对于医疗人工智能而言，2021年是个非凡年。
9个月时间内，1家企业上市，4家企业递交招股书，加之明星企业依图医疗被深睿医疗所收购，长跑之后，整个医疗人工智能赛道俨然成型。
新势态下，扩充产品管线成为头部企业的当务之急。但对于作为用户的医院而言，他们并不关心企业管线的宽度，只在意人工智能是否足够“深”，是否能够符合临床流程，是否看得快、看得准。
换言之，医疗人工智能要开启新赛道的前提一定是要满足真实存在的医疗需求，解决实际医疗痛点。
如今，作为AI头部企业的医准智能深谙此理。以＂胸部AI＂、＂乳腺AI＂起家的医准智能在开辟新增长时尤其注重医院的临床需求及痛点，并有意识的从传统放射科出发，向全影像AI进程发展，譬如，“AI+超声”便是其近年来开拓的重要场景之一。
非标准的超声AI到底怎么做？
国内从事AI+超声研究的企业非常少。通过动脉橙数据库统计得知，标签中存在人工智能技术的公司多达480家，其中有98家从事放射科相关业务，而只有10余家企业将研究方向伸向了超声，而其中选择超声动态图像处理的企业屈指可数。
与传统的AI影像赛道相比，超声医学有其天然门槛。其一，超声检查所产生的数据比CT、DR二维的数据多了一个时间维度。这意味着影像科影像采集与影像分析时间上的割裂并不能存在于超声诊断，超声检查要求检查与诊断两项操作需在同一时间内完成。此外，整个超声检查过程中可能存在大量无诊断意义的帧数，AI必须能够甄别每一帧的价值，将其相互对比，提取到特定时刻的责任切面，才能进行有效的影像分析。
其二，超声数据的规范化、标准化是一个悬而未决的问题，极其考验医生的经验与判断能力。同一个病例，往往存在观察者间差异或观察者内差异。在这种情况下，市面上少有公开的超声数据集与AI算法可供企业二次开发；建立训练数据集也需要企业进行前瞻性的动态超声训练数据集建设，费时费力。
解决以上问题，一是要有研发思路，二是要有经费投入。医准智能创始人兼CEO吕晨翀告诉动脉网：“传统医疗影像AI企业的算法通常来源于开源图像算法，但超声图像来源于超声波成像，且超声检查的病灶图像因切面不同，声像学特征也不同，无法因一张图片进行病灶分析，动态视频实时检测分析才符合超声医学的工作流，而在全球范围内，超声实时动态AI领域研究极度匮乏，没有公认成熟算法。因此如何解决基于超声图像的实时动态病灶检测与分析成为了行业的痛点。
基于这样的逻辑，医准智能在近两年的时间里不断探索创新，最终研究出超声实时动态AI辅助诊断模型，采用神经网络架构搜索方法（NAS）使用业内一流的高性能计算GPU，可达每秒处理速度64帧，且检测结果延迟＜0.09秒，能够精准抓取仅毫秒级闪现的病灶。同时，该系统可实现实时病灶良恶性分类、智能BI-RADS分级，同时通过卷积神经网络特征融合模拟恢复3D，从而得出基于超声扫查过程全切面的定量良恶性分析结果。
此外，与常规的AI超声产品相比，医准智能乳腺超声实时动态智能分析系统胜在“动态实时检测”。
“超声诊断需要找关键切面，但是否是最优的关键切面，医生无法通过单一图像判断。”吕晨翀表示，“因此，医准智能的AI能够在检查过程对每一帧的影像进行相互对比，可以自动识别出整个超声扫查过程中最大切面图像，帮助医生提取出用于诊断的关键信息。”
医院的接受程度可以直观反映AI的能力。目前，医准智能的超声AI产品已经在三甲医院、基层医疗、体检机构等各级医疗机构广泛落地。在某两家三甲医院总计600例的临床实验中，医准智能超声AI的检出率约为95%，肿瘤良恶性判断准确率约为90%，这一数据已与高年资医生相当。
医准智能乳腺多病种智能解决方案
临床场景：从乳腺AI出发探求影像AI下一个价值
检验场景是超声应用的一个很好场景，但不是唯一场景。在医院之中，超声可用于麻醉科、急诊科、ICU等临床科室，辅助完成实时手术引导、手术评估，帮助医生做出更加准确的评估，提高对威胁患者生命安全危急症的诊治效率，有效地进行基本生命功能监测、调控及重要器官的保护与支持。
以神经外科手术为例，超声影像导航可以为手术提供准确的开颅部位、病变定位、制订手术方案，成为微创神经外科手术尤其是“锁孔”手术的重要工具，进而提高神经外科手术质量、减少副损伤的基础是准确定位。而在乳腺外科手术中，超声的使用可提高保乳手术疗效，显著降低肿瘤留存率及再次手术切除率和切除标本的体积。
为了进一步保证手术导航的精度，减少定位误差，医准智能乳腺超声实时动态智能分析系统也成为临床手术辅助的导航工具，实时动态的检出方式能够为“旋切”、“穿刺”等手术提供引导。在超声AI支持下，乳腺外科医生的医生决策难度大幅降低，肿瘤切除更为精准，手术时间也存在一定比例的减少。
可以说，这一产品标志着其覆盖范围由超声科向临床科室延伸。对于诊疗流程而言，检查仅是其中的一个步骤，医疗AI要想发挥其更大的价值，必须深入临床。
从辅助诊断到全栈式乳腺解决方案
很多AI企业产品时常会将AI的准确率视为唯一的目标，但在基层医疗之中，只追求“准确”显然需要不能满足检查的需求。
医准智能发现，基层医院提升“准确率”、“效率”等指标固然重要，但还需要一个监管流程对整个检查过程进行质量控制。尤其是对于基层影像检查，很多时候放射科技师在摆位扫描不准确致使影像质量不够好，等到第二天阅片时，才发现诊断无法正常进行。
从这一需求出发，医准智能在其AI系统中加入了图像质控功能。“医生在扫查病人的同时，AI便能对影像质量进行审核，并在数秒内给出反馈结果。这样一来，如果检查过程出现质量问题，患者还未走出科室便能发现问题，及时进行二次检查。”
授人以鱼不如授人以渔，在提效保质的同时，医准智能打造了乳腺教学系统，从根本上提升基层医疗质量问题。具体而言，基层医疗的医生登入系统之后，一方面可以在云端模拟影像诊断，医准智能可通过AI为医生的诊断进行评分；另一方面医生可以在病例库中查找诊断案例，了解哪种类型的病灶漏诊较多以及对应问题的诊断方法。
截止目前，医准智能已经构造了包含图像质控、辅助诊断、临床治疗、教学科研为一体全栈式乳腺智能解决方案，能够解决不同场景下的医生需求。但对于医准智能而言，其能力不局限于此。
医疗AI的下半场，医准智能的下一步
相对于其他医疗影像AI企业，医准智能进入这个赛道相对较晚，但却快速挤进了前列。
“公司首次融资是在2017年11月，那个时候，已经有53家影像AI企业收获融资，我们是第54家。”吕晨翀回忆到，“快四年的时间，末班车的我们能在这个行业中活下来，靠的则是探索技术与创新的‘坚韧’。”
带着这种坚韧，医准智能将继续两个方向的深潜，一是要做全影像AI；二是要往临床场景覆盖，发现医疗AI的全新价值。
每一条道路都任重道远，好在进入AI下半场的医准智能占据的好位置。资本聚集的大势之下，收获更多资金支持的医准智能，或许真能将其构思一点一点填充完毕。
