功能学|科亚医疗曹坤琳：合规认证、数据集建设，医疗AI首证背后的经验全盘点( 四 )

数据集建设会直接影响到我们算法的性能和软件的使用风险，所以需要高度的重视。同时，我们需要把基于风险全生命周期管理体系合理应用在整个开发流程当中。
基于合理的数据集，我们研发了专有的CT-FFR技术，在保证产品有效性的同时，筑建自身技术壁垒，为产品在海内外的运用推广提供保障。

任何的 AI医疗产品，它最后的价值都会落实在临床使用上。那么深脉分数作为一款创新型AI医疗服务产品，一来可以帮助患者减少不必要的手术；二来对于医院来说，可以提高手术资源的使用效率，使进到导管室的患者基本都是阳性患者，所以深脉分数得到了国家药监局的认可，也首个获得了AI三类证。
由于深脉分数是一款创新型AI医疗服务产品，所以我们率先并积极地推进它的物价审批工作。目前，我们已经获得了北京、河北、安徽、山东、江苏、浙江、云南7个省市的物价收费编码，实现了AI医疗服务面向患者收费的通路。
此外，还有10余个省份的物价收费编码的工作即将完成审核。希望真正让AI技术落地，在临床上带来它增效提速的效用。除了CT影像外，科亚医疗也凭借强大的研发能力，针对心血管诊疗的问题，布局了从筛查、诊断、治疗到随访的全流程产品服务体系。
这里面包括影像结构分析、影像功能分析，涵盖了软件、硬件以及耗材领域。我们把它们有机融合起来，为临床各个环节的需求提供解决方案，助力实现AI医疗产业链健全。
从冠脉产品管线开发出发，我们也在积极地布局其他管线，像在脑血管影像科等多个临床科室一级科室，也在拓展覆盖从筛查、诊断、治疗到随访的全过程的产品。

除了智慧心，还有智慧脑、智慧影像、智慧肺等等，对这些产品线我们都强调针对单病种、全流程进行服务。
问答环节雷锋网：金标准数据集有多大规模？
曹坤琳：刚刚也有提到，算法开发分为两个部分，一个是结构分析模块，另一个是功能分析模块，每个模块所使用数据是不同的。
例如，结构分析模块主要基于冠脉CT进行分割，这个数据集规模就比较大。第二部分是功能分析模块，这部分要求有金标准FFR数据，大家也知道FFR数据收集起来并不那么容易，但我们也收集了大量含FFR的数据。
雷锋网：深脉分数与其他产品的差异点在哪？其技术难点又有哪些？
曹坤琳：与市场上很多基于影像结构的分析产品不同，深脉分数主要提供功能学的检测手段，也是我们跟很多其他产品可能不同的点，这是一种全新检测手段，所以技术门槛也比较高。
技术难点上主要是分为两个环节，一是如何精准地重建冠脉，二是如何实现从影像学到功能学的计算模块。
这两个部分我们都是基于深度神经网络来进行开发的，对冠脉精准重建，我们使用 End to end深度卷积神经网络进行多分辨率，从粗到细血管重建，我们重建的血管直径最小可以达到一毫米左右。
功能学上的计算我们所采用的是树形生成的双向长期递归神经网络，这也是获得了专利授权的。
通过结合影像学、结构学、生理的特征来对深度神经网络进行训练，从而得到结构学和有创冠脉功能学之间FFR关系模型。
这个模型既考虑了我们局部的影像学和结构学的特征，同时也通过树形的网络结构来捕捉了上下游之间的血流关系，从而能够保证精准的计算。
刚刚也提到，其实包括HeartFlow以及国内一些其他厂家他们研发的CT-FFR产品所采用的方法跟我们是不太一样的。我们是现在唯一完全采用Deep Learning进行开发的CT-FFR产品，而像HeartFlow之类的其他产品，则采取的是传统CFD技术，也就是计算流体力学。