“AI肺病诊断”玩家众多，假阳性率高企受行业质疑

肺癌是中国和世界范围发病率最高的癌症。

据行业报告统计，2018年全世界新发肺癌210万例，占所有新发肿瘤病例的11.6％（排名第一）；死亡180万例，占所有肿瘤死亡病例的18.4％（排名第一）。

大多数肺癌病人初次就诊，就已经发展为癌症晚期，错过了最佳治疗时间。因此，早期检测、早期诊断、早期治疗是提高癌症治愈率的重要途径。

人工智能助力肺癌早筛

准确筛查出肺结节，是癌症早期诊断的第一步。

然而由于肺结节尺寸小、对比度低、形状异质化高等特点，普通X线胸片的诊断正确率仅有50%。因此，近年来胸部CT扫描被广泛应用于结节诊断，它能较准确估计结节病类型、肺间质病变的程度和淋巴结肿大的情况。

对于医生来说，查阅CT影像的过程是耗时耗力且重复的工作。

一组数据显示，一家三甲医院平均每天接待200 例左右肺结节患者，每位患者检查会产生200－300张左右的 CT 影像，这也就意味着放射科医生每天至少需要阅读4万张影像。

行业痛点为人工智能技术带来巨大的市场空间。近年来利用AI计算机视觉技术识别医学影像中的病变部位成为众多公司的业务重点，这其中有不少公司上线了肺部疾病诊断系统。

雷锋网注意到，肺结节诊断赛道上玩家众多，既有阿里、腾讯等行业巨头的身影，也有零氪科技、深睿医疗、图玛深维、汇医慧影等AI医疗影像公司。

AI医疗影像布局“肺结节诊断”

零氪科技：AI-肺结节智能诊断系统

零氪科技成立于2014年，2017年8月3日，零氪科技（LinkDoc）AI-肺结节智能诊断系统正式上线。

该系统使用与LinkDoc合作的影像科医生标注的胸部CT数据集，基于深度学习与强化学习技术，采用多通道、异构三维卷积融合算法，提高了肺结节的检测敏感性与准确度，最终全自动地识别出CT影像中所有的结节，识别率达91.5％，并计算出结节的医学特征，协助医生撰写诊断报告并辅助进行最终诊断。

据悉，零氪科技在2018年上半年已完成D轮融资，融资金额达10亿人民币。

依图医疗：“数字肺”智能影像诊断系统

依图科技成立于2012年，2018年6月完成2亿美元C＋轮融资。

依图医疗肺癌影像智能诊断系统，基于Faster R-CNN算法及多项优化技术，对胸部CT影像进行智能分析，检测病灶并对病灶性状进行多维度描述以及鉴别诊断，结合临床指南自动生成结构化报告，提高了医生阅片效率与质量，使患者获得快捷高质的医疗服务。

在公开报道中，依图医疗人工智能技术实际临床敏感性已经达到95%以上，其中10mm以下的小结节和5mm以下的微小结节占到检出结节的40%以上。

深睿医疗：Dr.WISE CAD医疗影像诊断系统

深睿医疗旗下产品Dr.WISE CAD医疗影像诊断系统应用于肺结节检出的敏感性及特异性，准确率达98.8%。

深睿医疗主要开发基于人工智能的医疗应用产品，目前已经推出了针对良恶性疾病早期筛查及精准诊断的智能医学影像技术和产品，为癌症早期识别和检出、分析及随访的全过程提供智能化解决方案。

据官方表示，相关技术及产品已在北京协和医学院、北大医院、医科院肿瘤医院、南京总医院等数十家顶级三甲医院及机构进行临床试用。

2018年4月2日，深睿医疗宣布完成B轮1.5亿元融资，由君联资本领投，联想之星跟投。至此，深睿医疗成立仅一年就完成了3轮融资，A轮、A+轮及B轮的累积融资额达到3亿元。

图玛深维：σ-Discover/Lung Nodule 肺结节智能诊断系统

图玛深维成立于2015年，2017年12 月，完成 2 亿元人民币B 轮融资，由软银中国领投，辰德资本、德联资本参投。

公司推出的σ-Discover/Lung Nodule 肺结节智能诊断系统，利用计算机深度学习技术，通过分析胸部 CT 薄层扫描图像，帮助医生快速并准确地检出标识肺结节、给予良恶性判断、比较分析随访复查影像、并自动生成结构化报告书。

目前产品在全球多家医院证实，检出率超过97%，良恶性判断符合率超过90%。

汇医慧影：AI智能肺结节筛查系统

汇医慧影AI智能肺结节筛查系统，将肺部影像诊断压缩至秒级，可自动识别出成百上千帧影像中肺结节，标出大小、位置、密度，并初步分辨良恶性并自动生成结构化影像报告提供给医生审查。

据雷锋网了解，该系统已辅助医生完成近50余例肺结节筛查，敏感性高达95%以上。

汇医慧影成立于2015年，是一家医学影像人工智能诊疗和大数据服务公司。2017年10月，汇医慧影宣布完成数亿元的B轮融资。

推想科技：InferRead CT 肺部辅助筛查系统

推想科技的InferRead CT 系统，在肺癌早期筛查的应用中，可以有效地挖掘肺癌的核心特征，判断不同序列图像是否具有可疑癌的特征，协助肺癌的早期诊断和治疗。

对6mm以下实性结节及磨玻璃结节等易漏诊结节具有高度敏感性，可以自动识别并标记实性、钙化、部分实性、磨玻璃密度结节等多种结节病灶并且提供全面准确信息，包括结节位置、大小、密度、性质等。系统可以自动预处理，即点即看，自动对比前后片，联动查看图像。

2018年3月，推想科技完成3亿元人民币C轮融资，由襄禾资本、尚珹基金、元生资本、红杉资本、启明创投投资。

视见科技：Lung Sight CT胸片智能诊断系统

视见医疗总部位于深圳，产品研发包含放射影像（DR/CT/MR）辅助诊断、放疗靶区辅助勾勒及病理（细胞学、组织学）影像辅助诊断三大方向。

其中在放射领域，视见科技推出的Lung Sight CT胸片智能诊断系统，能够检出肺部结节，自动肺分段，定位结节位置，计算出100多个影像组学信息，依据亚洲共识为结节分类，为医生诊断提供医学依据并提供随访结节对比，追踪结节变化趋势，预测结节良恶性。

2018年3月视见科技完成由深创投领投的A轮融资，同年6月，完成A轮追加融资，投资方为招商局创投。至此，视见科技完成总额1亿元人民币A轮融资。

阿里健康：“Doctor You”AI系统

2017年7月11日，由阿里健康研发的医疗AI“Doctor You”，在北京万里云医学影像中心正式对外发布。

“Doctor You”的CT肺结节智能检测引擎，由阿里健康的算法引擎团队和阿里巴巴iDST的视觉计算团队共同打造，它将医学知识和人工智能技术结合，自动识别并标记可疑结节，提高医生工作效率，降低误诊率和漏诊率。

根据阿里健康官网介绍，“Doctor You”AI系统包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训系统等。阿里健康和万里云对外展现的，是“Doctor You”中CT肺结节智能检测引擎在远程影像诊断流程中的真实应用场景。

腾讯觅影：早期肺癌智能筛查系统

腾讯觅影团队由50多位博士以上学历人工智能科学家，400多位AI应用工程师以及数名医疗专家和产品经理组成。价值数亿的GPU计算集群，支撑着深度学习网络的快速迭代，单个检查超过500张图片，6s即可运算处理完成。

据悉，腾讯觅影利用腾讯优图在大数据运算、图像识别与深度学习方面的先进技术，开发了早期肺癌智能筛查系统。

该系统预处理模块中肺部的三维分割和重建算法，可以处理不同CT成像设备在不同成像参数条件下产生的不同源数据。对肺部CT图像处理识别运用多任务3D卷积神经网络算法可以实现早期肺结节检测。

根据测算，其对早期肺癌的敏感度（识别正确率）达到85%以上，对良性肺结节的特异性（识别正确率）超过84%，对于直径大于3mm小于10mm的微小结节检出率超过95%，可帮助放射医生大幅提升肺部CT的早癌筛查能力。

底层技术推动产品创新

LUNA评测：科大讯飞、中国平安先后登顶

LUNA (LUng Nodule Analysis) 评测是肺结节检测领域最权威的国际评测，也是医学影像领域最具代表性、最受关注的评测任务之一。

2017年8月，科大讯飞人工智能研究在国际医学影像领域的权威评测LUNA上获得平均召回率92.3%的检测效果，以显著优势获得该项评测的第一名并刷新世界记录。

继在智能语音、语义理解、机器翻译等领域取得世界第一之后，科大讯飞在计算机视觉与医学影像相结合的重要领域亦走到了世界前列。

2018年1月，LUNA（肺结节智能读片）公布的测试结果显示，中国平安集团旗下平安科技的智能读片技术获得重大突破，分别以95.1%和96.8%的精度刷新了“肺结节检测”和“假阳性筛查”的世界纪录，双双获得世界第一。

这是平安科技首次斩获医学影像领域世界纪录，也是中国平安在人工智能领域的里程碑式成果。

平安科技医疗影像团队利用在医疗诊断领域的综合优势，创造性地提出了将鲁棒控制理论与深度学习及迁移学习等人工智能算法深度融合的解决方案，最终在肺结节检测定位及识别领域取得突破。目前该技术正逐步在多家三甲医院的实际医疗辅助诊断场景中应用。

纽约大学：Inception V3算法识别癌组织

2018年9月发表在《自然医学》的一项研究显示，研究者们利用大量数字化病理切片图像重新训练了谷歌的深度学习算法Inception V3，AI识别癌组织和正常组织准确率达到99%，区分腺癌和鳞癌的准确率达到97%。

另外，该算法能够从切片图像中识别肺癌常见六大基因突变，包括已有靶向疗法的EGFR突变，准确率能达到73%-86%。

目前在单GPU上检测一个数字切片的时间在20秒左右，研究者认为，更新的技术加上多GPU并行处理，每个切片的检测时间可以只有几秒钟。

吴恩达团队：CheXNet 检测肺炎

深度学习著名学者吴恩达和他在斯坦福大学的团队一直在医疗方面做着努力。

2017年11月，该团队研究出新成果，提出了一种名为 CheXNet 的新技术。研究人员表示：新技术在识别胸透照片中肺炎等疾病上的准确率上已经超越人类专业医师。

研究人员称，开发的CheXNet算法，是一个 121 层的卷积神经网络。它通过胸透照片检测肺炎，且水平超越专业放射科医生。

该网络在目前最大的开放式胸透照片数据集“ChestX-ray14”上进行训练。ChestX-ray14 数据集包含 14 种疾病的 10 万张前视图 X-ray 图像。

行业质疑

在行业扎堆铺设“AI肺病诊断”的赛道上，也有部分人对AI影像诊断肺病的效果提出质疑。

雷锋网了解到，在《Nature》杂志2016年5月23日发表的一篇题为《深度学习作为提高组织病理学诊断准确性和效率的工具》（Deep learning as a tool for increased accuracy and efficiency of histopathological diagnosis）的研究中，研究人员表示深度学习算法的灵敏度达到了 100%，但假阳性率也高达 40%。

假阳性率（false positive rate，FPR），又称误诊率或第Ⅰ类错误。即实际无病，但根据筛检被判为有病的百分比。

这就意味着，AI作为肺结节辅助筛查系统，可能仍然需要医生进行二次审核。

有业内人士表示，由于假阳性过高，医生在二次审核时花费的时间过长，不仅需要判断AI是否发生漏诊，还需要排除假阳性的存在，这样不是替他们节约时间而是增加了任务。

来源：雷锋网