从2016年后，AI浪潮席卷全球，在医疗领域，许多公司选择在影像科应用AI。四年时间过去，AI＋医学影像的产品已经走到了上市前的审批环节，直面商业化的阶段。但是AI影像诊断产品的成熟并不代表着医学影像已经走到了智能化的终点，相反，这只是医学影像智能化的一个开端。

北京赛迈特锐医疗CEO岳新告诉动脉网，如果把影像科医生智能化的工作流程分为临床申请——扫描——AI影像后处理——诊断决策等四大流程，AI辅助诊断才仅仅解决了其中一个环节的问题。而真正实现影像科工作的智能化和数字化，医生还需要更多智能工具的支持。

成立于2016年的赛迈特锐医疗科技正是希望通过提供更多的智能化＋工具，让影像科医生的诊断流程更加智能化，解决以往影像科PACS、RIS系统下，放射科影像科医生诊断报告一致性差、临床参考性不足、数据可利用程度低等问题，支持医生在临床治疗角度上进行精准影像诊断和报告输出。

目前赛迈特锐的产品已经覆盖了超过60个病种。赛迈特锐和华西医院、北大医院、北京大学肿瘤医院等国内知名医院达成合作，借助于知名医院优势学科诊断逻辑作为决策支持产品基础，使每个病种的诊断逻辑更加完善。

影像决策支持对于医生来说意味着什么？它和AI辅助诊断相比存在哪些差异？动脉网专访了赛迈特锐创始人岳新。

影像医生不止需要AI辅助诊断，更需要决策支持

从首都医科大学医学工程系毕业后的岳新一直扎根于医学影像领域。作为一名影像科的老兵，在20多年的工作中，他见证了医学影像从数字化到智能化的历程。

他回忆到，2000年左右，影像设备的升级带来了影像数字化大发展，CT从单排升级为双排、四排，影像设备升级让影像数据量大增。大量数据的诞生也促进了很多前沿性科研工作的诞生，例如RECIST评价。

在这时，岳新敏锐地感知到，大量的数据需要规范化的储存和管理。于是，在20年前，他创立了一家专注于放射科流程管理系统的企业，产品涵盖PACS（医学影像存档与通讯系统）、RIS（放射信息管理系统）。这家企业在全国拥有超过1000多家客户，获得众多客户的认可。

岳新表示：“在流程管理上，我们越做越细，但流程管理的本质是把过程中产生的信息进行记录，它希望信息记录后再有人去看，这是一种被动式储存信息的方式。”

被动式的流程管理造成在诺大的医院中数据的利用程度很低。医院大的集成平台存储着多个科室的数据，每个患者的数据其实分散在各个业务模块中。这为医生带来的直接影响是：医生若要基于诊疗数据做一个决策，需要花费大量的时间。

在医生需要调动更多更快地调动数据需求下，流程系统已难以为继，医学影像行业开始迎来新的变革。此时，恰逢AI技术方兴未艾，AI＋医学影像成为潮流，一时引起诸多关注。

不同于很多AI影像智能诊断企业研发人员是跨界进入医疗，岳新是医学影像行业一直以来的陪伴者，在早期他就感知到其实医生真正的需求在于对影像决策支持的需求。简单来说，影像决策支持是用数据去支撑医生进行基于诊疗目的的某个猜测，一旦医生有了某个猜测后，便需要一堆数据维度来支撑影像诊断决策。

选择从结构化报告切入，为结果负责

岳新表示：“医院表面上守着大数据的金矿，但是实际什么东西也挖不出来。经验和资历越深的医生，对结构化报告、决策支持的要求就越高。”

随着人口老龄化、健康筛查的普及、影像设备精度、速度的提高，诊断医生面临的影像数据每年以20％－30％的速度在增长着。另一面，医学院校培养的诊断医生仅能满足诊断整体人力资源每年3％－4％的增长。对于多数医疗机构来讲，通过招聘满足诊断需求，难度越来越大。

随着信息系统的普及、数据分析／挖掘的深化，影像学的诊断知识飞速发展，其半衰期从10年下降到5年，甚至下降到3年。也就是说每隔5年，影像诊断知识的50％都会变得陈旧过时。诊断所涉及的数据维度和推理深度大幅增加，正在超越医生的记忆极限。现有的进修、网课、培训班、学术会议等学习方式各有千秋。从参与人员的广度和诊断知识的覆盖面来讲，这些方法尚不能满足系统性提升诊断队伍整体水平的迫切需求。

一边是快速更新迭代的知识，另一边是医生难以负荷的工作量。这就直接导致很多影像科医生采用复制／粘贴方式输出报告。这种方式虽然效率较高，但质量堪忧。

“我们意识到影像决策支持是改变现状的出路。医学影像的智能化这一趋势是无法阻挡的，但要完成真正的智能化，医生不仅需要AI辅助诊断，而是需要更多的决策支持，只有将知识变成日常诊断工作，天马行空的高深技术才能被使用起来；只有将工具植入到日常工作流程中，才能低成本、规模化地使用起来。”

国内有越来越多医院客户提出对于决策支持的需求，岳新在国外参展时，发现国外也已经渐渐兴起了影像智能决策产品。国外的影像决策支持产品分为临床申请——扫描——AI影像后处理——影像决策四大流程。

传统的流程系统为我们记录了各种过程信息，但还是让医技护自己去系统当中人工查找资料。决策支持系统则根据业务场景，自动化地将相关数据自动从周边信息系统提取出来，并根据影像领域的专家共识进行自动化地推演，将一个大体的结果呈现给医技护，从而大幅度提高他们的工作效率和工作质量。

畅想一个场景：传统模式下医疗机构聘任30人，支付30份工资，干30个人的工作；未来使用决策支持系统之后，仍然聘任30人，但支付40人的工资，干50个人的工作。这个场景提示我们决策支持业务的2个本质特征。首先影像决策支持的业务版图在影像诊断的人力资源领域；其次在满足医疗个性化的复杂性和质量的前提下，平均单个患者的诊疗成本是降低的。

影像决策支持系统并不取代医技护的岗位，而是取代他们的体力劳动和简单的推理劳动，将他们的工作推向更高的诊疗分析境界。

总的来说，所以医学影像的智能决策是一个完整的链条。赛迈特锐为什么选择在最后的结构化报告领域切入，因为它是最后结果呈现的环节。

“如果一个产品在申请环节做得非常好，但是在结果环节没有体现，客户是不愿意是付费的。其实医学影像决策是一个完整的链条，如果需要输出完整的结构化报告，本质上也需要AI后处理提供足够的信息，也需要技师提供足够好的扫描方案，也需要清晰准确的申请。所以我们选择为结果负责也是为流程负责。”

真实的矮需求，需要下苦功夫

在看到这个崭新又空白的领域后，岳新决定再次创业成立了赛迈特锐。在这个全新的领域创业。虽然赛迈特锐依然是服务于放射科和影像科。但是影像决策支持和流程管理是完全不同的。

岳新表示首先遇到了三大方面的挑战。

首先是知识图谱的建立。智能决策支持需要根据现有的专家共识为医生提供建议。虽然现有的专家共识都是标准化成文的，但是如何把大量的文本数据变为知识图谱工作难度非常大。同时专家共识需要经常更新，需要不断完善知识图谱的专业性。

第二大难点是从不同角度整合知识图谱。知识图谱的整理需要满足临床科室、影像科室、患者角度进行整理，所以，所有的知识图谱工作都需要医学影像博士的参与。

第三大难点是知识图谱和其他信息系统的整合。作为医学影像智能化最后的环节，结构化报告在纵向上需要提取AI辅助诊断中的关键图像；在横向上需要跨越医院其他系统，与实验室系统、病理系统、患者历史数据。

“这意味着，我们有60多个单病种，就需要和60多个系统进行整合。所以影像决策支持这个工作是下苦工，是一个特别慢的事情，是一种矮需求。如果我们把一个需求从有没有人用和有没有人付费两个维度划分，既有人用，也有人付费，那么它就是真需求，而真需求中如果是不需要太多个性化，放之四海而皆准的产品那么就是高需求。而在影像决策支持这个领域，它存在真实的需求，但是它是矮需求。因为打磨产品的过程中需要和不同的科室完善它们对于知识图谱的需求，还要和不同的信息系统去做整合。这些复杂的属性导致它的产出是一个比较慢的过程。

虽然坚持影像决策支持这条路在前期有诸多困难，但岳新认为诞生于临床刚需的产品一定会最终的认可。

“2016年刚开始踏入这个领域时，赛迈特锐花了9个多月，修改了300多次，才完成了前列腺癌的第一个报告模板。但当我们真正完成的时候，我知道我们可以突破其他很多病种。就算产品再复杂，我们都可以突破。”

创立四年来，在这条少有人走的路上，赛迈特锐获得了全国顶尖医院影像医生的认可。除了在研发上，赛迈特锐和全国多家知名医院达成合作。2019年12月，华西医院就结构化报告项目招标，赛迈特锐成功中标。这个项目的中标不仅代表了赛迈特锐的技术实力，也充分证明了影像决策支持产品的商业化前景。

赛迈特锐的英文名叫做Smart imaging＋，这个＋代表着在智能影像决策方面，未来还有更多的想象空间。