2017年以来，关于人工智能泡沫的议论纷纷攘攘，知乎上一问题“这一波人工智能泡沫将会怎么破灭？”获广泛关注，其中，禀临科技联合创始人PENG Bo的观点得最高赞同票，他认为，“人工智能有些危险，因为现在变现似乎是个难题。”“目前看来，AI可能并不足以支撑一个独立的公司，它更适合作为其它公司的一个部门，或被其它公司收购。”

许多智能影像一线从业者可能会对其观点深表赞同。科大讯飞智慧医疗事业部医疗影像产品负责人马文君告诉记者，“如今的智能影像很像前几年的互联网医疗，大家一窝蜂进来了，但下一步怎么做，是个问题。”汇医慧影梁恩铨认为，“整体来讲，智能影像诊断真正深入到临床诊断的很少，目前，业内尝试与医生合作做科研或提高效率方面尝试，但要真正提高诊断率，目前还有很大差距。”

动辄可以听到“AI取代医生”“AI的准确率超过医生”的言论，同时“理想很美好，现实很骨感”的感慨频频传来，理想的豪言壮语随处可见，那现实是什么呢？

有人说，21世纪是数据为王的时代；有人将算法比作发动机，数据比作石油；有人则强调行业数据、专家资源和核心技术是打造智能影像缺一不可的三要素。无论怎样强调数据的重要性都不为过，我们且以影像数据为径，智能影像公司的运营为纬，一窥智能影像公司的真实日常。

智能医疗影像诊断系统“现实很骨感”

数据端：保证质量，数量多多益善

尽管我国存在第三方影像中心，但绝大多数的医疗影像数据来源于医院。据悉，大的三甲医院一年产生的影像数据在10T以上。宜远智能CEO吴博称，“单个医院的影像数据存量就很大，每天数百例新增也很常见。”

在医疗信息系统中，PACS系统负责医疗影像采集、数据传输存储以及影像分析、处理，并且不同的PACS系统之间，能以以DICOM国际标准方式对接。

总体来说，医院影像数据多且大都标准化，便于机器阅读，为此，智能医疗影像被业内人认为将率先实现商业化落地。

上海市儿童医院影像科主任杨秀军曾表示，“很多医学影像领域特别适合人工智能／图像识别技术，国内外有很多厂商从事这方面，也做出一些成果。”

吴博告诉记者，对于AI ，影像数据本身具有标准化的优势。不过，数据异常也容易碰到。“以CT为例，有的病人不是躺着而是趴着扫描；有的不是头先进去而是脚先进去；CT长宽512像素或者768像素的差别，不同排数机器的层厚差异以及薄层重构算法，都会影响清晰度。”他补充道，“处理流程只要充分考虑和兼容这些变化情况，原始数据的可用比例还是非常高的。”

对于一个AI系统而言，数据多多益善是有前置条件的，在保证喂养数据质量的情况下，增加数量才有意义。而判断影像数据质量，主要取决于AI公司所打造智能诊断产品的临床目的。除此之外，对于智能影像诊断而言，影像数据需要关联更准确的诊断和后期结果关联，否则垃圾进，垃圾出。

南方医科大学副教授刘再毅曾表示，“我们数据多得不得了，我们影像科每天产生很多数据，但是有多少数据可以用？1%都不到，其中有大量错误信息。”他补充道，“数据规范的问题没有办法管控，临床信息经常有误。”

拿现在很火的肺结节智能诊断为例，对于AI公司来说，有肺结节的影像才是有价值的，“在产生的影像数据中，只有10%或20%的病人有问题，即便如此，并不是所有有病灶的影像数据都能拿来用。”梁恩铨称。而在医院内部，医学影像系统和诊断报告是两个独立的系统，两者并无关联。“用数据训练AI很重要的一点是：需要系统判断一个影像是否有结节，是否有病灶。而医院每天拍出来几百影像，并没有标出来哪里有结节，对于AI公司来说，这就是没有价值的数据。”梁恩铨告诉记者。