從照明設備起家至產線覆蓋手機、電視、醫療保健等領域，飛利浦用了100年時間；但將逐漸冗雜的業務收緊，進而針對性發展，聚焦其優勢所在，它只用了十余年。

自2014年起，飛利浦更加聚焦健康科技領域。這一年，飛利浦正式進入了6.0時代。

今日的飛利浦，已經定位于全球五大健康醫療IT公司之一，而它的創新基因正驅動這艘巨輪繼續向前航行。2019年，飛利浦投入了19億歐元用于研發，在全球范圍內擁有64,500項專利。在智能化轉型方向上，飛利浦部屬了25%的科學家，開展約250個以上涉及AI及大數據相關的課題研究，它已是AI健康醫療領域擁有專利最多的公司之一。

回首飛利浦的轉型之舉，它的每一個舉措都暗含著明確的目的。如今，2020年，正值進入下一個十年的起點，聚焦與創新之下，飛利浦的數字化醫療戰略愈發清晰……

?

影像科需要怎樣的AI？

在飛利浦的數字化戰略之中，AI是非常重要的一項技術，但要將其巧妙地融入醫療之中，實踐起來并不簡單。

?

在第二屆中國醫學影像AI大會上，飛利浦大中華區醫療信息解決方案總經理潘藝瓊對AI于醫療的作用進行了深入淺出的定義，她認為：“人工智能對醫療領域最大價值在于塑造了智能化的醫患友好生態。因此，嚴格遵循以服務醫患為主旨的產品設計是打造醫療AI產品的關鍵所在。在過去幾年里面，醫學影像領域人工智能應用的井噴很大程度上得益于影像的數據體量龐大，放射科醫生人力資源缺乏，工作負荷重，影像科的業務量在過去十年快速增長。但是，由于各臨床科室業務流程的復雜性和多樣性，除了影像數據遵循dicom標準以外，大多數科室的臨床數據的采集和抽取沒有實現結構化，因此76%的人工智能產品都聚焦在了醫學影像領域。在這其中，很多產品并沒有真正發揮人工智能的價值。”

具體而言，人工智能價值的局限性來源于兩個方面，其一，AI產品沒有真正滿足醫生的臨床需求；其二，AI企業沒有滿足當前環境下的院內管理需求。

要解決上述兩個問題，“軟硬結合”將是必經之路。從分工上看，創業公司需要從臨床深入，確切了解醫生需求，開發單點式的AI應用級產品，而平臺公司則需要把這些應用統籌，進而集成于醫院信息化系統之中，扮演好應用商店的作用。飛利浦在兩個領域均有深度介入和嚴謹布局。

飛利浦自主開發的星云高級影像工作站ISP服務于臨床診斷，里面包括了肝臟功能分析等多達80多個通過NMPA的臨床認證的應用。同時，飛利浦也在努力扮演好平臺的作用，將更多優質AI產品包容進來。

“從今年開始，越來越多的AI企業將獲得CE、FDA、NMPA三類證等認證，很多三甲醫院陸續部署了醫療輔診AI，或是測試自己的AI算法。這個時候，醫院面臨的問題就由‘是否部署AI’轉化為了‘如何管理AI’。”在2020飛利浦人工智能高峰論壇上，飛利浦中國影像研究院智能解決方案主管、首席科學家周子捷博士提到了這樣一個問題。因此，飛利浦希望能將AI算法無縫集成于臨床科室，讓醫生無感地使用上真正的好AI。

2020年飛利浦推出的星云人工智能平臺（ISAI）可以解決周子捷博士提到的問題。飛利浦嘗試將不同的AI算法都部署于ISAI之上，然后將其無縫集成于RIS、PACS系統之中。在這個過程中，各個科室都可直接向ISAI傳輸影像文件，而ISAI將自動對影像進行識別，并配置相應的AI算法。譬如，如果醫生傳輸的是一張CT胸部影像，那么平臺將會自動為醫生推薦合適企業提供的算法，由醫生根據情況選擇其喜好的算法；同時，醫院也無需頻繁部署各種各樣的AI工作站，ISAI成為了AI的看門人與管理者。

ISAI：AI嵌入全流程，助力打造診療閉環

從更深層次的流程來看，ISAI并不僅限于為影像科提供管理服務。實際上，借助于飛利浦頂尖的CT、超聲、MR等硬件能力，該平臺打破了影像采集、重建、傳輸、分析、報告之間的界限，將各環節用智能化的方式連為一體，將人工智能算法和應用無感融入到全流程中構成閉環。這可以算得上是對影像科工作流程的革新，而這種革新，滿足了影像科醫生的真實需求。

?

AI 2.0時代，飛利浦深入臨床

如果說將2013年飛利浦切入AI這一事件算作飛利浦AI 1.0時代的開端，那么從今年開始，AI標準的制定與醫療場景的迅速拓展則推著飛利浦進入AI 2.0時代。

這個時代下，飛利浦不再局限放射科軟件、平臺的開發，而是深入臨床全流程。心腦血管、腫瘤和危急重癥均是這一階段下飛利浦的重要突破點。

?

飛利浦攜多款新品亮相第二屆中國醫學影像AI大會

腫瘤是飛利浦發力的重點領域之一。依托單一部位的成像設備，飛利浦開發了眾多植入硬件的AI系統。

以飛利浦乳腺智能導航系統（AI Breast）為例，這一AI搭載在飛利浦Affiniti 70及EPIQ系列智能超聲診斷系統之上，超高清的圖像品質，加上以人為本的智能應用，能以直觀導航定位的方式為醫護人員提供強大的決策支持。AI Breast通過磁場感應，單晶體線陣探頭內置傳感器，實現乳腺檢查的全跟蹤、全覆蓋，高效減少漏診、誤診率。

飛利浦中國創新中心白向暉告訴動脈網：“通過AI Breast這款產品，超聲能夠知道目前探頭的實時位置。在掃查乳腺時，很多醫生不能確定有些地方是不是已經完整掃描過了，而AI Breast則可以實時地向醫生顯示，哪些地方已經掃查過了，哪些地方沒有掃查過。”

不過，改進的地方依然存在。“我們目前采用的方法仍然以卷積神經網絡為主，側重于模式識別化，判斷腫瘤圖像的局部特征與處理肺結節影像比較相似。但在臨床之中，醫生們并不是僅僅依靠局部的圖像特征進行判斷，還會根據病灶周邊的組織關系進行分析。”白向暉表示，“因此飛利浦也在嘗試注意力機制等新式算法，以幫助AI自動分析病灶和周邊組織之間的關系。”

?

在心臟方向，飛利浦同樣選擇了軟硬共同出擊。

2020年飛利浦發布的領航CT是首臺搭載人工智能技術的智慧心臟CT，可由AI輔助質控，做到高效和標準化的數據采集。從實際看來，該CT減少了66%的掃描定位操作，影像重建加速24%。內置ARAD智能心臟引擎還可以做到一鍵識別異常的心率。

為什么要將創新落足于心臟？飛利浦考慮的因素有兩點，一是解決需求，二是突破技術。

“超高端CT所要解決的重要適應癥便是在心臟掃描方面。而心臟掃描對設備的要求非常高，隨著更多心臟病患者進入影像科，我們希望能在心臟檢查方面做出突破。”飛利浦CT市場部周寧表示，“其次，隨著數據的增加，病人的增加，信息量也在增加的同時，而醫院的人力資源沒有出現本質的增長，這里就產生了一個很大的供需矛盾，因此，我們也希望能解決其中的需求問題。”

從問題出發，飛利浦一方面抓緊硬件，在集成化探測器、光譜單級水冷球管、氣墊軸承的基礎上加入光譜控制芯片，另一方面，新的設備加入了AI的賦能。兩者結合下，該CT能夠記錄醫生每一次掃描患者的球管的壓力、曝光時間等數據，并用以輔助下一位患者的掃描。這樣的好處在于，球管的壽命將因此極大延長，而CT也將收獲更穩定的數據信息源，進而輔助心臟數據的解析。

?

飛利浦發力的最后一個部分在于危機重癥信息化解決方案，包括最新的兩款產品：

重癥和麻醉臨床信息管理軟件H版 (ICCA H)，該軟件是一款具有臨床應用深度的危急重癥臨床解決方案。通過結構化數據庫，它可以對離散的數據進行賦能，植入標準化的診療邏輯，協助醫生快速評估病情與全程質控監測，優化危急重癥診斷流程，為挽救重病患者的生命爭取寶貴的時間。

飛利浦云海中央信息中心企業版?(PIIC iX Enterprise) 是一款功能強大的院內監護系統，能夠連接1024床飛利浦監護和其他廠家多種床旁設備，并集中顯示和進行報警管理；可跨科室互聯互通，從而實現全院級別的患者數據瀏覽，不管在何時何地都能了解患者信息；一鍵轉床，轉科，患者數據跟隨患者自動遷移，可隨時瀏覽從入院到出院的完整患者數據。

但相對于其他兩個板塊，飛利浦在危急重癥的應用還有待深入開發。未來，飛利浦將更多地應用人工智能與物聯網技術，將智慧更多地應用于病房之中。

?

不止于自我發展

盡管飛利浦投入了眾多精力于醫療，也做出了各種各樣有效的軟硬件產品，但醫療人工智能的發展需要多方共同的努力。飛利浦堅信，醫療AI的真正落地與廣泛應用，離不開由AI企業、醫療機構以及設備及平臺供應商等同道的共同參與，飛利浦本著"開放式"創新的理念，與學術界、創新孵化期、風險投資、初創公司、臨床合作伙伴等協同創新，推動本地健康醫療數字化生態系統不斷發展，借力中國龐大的數字生態系統，共同為醫患賦能。

AI 2.0時代，飛利浦不僅自己做AI，也在扶持創新企業做AI，幫助醫生做AI，全面協同多方參與，共同推進行業發展。在多年的努力之中，它已經形成了一套自有的行業推進模式。

飛利浦大中華區整體解決方案中心臨床及技術主管周振宇博士告訴動脈網：“飛利浦自己產品化的module現有100多例，但仍然不能覆蓋醫生們的各類需求，因此，我們也希望能夠找到某一場景下從事其中的醫療AI企業，與其合作完善我們的產品體系。”

?

“到目前為止，我們已經看了超過1100家AI企業，與醫學影像類設備關系比較密切的企業不到300家，我們將這些企業分為放射類、放療類、介入類……最后找到的企業非常有限，因為我們要求這些AI應用必須能夠形成一定的場景，而這些場景一定要能解決現在的臨床痛點。”

專注于心血管AI的創業公司數坤科技是一個很好的例子，數坤可以解決CT冠脈檢查到描述再到出具結構化報告的時間，其降低幅度高達80%，這將有效提升飛利浦的“軟硬結合”發展路徑。

而為了幫助醫生更好的使用AI進行醫學影像研究，飛利浦推出了星云探索AI平臺ISD，支持解剖學、形態學、影響組學等多數據學科綜合研究。

智能解決方案高級科學家懷曉晨告訴動脈網：“醫生在科研之中常常會遇到各種問題，比如傳統組學分析方法需要在特征提取步驟完成之后由客戶自主進行特征篩選。特征篩選以及分類器的工作需要有一定的統計學基礎，很多醫生并不是這方面的專家，所以我們預設了一系列常用的經典機器學習模型，輔助醫生進行影像組學的研究，極大地簡化了醫生從勾劃到最后模型預測的效率，使其可以很快完成一整套組學特征的分析。有了這樣一套系統，這樣一個流程，我們甚至可以幫助醫院建立優質的組學數據庫，幫助臨床醫生迅速迭代模型。”

寫在最后

如今正值AI行業的寒冬，飛利浦的責任與使命不局限于自身的發展與落地，醫學影像、心腦血管、腫瘤和危急重癥四位一體，企業、醫生雙輪推進，飛利浦正竭盡全力推動AI朝著更好的方向發展。

在近日開展的第二屆中國醫學影像AI大會上，以劉士遠教授為首的醫生團隊也在積極推進人工智能的發展，并在會上舉辦了放射影像數據庫建設啟動儀式。潮流之下，更多醫生已經加入到了AI的建設之中。

回到飛利浦，這一巨頭將繼續數字化創新技術與臨床醫療洞察的深度融合，打造數字化及人工智能技術為驅動力的解決方案，幫助醫護在院前、院中以及院后為病患提供更精準的診斷、定制化的治療，以及更高效的醫療服務，最終幫助醫療系統實現價值型醫療的“四重目標”——改善人們健康、提升患者體驗、提升醫護人員滿意度、降低關護成本。