医疗人工智能发展到现在已经涵盖了很多疾病在医院科室中的辅助诊断，比如肺癌、乳腺癌、宫颈癌、阿尔兹海默症、糖网病视网膜病变等疾病。

但是目前这些医疗人工智能产品都是面向B端科室、器械公司的，由于审批认证和产品研发周期较长的原因，很多商业模式需要长线等待，而市场上面向C端、家庭医生端以及互联网医疗机构的医疗AI产品凤毛麟角。

图片来源：体素科技

作为腾讯（国家医学影像人工智能创新平台）唯一战略投资、红杉资本早期投资的医学影像AI初创公司，体素科技一直因其扎实的放射影像和眼底图像的全病种AI辅助阅片工作流解决方案所熟知，但这不是本次采访的重点。近期，体素科技推出已经研发一年的面向诊前环节的一系列产品线，首次打开互联网医疗、分级诊疗、婴幼儿先天疾病和青少年常见病的转诊的AI服务市场。

本次产品发布有多个首创：首次通过分析视频中的患者行为进行疾病转诊，首次提供自然图文描述结合的转诊服务，首次将填补婴幼儿发育功能性疾病早筛空白。率先为互联网医疗和分级诊疗提供精准分诊。为此，动脉网采访了体素科技创始人兼CEO丁晓伟，了解一下体素科技的做法。

在AI医疗的应用场景有很多分类办法，如果按服务环节进行分类，可以大致分为诊前、诊中和诊后三个环节。诊中是指发生在医院科室中的诊疗服务，诊后指的是患者离开医院后的疾病监控和管理。

最特别的是诊前环节，指的是在医院服务或专科专家介入之前的阶段。比如一个患者或者患者亲属在刚刚发现身体异常时，除了紧急情况，第一步一般都不是直接去医院，而是先自主获取可靠的信息，通过有医学知识的熟人、问诊、查网上资料等等，然后选择最佳的医疗资源就诊，甚至部分可自愈或常见疾病，在家中用非处方药处理，如部分内分泌和皮肤病等。

这是一个比主动的疾病筛查和预防还要早期的环节，但是与每个人、家庭医生更加贴近，需求频次更高。这也是未被AI涉及的巨大医疗服务市场。

体素科技团队来自世界著名医学中心和研究机构中，一直从事最复杂和严肃的诊中环节医学影像AI分析工作流的系统的研发。部分产品美国版本获得美国FDA认证，欧洲CE认证，有多款产品正在CFDA临床试验。

为应对本次跨环节（诊中到诊前）产品线的扩展，体素本身临床产品的研发的研发标准和质控流程高于诊前环节产品的需要，但在过去一年的产品线扩展中也有不少挑战，数据来源于患者个人，极度非标准化和非结构化，包括图像、视频和语音对话。

下面就使用两个具体的例子具象的描述一下这种新产品类型到底是什么样的。

动脉网了解到，小儿的视觉发育有一个过程。三岁以前是视觉发育的关键时期，任何不利因素都会影响小儿的视功能发育，比如先天性白内障、角膜白斑、眼睑下垂以及较重的近视、远视、散光、外伤等等。尤其是近些年来随着电子产品的普及和家长管控不力，儿童视力状况更是急剧恶化。

因此判断三岁以前婴幼儿的视力是否正常很重要，最佳的缓解期是3-6个月，如果发现小儿视力不正常应尽早到医院检查、处理，以免拖延治疗，耽误最佳治疗时机而使患儿终身视力低下甚至丧失视觉功能。

但三岁以下儿童是一个非常特殊的群体。因为认知沟通能力低下无法配合医生做常规的视力检查，如查视力表等。同时又因为视力尚处于初级阶段，孩子一直以来很习惯看不清楚的状态，所以无法像大人一样可以意识到自己的视力是否正常去主动提出自己的视力问题。

因此对小儿视力检查国际上都并没有一个可以在早期有效发现问题同时又不要求专业小儿眼科医生操作的办法。

（图片注释：该儿童在视物的过程中有一瞬间出现了严重斜视的症状，但在大部分时间是处于正常状态。这个症状不在特定情境中不容易出现，同时因为出现时间短也很难被捕捉到。本例选取了非常严重的斜视以便理解，但大部分情况下是没有本例这么明显的，所以更难被发现。）

现阶段对三岁以下儿童视力检查的办法主是在定期疫苗体检的时候做红球追随测试（检查孩子能否目光追随眼前的红气球）和光照反应（检查孩子是或否对手电筒光照有反应），但这些办法只能检查出视力已经有严重问题的儿童。

而寻求专业小儿眼科医生的途径又因为严重的医疗资源不足无法被实现。目前国内的眼科医生只有2.5万-2.8万，专门从事小儿视力研究和诊治的医生就更少只有数千，同时很多医生没有精力从事筛查的工作。而中国每年有2000万的新生儿，3岁以下的儿童则有6000万。

所以小儿视力筛查在国内是属于一片空白的状态，每年大量儿童因此一辈子落下眼疾。

而体素科技此次推出的小儿视力障碍筛查产品将利用人工智能第一次使三岁以下儿童的视力障碍筛查变成现实。

体素科技在同专家的合作中了解到专业小儿眼科医生通过多年经验是可以从儿童眼部，面部和身体行为的细微变化中发现视力异常的儿童。这种经验技术要求极高的检查方式在过去是没有任何办法普及开来，让普通医护人员也可以学会，从而让千万家庭及时获取到的。

但体素意识到人工做不了的事人工智能却可以做。当成功教会一个人工智能这个本领的时候就相当于教会了千万个有同样本领的检查人员，这样千千万万个家庭便可以及时的享受到相当于经验丰富的小儿眼科专家的服务。

丁晓伟告诉动脉网，儿童家长只需在家里使用手机下载含有小儿视力障碍辅助筛查产品，然后让儿童面对镜头进行视频录像，系统会自动识别视频中儿童的身体，面部尤其是眼部的运动，依据儿童对不同视觉感知的反应进行筛查，并做出初步的诊断，如果儿童出现视力异常，就提醒家长去就医。

（图片注释：该儿童在注视的过程中出现了不正常眯眼。同样因为动作短暂不容易被捕捉到，而且眯眼作为人类常见的行为不容易引起警觉，除非有些严重的孩子眯眼特别频繁。）

这个过程不需要家长有医学背景，不需要了解眼科知识，只要家长会拍视频，用平时自拍的用心程度就可以拍出系统可以识别的筛查视频。

丁晓伟告诉记者，目前这套系统的训练数据均来自于国内顶尖眼科专科医疗机构。面向国内的产品是用国内的数据来训练，面向国外的产品使用国外的数据进行训练，产品性能也在医疗机构做验证。

小儿视力障碍筛查产品最大的意义在于它填补了小儿视力检查领域的空白，这全球第一个让小儿视力障碍筛查成为可能的工具，解决了三岁以下儿童无沟通能力，医生无精力处理此类疾病筛查的问题，是一种医学和技术上的创造性的双重突破。

另一方面，丁晓伟也表示，随着该产品的不断完善，该产品也在促进科研医院在三岁以下儿童视力障碍筛查领域的学术、临床研究，促进该领域的发展。

体素科技推出的第二款产品是皮肤病全病种转诊工具。丁晓伟向动脉网介绍，目前市场上大部分的皮肤诊断产品都是面向医院皮肤科的诊断辅助工具，这些产品的研发一般是搜集标准化的数据库和临床数据，为医生做罕见皮肤病的诊断提醒。产品研发之后适用于大医院的皮肤科。

由于医生的拍照质量可以保证，所以这类产品在医院中使用没有问题，但是在皮肤病领域，患者除了去医院就诊，还有很多选择选择网络自查或问诊，还有一些轻微痤疮还没有到医院就诊的程度。

图片来源：体素科技

针对这种情况，在标准的皮肤病数据库上训练出的深度学习模型不可能延展到非标准化场景下并且保持优异的准确率，体素科技利用非标准化的数据研发出面向普通大众的皮肤病转诊系统。用户通过在互联网医疗平台上传自拍的图像和文字描述，利用图像和文字的多模态AI模型进行初步的判断。

图片来源：体素科技

图片来源：体素科技

为什么会选择从互联网医疗平台或医联体分级诊疗切入，丁晓伟向动脉网表示，目前互联网医疗和分级诊疗实施存在六个问题，

第一，有限的医生数量和有限的医生精力，这种供需矛盾暂时很难克服。

第二，互联网医疗虽然发展快，但是患者、医生的就医体验不是很好，医生想要选择自己擅长或者自己想要看的有价值疾病，患者想要选择擅长该领域的医生，但是这个需求需要有一个医生助理来整理患者信息，对患者疾病做出初步的诊断，将标准的患者信息发送给医生，这样不仅可以满足医患的需求，还可以节约专家医生的时间，提高就医效率。

第三，服务的响应效率：专家时间宝贵，留给平台的服务时间零散且不可控，患者需求无法实时响应，尤其是优质医疗资源，发挥不出互联网方便快捷的优势。

第四，服务的结果标准：医生专家群体相对保守严谨，诊疗难有明确的结论，以建议为主，诊疗服务标准难以统一，与患者预期有差异。

第五，医生资源的约束力：医疗资源的供给方是强势方，出现医疗纠纷，平台对医疗资源毫无约束力，只能牺牲患者体验。

第六，维护成本：医疗资源规模越大，专家级别越高，薪酬成本越高。服务好大体量的医生群体，需要投入规模化的对医疗行业熟悉的维护协调人员。

尤其是医生助理问题，在现实医院中可能存在这样的助理，但是在互联网医疗中，加入这样的职业显然不太合适，但是体素科技人工智能辅助诊断系统可以完美的胜任这个角色。

人工智能在医疗市场中定位于服务医患对接、辅助医生决策，并在处理结构化的数据（影像和文字）的能力上已相对成熟。对于互联网医疗平台，患者分诊，医患的精准匹配，常见疾病和病症判别和处理方案推荐等是现阶段可行的技术转化环节。

丁晓伟强调，虽然两个产品虽然是有面向C端用户的商业模式的，但是体素科技并不会直接面对C端用户，而是通过其他的互联网医疗平台、基层医疗机构等B端机构为用户提供服务。为分级诊疗和上下转诊提供依据。是一个2B-2C的产品。

这个产品最关键的技术是用户拍照图像的质控，丁晓伟表示，他们产品的稳定性就来源于训练数据完全来自用户，不对图像质量和拍摄方式进行质控，只对诊断标签进行质控，他们在产品研发的过程中就已经考虑到了用户拍照的不确定性，所以不会要求用户的标准化自拍，用于模型训练的数据库几乎包含了各种各样手机图像而且足够杂、足够乱、足够多。

用户上传图像以后，系统会对图像进行一个基本的判断，然后给出结果。如果图像过于离谱，系统会提示用户重新拍照，并提示用户增强光照、调整拍照距离，并关闭美颜效果。

另外，互联网问诊目前大多数情况，都是给出一个准确的疾病方向，而不是给出确切的诊断结果，这与线下问诊有很大的区别。

丁晓伟表示，这款产品的部分商业模式是是面向C端用户使用，但是体素科技依旧是一个产品和技术方案提供方，他们本身不会面对C端用户，而是选择与其他B端客户合作。

一.  与互联网医疗平台合作，将这两款产品植入平台，一方面满足患者转诊，另一方面，系统可以作为互联网平台上医生的助手，将整理后的患者信息给医生，帮助医生快速准确问诊。与基层医疗机构，家庭医生合作，基层医疗机构缺乏有经验的医生，系统可以帮助基层医生做初步的诊断，为分级诊疗和转诊赋能。丁晓伟表示，目前他们已经和美国的一些家庭医生合作试用产品。

二.   丁晓伟表示，该产品推出以后，体素科技正在陆续推出其他面向C端用户、医联体和互联网医疗平台的转诊系统，如内分泌疾病，这些产品有些是利用图像做判断，有些是依据自然语言理解做判断，或者把两者结合，共同点是都使用体素科技领先的多层级全病理类型训练技术，进而解决互联网问诊医患对接和分级诊疗的问题。

除了幼儿视力障碍和皮肤病的产品，体素科技在肺癌、眼底全病种筛查、心脏等疾病的研究已经很成熟。

肺结节3D分割

一键导出，即刻复制结节病灶影像报告信息并提供输出阅览，告别繁琐报告书写流程。

关联历史影像，同步比较病灶细节变化，实现智能随访

候选结节区域     最终输出结果

该产品可以灵敏显示候选区域并自动筛除假阳性结节，保留真结节的同时极大抑制假阳性，助力精准医疗。

Voxelcloud Autoplaque 冠脉版块多参数自动分析解决方案：冠脉计算机断层扫描图像分析软件-智能量化分析冠脉斑块，实现冠脉无创数字活检，为有经验的医生评估冠心病风险提供辅助性诊断信息，适用于心内科、放射科以及体检筛查等医疗服务。该产品已被全球超过75个单／多中心临床采用，并获得美国FDA证书，CFDA证书正在申请中。目前已入驻国内顶级心血管医院，如安贞医院、阜外医院及301医院等。

（眼科模型： VoxelCloud Retina 眼底照相完整解决方案，就是一个能完成 10 种病灶类型的分类和量化，也能完成 8 种可见疾病的分类的多任务模型。）

VoxelCloud Retina 眼底照相完整解决软件使用界面展示