动脉网记者在医享网肺癌圈论坛上看到过这样一个故事——《一个肺癌患者从发病到最后的自述》。故事讲述了主人公王丽（化名）从肺癌病发到治疗的过程。
王丽是一名大四的女学生，医院实习的时候被诊断出肺癌。然而，她的确诊之路十分漫长。从刚开始的刺激性咳嗽被当成肺炎治疗，到后续服用各种药物都未见好转，虽然医生一直没有排除肺癌，但是却没有确诊。一拖再拖，等到三个月后确诊肺癌时，她的癌细胞已经扩散，最后经过治疗还是离开了人世。
在中国每年新增的73万肺癌患者中，王丽只是冰山一角。但是对于她的家人和她自己来说，她就是全部。从开始发病到最后的确诊，王丽用了三个月才确诊病情，这件事情一直被网友诟病。然而，肺癌的确诊真的那么难吗？
传统方法只能诊断中晚期肺癌
随着雾霾加剧，吸烟人数增加，以及工作、生活环境中的某些化学物质影响，肺癌已成为对人群健康和生命威胁最大的恶性肿瘤之一。根据国家计生委的数据统计显示，目前我国的肺癌发病率以每年26.9%的速度增长。我国第三次居民死亡调查原因调查结果显示，肺癌死亡率在过去三十年间上升了%。
肺癌对民众健康有如此大的威胁，医院里的11种肺癌主流诊断方式只能诊断出肺癌中晚期病人。
肺癌的11种主流诊断方式：
1、胸部X线检查：是诊断肺癌的一个重要手段，可通过透视或正侧位X线胸片发现肺部阴影；
2、胸部CT：可以较早发现和清楚显示在肺门、肺内及纵隔内病变的大小、形状和累积范围，有助于诊断肺癌是否能切除；
3、磁共振显像（MRI）：确定肺癌侵润范围、分期和对手术切除可能性的判断；
4、正电子发射计算机体层现象（PET）：有助于鉴别肿瘤的良、恶性；
5、痰细胞检查：通过痰检可使部分肺癌病人获得确诊，同时可判断肺癌的组织学类型，但要连续检查4到6次才能获得结果；
6、纤维支气管镜检查：可以获取病理学诊断，对确定病变范围、明确手术方式有帮助；
7、数字减影血管造影：可以了解肺门有无淋巴结转移及肿瘤侵犯支气管壁的程度，明确肺叶阴影中有无具体病变；
8、经皮肺穿刺活检：适用于痰细胞学和支气管镜检查无法获得阳性结果，肺内病灶较小的外围性肿块以及新的外围性肺部病变，生长史不明确的病变，肺内多结节病变，具有不能治愈倾向的病人，不需切除的病变；
9、纵隔镜检查：有利于肿瘤的诊断及TNM分期；
10、胸腔镜检查：主要用于确定胸腔积液或胸膜肿块的性质；
11、血清肿瘤标志物检测：通过对病变分泌入血的特有物质检测来间接判断恶性病灶的存在。
早期甚至中期肺癌通常都没有症状，直到疾病发展到晚期、不可治愈的阶段才会出现明显的症状，肺癌一旦有症状表现出来就是中晚期。即医院进行检查，也可能会由于医生的经验不足、疲劳度、图像质量等问题出现误诊、漏诊的情况。
因此，通过研发新技术进行肺癌的早期筛查与诊断为实现肺癌早诊早治，减少漏诊、提供了新的可能。通过市场观察，我们发现人工智能、液体活检等新技术在肺癌的早诊早治方面已经取得了一些进步。
另外，我国45岁以上中老龄群体约5亿人，假设渗透率3%，如果最终肿瘤早筛诊断产品终端价格是块钱的水平，那么市场规模就是亿左右。为此，动脉网盘点了肺癌领域的相关技术和产品研发公司，带大家了解一下国内外的情况。
人工智能辅助肺癌诊断
早期肺癌多表现为肺部结节，它们尺寸小、对比度低、形状异质化高，医生通常是通过病人的CT图像等放射影像检查肺部是否存在结节，筛查工作大多是由影像科专家人工读片完成。但是每位被检者的胸腔CT图像有多张左右，精细级的扫描甚至多达张，医生要想完成这些工作需要大量的时间。
另外在诊断过程中，医生的经验、疲劳度都会影响肺结节检出，出现漏诊、误诊的情况。人工智能作为一个不会疲劳的“医生助手”，可以帮助医生将结节识别出来，未来结合病理的研究也可以判断结节的良、恶性。
国内人工智能医学影像公司中，60%以上涉及肺癌诊断
在动脉网搜集的20家国内人工智能医学影像公司中，有12家与肺癌的诊断有关，占比在60%，其他的几家公司目前专注于乳腺癌影像、甲状腺癌影像、眼底影像等医疗影像的研究。另外，由于目前公司在对外宣传的时候很多表述是辅助诊断“肿瘤”，并未注明诊断哪些癌种，实际情况要比60%多。
国内人工智能技术虽然还处在初期阶段，但是人工智能利用CT图像等放射影像，在肺结节识别方面的技术相对来说比较成熟，很多公司比如推想科技、依图科技等公司的产品已经在临床上取得应用，据动脉医院、医院、医院、医院等都在用AI产品。
目前AI产品对于肺结节的识别检出准确率在90%左右（每个公司的情况不一样，但是只要是报道出来的，都声称AI产品的水平高于医生平均水平。），但是医学人工智能对于肺结节良、恶性的判断还处于研发阶段，最终诊断结果需要医生结合临床来做决定。
除了利用CT图像等放射影像进行肺癌的辅助诊断、筛查，也有公司利用病理图片和大数据模型进行辅助诊断和筛查，例如，DpCar就是利用病理图像，帮助医生辅助诊断肺癌，但是这个技术还在研发中。先前，公司将这一技术先应用在了乳腺癌，目前准确率已经达到92.5%。
点内肺常好则是利用大数据模型进行肺癌的早期诊断，公司整合目前国际上主流的肺癌风险预测模型，结合人工智能与机器学习技术，在国内00例肺癌病例的验证下，优化并形成适合中国人使用的肺癌智能筛查引擎“肺常好”。目前点内生物已经和上海杨浦区合作，对全区居民进行肺癌筛查。
国外AI医学影像公司中，报道显示涉及肺癌诊断的不足10%
国外的人工智能医疗影像公司，与国内大多从事放射影像研究不同，他们在放射影像和病理影像都有涉足。其研究覆盖眼科疾病、甲状腺癌、乳腺癌、心脏、痤疮、慢阻肺等多种疾病。而不像国内那样对肺癌、甲状腺癌“情有独钟”。
针对海外相关企业，动脉网一共搜集了家医疗人工智能创业公司（传统的CAD企业未纳入其中），从事医学影像诊断有28家，其中业务明确涉及肺癌诊断的只有3家——VoxlCloud、Enlitic和Imagia。
VoxlCloud（体素科技）致力于提供基于深度学习的精准和个性化的医疗诊断服务，总部位于美国洛杉矶，联合创始人是华人丁晓伟。目前公司的业务已经覆盖早期肺癌、糖尿病视网膜病变、心血管疾病、肝脏病变等几个疾病的筛查和诊断，并根据相应的临床需求提供端到端的解决方案。公司已于年初完成由红杉资本领投的千万美金A轮融资。
在公开的LIDC肺癌筛查数据集中，Enlitic的技术比放射科医师专家更准确地判断胸部CT图像的结节恶性程度，Enlitic的技术可以以毫秒为单位解读医学图像，比平均放射科医师快10,倍。
Imagia具体地将X射线，核磁共振，CT扫描等影像分割为很小的像素。逐一分析小像素的特点并进行归类，利用深度学习技术，将对单一图像进行分析，最终给出判断。
不可否认，国内外这个数据的差异一方面是统计上的不变造成的，在目前的报道中，有小部分国外公司表示可以诊断癌症，但是没有注明具体的癌种。国内这些企业动脉网是逐个确认的，但是国外的企业只能从
