赵泓维作者

药监局加速推进三类证,AI影像如何依托战疫价值进入审批快车道?

燎原疫情之下,方案先行。

早在2月10日,国家人工智能标准化总体组秘书处(中国电子技术标准化研究院)便汇聚了第一批34款有助于疫情防控的人工智能产品和解决方案,这些方案广泛覆盖了智能识别、智能交互、智能医疗、智能出行、远程服务5个板块。

在这之中,智能医疗板块项目数量占比最多,高达13个,从影像诊断到药物研发,每一个部分均有头部公司参与。同时,智能医疗也是离抗疫前线最近的板块,AI影像诊断为医生分压;AI药物研发尝试测试病毒靶点助力老药新用。

与往常不同的是,无论是老药新用,还是针对新冠肺炎的AI影像辅诊软件,这里都存在同样问题:虽有相关部门牵头,却缺乏明确的审批程序。 

直至3月5日,新冠肺炎软件监管方案姗姗来迟。国药监局表示,为应对新型冠状病毒肺炎疫情,按照科学审评的原则和确保产品安全、有效、质量可控的要求,国家药品监督管理局、医疗器械技术审评中心印发《肺炎CT影像辅助分诊与评估软件审评要点(试行)》(下简称《要点》),医疗人工智能辅助诊断软件终于在安全验证方面走上正轨。 

四个“关键词”了解文件细节

《要点》从适用范围、基本要求、风险管理、软件研究、临床研究、说明书、软件更新考量七个方面对疫情期间的AI软件审批进行了描述。通过对文件进行分析,动脉网抓取了以下四个关键词。

关键词一:三类证

文件第一部分首先明确了审评的内容,原文指出:“按现行《医疗器械分类目录》,该类产品分类编码为21-04-02,管理类别为三类。”

值得注意的是,从2020年的人工智能审批情况来看,仅科亚医疗的CT-FFR与乐普医疗的心电分析软件获得了AI器械三类证,而在肺、肝等CT应用场景中,尚无一家企业通过正常程序通过审批全流程。截至2020年3月,部分人工智能影像企业表示已完成临床实验研究,按正常进展将在2020年获得三类证。

那么,这条政策或许意味着AI三类证审批流程将进一步加快,从另外一个角度来看,行业一定程度上也认可了AI辅助诊断软件在疫情中发挥的作用。

关键词二:功能要求

文中指出:“软件功能至少包含异常识别、量化分析(如病灶体积占比、CT值分布等)、数据对比(手动、自动均可)、报告输出。其中,异常识别用于疑似患者的分诊提示,量化分析和数据对比用于确诊患者的病情评估。”

通常而言,AI在医院中行使的责任主要是提高医生效率,提高诊断准确率,但在这一段话中,器审中心明确提到了“量化分析”与“报告输出”等功能,这意味着AI软件不仅仅需要提出高准确率的判断结果,还需要给出相应的依据,具备数据分析处理的功能。

同时,由于Ⅲ类证审批对产品提出“非劣效性”与“优效性”的要求,此次新冠肺炎无疑给出了人工智能企业一个设计临床实验的绝好机会,如果能通过深度学习满足上述产品要求,做出传统分析软件难以进行的量化分析,围绕“AI分诊”、“全数据学习”进行临床实验设计,AI产品的审批速度将很有可能因此加快。

关键词三:数据要求

对于人工智能审批,本次文件给出了众多明确的要求,可简化如下: 

  • 1. 训练数据原则上不少于2000例新冠肺炎CT影像;至少来源于3家医疗机构,其中至少包含1家疫情严重地区医疗机构;至少包括早期、进展期的新型冠状病毒肺炎CT影像。

  • 2. 结合人群特征(如性别、年龄)、影像学分期(早期、进展期、严重期)、数据来源机构、CT设备(如厂家、层厚)等因素,提供新型冠状病毒肺炎CT影像的数据分布情况。

  • 3. 结合CT设备、影像学分期、类似病征等因素,提供算法性能影响因素分析报告。 

从上述三条信息来看,通过《要点》完成三类器械认证仍有一定难度,截止3月6日共计80714例确诊(湖北占67592例),很多省市尚未超过2000例确诊患者。对于非一线人工智能企业,若其产品没有进入到疫区城市,或进入到疫区城市没有进行充分验证使用,均很难达到“2000例”这一数字标准。

关键词四:临床实验设计

《要点》指出:企业可采用单组目标值试验设计,以分诊提示的敏感性、特异性等固有诊断准确度指标作为主要评价指标。这与正常流程有所不同。

生产企业应详述金标准的选择、构建方法及理由。可供选择的金标准构建方法包括:一是以临床确定结果为金标准,即流行病学史、临床表现(含影像学特征)的综合诊断结果;二是通过专家阅片小组构建金标准。

此外,《要点》还提出了需要明确的多情况下样本量估算指标,种种规定均为企业制定临床试验计划提供了明确方针。

总的来说,由于新冠肺炎疫情对于医疗AI辅助诊断的新需求,这项技术在疫情之中得到了更多的关注。但是否能有产品及时通过这一项政策获得审批,仍需企业与器审中心合作,以推动AI发展。 

CE、FDA也在同步推进

除了国内的AI审评审批有所动向,海外的CE同样有所进展。

2020年2月,推想科技、致远慧图等企业的AI产品相继获得欧盟CE证书,拥有了开拓欧洲市场的能力,此外,从众多审评审批会议来看,我国相关机构同样重视FDA对于医疗AI辅助诊断产品的观点,希望能够挖掘出符合我国国情的部分。 

与国内略有不同的是,FDA整体是基于风险来对不同产品进行不同的审查和监管,等级分为Ⅰ、Ⅱ、Ⅲ类,一般来说,影像类产品是Ⅱ类,侵入类产品为Ⅲ类。根据是否已有类似的产品可以对照以及具体的风险是否足够了解和可控,二类批准又分为De Novo、510(k),PMA等。 

随着AI、机器学习等新技术的不断应用,FDA对于CAD软件的审查标准也不断与时俱进。1998年2017年,对CAD软件的监管比较传统,都是采用PMA申请途径。2017年至2020年,在对相关应用更加了解的情况下,改用De Novo申请途径,De Novo不仅允许该器械在美国市场进行销售,还会建立一个新的分类法规,后续的同类产品可以使用该分类以510(k)的途径递交上市前申请。

从2019年审批情况来看,GE、深透医疗等企业旗下AI产品均通过510(k)完成了相关产品的审批,深透医疗的SubtlePET、SubtleMR两款以影像重建为核心的FDA获批产品,均是基于510(k)的途径进行申请,并获得批准。 

2020年2月7日,Caption Health获FDA批准可上市的AI超声心动图采集应用程序,则被FDA归为一种新的CAD(计算机辅助)设备类型——CADa/o(computer-aided acquisition/optimization)。这是FDA在监管方面的又一次创新。 

所以,本次政策的推出也可视为国内监管体系对于审评审批的一次创新性尝试,在紧急事件面前,我们或许需要一些特定的手段去配合医疗科技的发展。 

但也有人士认为,无论审批发展如何,“证件始终是一张纸”,能够在市场上存活与否,能够被医生接受与否,其关键,仍然在于人工智能价值本身。同时,也正因为人工智能在疫情中表现出了出人意料的价值,监管政策随之向前推进。

疫情之下,AI都发挥了怎样的价值?

根据刘士远主任的总结,医疗影像AI在本次疫情中的作用可分为四点:“第一是发现病变,确认病变和分隔病变;第二是通过测量病变的分布、形态、密度等数据,进行病变的诊断和鉴别诊断;第三是通过人工智能的定量和分级完成病变的进展转归判断,确认病情是恶化还是好转。第四是结合临床实验室检查,基于全数据的学习,从定性到定量,给出精准算法的模型,最终实现个性化的精准医疗。

前三个作用可视为人工智能在此次防疫战中的基础作用,对于很多武汉一线的医生而言,如果能够以更高的效率、更准确的判断能力对患者的CT影像进行判断,无疑可以起到缓减影像堆积、减少漏诊的情况,而面向DR的人工智能则能解决基层医疗中专业影像医生缺乏,难以对可疑症状判别的问题。此外,随访功能可帮助医生迅速以定量的方式区患者病情变化,以推进下一步决策。 

为本次疫情开发“AI+CT”的人工智能企业多达近30家,每家企业均可起到“提效减漏”的作用,但又各有不同。

汇医慧影的“三位一体”智慧影像解决方案为例,这家企业将“AI辅助筛查、智能数字胶片、智能远程会诊”能够通过远程部署直达一线,而通过深度学习算法,该解决方案能够在2-3秒诊断500幅CT影像,一键生成结构化图文报告,并将数据保存至云端,生成属于患者自己的健康档案,以便于患者自行查阅及配合后续随访。

此外,智能远程会诊则为社会整体防疫提高了资源调度能力。此外,依图医疗在春节后仅一周便推出了AI+CT影像辅诊产品,并在包含武汉在内的全国各地广泛使用。 

和CT相比,DR虽然在分辨率、解析度等方面有一定的欠缺,但这些因素并不影响影像科医生诊断新冠肺炎。此外,由于其低廉的价格(设备价格几十万以内,拍片价格60-80元),许多没有CT的乡镇仍配置了一定数量的DR,这类影像设备在疫情区同样被广泛运用。 

九峰医疗的病毒性肺炎(含新冠肺炎)X线胸片智能筛查系统为例,该系统既可通过影像车或远程部署的方式部署于基层医疗,也可置于医共体、医联体中的影像中心内,运用AI技术高效处理DR影像。截止2020年2月底,九峰医疗已经帮助部署九峰智能阅片系统的约300家基层乡镇卫生院筛查1.5万人次,其中,约15%(非湖北省地区)和20%(湖北省地区)的胸片被AI识别为病毒性肺炎,经过专家的复核,共发现84例疑似新冠肺炎的基层患者。

上述的三个作用不仅可以作用于新冠肺炎期间的影像科,也可为平时的各级医院医生减轻负担,称得上是“普适”的作用,而由于疫情的特殊性,AI的部分特殊的作用也因此凸显出来。

在武汉疫情高峰时期,市内重症收治床位时常一床难求,用于轻度中度症患者隔离的方舱医院也人满为患,很多患者都在院外等待床位。而进入方舱医院的患者通常需要由医生提前判断病情严重程度,后续将以3-5天为一个周期对患者进行复查。 

这个时候,医生需要在非常短的时间内对患者进行精准判断,把患者分配到最适合其病症的医院,而对于已经拥有床位的患者,医生也需定期进行随访,观察不同时期患者影像之中磨玻璃影的变化,及时对症状加重的患者更新治疗方案,对症状减轻或痊愈的患者进行转移。

这些问题给予了医疗AI新的需求,即在定量分析的基础上帮助医生完成对患者病症的定性,判断患者病情所属阶段,这并非AI企业有意为之,却在这次疫情之中被广泛使用。 

其次,通常而言,医生无法通过CT征象直接区分患者所患肺炎类型,但一些公司正努力运用数字的方式去量化新型肺炎的表现特征,直接判断患者所患肺炎类型。如今,许多医生都借助于AI,通过回顾性研究发表了相关论文,但从研究到论证,我们可能没法在疫情结束前得到答案。 

和“普适”的作用相比,上述的两个作用存在一定的局限性,即因为新冠肺炎事件的发生,所以让AI产生了相应的作用,它的特点在于功能的不可复制性。举个例子,若新冠病毒不具备高传染性,则不会出现方舱医院,自然也不会产生分诊的需求,科研也是同理。但是,透过数据的方式进行分析这一思路,或许潜藏着AI更深层次的价值。 

在疫情之中研发影像相关应用的AI企业(不完全统计)

AI的价值从辅诊向数据分析深入

对于“什么是AI的潜在价值”这一问题,一位医生表示:“一般而言,影像科的医生偏好于给予‘占位性病变’的判断,而很少诊断为肺炎。但对于患者而言,占位性病变的内容太过宽泛,他们需要更为精确的判断,这种判断现在很少来源于影像科。

如今,很多人工智能都在处理数据做定量分析,但这些工作并非人工智能的专长——常规数据处理软件也能收集挖掘数据。所以,AI要想发挥出真正的价值,需要借助于定量的数据给出定性的判断结果。”

从目前来看,完全放任人工智能决策而不参考医生的意见,违背了AI的伦理,但公司开发针对于肺炎的AI影像辅诊算法,正是通过提高医生判断能力,侧面解决直接决策的问题。 

以联影智能在这方面的研究为例,其AI辅助分析系统能够将肺部分成不同的肺段,把其中的病灶勾勒出来,计算每一个肺段病灶区的感染比例,从而为诊断感染情况提供参考。由于临床诊断的严谨性,这些成果或许在短期内无法在实际之中为医生诊断助力,但却为解析新冠病毒提供了参考。

从分辨肺炎种类这一角度延伸,一些企业尝试则将影像数据与其他科室数据相结合的方式,建立综合化的AI模型,为医生提供更全面的参考信息。

例如,安德医智认为,仅仅通过放射科影像很难区分各类肺炎,而病原学是最终诊断结果的金标准。因此,在研究CT影像的同时,安德医智尝试关联以各种肺炎的病原学诊断结果、核酸检测阳性结果为金标准组织AI训练集,进而实现肺炎的分类,判断患者所患肺炎是细菌性肺炎、真菌性肺炎、新冠肺炎,还是其他病毒性肺炎。 

而GE医疗选择将影像基因组学、人工智能图像处理技术相结合。3月5日,GE医疗发布了“智赢新冠LK 2.0”AI平台,尝试针对肺结节、肺部炎症和肺功能损伤定量分析,到更早的病灶识别,更精准的定量分析。一方面,该平台可行使AI辅诊功能,帮助医生处理影像;另一方面,该平台可协助医生研究新冠肺炎在CT影像中的早期识别。 

GE医疗中国精准医学院副院长赵周社表示:“我们首先会对所有录入平台的数据进行预处理,无论是什么样的机型,我们将统一把它处理成1毫米的层厚的标准影像。随后,我们会用算法处理标准影像,把肺、气管和支气管分割标注出来。做到这一步,我们就可以去找病灶了,通过适当的模型,我们能够甄别出患者是否患有新型冠状病毒肺炎,并给出概率回答。” 

具体而言,LK2.0AI平台根据新冠病灶的发病时期进行了三类个性化的处理。 

对于早期无症状病患和不易发现的新冠病灶,GE医疗将AI分析范围拓展到了气管、支气管部分,帮助肺部无明显形态学改变的病例,进行早期病灶识别。 

对于新冠中后期复杂病变,LK平台可对肺叶进行快速智能化分割,精准定位病灶和定量评分;结合AI深度学习建模,进一步评估疾病进展、反映病变体积与分布,分析弥漫性病变,预测病情走势。  

新冠中后期复杂病变分割:3D显示病灶(红色区域)和病灶定量和评分分析

对于激增的新冠病患数据,LK平台可对不同型号的CT进行数据规范化处理,同时进行批量快速读片处理。

不过,分割、定位与评分仅是判断肺炎情况的方法之一,武汉大学中南医院影像科主任徐海波表示:“新冠肺炎影像的数据参数众多,很多参数还没有完全匹配上去,而这也是我们未来和GE医疗合作的方向之一。不过,如今分割标识的技术已经非常成熟,可以解决医生因疲劳漏掉病灶的问题,也可生成一些结构化报告的模板等,已经达到可在临床推广的程度。但要做高度智能化的精确诊断,还需要大量的匹配参考文献,进行漫长的临床验证。” 

价值与审评审批的关系

总的来说。影像AI审评审批与价值的关系算得上是相辅相成,AI价值的扩张推动了审评审批的速度与必要性,而审评审批则从程序上为影像AI发展铺平道路。 

新冠疫情的发生虽然在短期内延缓了部分人工智能产品审评审批的进行,却也为大众展现了新的价值。 

那么,《要点》之下能否诞生AI器械三类证呢?从过去的两年审批状况来看,动脉网认为,这仍将取决于企业本身。如果企业足够积极,我们有望在接下来的三个月中看到AI企业通过《要点》获得CT肺相关产品三类证。

但无论获证与否,疫情之中,AI展现了其应有的价值。未来AI能做什么?医生已经有了新的期待……

动脉网
动脉网

专注医疗产业服务平台

产业AI医学影像
相关数据
推想科技机构

北京推想科技有限公司是一家全球领先的人工智能医疗创新高科技企业,秉承“用先进的技术,解决民生的问题”的信念,利用深度学习技术,打造医疗质控、健康管理以及科研创新等医疗AI产品,切实为政府、医疗机构、医生、患者提供先进性、智慧化、系统化的服务,真正做到“推动科技,想医所想”。

https://www.infervision.com/
汇医慧影机构

汇医慧影成立于2015年4月,是一家国家级医学影像人工智能高新技术企业,也是国际领先的医学影像人工智能技术服务商,致力于以大数据、人工智能、云计算等前沿技术赋能医疗创新。公司拥有图像深度学习的核心技术和多项专利技术,以数据驱动,无缝嵌入人工智能,为智慧医院、分级诊疗、精准医疗量身定制影像智能解决方案。截至目前,汇医慧影已与国内国际1000多家医院完成合作,从科研到临床全流程覆盖,在智能影像云平台、数字智能胶片、人工智能诊断云平台、组学云平台的全流程影像平台市场占有率第一。

http://www.huiyihuiying.com/
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

深透医疗机构

深透医疗(Subtle Medical)创立于2017年,是一家位于硅谷的AI医学影像公司,从AI+医学成像出发,结合深度学习和图像重建技术,将耗时长、质量较低、危害(辐射剂量)较大的方式采集的数据,转化为高效、高质量、更安全的诊断级别的医学图像。

https://subtlemedical.com
量化技术

深度学习中的量化是指,用低位宽数字的神经网络近似使用了浮点数的神经网络的过程。

九峰医疗机构
推荐文章
暂无评论
暂无评论~