文|動(dòng)脈網(wǎng)
2020年，沈思（化名）帶著團(tuán)隊(duì)與國(guó)家藥監(jiān)局開(kāi)了一場(chǎng)臨時(shí)評(píng)審會(huì)，探討一款創(chuàng)新的包含三個(gè)眼底病種的輔助診斷AI。會(huì)上一下子來(lái)了30個(gè)專(zhuān)家，其中有審評(píng)方人員告訴沈思：這是他們有史以來(lái)見(jiàn)過(guò)的最為復(fù)雜的產(chǎn)品。
“我們現(xiàn)在獲批的AI都是單病種AI，即一個(gè)AI能夠處理一個(gè)病種。這樣的AI在臨床試驗(yàn)時(shí)相對(duì)比較容易，需要處理的相似病例可能只有一種。但要做多病種AI，臨床試驗(yàn)的問(wèn)題就變得復(fù)雜起來(lái)，不僅需要我們對(duì)每一個(gè)單病種AI進(jìn)行驗(yàn)證，還需要驗(yàn)證兩個(gè)病種的交集部分與兩個(gè)病種的都不存在的部分?！鄙蛩冀忉尩?。
“這時(shí)，相似病例與排他病例會(huì)變得特別多，把近90%的眼科疾病都覆蓋了進(jìn)去?！?/p>
現(xiàn)有的監(jiān)管程序并不適用于這樣一款復(fù)雜的醫(yī)療器械。為了將審評(píng)審批進(jìn)行下去，沈思團(tuán)隊(duì)與藥監(jiān)局一同開(kāi)始了多病種AI的監(jiān)管流程探索。從無(wú)到有，兩撥人花了整整兩年的時(shí)間。
2022年9月1日，團(tuán)隊(duì)的眼底病變眼底圖像輔助診斷軟件終于獲得了NMPA頒布的三類(lèi)證，拿下國(guó)內(nèi)首個(gè)多病種AI三類(lèi)證，在國(guó)內(nèi)AI的注冊(cè)準(zhǔn)入史中寫(xiě)上了“里程碑式”的一筆。
唯一的遺憾來(lái)源于覆蓋的病種。與最初的計(jì)劃相比，此次批下來(lái)的三類(lèi)證僅留下了糖尿病視網(wǎng)膜病變、青光眼兩個(gè)病種。
除沈思背后的百度靈醫(yī)智惠外，國(guó)內(nèi)聯(lián)影智能、致遠(yuǎn)慧圖、鷹瞳科技也已在多病種AI的審評(píng)審批上有所建樹(shù)。眾多頭部企業(yè)發(fā)力的多病種AI，能夠改變醫(yī)療人工智能時(shí)代嗎？
多病種人工智能的審評(píng)審批為何如此困難？
如果無(wú)視軟件的安全性與可解釋性，只是制造一個(gè)合理的算法對(duì)影像進(jìn)行概率上的判別，足夠數(shù)據(jù)量的深度學(xué)習(xí)訓(xùn)練下，大部分企業(yè)都能給出一個(gè)較為不錯(cuò)的結(jié)果。但循證醫(yī)學(xué)需要證據(jù)，黑盒之下，我們無(wú)法得知結(jié)果如何產(chǎn)生。
沈思告訴動(dòng)脈網(wǎng)：“大數(shù)據(jù)下AI給出的部分概率確實(shí)能夠一定程度反映征象與病癥之間潛在的關(guān)聯(lián)可能，但這些關(guān)聯(lián)僅是統(tǒng)計(jì)學(xué)上的關(guān)聯(lián)，算法得出結(jié)論的過(guò)程本身不可解釋。需要強(qiáng)調(diào)的是，AI首先是一個(gè)醫(yī)療屬性的產(chǎn)品，也就是說(shuō)，如果你只是通過(guò)算法計(jì)算一個(gè)概率，這個(gè)概率醫(yī)生診療路徑無(wú)關(guān)，那么這樣的人工智能便難以通過(guò)審評(píng)審批。”
前文已經(jīng)提到，多病種AI的臨床試驗(yàn)設(shè)計(jì)是一個(gè)復(fù)雜的過(guò)程。譬如，多病種AI（以N=2為例）在進(jìn)行數(shù)據(jù)集構(gòu)建與算法驗(yàn)證時(shí)，不僅需要構(gòu)建病種A數(shù)據(jù)庫(kù)與病種B數(shù)據(jù)庫(kù)，還需要構(gòu)建A∩B數(shù)據(jù)庫(kù)，并需在模型之中添加醫(yī)學(xué)知識(shí)，使其能基于醫(yī)學(xué)原理解釋交集數(shù)據(jù)的概率得出過(guò)程。
當(dāng)病種數(shù)量較少時(shí)，構(gòu)建融合數(shù)據(jù)庫(kù)的難度尚且可控。而在當(dāng)前審評(píng)審批邏輯下，病種數(shù)量一旦增多，各病種組合的樣式及需要的數(shù)據(jù)集豐富程度則迅速上升，整體呈指數(shù)趨勢(shì)。
對(duì)于一個(gè)企業(yè)而言，依靠堆砌人力或許能夠拼湊出多病種AI驗(yàn)證過(guò)程中需要的算法，但在構(gòu)建完整的數(shù)據(jù)集方面，研發(fā)者將面臨一些難以解決的現(xiàn)實(shí)難題。譬如，糖網(wǎng)病變的0期、6期患者數(shù)據(jù)天然較少，企業(yè)很難在真實(shí)世界中找到滿足驗(yàn)證數(shù)據(jù)集要求的數(shù)據(jù)量。若將病種的組合考慮在內(nèi)，相關(guān)數(shù)據(jù)收集復(fù)雜程度將極速擴(kuò)增，最終變成一個(gè)現(xiàn)實(shí)之中無(wú)法解決的難題。
多病種AI如何突破“多病種”？
盡管多病種AI面臨無(wú)法落地的難題，但面對(duì)理想之中的AI對(duì)于人類(lèi)特定能力的極致復(fù)刻，創(chuàng)造一個(gè)媲美放射科醫(yī)生的AI依然是眾多企業(yè)追逐這項(xiàng)技術(shù)的最終目的。
從理論上講，多病種AI的實(shí)際應(yīng)用價(jià)值、研發(fā)難度與覆蓋病種數(shù)量呈指數(shù)關(guān)系，不同覆蓋量下的算法在各方面均存在天壤之別。只有當(dāng)N足夠大、覆蓋的大通量疾病足夠多，能夠處理多模態(tài)融合影像時(shí)，AI的價(jià)值才能向醫(yī)生趨同。
在這條路徑上，如何選擇多病種AI作用的對(duì)象，如何確定多病種AI病種的數(shù)量，企業(yè)必須做出細(xì)致考量。
回顧國(guó)內(nèi)企業(yè)在多病種AI上的突破，目前各大醫(yī)療器械監(jiān)督機(jī)構(gòu)總計(jì)批準(zhǔn)兩張多病種AI三類(lèi)證，一張是百度靈醫(yī)智惠新近拿下的眼底多病種AI三類(lèi)證，包含糖網(wǎng)病變、青光眼兩種可診斷疾病，一張則是聯(lián)影智能于2020年在CE獲得的胸部多病種AI輔助診斷產(chǎn)品，包含肺炎、肺結(jié)節(jié)、胸部骨折三個(gè)病種。除此之外，致遠(yuǎn)慧圖的多病種眼底影像輔助診斷軟件自2020年進(jìn)入創(chuàng)新醫(yī)療器械通道之后仍處于審評(píng)審批中，該模型總計(jì)包含了13個(gè)種疾病。
鷹瞳科技的眼底多病種尚未披露審評(píng)審批消息，但其科研成果也有所披露。2022年7月，首都醫(yī)科大學(xué)附屬北京同仁醫(yī)院副院長(zhǎng)魏文斌教授團(tuán)隊(duì)與鷹瞳科技、愛(ài)康集團(tuán)在《美國(guó)醫(yī)學(xué)會(huì)雜志》子刊JAMA Network Open雜志（IF=13.4）聯(lián)合發(fā)表題為“Artificial Intelligence for Screening of Multiple Retinal and Optic Nerve Diseases”的研究論文。
研究結(jié)果顯示，基于眼底照片訓(xùn)練的AI算法模型在全國(guó)多中心的真實(shí)世界驗(yàn)證中，對(duì)10種常見(jiàn)眼底病篩查的敏感度堪比資深眼底科專(zhuān)家，且篩查用時(shí)節(jié)省了約75%。該試驗(yàn)一定程度驗(yàn)證了視網(wǎng)膜（眼底）影像人工智能多病種診斷算法能力和應(yīng)用價(jià)值。
綜合討論上述4個(gè)多病種人工智能。聯(lián)影智能擁有唯一一個(gè)服務(wù)胸部CT影像的人工智能，而其余三個(gè)均是圍繞眼底影像展開(kāi)，這兩個(gè)病種擁有最為豐富的數(shù)據(jù)，最悠久的發(fā)展歷史，因而在多病種時(shí)代的開(kāi)端走在了最前列。
不過(guò)，病種的數(shù)據(jù)量可以說(shuō)明人工智能企業(yè)在策劃多病種AI研發(fā)時(shí)選擇的發(fā)展方向，但要將其轉(zhuǎn)化為產(chǎn)品，更具決定性的因素是多病種AI包含病種的數(shù)量。
兩個(gè)通過(guò)了監(jiān)察機(jī)構(gòu)審評(píng)審批的多病種AI均有其鮮明特征。胸部多病種AI包含的肺炎、肺結(jié)節(jié)、骨折征象各異，人或機(jī)器均能輕松通過(guò)視覺(jué)進(jìn)行分辨。另一方面，肺炎、肺結(jié)節(jié)、骨折各自的單病種AI較為成熟，研發(fā)、臨床試驗(yàn)難度相對(duì)較低。因而該產(chǎn)品在2020年便已獲得CE認(rèn)證。
百度靈醫(yī)智惠的眼底多病種AI同樣存在區(qū)分較為簡(jiǎn)單的征象，且眼底數(shù)據(jù)獲取成本、難度較低。此外，該多病種AI涉及的病種僅為兩種，臨床試驗(yàn)復(fù)雜度都仍處于可控的范圍。相比之下，鷹瞳科技的“10病種”AI與致遠(yuǎn)慧圖的“13病種”AI雖同樣攻堅(jiān)眼底疾病，但由于其涉及病種數(shù)量過(guò)多，臨床試驗(yàn)設(shè)計(jì)難度極大。
對(duì)此，有專(zhuān)家表示：“盡管有多病種AI進(jìn)入了創(chuàng)新醫(yī)療器械審評(píng)審批綠色通道，但要在現(xiàn)行醫(yī)療器械審查制度之下完成審批，基本上不可能實(shí)現(xiàn)。因此，要突破臨床試驗(yàn)這個(gè)環(huán)節(jié)，企業(yè)必須與器審中心共同探索新的審批路徑，這可能需要很長(zhǎng)時(shí)間?！?/p>
綜上所述，多病種人工智能仍處于發(fā)展初期，獲證偏向于投身通量較大、單病種AI較為成熟的領(lǐng)域，且均嚴(yán)格控制了覆蓋病種的數(shù)量，避免承擔(dān)在研發(fā)之中產(chǎn)生無(wú)效投入的風(fēng)險(xiǎn)。而對(duì)于覆蓋病種數(shù)量較多的AI，由于缺乏可解釋性，此類(lèi)AI仍需進(jìn)行審批路徑上的創(chuàng)新。
研發(fā)多病種AI值得嗎？
多病種AI的研發(fā)過(guò)程漫長(zhǎng)而艱難，但其價(jià)值是否能夠匹配企業(yè)的投入呢？答案目前并不確定。
一種相對(duì)簡(jiǎn)單的方式是將其與單病種AI進(jìn)行對(duì)比。醫(yī)生閱片時(shí)通常會(huì)對(duì)影像數(shù)據(jù)顯示的各類(lèi)征象進(jìn)行全面分析，而單病種AI只能對(duì)影像中的某一類(lèi)征象進(jìn)行分析，因而只能在特定場(chǎng)景之下使用，更多的價(jià)值在于輔助醫(yī)生降本增效、查漏補(bǔ)缺。
多病種AI的價(jià)值需要視N的數(shù)量而定。對(duì)于N較小、征象差異較大的多病種AI，它的能力與多個(gè)單病種AI結(jié)合作用時(shí)的準(zhǔn)確率差異不大，很多產(chǎn)線較為豐富的人工智能同樣將其融合了多個(gè)單病種AI產(chǎn)品的平臺(tái)稱之外多病種AI。因此，當(dāng)N較小時(shí)，多病種AI較單病種AI的輔助診斷上的優(yōu)勢(shì)較為有限。
再看研發(fā)難度，多病種AI要在臨床中發(fā)揮有效作用，既需要對(duì)每一個(gè)包含的病種進(jìn)行研究，使其具備等同于多個(gè)單病種AI的診斷能力，又需要保證在復(fù)雜病癥下，得出包含多個(gè)疾病診斷的結(jié)果足夠準(zhǔn)確且不會(huì)相互排斥。因此，多病種AI的研發(fā)以單病種AI能力為基礎(chǔ)，整體研發(fā)難度大于等于多個(gè)單病種AI，當(dāng)N較小時(shí)，多病種AI在效益上不具備過(guò)多的優(yōu)勢(shì)，而當(dāng)N值足夠大，覆蓋的患者數(shù)量足夠多，有能力處理多模態(tài)數(shù)據(jù)時(shí)，多病種AI的價(jià)值將與單病種AI迅速拉開(kāi)差距。
不過(guò)，較大N值的理想狀態(tài)其技術(shù)難度與審批難度過(guò)大。當(dāng)下，多病種AI帶來(lái)的創(chuàng)新絕大多數(shù)談不上技術(shù)層面的創(chuàng)新，而是商業(yè)模式上的創(chuàng)新，用于壓縮了醫(yī)療機(jī)構(gòu)購(gòu)置醫(yī)療AI的成本。此時(shí)，多病種AI與單病種AI的關(guān)系也并非替代關(guān)系，而是協(xié)同賦能的關(guān)系，用智能化手段打通每一個(gè)醫(yī)療場(chǎng)景。
具體而言，目前單病種AI的主要落地場(chǎng)景仍是醫(yī)院，因其價(jià)格與功能上的限制，醫(yī)療AI的購(gòu)置方多為三級(jí)醫(yī)院。畢竟，基層醫(yī)療、體檢中心等機(jī)構(gòu)的功能在于“篩防”，單個(gè)AI顯然很難完成這一任務(wù)，同時(shí)購(gòu)置多個(gè)AI又太貴。在這種情況下，多病種AI便可成為單病種AI的補(bǔ)充，給予基層醫(yī)療機(jī)構(gòu)一個(gè)價(jià)格相對(duì)便宜、覆蓋面相對(duì)較廣的選項(xiàng)。
當(dāng)然，由于審查過(guò)程中包含了單個(gè)病種的診斷能力，多病種AI從理論上講亦可落足于醫(yī)院這一關(guān)鍵場(chǎng)景，與單病種AI開(kāi)啟市場(chǎng)競(jìng)爭(zhēng)。只是當(dāng)下缺乏成熟的物價(jià)準(zhǔn)入，尚無(wú)實(shí)際數(shù)據(jù)對(duì)這一模式進(jìn)行支持。
我們距離理想的多病種AI時(shí)代還有多遠(yuǎn)？
誠(chéng)然，當(dāng)前階段的多病種AI仍面臨重重困難，并不具備改變時(shí)代的能力。但從長(zhǎng)遠(yuǎn)的未來(lái)看，多病種AI乃至全病種AI將是醫(yī)療AI發(fā)展的必然。
那么在這個(gè)階段，醫(yī)療人工智能企業(yè)要發(fā)展多病種AI，可能不應(yīng)將多病種AI作為研發(fā)的核心。
作為國(guó)內(nèi)首個(gè)獲得多病種AI注冊(cè)證的企業(yè)，聯(lián)影智能在此后的兩年并沒(méi)有急著加速多病種AI的研發(fā)，而是選擇完善“全棧”解決方案的打造，讓其AI盡可能覆蓋更多的病種與流程。
對(duì)此，聯(lián)影智能某位高管在過(guò)去的采訪中表示：“單病種AI與多病種AI都服務(wù)于臨床需求，且多病種AI需要單病種AI最為支撐。目前人工智能發(fā)展覆蓋的領(lǐng)域有限，要在未來(lái)更多的發(fā)展人工智能，還需要打下更為牢固的地基?！?/p>
至于聯(lián)影智能如何選擇AI研發(fā)路徑這一問(wèn)題，他用四個(gè)成語(yǔ)概括了聯(lián)影智能的選擇原則。當(dāng)下，企業(yè)現(xiàn)在還是會(huì)更多的把重心放在“草里尋針”與“視而不見(jiàn)”上。具體而言，前者指許多疾病在影像學(xué)上很不易找見(jiàn)，如鉬靶里小的鈣化點(diǎn)、磁共振中大腦里的轉(zhuǎn)移瘤，這些應(yīng)用會(huì)熱得最快；后者指當(dāng)人眼在專(zhuān)注一種病癥時(shí)，往往容易忽視另一病癥，如乳腺增強(qiáng)磁共振掃描，需要對(duì)時(shí)序圖像進(jìn)行柔性配準(zhǔn)，然后對(duì)造影劑的變化進(jìn)行復(fù)雜的量化分析。而這些人眼“看不見(jiàn)的東西”正是AI可以大有作為的場(chǎng)景。
“霧里看花”，即有些病癥影像學(xué)表現(xiàn)不明顯，譬如病灶由于其他物體的遮擋而若隱若現(xiàn)，似有似無(wú)；“捕風(fēng)捉影”，即模仿醫(yī)生根據(jù)零星的患者信息，基于影像或者影像之外的各種臨床信息，做出一些睿智的猜測(cè)、判斷和決定。這種應(yīng)用場(chǎng)景要格外小心。對(duì)于這兩類(lèi)場(chǎng)景，雖不是聯(lián)姻智能當(dāng)前的重心，但也會(huì)在審慎考慮的基礎(chǔ)上進(jìn)行一定程度的探索。
總的來(lái)說(shuō)，多病種AI雖脫離于單病種AI的審評(píng)審批程序，但卻極度依賴單病種AI的研發(fā)支持。從上述四個(gè)方向之中我們不難看出理想多病種AI乃至全病種AI的形態(tài)——這將是一個(gè)能夠綜合多個(gè)模態(tài)信息進(jìn)行決策，能夠同時(shí)處理多個(gè)診斷路徑的綜合體。
顯然，我們距離理想中的AI仍太過(guò)遙遠(yuǎn)，但現(xiàn)有的AI仍處于快速發(fā)展中，不斷優(yōu)化當(dāng)下的醫(yī)療體系。面對(duì)未來(lái)不必過(guò)多擔(dān)心，畢竟，當(dāng)前的成就沒(méi)能讓所有人都停滯，總有探索者沿著夢(mèng)想的路徑不懈努力。