1、临床导向：回归影像技术的起源和本质，关注临床医生的需求，为患者提供更为精准的诊断和治疗建议为研究方向，而不是跟影像科超声科医生竞赛诊断准确率。同心医联通过互联网医院服务近5万名临床医生，将临床医生的需求作为所有技术研发的起点；
2、跨界融合：促进医学成像技术+AI技术+影像诊断+临床应用四个学科的跨界合作，才能开发出真正有临床价值的产品，解决医生和患者的实际问题。同心医联在全国拥有自营和合作影像中心超过300家，积累影像病历超过850万，具备了跨界融合的能力；
3、开放共赢：鉴于医学复杂性，一个团队不可能在所有疾病方向上都有所建树。各方重点发展自己专业方向的同时，可以互相合作，取长补短，共同促进医学新技术的临床应用。
同心医联目前已经推出38个独家智能诊断产品，主要服务于心脑血管和肿瘤患者。同时，已经与近100家世界一流大学和科研机构如清华、北大、中科院等，建立紧密合作关系，发挥各自专长，将新技术更好地应用于临床实践。
本次发布会上，同心医联还梳理了目前影像+AI行业的发展现状，并提出了独到的行业见解。
一、 影像AI技术现实挑战
影像AI行业一方面获取了大量资本追逐，另外一方面现实却冰冷无比。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，影像科医生却甚少使用。
原因在于，大部分影像AI公司，一开始都是从国外引入算法，通过公开数据集训练算法，做自己公司的模型。后续通过跟大型医院合作，获取数据来训练和应用模型。
为了吸引眼球和引起注意，部分公司还会组织人机大赛，组织影像超声专家和AI算法同台较量，看哪方诊断更快更好。这种比赛由于众所周知的原因，往往是AI算法胜出，博得大众关注，造成了技术很快可以取代医生的错误认知。
当前期概念宣传足够后，影像AI公司开始申请二类、甚至三类医疗器械许可证，计划以医学辅助诊断软件的名义，走代理商，按照招投标程序卖给公立医院。一个基于大数据的现代科技，变成了医疗信息化软件销售模式。
深度学习虽然带来了全新的技术变革，但医疗专业度非常强，影像AI面对的技术问题需要从三个维度来考虑：
第一，不同的影像设备成像原理不一样，产生出来的数据也不同。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。
第二是如何获取标准化的影像数据。由于我国医疗的标准化水平较低，反映在医疗各个环节后续问题都很大。一样的设备，在不同的医院，使用的是不同的影像扫描方法、序列和参数，产生数据质量的差异很大。
甚至很多基层医院的影像数据都不符合DICOM协议，在这种条件下，AI算法的鲁棒性问题是个大问题，特别是如果拿到医疗器械注册许可证之后，是不是能用一套算法包打天下，是个现实难题。
第三是不同的疾病机理不一样，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（如心肌病、阿尔茨海默症、癫痫、帕金森等）有所成就，就已经难能可贵。
目前，影像AI公司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。之后往往都是做骨折、骨龄测量、乳腺癌病理、脑卒中等方向，这些研究方向主要都是从技术成熟度角度出发，而非从医生日常应用场景出发。
就算技术问题解决了，商业化问题仍然是一个拦路虎。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，都是围绕公立医院提供产品或服务的；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创造更多的医疗项目，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，这种公司业务并不能直接给医院创造新的收益，所以市场开拓起来困难重重，应收账款回款还特困难。
同理，如果影像AI公司只是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有一天真能取代影像科医生了，以中国15万影像科医生，平均年薪10万元人民币计算，总共不过是150亿的市场。相对于目前的资源投入，市场规模实在太小。
同心医联将影像技术和AI技术相结合，在自己的影像中心进行落地。同心医联按照医疗连锁管理模式，建立了成熟的影像标准化体系，保证数据获取标准化，同时应用在自身的影像中心，也避免了算法通用适配性和鲁棒性的问题。同时，在影像中心落地，可以有效将技术转化成产品，通过给患者解决实际问题实现商业闭环，同心医联已经于2018年实现整体盈利。
二、被误解的影像AI价值
那么，影像AI的价值到底在哪里？
影像AI不应该只解决影像科的问题，应该侧重通过影像技术+AI技术解决临床问题，这样未来发展空间才是无限的。影像AI的应用领域可以分为两大方向：
第一类方向是解决临床需求的，比如神经外科、心脏内科等科室需求的。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，即通过数字化分析提供精准诊断和有效治疗建议。
实践为何困难？原因在于，从生物医学工程、到计算机AI、到影像诊断学，再到临床需求，横跨了四个专业的知识鸿沟，如果不具备跨界整合的资源和能力，难度非常大。
第二类方向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，即获取影像数据时，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修图软件再去修图，效果也难称理想。
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等方面已经取得了很多成果。国内的不重视，原因在于公立医院是主体，没有强烈的动力去提升效率，无论患者量多少，每天完成的工作量稳定，患者太多就排队；而民营医院患者不够多，也没有需求；再加上国内影像辐射对人体危害没有像国外那么重视。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，影像科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，肺部的常见病至少有10多种，如果只能看肺结节，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。
特别是医生还要把医学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，影像医生再诊断核对一遍，而不用100多张片子一张张重新看，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，暂时还难以达到。
同心医联拥有自己全套的影像科医生、技师、护士和市场团队，可以有效满足临床医生和患者的实际需求。同时，同心医联通过互联网医院配合临床医生，服务复诊患者的后续问诊、影像检查、随访管理和药事服务，保证形成所有技术可落地，形成服务闭环。
三、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：
一、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。
二、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。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。
三、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。
四、靠投资生存，公司始终是在“生死倒计时”。与现实结合，能够盈利才是正途。
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。
