盤點全球11個皮膚病AI項目：中國企業最多
今年，皮膚病AI的診斷產品已經出了三個。一個是中南大學湘雅二醫院（以下簡稱湘雅二醫院）與丁香園、睿琪軟件聯合推出的皮膚病人工智能輔助診療綜合平臺——智能皮膚。4月27日，三方在長沙湘雅二醫院召開臨床啟用發布會，正式向臨床醫生開放使用。
另外兩個皮膚病AI產品則是中日友好醫院聯手優脈科技合作研發的優智AI系統，以及北京協和醫院與南開大學共同開發的基于深度學習技術的皮膚病人工智能診斷系統。這兩個產品的定位是為廣大皮膚病患者、全科醫生、初級皮膚科醫生提供方便快速的參考和指導。
可見，越來越多的企業選擇與高校、醫院或者醫學專家聯合開發皮膚病AI輔助診療系統。那么，目前全球有多少關于皮膚AI的項目？其效果如何？面臨哪些挑戰呢？政策又是如何指引的？動脈網對此進行了梳理。
人工智能政策從全行業到醫療的演變
醫療行業的發展與政策緊密相連。今年皮膚病AI產品頻繁誕生，也離不開政策的引導。根據公開信息檢索，我們列舉了國內近三年與人工智能相關的政策，發現單獨針對醫療人工智能的政策較少，大部分是適用于全行業。具體如下：
在2017年蛋殼研究院發布的《2017醫療大數據與人工智能產業報告》中提到，人工智能應用于醫療健康領域，對于醫生、醫療機構、患者、企業來說，各有裨益。
在醫生端，它幫助醫生提高醫療診斷速度、準確率，提高醫生的供應量，更早發現疾病，給患者提供個性化分析、優化治療方案，減少后續的醫療費用支出；
患者端，提高患者自查自診自我管理的比例，降低患者對醫生的需求量，降低成本；
醫療機構端，它提高醫療機構、醫生的工作效率，優化醫院的管理水平，降低醫療成本；企業端，有助于研發人員發現有價值的新藥物。
因此，去年人工智能很火，資本也紛紛布局。據動脈網統計，2017年醫療人工智能行業一共發生27起融資事件，如果算上幾家沒有公布消息的公司，2017年該領域融資總額超過17億人民幣，行業領跑者也已經進入B輪狀態。這些企業涉及的疾病種類也很多，有皮膚科、肺結節、糖尿病等數十種疾病。其中皮膚病AI產品最多。
今年4月28日，國務院辦公廳發布了關于《關于促進“互聯網＋醫療健康”發展的意見》（下簡稱《意見》）。鼓勵醫療聯合體內上級醫療機構借助人工智能等技術手段，面向基層提供遠程會診、遠程心電診斷、遠程影像診斷等服務，促進醫療聯合體內醫療機構間檢查檢驗結果實時查閱、互認共享。
或許該政策的出臺將更利于醫療人工智能產品多樣化發展，并快速走進醫療機構，極大促進醫療人工智能行業的發展。
為什么皮膚病AI產品最多呢？
據悉，皮膚病學是比較依賴形態學特征的學科，皮膚影像是皮膚病診斷的重要手段。皮膚影像診斷由最初的望診，發展到放大鏡和顯微鏡輔助診斷，再到近年來數字影像學技術和智能分析。
目前以皮膚鏡、皮膚超聲、皮膚CT 為代表的皮膚影像技術已成為臨床皮膚病診斷的重要工具。皮膚鏡對黑色素瘤有很多的診斷方法，包括 ABCD法、模式識別法、七點檢測法、三點檢測法、CASH 法等，這些方法，指導醫生對提取出來的特征進行打分評價，由此看來，這是人工智能應用比較成熟的例子。如果能結合多維度皮膚影像資源庫，把諸多皮膚病的疾病特征提取出來，標準化地打分識別，就可以更好地教機器如何判斷。
斯坦福大學在Nature 上發表了一篇文章，利用 13 萬個皮膚病的圖像數據庫，進行人工智能自動診斷皮膚病的探索。圖像數據庫包含了皮膚鏡圖像、手機照片以及標準化的照片。其結果是將人工智能診斷系統用于鑒別皮膚良性腫瘤、惡性腫瘤和其他的一些非腫瘤性皮膚病，結果人工智能診斷結果與皮膚科專家診斷結果吻合度非常高，診斷效率打成平手。
比如銀屑病、蕁麻疹、痤瘡等常見多發病的診療活動中，醫生的診斷、處方、健康宣教等不僅是重復性勞動，而且在一個狹小的空間里與患者交流。每天如是，這整個環節或者是其中一部分，就可能被人工智能替代。
但皮膚科的病種繁多，鑒別標準和診斷標準還不統一，這樣并不太容易教會機器人怎么識別診斷疾病，屬于 AI 診斷皮膚病的瓶頸問題之一。目前皮膚影像還很難實現病理圖像的自動識別診斷，另外皮膚病中有罕見病，病例非常少，標本量不足以提供機器訓練所需，理想自動識別診斷的效率也難實現。
國內外這11種皮膚病AI產品情況匯總
為此，我們挑選了國內外皮膚病AI產品進行分析，通過項目的參與方、應用端、定位等維度分析，希望了解皮膚病AI的概況，以及他們的產品功能。
根據公開信息檢索，我們發現國內外有11種皮膚病AI產品，誕生時間最早是在2012年，2015年－2018年間誕生了10家，參與方包括企業、高校、醫院等。大部分皮膚病AI產品應用于醫生端，為醫生提供輔助診斷決策。具體細則如下：
1、皮膚病AI產品誕生的時間：2015年和2017年最多
從時間維度看，皮膚病AI誕生于2012年，2017年和2015年誕生的產品數量均為3款，2016年和2018年均為2款。
2015年是人工智能剛興起的階段，2017年被稱為人工智能的元年。據業內人士稱，那個階段，如果技術公司不提人工智能，感覺自己都不是圈兒內人。當時究竟有多火爆呢？
據動脈網2017年統計的數據看，在融資方面，醫療人工智能行業一共發生27起融資事件，如果算上幾家沒有公布消息的公司，2017年該領域融資總額超過17億人民幣，行業領跑者也已經進入B輪狀態。
在政策方面，2017年醫療人工智能行業相關政策也在逐漸推進。據動脈網了解，自從7月20日國務院發布《新一代人工智能發展規劃》，中檢所、CFDA都在積極與行業人士接觸，相關政策、監管方案都在緊鑼密鼓的制定當中。
同時，國內科技巨頭也紛紛涉足。2017年，阿里、騰訊、科大訊飛等科技巨頭相繼發布醫療人工智能產品，并將產品落地醫院，接受實踐的檢驗，并且以人工智能技術為基礎，共建智慧醫院。
國外知名的醫療人工智能大牛們也在2017年回到中國，參與這股醫療AI創業浪潮。斯坦福大學教授邢磊、Deep Genomics聯合創始人熊輝遠、原飛利浦醫療放射解決方案首席架構師陶曉東……
在落地實體醫療機構方面，2017年各個醫療人工智能公司落地的醫療機構加起來超過1000多家。一位參加醫療會議的院長曾表示今年哪個醫院不談人工智能，感覺就OUT了。
2、全球皮膚AI涉及的區域：中國涉足產品最多
從全球涉足皮膚病AI的區域看，有中國、荷蘭、美國、日本。其中中國誕生的皮膚病AI產品最多，有7種，位列第二的是美國，有2種。
因為在我國推行的新醫改背景下，尤其是現在進入醫改的深水期，凡是能改變醫療行業痛點的產品，又在國外有應用產品，均被投資人、創業者追捧。比如移動醫療，數字醫療，醫療人工智能、區塊鏈等。
醫療人工智能一直被人們寄予厚望，把它看成是解決醫療生產力的根本之道。在我國，人口老齡化、慢病高速增長、醫療資源供需嚴重失衡以及地域分配不均等問題，造就了對醫療人工智能的巨大需求；同時，我國人口基數大、產業組合豐富、人才儲備充分等特點，又給人工智能的發展提供了很好的基礎。
盡管美國在人工智能的基礎研究領域一直處于前沿地位，但是近兩年來，中國的人工智能科技人才正在實現彎道超車。
根據美國發布的《國家人工智能研究與發展策略規劃》報告中顯示，從 2013 年到 2015 年，SCI 收錄的人工智能方向論文，涉及“深度學習”的論文數量增長了約 6 倍。中國學者的論文發表數量從 2014 年開始超過美國，并大幅度領先于其他國家。
3、皮膚AI系統參與方最多的是企業、醫院、高校
從參與方來看，涉及一款皮膚病AI需要多方協作。醫院、企業、高校、皮膚科醫學專家、數學家、計算機專家，他們的加入充分體現了各行業間“術業有專攻”的特性。
簡單概括而言，一款皮膚病AI產品離不開數據、技術的支持。除了計算機科學以外，人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。人工智能學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
4、皮膚AI應用端：63％應用于醫生端
目前皮膚病AI產品應用于醫生端、患者端、醫生和患者端這三種情況。其中63％的皮膚病AI產品應用于醫生端。
如在2012年荷蘭誕生了一款名為SkinVision的App，應用于C端患者。可以只使用圖片就能偵測出73％的黑色素瘤，它能幫助用戶追蹤體表黑痣的大小和形狀變化，分析判斷它們是否有可能存在惡性病變隱患，并提醒用戶對可疑的黑痣保持密切關注或咨詢醫生。
SkinVision從黑痣這個角度出發，因為黑痣（尤其是那些異常生長的黑痣）是皮膚癌的早期信號，而皮膚癌中最致命的一類——惡性黑色素瘤，更是由不起眼的黑痣發展而來的。如果能在早期階段確診并接受及時治療，多達95％的皮膚癌患者都能得到根治或長期存活；如果直到晚期才發現，那長期存活率就只有15％。
白種人的皮膚天生缺乏抵御陽光中紫外線傷害的黑色素，所以皮膚癌發病率比黃種人和黑人都高，因此像SkinVision這樣一款用于黑痣自檢的移動應用在歐美地區有著巨大的市場潛力。
在2012年，SkinVision獲得了德國投資機構Personal Health Solutions的投資。從2012年發布到2014年11月，大約已有10萬人已經下載了這款app，并提供了175000張照片到產品數據庫里，這些照片在今后將用于進一步的開發。
5、皮膚病AI產品定位匯總：輔助決策比較常見
從目前搜集的信息看，皮膚病AI定位有三種，圍繞用戶的需求，有輔助診斷決策、檢測皮膚病、皮膚健康管理，其中輔助診斷決策的產品最多。
造成這一結果的原因是，醫療行業面臨著醫生數量短缺的窘境。根據2017年The Lancet上一項研究稱，2005 至 2015 年間，中國470 萬醫學生畢業，而醫生總數僅增加 75 萬。
這篇研究的通訊作者是臺灣國立陽明大學范佩貞教授，研究結合國家衛生計生委和北京協和醫院的報告及年鑒分析得到，在 2005 年年初至 2014 年年底，醫學本科畢業生為4374191，七年制畢業生為 4131865，共畢業約 472 萬醫學生，而這期間新增的執業醫師僅為 75 萬。
其中，25－34 歲 臨床醫師的占比從 31．3％ 減少到 22．6％，60 歲及以上的醫師占比從 2．5％ 上漲到 11．6％，七年制研究生占比從 4．3％ 上漲到 11．2％。農村地區醫生缺口超 50 萬。這恰好是中國醫療水平最薄弱的地方，也是政策支持力度最大，提倡大力發展的基層醫療。或許醫療人工智能的出現，將改變這一現狀。
那么這些皮膚病AI產品具體應用如何？為此，我們挑選了兩個具有典型意義的產品，一個是企業、醫院研發的智能皮膚輔助診療系統；另一個是高校和醫院聯合開發的診斷系統。
案例一：湘雅二醫院、丁香園、睿琪三方發布皮膚病AI輔助診療系統
事實上，去年5月湘雅二醫院、丁香園和睿琪軟件聯合發布了中國首個皮膚病人工智能輔助診療系統 ——智能皮膚。一年時間，智能皮膚在經歷了多番測試、審核、訓練，累計學習超過 60 萬張病例圖片后，日前該系統迎來重大突破：對 85 種皮膚病識別準確率達 86％，其中 34 種常見病大于 95％，可識別病種數和準確率居行業之首。
在合作的三方中，提供數據的是以湘雅二醫院為主，聯合全國20多家三甲醫院的海量的影像資源；技術是由睿琪軟件基于其識花APP“形色”的核心算法架構，“形色”是睿琪強力打造的圖像識別系統，處于業界領先水平；丁香園則擅長整合和協同醫療行業資源，參與系統的設計、開發與運營。
4 月 16 － 25 日，湘雅二醫院和丁香園共同發起了“助力AI” —— 全網皮膚科醫生排位賽。
在所有參賽的 545 名皮膚病／性病科醫生中，主治以上級別的醫師在平均得分、參與積極性皆顯著優于其他科室醫生，平均答題得分是 69．03 分，平均完成時長是 107 秒。而智能皮膚平均得分是 87．5 分，平均完成時長 31．4 秒。
這樣的結果，中南大學湘雅二醫院皮膚科主任、博士生導師陸前進教授并不意外。他表示，在醫生和 AI 系統都是在看圖片的特定情況下，人工智能的準確率和時間高于醫生，主要是因為機器學習了大量的圖片。
據他介紹，智能皮膚的應用已經在基層醫療機構鋪開了。2018年4月“智能皮膚”走進湖南江華瑤族自治縣人民醫院和寧夏固原彭陽縣人民醫院，為基層醫生提供先進的人工智能輔助診斷技術，對接全國頂級皮膚病診療資源，開展精準醫療扶貧計劃。
寧夏彭陽縣人民醫院高勇表示，“在我們醫院沒有專業的皮膚科醫生，是由外科醫生兼任，因此對來就診的皮膚病人的診斷處于模糊的狀態，治療方案自然也很模糊。通過試點使用智能皮膚后，只要醫生對著患者病灶部位拍一張照片，根據醫生自己的診療經驗，挑選最為相似的病種，系統再給出一個結論。用時非常短，極大提高了醫生的診療速度和水平。我希望該平臺能推廣到更貧困、更偏遠的地方去，讓皮膚病患者得到更精準的治療，夯實基層醫療的診療水平。”
在4月27日的舉辦的那場發布會上，皮膚病人工智能發展聯盟也同期正式成立。陸前進教授任聯盟主席，丁香園副總裁張偉先生擔任聯盟秘書長。來自全國各地的聯盟成員，將聚合力量，將智能系統擴展到更多的病種，同時也將系統平臺打造得更加全面。
為了讓整個醫療扶貧工作落到實處，深入開展，合作三方還為幫扶單位準備了一整套完整的綜合幫扶資源支持。具體方案如下：
1年皮膚病人工智能輔助診療綜合平臺使用權；
1臺液晶顯示器、1臺云機頂盒及2臺智能手機；
200次皮膚病專家遠程會診及病例討論機會；
100節皮膚病專業學習課程；
提供皮膚病人工智能發展聯盟成員單位培訓及進修機會；
丁香互聯網醫院入駐及診療邀請。
這些方案將正式投放到第一批精準醫療扶貧幫扶單位，有彭陽縣人民醫院、平江縣第一人民醫院、平江縣中醫院、安化縣人民醫院、炎陵縣人民醫院、慈利縣中醫院、桂東縣人民醫院、江華瑤族自治縣人民醫院、汝城縣皮防所、新田縣人民醫院。
作為平臺運營者，當被問及何時開放給患者時，丁香園副總裁張偉表示，在短期內，平臺目前不會開放給患者對疾病進行直接診斷。在這個前提下，平臺面向患者的服務，是基于患者提交的整體疾病資料信息進行智能分診，在綜合地域因素和疾病因素之后，幫助患者匹配適合的醫療機構。這與國家深化分級診療的策略方向相一致。
在談到皮膚病人工智能發展聯盟的未來規劃時，陸前進教授說：
未來 5 年，聯盟將分三個階段發展。2018 年作為第一階段，將建立健全聯盟框架和發展機制，構建成為可信賴的綜合診療平臺；2019－2020 年作為體系發展階段，將實現對主要皮膚疾病的診療覆蓋，建立皮膚病人工智能領域行業標準；2021－2023 年為生態完善階段，形成產學研的完整價值鏈條。
案例二：北京協和醫院與南開大學發布的皮膚病人工智能診斷系統
2018年3月30日，中國醫學科學院北京協和醫院與南開大學共同發布基于深度學習技術的皮膚病人工智能診斷系統。它被稱為手機拍圖能識病，和SkinVision產品類似，只是使用者不同。SkinVision是給C端患者使用，而他們研發的皮膚病AI是給醫生使用。
該項技術由南開大學計算機與控制工程學院計算機視覺實驗室楊巨峰團隊與北京協和醫院合作開發，包含兩項主要功能，一是利用皮膚鏡拍攝皮膚色素痣，并對皮膚鏡圖像進行辨識；二是利用普通手機拍攝皮損圖像，并對皮損進行智能辨識，以提供常見皮膚疾病的診斷參考。
目前，該系統對色素性皮膚痣的辨識準確率已達到92％以上，為黑色素瘤的早期發現提供了良好的診斷依據。與此同時，針對手機拍攝的皮損圖像辨識數種常見皮膚疾病（如濕疹、銀屑病、玫瑰糠疹）的準確率也達到了80％以上。
該系統除了能為全科醫生和初級皮膚科醫生診斷疾病提供幫助，也為偏遠及貧困地區緩解皮膚科醫生嚴重缺乏和病人就醫難的矛盾開辟了另一創新途徑。該系統將在今年對接黑龍江、山西、江西三個省的醫療扶貧項目，協助貧困地區的基層醫生能更好、更有信心地面對和處理皮膚科疾病，為提升貧困地區人民生活品質做出貢獻。
據了解，南開大學計算機與控制工程學院計算機視覺實驗室積極響應國家號召，瞄準國際人工智能研究最前沿，致力于將機器學習技術應用于計算機視覺的實際問題，并與美國加州大學、英國卡迪夫大學、北京協和醫院等建立了緊密的合作關系。本次參與開發的皮膚病智能診斷系統基于該實驗室長期以來的理論研究和積累，前期成果相繼發表在歐洲計算機視覺大會（ECCV）、國際計算機視覺與模式識別大會（CVPR）等國際頂尖學術會議上。相關工作推動了計算機視覺、人工智能等技術在智慧醫療領域的成果轉化，為廣大皮膚病患者、全科醫生、初級皮膚科醫生提供了方便快速的參考和指導，實現了較大的社會價值。
未來皮膚病AI的應用喜憂參半
國內皮膚病AI產品及試點醫院已經具備了，國外接連獲批AI診斷系統，這值得創業者們“喜”。
自從2017年FDA組建成立AI與數字醫療審評部以來，AI+醫療產品得到了FDA的大力支持。進入2018年后短短3個月時間就連續有多款AI診斷決策支持系統先后獲批，這在FDA歷史上是前所未有的景象，未來醫療AI化的趨勢已經非常明顯。不僅包括當前十分火熱的圖像識別，也包含了影像組學等將影像信息結合臨床信息進行整體計算的方法。
目前國際上AI醫療產品得到FDA認證的產品，從疾病方面了看，有中風、房顫、心臟病、肺病、肝病、兒童自閉癥、糖尿病視網膜病變、肺癌、乳腺癌、直腸癌、結腸癌、胃癌和宮頸癌、肺炎、阿爾茨海默病、先天性白內障、皮膚癌等。
而憂的是中國卻還無一例新一代AI醫療產品通過藥監局的認證，其結果導致該產品不能通過醫院采購的模式快速在市場流通。怎么辦？
監管部門也在積極研究醫學人工智能產品的審批機制。2017年9月4日，CFDA發布新版《醫療器械分類目錄》，新增了與人工智能輔助診斷的對應的類別。
按照最新的分類規定，若診斷軟件通過算法，提供診斷建議，僅有輔助診斷功能，不直接給出診斷結論，則申報二類醫療器械，如果對病變部位進行自動識別，并提供明確診斷提示，則按照第三類醫療器械管理。
值得關注的是，第三類醫療器械是需要做臨床試驗的，第二類器械有臨床試驗豁免目錄，診斷軟件申報是否能夠享受豁免，CFDA還沒有做出具體的規范。
該規范將于2018年8月1日實施，如果各個醫療人工智能公司的想要走醫院采購這條路，那么獲得藥監局認證是必經之路，如果要認證三類醫療器械，或者診斷類軟件沒有享受豁免，那么大量真實的臨床應用數據將會為公司的申請提供巨大的幫助。
另外，中檢院也在制定審批細則，目前眼底圖像標定專家團隊已經建立，肺結節的審批標準也在制定。AI將給未來醫療技術帶來深刻的變化，是未來醫學創新和改革的強大動力。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
