医学的真像的经典语录这篇内容是经过特别精心的整理的，这篇经典语录的内容相关性较强，所以，如果您想要看看医学的真像的经典语录的话，这一篇医学的真像的经典语录应该是您需要的。
医学的真像的经典语录
医学的真像的经典语句
自1956年人工智能（Artificial Intelligence，AI）的概念被提出后，AI的发展三起三落。直到2012年ImageNet大赛在自然图像识别方面产生重大突破，深度学习才广泛发展起来。而人工智能为大众所知，是2016年Alpha Go在围棋上战胜天才少年李世石之后，产业界掀起了人工智能的热潮，BAT、国家队和创业公司纷纷入场。
作为国民生活的痛点行业，医疗人工智能也引来众多的创业者和投资机构。据健康点报道，2013年至2017年，整个医疗人工智能行业共获得241笔国内融资。医学影像、医用机器人、医疗助手和健康管理等领域是重点方向，特别是医学影像AI，深度学习在图像分类和识别方面取得了重大进展，部分疾病诊断准确率超过了90%，获取了最多的市场投资。
然而对比这片资本热潮，现实却比较冰冷。一家大医院往往有多家公司的肺结节诊断产品入驻，在实践中，影像科医生却用的很少。这是为什么呢？
一般影像AI公司的套路
大部分影像AI公司，一开始都是从美国引入算法，通过公开数据集训练算法，做自己公司的模型。后续通过跟公立医院合作，获取数据训练和应用模型。为了吸引眼球和引起注意，部分公司还会组织人机大赛，组织影像专家和AI模型同台较量，看哪方诊断更快更好，这种比赛由于AI已经在同样的数据集做过大量训练，往往是AI胜出，博得大众关注。
当前期概念宣传足够之后，影像AI公司开始申请二类、甚至三类医疗器械许可证，计划以辅助医学诊断软件的名义，走代理商，按照招投标程序卖给公立医院。一个现代科技，变成了医疗信息化软件模式。
目前影像AI公司采取的这条路径，是因为90%以上患者都在公立医疗体系里，想要有应用场景。要不向上游发展，跟影像设备厂商合作；要不向下游发展，跟医院结合。影像AI公司目前讲的故事是，每种疾病的智能诊断产品以软硬件的方式卖给公立医院100万元，将来有很大的市场空间。问题是这样可行吗？
技术成熟度和商业化可行性挑战
医疗专业度非常强，影像AI面对的技术问题需要从两个维度来考虑：
第一是不同的影像设备成像原理不一样，导致出来的数据也不同，例如X光和CT成像原理是相同的，图像相对简单清晰，所以目前影像AI公司主要扎堆在这个领域，而核磁MRI因为其成像原理不同，复杂多变，难度较大，所以影像AI公司做核磁研究的非常少，相反世界顶尖的科学家研究核磁AI的非常多，因为核磁有无穷的探索空间。
第二是不同的疾病机制不一样，AI要解决的技术问题也差异很大，有些只是测一测病变有没有，病变大小，这个相对容易；但有些需要辅助诊断，或者做疾病预后评测，这个就难度大很多。从实际临床角度出发，由于医学各个细分专业的不同，导致一个AI专家不可能解决所有问题。往往花费3-5年时间在一个细分领域（比如阿尔茨海默症、癫痫、帕金森等）有所成就，就已经非常了不起了。
目前影像AI公司绝大部分都是从肺结节和眼底造影入手，因为这两个领域公开数据多、数据获取相对便利，肺结节影像直观、便于观察诊断，这些导致影像AI公司扎堆。但实际上有原创能力的非常少。
就算技术问题解决了，商业化问题，我们仍然需要评估影像AI公司如何落地。医疗企业分为两类，第一类是公立医院的辅助者，这类企业最多，毕竟公立医院掌握着医疗的核心资源；第二类是公立医院的替代者，包括民营医院、第三方医疗服务等机构。第一类企业又分为两种，第一种是帮助医院挣钱的公司，比如医药公司，器械公司，耗材公司等，医院通过引入他们的产品可以产生更多地经济收入，这种公司业务推广起来比较容易；第二种是帮助医院提升效率，比如医疗信息化厂商，通过IT手段改善医院目前临床流程和服务流程，提高运营和管理水平，考虑到目前公立医院的体制，这种公司业务并不能给医院创造新的收益，所以市场开拓起来困难重重，回款还特困难。
同理，目前影像AI公司帮助影像科医生更快更好地做诊断，并不能创造出新的收入项目，更不可能真的精简影像科医生人力配置，市场前景不明确。就算AI有一天真能代替影像科医生了，以中国15万影像科医生计算，就算平均年薪10万元人民币，总共不过是150亿的市场。相对于这个行业获得的融资，规模是在太小。
影像AI的真正价值所在
那么影像AI的价值到底在哪里呢？
影像AI并不是应该只解决影像科的问题，更应该瞄准通过影像+AI技术解决临床问题，这样才是空间无限的。影像AI的应用领域可以分为两大方向：
第一是解决临床需求的，比如神经外科、心脏内科等临床科室需求的，医学影像自诞生之日起，就是通过成像技术解决临床需求的专业，医学影像是随着基础物理和生物医学工程技术的发展而不断发展的。几乎所有的临床科室都会需要影像学的支持，如果影像AI能够解决临床各个专业的现实问题，那么所有医生都会有需求，即精准诊断和有效治疗建议。实践中为什么这么困难呢？因为从基础物理、到生物医学工程、到计算机AI、到影像诊断学，再到临床需求，这跨了五个专业的知识鸿沟，对于讲究专业细分的时代，难度非常大。
第二是解决影像科本身需求的，这里面又分两种情况：
第一种是影像扫描问题，即获取影像时如何提高效率和准确性的问题。这一点往往被大众忽视。比如一个照相机拍出来的照片基础不好，后面无论通过什么样的美图秀秀再去修图，效果也难称理想。影像AI也是如此。其实在国外，通过影像AI技术进行快速成像，缩短检查时间减少辐射，但不降低图像质量等方面已经取得了很多成果。我们为什么对这个不重视呢？因为公立医院是主体，从体制上对这个没需求；而民营医院患者不够多，也没有需求；再加上国内对辐射危害没有像美国那么重视。这些技术是能大大提高影像科运营效率的，非常有价值。
第二种才是影像诊断，例如肺结节影像辅助诊断。但实际上，影像科医生面临的真实场景是：一个患者来做肺部CT检查，医生事先并不知道患者的病症是什么？所以拍出来的肺部CT，要对所有潜在病症进行诊断。如果只能看出一个肺结节，并不是影像医生的最佳帮手。好比一篇文章可能有潜在的十种语法错误，AI只能帮助标记出一种，剩下九种错误还得自己重新去阅读一遍文章筛查一遍，那么这个AI应用意义不大。特别是医生还要把图像从医学影像存储和传输系统（PACS）导入AI系统，再把诊断结果倒回PACS系统这种来回折腾情况下。影像医生的真实需求是，AI把这个部位所有疑似病变（无论是哪种病变，只要是不正常的）都标记出来，影像医生再检查核对一遍，这样效率就会大大提高。然而，实现这个需求对于算法和数据的要求都非常高，目前技术暂时还难以达到。
我们目前影像AI公司做的事情，在整个未来大变革当中，还是非常小的起步。无论技术成熟度还有商业变现模式，还有很长的道路。
影像AI的未来发展
结合影像AI本身的技术特性和临床应用，未来影像AI的发展方向应该侧重以下四个方面：
1. 以临床需求为导向，将影像技术和AI技术整合，与影像医生和临床医生紧密协作，做出能实际落地、对医生有价值的产品。
2. 由于医疗的专业性，每家公司应该都要找到自己的专业领域和细分方向，而不是一窝蜂的做同质化产品，同质化产品未来会带来恶性竞争，也不利于行业长期发展。从实际给投资人展示成果的角度，大家选择的都是比较好做容易出成果的细分领域，比如骨折、骨龄测量、乳腺癌病理、脑卒中CT诊断等，这种虽然短期看起来好，但实际长期价值较低。考虑到医疗研发周期很长，如果能专注自己的专业领域，随着数据不断积累和持续研究投入，竞争壁垒才会越来越高。
3. 因为每家公司都不可能做全疾病病种、全影像设备的业务覆盖，开放协作、各取所长就会是一个必然趋势，这样才有助于医学整体进步，也有助于AI技术真实落地。
4.靠投资生存，公司始终是在 “生死倒计时”。在研发过程中，寻找更多样的盈利途径才是正途。
相比于互联网医疗，AI技术有机会根本改变医疗供给端不足的问题，是更具深远影响的技术变革。然而这场技术变革，还是要回归初心，脚踏实地才能让理想变为现实。
刘伟奇
同心医联创始人兼CEO
生于北方极寒之地，长于南方酷热之所，学成于东方时尚之都，游历于西方高科技圣地，最终归于天子脚下。出身理工，却喜文史哲，转读金融，后研管理，近攻法律，归于医疗。心在庙堂之高，身居江湖之远。
医学生中间流传的最经典的一段话： 生理生化，必有一挂；分生细生，两门大坑，心理伦理，不明所以，病理药理，玩不死你；大内大外，不死才怪，诊断局解，学到吐血，解剖免疫，我勒个去；微生物，hold不住，寄生虫，何生人……如果我们到了28岁，你未嫁，我未娶，那么...那么你也是学医的吧！