5、开发新一代AI医学影像分析软件？

选择合适的研发方向

选择一个适合使用新一代人工智能技术来解决的临床实践问题，是医疗器械产品研发的第一步。医疗产品的开发离不开科研成果的转化，但临床科研与生产一款医疗器械产品还是存在着较大差别的。临床科研是为了探索临床实践中的问题，并给出可能的解决方案。很多科研结果只是在相对理想的条件下进行的尝试，与实际临床应用中面临的复杂环境还存在差距。

一些企业选择解决目前还没有明确科研成果和结论的方向进行尝试，这种创新方向的尝试既有可能创造较大的正向收益，也有可能造成较大的负面损失。一方面，对于还没有明确科研结果的问题，如果这种尝试能够解决，会形成较高的技术壁垒，而且，在科研的过程中会发现许多生产中可能遇到的问题，这有利于积累解决问题的经验。另一方面，从科研开始做起会延长产品的研发周期，对于初创企业来讲会产生较大的压力。这因为，科研课题有可能成功，有可能失败，对于没有固定营收的初创企业来讲，风险较大。

算法、算力、数据是深度学习算法的三要素，在选择产品开发方向的时候，需要考虑到目前各方面资源在这三个维度是否能够达到生产产品的要求。

目前的算力主要依赖于GPU显卡，在大多数的项目开发中，算力不会是项目开发的瓶颈，相关问题可以通过购买更多的计算资源解决。

算法方面，一般来说，一个可以用深度学习解决的医学图像处理问题，之前都会有使用传统机器学习的相关研究论文发表。因此，通过文献调研的，可以了解采用传统机器学习的准确性，以此作为深度学习算法研发的一个基础标准，通过增加数据量的，利用深度学习算法提升算法的准确性。如果之前在该方向没有传统机器学习的算法文章发表，则需要进行更多的调研，从调研中了解没有文章发表的真实原因。尤其是当该类问题的数据很容易搜集，且临床问题看上去很简单直接的时候，更应当深挖这其中的问题，以免重蹈前人的覆辙。

数据是基于新一代人工智能技术研发产品的基础，在开始一款人工智能医疗器械的研发之前，我们应当充分调研数据——作为生产材料，是否能够获取我们希望得到的质量与数量。与交通、安防等行业动辄以TB为单位的海量数据相比，医疗行业的信息化、数字化进程相对滞后，病例数能够达到上万或者数十万的量级已经是十分困难。通过了解头部医院对于相关病例数的积累，可以大致了解数据量是否充足，同时结合之前机器学习文章中数据集的积累情况，可以基本判断出研发所需的数据集是否有可能获取到，或是需要多长时间的积累才可以达到比较理想的状况。

除了做信息调研，与临床医生进行密切的合作也是选择正确研发方向的一个重要环节。医学专家不仅有着丰富的临床经验，清楚临床需求，还有多年的临床科研经验，对很多新的方向都有所尝试，这些经验是十分宝贵的。从临床专家那里获取真实的临床需求，了解科研中遇到的问题、困难以及取得的成果，可以避免走弯路，有利于更好地寻找到适合自身的研发方向。

明确产品功能定义

研发医疗器械产品，需要研发负责人对产品形态在整个医疗过程中扮演的角色、产品可以解决临床工作中的什么问题有着清晰的理解和认识，切忌盲目地“拿着锤子找钉子”。相比大众消费领域的需求可以被大多数人所理解，产品定义者本身作为一名消费者能够理解消费者群体的需求，而医疗等行业具有较高的专业知识壁垒，医生和患者之间存在着极大的专业知识的不对称性，使得我们无法从一个患者的角度，来创造一个作为患者所理解的医疗需求，而是应该更多地站在专业医生的角度来思考问题。

临床需求大体上可以分为两类，一类是提升诊断和治疗的准确性，也就是更好地看病；另一类是提升医疗效率，使得医生在同样的工作时长中能够治疗更多的患者。

解决不同的需求所面临的用户也是不同的。由于我国医疗资源分配不均、医生水平不等等问题，导致在不同的应用场景下，实际需要实现的算法需求是不同的。

例如，对于一个疾病筛查的任务，需要尽量降低假阴性及漏诊率。而对于一个需要在大型三甲医院进行确诊的病例，特异性、误诊率可能是需要被首先考虑的指标。由于人工智能算法的特性，使得即使是在同样的数据和算法条件下构建的最优模型，在最终输出结果时，阈值的选择还是决定了敏感性、特异性两个性能指标肯定是一升一降。而医疗器械要求算法具有极高的可重复性，不能随意改动算法参数，影响输出结果。因此，需要根据不同场景和使用者的不同需求情况，分别开发适用于这些场景的产品。

文章来源：《影像科学与光化学》 网址: http://www.yxkxyghxgw.cn/zonghexinwen/2022/1207/623.html