2022年12月17日-18日，由中国医学影像AI产学研用创新联盟（CAIERA）主办的第三届中国医学影像AI大会在上海举办，本次大会以“AI破冰，你我同行”为主题，围绕医学影像这一研究领域内存在的痛点以及未来的发展方向进行了探讨。
医学影像AI在国内兴起已有数年，纵然技术创新不断突破，也取得了无数成果，医学影像AI产品的临床落地环节却阻碍重重。医学影像AI产品是否已经具备临床应用能力？向用户端收费的瓶颈是什么？影像科医生的技术劳动价值如何体现？
12月17日的大会上，一场汇聚了来自医院、行业学会以及政府相关部门从业者的圆桌访谈，针对这些难题进行了深入探讨。
这场圆桌访谈以“多方视角看影像AI临床落地与前景”为主题，由原复旦大学副校长冯晓源担任主持人，嘉宾包括国家医保DRG付费技术指导组组长郑杰、上海申康医院发展中心医疗事业部主任沈兵、公利医院副院长张登海、中华医学会放射学分会主任委员刘士远、浙江省放射质控中心主任龚向阳等多位业内专家学者。
刘士远教授表示，从实际的临床刚需出发，真正有前景的AI产品，需要基于临床场景解决多任务、多维度的问题，并基于部位和器官输出整体检查的结果，例如基于胸部CT能够出具包括心肺纵膈胸壁所有器官的病变报告，这是临床对AI产品的期望。目前基于解决临床点上问题的AI产品，虽然可以对医生赋能，但很难形成常态收费。
龚向阳主任表示，AI产品和临床需求之间存在的差距，不是在技术上，而是在应用场景的选择、服务模式、AI公司的盈利模式上，以及医院对AI产品的估价和企业自己的估价之间也存在着巨大的鸿沟。以肋骨骨折AI产品为例，产品很有用，但是医院可能会有价格太高的顾虑。
郑杰组长认为，目前关于AI产品收费的矛盾在于缺乏一个明确的成本核算，无法说清楚机器折旧费、影像诊断费，以及AI的使用费，因此陷入了AI产品到底应不应该单独立项的争议中。问题需要回归如何建立中国的成本核算体系，只有在建立成本核算体系的前提下，才能对未来医学影像AI的发展给予更多支持。
提及医学影像AI产品应用中的障碍，张登海副院长指出，首先要面对的就是如何与人工智能产品这一智力足以与人类相匹配的工具相处；此外，人工智能产品市场化机制的建立仍任重道远，行业发展也还需要政府相关部门在政策、法律各方面提供支持。
以下为“多方视角看影像AI落地与未来的展望”圆桌访谈的对话内容，小编做了不改变原意的编辑和整理。
冯晓源：医学影像AI产品从科研到拿证落地，是否证明AI产品已经具备了临床应用能力，如何看待医疗AI产品收费这件事？
刘士远：AI的收费与产品类型和临床应用能力直接相关。首先，有些产品严格意义上不属于目前定义的深度学习类AI产品，比如病人自动定位，机器自动扫描和扫描参数自动调整优化，这些功能属于机器自动化，可以通过设备赋能获得收费。
至于基于深度学习的扫描剂量和对比剂剂量控制以及基于AI的设备检查质量控制类产品都很难单独收费，但可以通过设备价格体现。
现在讨论比较多，或者大家真正关注的是诊断和治疗决策环节产品的临床能力和收费，其关键在于产品被用户认可，成为刚需，比如医院不买CT产品就没法做诊断，病人不为检查付费就没法进行治疗。
医学影像AI产品要想实现常态化收费，首先要让自己成为刚需，但目前显然还不是。治疗决策类产品，有些已经被外科医生所认可和依赖，比如肝脏和胸部的基于深度学习的重建和手术路径演示以及残存肝、肺功能预测，这类产品有望被临床医生买单，但也需要进一步完善产品形态。
目前医学影像类产品获批三类注册证超过40张，一般一个产品要实现研发到收费完整的商业闭环，需要经过注册审批、价格审批和医保审批等环节。目前许多企业已经完成第一环节。
接下来要对影像医学类产品进行更科学完整的分类和成本核算，形成医学影像AI产品一大类的价格建议；之后才是逐步地进入医保系统被政府买单。
目前已经有十余款产品获得价格准入，但还没有产品获得医保准入。随着产品逐步被认可，相信AI产品的价值落地是早晚的事。
我们一直强调，AI产品要基于临床场景解决多任务、多维度的问题，基于部位和器官输出检查结果，才是真正有前途的。
当然，AI的应用场景是多维的，赋能也是多方面的，如何在整体医疗环节中体现AI的贡献，现在各方力量在积极探索各种可行性方案：
包括基于AI的结构化报告作为新的医疗技术形式，可以承载AI的部分收费问题；作为MDT团队的技术手段，成为门诊打包收费的一部分；作为治疗决策AI赋能，也可以是创新医疗技术的手段；基于互联网+5G+AI医共（联）体整体解决方案更可以成为未来基层下沉的解决方案。
一项新技术革命初期，社会和个体都需要适应的过程，但总归会探索出一条适合它的道路。
目前影像检查收费较低，只包含设备费用，未来收费模式重构时，必然要打碎现有的盘子重新分配。分配的过程中如何凸显医疗技术本身的价值，体现影像医生的脑力和体力劳动，还需政府和各有关部门认真考虑。
作为数字医疗的重要组成部分，数字胶片和医生的诊断费是医学影像AI实现收费的前提，其解决迫在眉睫。
冯晓源：刘士远教授是中华放射学分会的主委，我们看到您在任期中提出了三个重点工作方向之一是基层能力提升，您也刚刚完成了千县调研，能谈谈在千县工程影像中心建设中，学会的一些打算吗？是否有计划推进人工智能基层的应用？
刘士远：我们今年为了支撑县域以下医疗机构放射科的建设，专门成立了县域放射科能力提升工作委员会提升工作组。
前段时间在千县工程办公室黄二丹主任的指导下，我们已经完成了县域放射科的建设标准，根据我们的县域调研结果，县域有一半医疗机构有AI产品，但是70%的医疗机构是对未来十分担忧，医疗机构对AI产品有需求，但没钱购买。
据此可以看出，真正需要的AI产品的是基层县域以下的机构，但是需要的人又没钱，担心以后没有机会使用。
未来我们一方面考虑如何将这些已经成熟的AI产品部署到基层，另一方面要思考基层如何筹备足够的资金购买AI产品，社会资金如何调拨，都是需要面对的问题。
从学会的角度可以进行学术支持以及资源下沉，通过互联互通推进这一问题的解决。
冯晓源：浙江省在智慧医院建设中一直走在前列，做了很多有意义的探索。我们想请龚主任谈一下目前医学影像AI产品和临床需求之间还存在着什么样的差距？
龚向阳：在回答冯校长的问题之前，我先向各位领导汇报一下近几年浙江省在影像数字化方面所做的工作。
我们归纳为三件事情，第一件事情是，从2018年起浙江省已经实现了云影像的收费，每次20元。开始收费以后，浙江省在云影像服务方面覆盖率达到80%以上，一些医疗机构已经基本消灭了实物胶片。
从2018年到现在，浙江省的数字影像服务已经发展得非常好了，其优势也已经充分体现出来，主要是表现在方便患者就医、改善就医体验方面，同时也降低了医疗费用的支出等等。
第二件事情是推动了肺结节CT靶重建和结构化报告的收费项目。
该项目2020年由浙江省临床放射质控中心牵头推动，目前已经获批，每次收费450元钱并且纳入医保。
这可能是全国第一个体现放射科技术服务含量的收费项目，因为这项费用中不包括CT扫描费，如果患者已经有CT影像，医院在CT影像的基础上做一次重建收费450元钱。如果患者没有CT影像，做CT扫描是另外收费的。
这项工作推动了一些高端技术的进步，能够惠及百姓，使相关技术在临床常态化开展。同时，这个项目也入选了国家智能社会治理实验综合基地。
第三件事情是检查检验互联共享。这是从2020年到2022年这两年间我们着重在推动的工作。到2022年的12月份为止，浙江省各个级别近2000家医疗机构，包括最小的社区服务中心、乡镇卫生院、民营医疗机构都已经纳入这一体系之中，实现了互通互联和共享。
目前不同医疗机构之间互认的放射检查项目为320项，基本可以覆盖医院日常工作量的80%，大大方便了患者就医，节约了医疗费用，相关的工作也得到了国家卫健委的高度认可。
三件事情介绍完以后，我来回答冯校长的问题。
关于AI产品和临床需求之间存在着什么样差距，在前面专家的讨论当中已经提出了一些很好的建议。
我们（浙江省）的医院中目前有十几款医学影像AI产品正在使用当中，有些是我们自己在做研发，有些是从外部引进，有些则是联合开发等等，这些产品一定程度上帮助了我们的临床工作和管理工作，各类产品也通过迭代不断完善。
我认为AI产品和临床需求之间的差距不是在技术上，更多是在应用场景的选择、服务模式、AI公司的盈利模式上。在临床上，医院对AI产品的估价和企业的估价之间也存在着巨大的鸿沟。
以常用的肋骨骨折产品为例，肋骨骨折的医学影像AI产品对临床帮助很大，但是企业销售的价格医院可能承担不起，只能放弃购入。
在服务模式上，以肺结节AI影像产品为例，目前已经非常成熟，在各大医院中应用。
但是部分检查量很少的基层医院虽然很需要这一产品，但是相比大医院使用成本会更高，AI公司也难以对基层医院的产品进行维护，这就是服务模式上存在的问题，需要改变目前的服务模式，推动医学影像AI产品向基层的辐射。
冯晓源：对于影像AI产品进物价或进医保的进展，浙江的经验是怎样的？
龚向阳：浙江省在医学影像AI产品进入物价或医保方面进行了一些探索，我们成功申报了两个物价，一个是数字影像服务，另一个就是上面提到的肺结节CT靶重建和结构化报告项目。
我个人认为医学影像AI产品单独进物价其实是比较难的，也不现实的。
因为AI实际上是赋能医疗服务，而非直接为患者提供服务的，因此它的价值要取决于它对医生及医院的帮助有多少。
我们举一个例子，就是刚刚提到450元/次的肺结节CT靶重建和结构化报告，在申请这个项目进物价时，我们并未提及需要AI的辅助，只是说医生需要为患者提供这样价值的服务，也得到了医保和卫健委的支持。
医学影像AI公司在其中看到了商机后来联系我们，提出为我们提供这样的AI产品来帮助医生更快速、更精准地诊断。
我觉得这是一个切入点，浙江省很多医院都在开展这一项目，为了使这一项目更加高质量、同质化，就需要有一些医学影像AI产品进行支撑，最后买单的肯定是医院或者放射科。
因此关于医学影像AI产品进物价或进医保，肯定是需要有收费的支持，这样医学影像A企业它才能发展起来。但是医学影像AI产品如果要单独申请进物价或进医保，我认为是不太现实的。
冯晓源：AI产品的落地及商业化，离不开一个问题：谁为了AI产品买单？若以使用医疗AI向患者收费，则需要各家医院向省级卫健委和医保局申请物价编码。
医学影像人工智能应用作为专项进入医保的可能性，以及对将执行的DRG影像收费，您的思考是什么？
郑杰：医保这些年给大家的误解就是控费，其实我想跟各位说的是，医保更希望的是能够把钱花的值得。所以，作为资源的掌控方，合理分配资源才是我们的主旋律。
我们希望实现的是我国医疗市场长期、有序、稳定的发展，而不是图一时之快，这就是医保为什么让人感觉总是在限制大家，事实上并非如此，我们的理念是一致的，那就是用我们手里有限的资源支持我国医疗行业、医疗产业健康蓬勃发展。
我认为医学的发展是人类文明和社会进步的体现，任何的改革制度都不能以牺牲医学的进步为代价，如果以牺牲医学的进步为代价，改革不做也罢。
所以对于医保来讲，我们首先要做的就是掌握好规范与发展的平衡，这是我们的初心和职责。
针对医学影像人工智能应用作为专项进入医保的问题，我个人的观点是，首先我们必须要规范产业的发展，医学影像AI近几年取得了长足的进步，国内很多医学影像AI企业像春笋一样涌现，这也受益于信息化大数据时代的影响。但同时也导致了企业良莠不齐问题。
产业链的发展是好事，但高速发展之下我们的管理是否能跟得上，如何让产业良性发展，这就需要有一个规范，也就是刚才冯校长提到的必须由医疗机构提出申请，从市级向省级以及国家级单位报告。
所以大家会感觉这个程序很周折，我们的目的就是要规范市场的发展，去伪存真，通过这个申请程序留下真正的创新，去除伪创新。
伪创新对市场和产业链的危害有多大各位都有切身的感受，在市场机制逐利导向之下一定会出现一些“来钱快”的行为，这就是我国医疗市场一直饱受诟病的“代金销售”。
“代金销售”的存在说明伪创新得到了蓬勃的发展，从而打压真实的创新。因此，产业发展一定要建立在规范的前提之上。一级一级地向上申报正是我们的把关流程。
只有确认是真正的创新，我们才会将其留下来，这是必须要坚持的程序。
相比中国在准入环节的严格管理，很多西方国家的准入环节很宽松，因为在确认项目价值几何之前，西方国家会先允许产品进入市场接受检验，一年之后再回顾性地分析市场对该产品的接受度，并建立规范。这一方式也值得我们去探索。
在DRG影像收费的问题上，我认为医保应该支持医学进步。虽然大家对DRG比较头疼，认为被DRG限制了发展，但事实上，DRG的出现是以病组为支付环境逼出高效的临床路径。
中国近几十年来的无序扩张式发展非常严重，没有规范和标准，而西医源于标准化，所以不能脱离标准，我们要重新让西医回归质量，这才有了DRG，对产业、医疗市场以及社会大众都是有益的。
我们需要的是长治久安的发展，不能像暴发户一样图眼前之利。DRG并不是跟大家做对，如果能够通过DRG去除行业中的水分，让伪创新在临床上被淘汰掉，节约的资源投入到更有意义的创新以及更值得发展的未来上。
同时，为了权衡规范和发展的关系，我们针对DRG的缺陷制定了配套措施，即为未来将要出现的治疗必须的技术打开缺口，允许其据实支付，充分释放空间。当积累的数据量足够多以后，再重新回到规范的道路上。
另一方面，医保也支持着医学进步。
近几十年来市场的快速扩张发展颠覆了正确的价值观，许多企业只以逐利为目的，而非将创新当作企业发展的出发点，这种现象对医学产业产生了巨大的影响，必须要对其进行修正，让产业链与市场重回以创新质量为主的价值观道路上，才能实现长治久安。
除此之外，医保还起着优化资源配置的作用，DRG等新的内涵式发展的管理工具出现的作用就是让资源配置更合理，让医学影像AI在未来受益。在DRG的制度之下，未来有可能会改变目前的市场格局。
如今各家医院都配备有各种大型仪器设备，造成资源重复，患者在不同医院就诊时往往需要重复做检查。
在DRG模式之下，这些资源浪费都将转化为医院的成本，促使医院主动降低这些不必要的成本，最终推动医学影像检查专职结构的建立，促进检查结果的互认，优化资源配置。
冯晓源：您怎样看待大多数地区，影像检查收费中影像医生的劳动价值没有得到体现这个现象？
郑杰：医生付出的劳动自然要有价值匹配，现在的争议之处在于，影像医生的劳动价值是与其他项目一起包含在整体收费中立项还是单独立项。
我认为不论如何立项，最关键的矛盾是我国的价格体系不健全，没有明确的成本核算。如果有了明确的成本核算，将机器折旧费、影像诊断费、AI使用费等等，以明确的方法公式计算清楚，如何立项都不影响最终结果。
冯晓源：目前AI产品在您院的应用情况如何？有何问题和障碍？
张登海：医学影像AI产品目前应用的现状，我可以用12个字概括：碎片化、不均衡、浅智能、模仿式。
我们着重讲一下模仿式。现在的人工智能产品仍然在模仿人类的智能。人类在接收到信息以后，会对消息进行加工，形成概念，然后做出推理。
但是可能还存在另一种智能，能够绕过人类的思考方式和信息加工方式，比如我们向这一智能工具提供各种组学数据后，它不按照人类的思考方式，用另一种模式直接做出疾病诊断，这对我们意义更大，是我们人类认识不到的东西。
要做这种智能，就要重新考虑人工智能设计的架构问题，提供一些基本的科学原理，比如物理学原理、能量代谢方面的原理，然后为其提供数据，就可能发现另外一种加工方式，即叫非人类人工智能，这个东西也值得我们高度重视。
关于问题和障碍，我想医疗界的问题也许和其他行业是一样的，如何与一个能够取代我们或是和我们的智力并驾齐驱的机器（智能体）共处。
过去在医疗上引进的各种设备和技术，能够让人类在体力或感觉的能力上有所提高，但人工智能产品是能够与人类最特殊之处——智力相匹配的东西，我们该如何与它相处？
第二个问题是如何将目前的人工智能产品真正地变成商品，建立市场化的机制。
第三个障碍和困难是还需要政府方面要提供法律、政策上支持等等。
总的来说就是三个问题，我觉得利大于弊，前途是光明的。
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
