国外医学影像AI集成平台分享（下）_envoyai

欢迎扫码关注微信公众号《医影杂记》

ACR DSI——建立医疗AI验证的通用框架

 系出名门

ACR DSI（The American College of Radiology Data Science Institute™）是北美放射学会下属的数据科学研究院。依托北美放射学会的强大资源，致力于组织和促进放射专家、政府官员、产业领袖、患者和投资者之间的协同合作，来促进和推动人工智能在放射学领域的应用和落地。

AI闭环

如果说EnvoyAI架设的是一座桥梁，连接了AI开发者和临床医生。ACR DSI则构造了一个首尾相接的闭环，希望打通和规范化整个AI的迭代完善过程。ACR DSI给出了下面的示意图，来展示他们的理念。

可以看到，整个闭环由“需求、创意、算法、临床产品”四个关键节点构成。ACR DSI所作的核心工作则是明确了怎么去衔接这4个关键点，衔接的要素依次是：用例、数据集、验证方法。集成与监控。

首先，从图中最左侧的需求开始，采用了“AI用例”的方式来建立起从需求到创意的路径，基于用例将临床需求和研发人员的创意结合起来。然后，在从创意向算法转化的途径中，则重点关注AI训练和测试数据集的规范化建立，尤其是数据整合和标注。其次，从算法向临床产品的转化途径中，则重点关注AI模型的规范化，尤其是标准化的AI模型验证方法。最后，当临床产品真正被医生临床使用时，则需要建立起一套机制来流程整合和效果监控机制。通过流程整合来促进临床应用，通过效果监控来给医生、开发人员和厂商提供及时反馈，从而自然推动新一轮迭代过程。

以AI用例为基石的三方共赢

基于上述的闭环工作流程，ACR DSI的核心目标是将放射医生、业界厂商和开发者三类资源进行整合，实现三方共赢。

在ACR DSI的“邀请参与（Get Involved）”（https://www.acrdsi.org/Get-Involved）页面中，描述了三类用户如何参与到AI研发闭环中，发挥自己的作用。

首先，放射医生是整个流程的主导者（毫不意外，对吧？）。而前面提到的AI用例正是放射医生发挥主导作用的关键武器。此外，放射医生还可以通过提供标注数据和测试ＡＩ模型来做出贡献。

对于业界厂商，ACR DSI则仍然以AI用例为核心，为厂商提供围绕这些用例的最新AI研发进展。不仅仅是进展，ACR DSI还跟踪提供AI算法在临床应用过程中的临床有效性数据，包括纵向算法性能提升过程数据。这些数据对于厂商选择AI研发成果，出资购买或赞助孵化，具有极大价值。

对于AI开发者，ACR DSI提供的核心服务仍然是AI用例。ACR DSI建立了由资深科学家领衔，包括放射医生和数据科学专家的委员会，负责AI用例的制定和发布，同时还要对AI用例进行基于临床价值的优先级评定。每一个AI用例都包括了临床价值分析、数据构成需求、数据标注要求，以及临床流程分析。这些要素对于开发者具有极强的指导意义。

搬运工与提问者

至此，分别介绍了EnvoyAI和ACR DSI两个代表。前者为商业化公司，后者为非盈利研究机构。定位和背景的差异决定了二者在平台建设策略上的差别。

EnvoyAI采取的是筑巢引凤策略，建起平台，用快速分发和利益分享作为亮点，吸引尽可能多的AI到平台上来，并且尽可能快的将AI传递分发给临床，最终实现自身的平台发展状态和商业利益。

ACR DSI的核心战略则是用AI用例来驱动整个AI研发应用流程。通过用例，ACR DSI将临床最迫切和最有价值的问题提出来，同时明确每个问题评估方法和标准，然后面向机构和个人研发者征集问题的解答，并跟踪和评价不同解答在临床上的长期应用效果。

EnvoyAI的定位类似于搬运工，ACR DSI的定位则类似于提问者。二者都不去直接研发AI，但却能够以不同的方式和切入点，深切影响和促进整个医学影像AI的发展和走向。