动当地员工去亲身讲解，传达给亲朋好友。”

举例来说，在广东番禺，依图医疗曾在2018年为1323例高危人群进行了智能早筛，2019年，又有1271名高危患者接受了智能肺癌早筛，其中有177名在2018年筛出的高危人群主动接受随访。

方骢坦言，受观念和宣教限制，现如今“AI防癌地图”所覆盖的区域整体还是偏发达地区，包括中东部、沿海、沿江等；接下来，依图医疗会重点向西北或一带一路地区渗透，并将癌症从肺癌扩展至乳腺癌。

此外，“AI防癌地图”的目标也在纵向逐步细化，包括为基层民众开展长期的随访追踪（继续二期、三期、四期筛查）；优化结节管理模式，为肺癌高维人群建立健康档案，构建区域样本中心；与CTC、ctDNA等最新的早筛技术结合，建立综合性的早期肺癌筛查体系等。

据方骢透露，目前，一方面公司已在积极和政府及医疗机构接洽，希望能互相联动去做一些他们已经开展的筛查，由依图医疗提供AI助力；另一方面，也已和一些企业达成战略合作，譬如利用ctDNA做早期癌症筛查的，依图希望通过液体活检配合影像筛查，基于多临床证据去支持判断是否是患癌和良恶性，甚至将怎么治纳入进来，形成筛、诊、治、随访的完整链路，目前也已经开始布局了。

在商业化的道路上，抛开未获取三类证不谈，依图医疗也总结了些许经验。方骢表示，主要在于三个层面，包括技术、产品以及市场策略。她表示，背靠依图科技，依图医疗有强大的AI基因，也获得了300余家三甲医院的认可，产品力过关；在市场推广层面，依图医疗打造了一系列的产品解决方案。

依图医疗骨龄一体机

“以骨龄筛查产品为例，既和爱康这样的体检机构合作，进行SaaS化的部署，服务发达地区的孩子；也可以搭载到我的骨龄一体机上，走到农村去，覆盖那些SaaS服务不到的城市，让目标客户能够以最低的成本用起来。”

临床和科研两手抓

而帮助基层开展肺癌早筛的同时，依图医疗也在科研领域上持续探索，并顺势推出了多组学智能科研平台care.ai。

事实上，“科研平台”并不是一个新概念，在临床应用商业化受阻的当下，科研平台几乎成为每家医疗AI企业的标配，包括影像组学科研平台和医疗大数据科研平台——即基于电子病历去提取文本信息（类似于筛选器），它们通过文本数据或影像数据的标注和流程化训练方面取得了一定的科研成果。

不过，依图医疗副总裁石磊表示，“它们只是参与了数据的治理过程，且这两个维度其实在今天对于医学科研而言都不太够，图像虽然重要，但仅仅基于图像而不关联临床信息，图像代表了什么不清楚，它的意义也会大打折扣”，跨学科、多模态数据的整合才是“AI-based”的科研趋势。

依图医疗副总裁石磊发布多组学智能科研平台

那依图医疗的科研平台有何特殊之处呢？

据石磊介绍，市面上大部分单纯基于医学影像既有低维特征提取、综合、分析的科研平台，相较之下，care.ai引入了“多组学”概念，即将深度学习技术前置于高维信息提取过程，协助医学专家探索更高维的医学信息世界，最终实现“小样本亦大数据”；另外，还将影像、文本、基因、病理等多模态信息引入科研流程，为科学研究提供更全面的AI辅助，开展更丰富的临床研究。

他解释到，现实情况下，医生做科研获取到的都是小样本，无法实现“大数据”；现如今，医疗数据的信息密度越来越高，衡量医疗数据价值的维度早已不能局限于样本量，单位样本的数据信息密度已成为临床研究新的价值维度。而AI技术能深度提纯和解析数据价值的能力，可充分挖掘有限数据中包含的海量信息，让曾经的“小样本”数据成为“大数据”。”

“信息提纯和解析贯穿每项科学研究的始终，医学研究往往需要整合多维度数据才能有所突破，对于多维数据的整合能力、高维信息的提取能力和数据分析的智能化水平直接决定了科研效率与成果水平。”

不过，多组学智能科研平台的建设挑战极大，对于建设者的医学问题理解、AI综合能力、合作伙伴等都提出了极为严苛的要求。对此，石磊表示，“依图医疗在计算机视觉、自然文本处理、知识图谱技术等多领域的深厚积淀是重要的技术支撑。”

具体来说，针对解决临床信息和影像信息关联的难点，依图医疗纳入了包括了图像处理、自然语言以及医学知识图谱等多项技术：在此技术架构上，把影像图像、临床的文本数据乃至病理、基因这些多模态的数据最终整合，作为一个在科研平台当中的数据进行整体输入；处理方式上，不仅仅用传统机器学习、影像组学的方式，还包括了深度学习的方式，即提取医生关注的问题点，把它们作为科研当中重要的输入；另外，设计一套算法适用于医学小样本，包括让算法去设计算法、优化训练以及提取特征和定义特征。

石磊透露，现如今，基于该平台已有不少科研项目陆续展开，包括华西医院、浙江省肺癌诊治医学中心都有一些小的前期成果出来。