AI赋能影像设备和临床诊断，医疗芯片国产化面临技术突破和商业化双重挑战

对于芯片行业而言，医疗是一个特殊的赛道，因为投入长期长、产品标准高、需求总量少。更需要产学研的密切合作，才能够有所突破。伴随着AI的飞速发展，当前我国在医疗方面已经有了非常好的赋能的案例。同时，在医工交叉转换成功率方面，国内也在探索更有效的路径。针对医疗芯片的国产替代，则面临着技术攻关和商业化的双重挑战。如何解决这些挑战？在首届南渡江智慧医疗与康复产业高端论坛上，芯原股份创始人、董事长兼总裁戴伟民与诸多行业大咖一起，进行了精彩的分享。

临床与核心技术双驱动，提高医工交叉转换成功率

据戴伟民博士介绍，西方发达国家的医工交叉转换成功率为25%到30%，而我国转化水平仍然偏低。针对如何提高医工交叉转换成功率，各位嘉宾进行了精彩的分享。

上海交通大学生物医学工程学院教授、博导 钱大宏认为，AI与医学影像结合，不光是人工智能算法，更多的是跟硬件、跟芯片相结合。提高医工交叉的成功转换率，有两个驱动要素。第一个就是临床驱动。边缘计算中的芯片如何切入到医生的工作流中，是落地的关键。临床的刚需驱动高科技应用，才能实现“黑科技”和“白大褂”的“黑白结合”。

第二个要素是核心技术驱动。据悉，过去20年中国外为主的医疗创新，一个共同的特点是都有定制化的芯片传感器，而不是直接用市场上可以买到的芯片产品搭建起来的；定制化传感器是创新医疗的关键。

医疗电子芯片是非常难突破的瓶颈，因为跟消费来比市场需求量很少（相差几个数量级），跟汽车电子比它的周期更长（需要拿到注册证）。但同时，医疗电子芯片的高要求又带来了毛利高、产品寿命长和竞争少的独特性。钱大宏表示，要实现医疗芯片的突破，需要去汇总整个医疗产品的需求，然后把这个需求交给芯片设计公司。而这其中有着一个断层，就需要搞笑和和研究院起到桥梁的作用，将开发方案与算法实现结合。如此这般，才有可能突破医疗电子芯片的瓶颈。

海南大学生物医学工程学院院长、海南大学三亚研究院院长刘谦非常认同钱教授提出的两点要素，同时他补充到，除了这两个要素外，原创性的理论创新和机理也可能会引领下一代的检测技术，这应该也是一个重大因素。

AI赋能医疗影像：提高设备检测速度和临床检测准确性

伴随着AI的发展，在医疗影像方向上，已经有了非常有前景的应用。据上海联影智能医疗科技有限公司南大区总监毛亮分享，AI可以在医学影像的设备和临床两个方面实现赋能。

第一是赋能设备。有的医院影像设备数量有限，患者需要长时间排队。通过AI可以帮助快速实现图像病灶捕捉。例如，以前一个核磁共振需要半个小时，若现在通过AI可以实现两三分钟扫一个，那就可以在有限的地方用有限的设备实现更多的病例检测。另一方面，目前要实现高对比度，需要打造影剂或提高放射量，而这一就对低龄患者和老龄患者可能会造成一些不好的影响。而借助AI的力量，通过微小定量，低剂量的辐射就可以得到高清图像。此外，在当前的新冠疫情期间，借助一些无线控制和人工智能控制技术，一些CT检测就不需要医生进去操作，直接通过AI技术自动匹配患者的躺的位置大小，自动匹配筛查肺炎病理切片，避免医护跟患者零接触。

第二就是赋能临床。据悉当前不少医疗事故是因为漏诊，没有进行准确的筛查。而人工智能技术通过上百万的样本训练出来模型，一定程度上提高了医疗工作人员的诊断率。虽然人工智能技术赋能医学影像处于早期阶段，最先落地的是三甲等级别较高的医院；但从提高诊断率、避免漏诊的提效角度来看，最大的受众群体会是基层医院、乡镇卫生院还有县级医院，这个市场是非常巨大的。

据毛亮介绍，人工智能一直在进步，人可以一直学习，人工智能也在学习。通过各个医生的反馈，上海联影的AI模型准确率已经从19年的92%，提高到了93%、98%、99%。全中国的所有医院反馈信息到上海联影，上海联影将新的数据输入到模型训练后再给回到各大医院。通过数据样本进行迭代，AI模型每三个月就完成一次迭代，让AI更加智能。

国产芯片替代：未来5年是关键

戴伟民博士认为，医疗芯片的国产替代很重要，能不能在5年内跑出一批是非常关键的。因为医疗芯片的量比较小，产品的要求又非常高，所以在技术和商业化上都是颇具挑战。

钱大宏表示，从技术上来看，五年之内中低端芯片实现替代应该是可以的，但高端的5年内实现替代还不太乐观。但从商业化的角度来看，很多国内外的芯片公司并不愿意进入医疗行业。因为医疗行业的周期太长，量也较少，价值反馈的周期较长。如何解决这一难题？钱大宏认为可以建立一个非盈利组织，这个非盈利组织有能力支撑自己的现金流，它能够对接汇总其他医疗器械公司跟临床的需求，并且把方案开发好，把所有的需求一下子给到芯片公司；芯片公司看到这么多需求量，也就有了动力投入这一赛道。

##

由于医疗芯片性能要求高、需求量少，所以其国产替代之路，相比其他芯片更为坎坷。而技术发展和商业化之路的结合，需要产学研一起努力，探索中国的医疗芯片国产替代之路。