跳转至

第21章 当前可用的人工智能软件：心胸影像（Currently Available Artificial Intelligence Softwares for Cardiothoracic Imaging）

作者

  • Yasasvi Tadavarthi, MD — Department of Radiology, Emory University, Atlanta, GA.
  • Judy Wawira Gichoya, MD, MS — 同单位. Emory AI 公平性研究代表。
  • Nabile Safdar, MD, MPH — 同单位. Emory 放射信息学 + AI 临床部署。
  • Imon Banerjee, PhD — Department of Computer Science, University of Arizona + Department of Biomedical Informatics, Emory.
  • Hari Trivedi, MD（通讯作者）— Department of Radiology, Emory University + Stanford University. 医学影像 AI 临床部署代表。

本章是 Part II 的"AI 软件市场"专章——讲截至 2020-2021 年心胸影像 AI 软件的市场现状、临床部署。读者应已熟悉 Ch 11 (工作流) + Ch 18-20 (系统集成)。

内容概述

本章核心论点：(1) 2020 年时点心胸 AI 软件市场——已有 100+ FDA 批准 / CE 标志的 AI 产品；(2) 5 大应用域分类：① 图像优先级 (worklist triage)、② 检测 (detection)、③ 测量 / 量化 (measurement)、④ 报告生成 (reporting)、⑤ 工作流优化 (workflow)；(3) 2020 年 269 个 AI 应用调查（Mehrizi 2021, Ch 5 已引）——32% 纯云部署、46% 云/本地二选一、22% 仅本地；(4) COVID-19 加速 AI 部署——2020 年大量 COVID-19 检测 / 量化 AI 涌现；(5) 挑战：监管路径不一、跨厂商互操作性、医生接受度、长期维护成本。

核心方程与概念

0. 几个量化表达

  • 269 个 AI 应用的市场调查（Mehrizi 2021）：32% 纯云、46% 二选一、22% 仅本地。
  • COVID-19 AI 检测：COVNet (Li 2020) 敏感度 90%、特异度 96%。
  • 肺结节 AI 检测：典型产品如 Aidoc、Zebra Medical、Arterys——敏感度 80-95%。
  • CCTA 钙化评分 AI：典型产品如 HeartLung（Nanox.ai）、Siemens AI-Rad——自动 Agatston 评分。
  • FDA 批准的 AI 影像产品：截至 2020 年 100+，2024 年 500+。

0.5 关键公式

  • AI 部署成本估算：\(C_{deploy} = C_{license} + C_{integration} + C_{training} + C_{maintenance}\)，一次性 $50,000-200,000 USD/产品/医院。
  • AI 临床 ROI：\(\mathrm{ROI} = \frac{\Delta\mathrm{Revenue} + \Delta\mathrm{CostSaving} - C_{deploy}}{C_{deploy}}\)，通常 2-5 年回本。
  • AI 检测的临床效用：\(\mathrm{PPV} = f(\mathrm{Se}, P)\)（Bayes 公式），低患病率场景 PPV 低是核心问题。

1. 5 大 AI 应用域

  • 图像优先级（worklist triage）：自动重排工作列表（Iworklist prioritization）——Ch 11 详细讨论。
  • 检测（detection）：肺结节、乳腺钙化、颅内出血、PE 等。
  • 测量 / 量化（measurement）：心脏 EF、肿瘤体积、CT-FFR、CT 钙化评分。
  • 报告生成（reporting）：自动填充结构化报告。
  • 工作流优化（workflow）：调度、协议选择、CDS（Ch 11-12）。

2. 5 大代表性 AI 产品

  • Aidoc：CT 头部出血检测 + 工作流优先级——临床部署最广。
  • Zebra Medical Vision：CT 钙化评分 + 多任务检测。
  • Arterys：心脏 CMR 云 AI 分析。
  • HeartLung / Nanox.ai：CCTA 钙化评分。
  • AI-Rad Companion (Siemens)：肺结节 + 主动脉测量 + 胸腔积液。

3. COVID-19 加速 AI 部署

  • 2020 年大量 COVID-19 AI 涌现：检测、量化、严重程度评分。
  • COVNet (Li 2020)：4356 例胸部 CT 训练，敏感度 90%、特异度 96%。
  • AI 部署的"应急加速"——监管对 COVID-19 AI 加速批准。
  • 问题：COVID-19 消退后，这些 AI 工具的长期价值？

4. 商用 AI 的临床部署模式

  • 云部署（Software as a Service, SaaS）：医院 PACS 推送图像 → 云端 AI → 返回结果。
  • 本地部署（on-premise）：AI 软件部署在医院 GPU 服务器。
  • 混合：部分任务云、部分任务本地。
  • 市场平台：GE Edison、Siemens AI-Rad Companion、Philips Algorithm Marketplace——3 大 AI 平台竞争。

5. 监管与合规

  • FDA 510(k)：心胸 AI 最常见批准路径——基于"实质等同"。
  • FDA De Novo：新型 AI 风险较高时——少数心胸 AI。
  • CE 标志（欧盟）：MDR 2017/745 框架。
  • NMPA（中国）：三类医疗器械注册——心胸 AI 在 2022 年开始增加。
  • 多区域监管：同一 AI 产品需 3 套合规——商业化的最大障碍。

6. AI 软件评估框架

  • Mehrizi 2021 调查的 5 个评估维度：
  • 任务类型（检测 / 测量 / 优先级）
  • 临床目标（诊断 / 治疗 / 监控）
  • 功能（自动 / 半自动）
  • 临床证据水平（RCT / 多中心 / 单中心）
  • 商业模式（一次性 / 订阅 / 按例）
  • Mehrizi 等 2019 评估 10 个商用 AI 平台——多数缺乏严格 RCT 证据。

7. AI 接受度的现实

  • 医生接受度：早期乐观 → 后期冷静——Hersh 2018 调查 70% 医生对 AI 谨慎乐观。
  • 患者接受度：公众对"AI 看病"的态度调查——多数患者接受"AI 辅助"但拒绝"AI 替代"。
  • 医院采用障碍：成本 + 集成复杂度 + IT 团队培训 + 长期维护。
  • 2022-2024 年趋势：FDA 批准 AI 影像产品从 100+ 增至 500+——市场快速增长。

关键结论

  • 心胸 AI 市场 2020-2024 年快速增长——FDA 批准从 100+ 到 500+。
  • 5 大应用域（优先级 / 检测 / 测量 / 报告 / 工作流）——各有代表性产品。
  • COVID-19 是 AI 部署的"应急加速器"——但长期价值待验证。
  • 云部署 (32%) 与本地部署 (22%) 各有适用场景。
  • 3 大 AI 平台（GE Edison、Siemens AI-Rad、Philips Marketplace）竞争激烈。
  • 多区域监管（FDA/CE/NMPA）是商业化的最大障碍。
  • "AI 临床 RCT 证据" 整体仍少——商业化跑得比验证快。
  • 医生与患者接受度——谨慎乐观但需要时间建立信任。

挑战和开放性问题

  • AI 临床 RCT 证据不足——多数商用 AI 仅"内部验证"或"单中心研究"——多中心 RCT 极少。
  • 跨厂商互操作性——AI 平台锁定，"AI vendor lock-in"。
  • 多区域监管——FDA/CE/NMPA 三个区域合规——成本 100-500 万 USD/产品。
  • AI 系统"持续学习"——PCCP 路径在商用 AI 中尚未成熟。
  • "AI 选错" 的法律责任——仍无统一判例。
  • 医生"automation bias"——长期使用 AI 后医生技能可能退化。
  • AI 公平性——Gichoya 等 2022 LANCET Digital Health 报告商业 AI 在不同人种上性能差异显著。
  • "AI 退场"——COVID-19 AI 工具的长期使用率——一旦疫情消退？
  • "AI 商业模式"——一次性 license vs 订阅——医院的可持续付费意愿？
  • AI 培训 + 维护——医院 IT 团队的 AI 能力——培训成本？
  • "AI 集成 PACS"——PACS 厂商的"AI 集成" 接口不统一。

个人反思与批判性分析

本章作为"AI 软件市场"专章是有市场但缺乏深度评估的章节。反思点：

优势： - 5 大应用域的清晰分类。 - Mehrizi 2021 269 个 AI 应用的市场数据——是真实数据。 - COVID-19 加速 AI 部署的具体案例。 - 3 大 AI 平台（GE / Siemens / Philips）的竞争格局。 - 多区域监管（FDA / CE / NMPA）的现实。

批判与补足： 1. AI 临床 RCT 证据的"贫乏"——多数商用 AI 仅"内部验证"——多中心 RCT 极少。 2. "COVID-19 AI 长期价值" 未充分讨论——疫情消退后是否还有用？ 3. "AI 公平性"——Gichoya 2022 等研究发现商用 AI 在不同人种上性能差异显著——未充分展开。 4. "AI 退场"——商用 AI 失败 / 关闭的真实案例？ 5. "AI 商业模式" 的可持续性——医院付费意愿？ 6. "AI 集成 PACS" 的实际工程难度——医院 IT 团队的真实经验？ 7. "医生 automation bias"——长期使用 AI 后技能退化——未见数据。 8. "AI 误诊" 的法律判例——截至 2022 年几乎为零。 9. "AI 公平性"——AI 在不同人种 / 性别 / 年龄的偏差——商业 AI 的"暗债"。 10. "AI 真实使用率"——购买的 AI 工具实际被使用多少？"shelf-ware" 风险。

给作者的问题： - 在 2022 年这个时间点，FDA 批准的心胸 AI 影像产品具体有多少？2024 年呢？ - 商用 AI 的"shelf-ware"率——购买的 AI 实际被医生用多少？ - "AI 公平性"——商用 AI 在不同人种上的性能差异——已发表的最差情况？ - "COVID-19 AI" 的 2024 年使用率？ - "AI 误诊" 的法律判例——美国 / 欧洲 / 中国？ - "AI 持续学习" 商用产品中已实现？

补充：商用 AI 的"接受度"现实

  • Aidoc（CT 出血检测）：全球 1000+ 医院部署——最广部署的 AI 之一。
  • Zebra Medical（钙化评分）：2021 年被 Nanox 收购——商业化曲折。
  • Arterys（CMR AI）：2022 年被 GE Healthcare 收购——AI 整合到大厂生态。
  • HeartLung / Nanox（CCTA 钙化）：覆盖以色列 / 美国 / 部分欧洲。
  • "shelf-ware" 风险：约 30-50% 购买的 AI 工具实际使用率低于 20%——集成 / 培训不足。

补充：商用 AI 的"5 个真实案例"

  1. Aidoc CT 头部出血：检测 + 紧急工作列表 → TAT 减少 30-50%——最广泛部署的 AI 之一。
  2. HeartLung / Nanox CCTA 钙化：自动 Agatston 评分 → 省去手工 5-10 分钟。
  3. Arterys CMR 云 AI：4D Flow 自动分析 → 心脏科医生远程访问。
  4. AI-Rad Companion (Siemens)：肺结节 + 主动脉测量 + 胸腔积液 → 多任务 CT 后处理。
  5. Zebra Medical 多任务 CT：钙化评分 + 脂肪定量 + 椎体骨折 + 多任务。

值得复现的实践： - 调研 2022-2024 FDA 批准的心胸 AI 影像产品列表——按任务类型、模态分类。 - 复现 Mehrizi 2021 调查——评估 10 个 AI 平台的临床证据水平。 - 评估"Aidoc / Zebra / Arterys"等代表性产品的临床部署率。 - 复现 Gichoya 2022 的"AI 公平性"研究——在不同人种子集上评估 AI。 - 调研 COVID-19 AI 工具的 2024 年使用率。

补充：心胸 AI 商业市场的"长期演化"

  • 2020-2024 增长曲线：FDA 批准 AI 影像产品从 ~100 增至 500+——年增长率 50%+。
  • 市场集中度：前 5 大公司（Aidoc、Zebra/Arterys、Nuance/Microsoft、Siemens、GE）占 60%+ 市场份额。
  • 中国 AI 影像市场：2024 年已有 100+ 款 NMPA 批准产品——联影智能、推想医疗、数坤科技领先。
  • "AI 平台" vs "AI 单点产品"——医院更倾向"AI 平台"采购。
  • "AI 订阅" 模式——医院年付 50,000-200,000 USD/产品——是行业主流。

补充 C：AI 软件的"退场"案例与"shelf-ware"风险

  • IBM Watson Health 2021 年出售——医疗 AI 史上最大退场——证明"AI 替代医生"叙事失败。
  • COVID-19 AI 的退场潮：2020 年 50+ 款 COVID-19 AI → 2023 年大部分停止维护——应急产品的短生命周期。
  • "shelf-ware" 率：约 30-50% 医院购买的 AI 工具实际使用率 < 20%——集成/培训不足是主因。
  • "AI 疲劳"：医院经历 3-5 个 AI 产品失败后 → 不再采购新 AI——信任重置需要 3-5 年。
  • "收购关停"：Zebra → Nanox（2021）、Arterys → GE（2022）——独立 AI 公司被大厂吸收后产品走向不确定。

重要参考文献

[X1] Mehrizi MHR, van Ooijen P, Homan M. Applications of artificial intelligence (AI) in diagnostic radiology: a technography study. Eur Radiol. 2021;31(4):1805–11. DOI: 10.1007/s00330-020-07250-9. (269 个 AI 应用市场调查) [X2] Gichoya JW, Banerjee I, Bhimireddy AR, et al. AI recognition of patient race in medical imaging: a modelling study. Lancet Digital Health. 2022;4(6):e406–14. (AI 公平性 — 商用 AI 在不同人种上性能差异) [X3] Li L, Qin L, Xu Z, et al. Using artificial intelligence to detect COVID-19 and community-acquired pneumonia based on pulmonary CT: evaluation of the diagnostic accuracy. Radiology. 2020;296(2):E65–71. (COVNet) [X4] Hersh WR, et al. 医生对 AI 接受度调查. 2018. [X5] Aidoc 产品文档. https://www.aidoc.com/ [X6] Zebra Medical Vision 产品文档. [X7] Arterys 产品文档. https://www.arterys.com/ [X8] FDA 批准的 AI/ML 设备列表. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices [X9] Trägårdh E, et al. RECOMIA — 云 AI 平台. EJNMMI Phys. 2020;7:51. [X10] Schoepf UJ, et al. (本章引用的心胸 AI 综述) [X11] Parker W, et al. (JACR 2020 AI 临床部署综述) [X12] Krizhevsky A, et al. AlexNet. NeurIPS 2012. (AI 起点)