全球首次神经影像“人机大战”，赢家是……
2018-07-02 姚常房 健康报医生频道
6月30日，全球首次神经影像人工智能人机大赛总决赛迎来了意料之中的结果：脑肿瘤和脑血管影像判读比赛中，医疗人工智能（AI）最终以高出20%的准确率战胜两组共25名医生。事实上，大部分人并不太在乎谁输谁赢，更想听到的是“人机大战”背后医学研究与诊疗模式向前迈进的脚步声。
6月30日，全球首次神经影像人工智能人机大赛总决赛迎来了意料之中的结果：脑肿瘤和脑血管影像判读比赛中，医疗人工智能（AI）最终以高出20%的准确率战胜两组共25名医生。事实上，大部分人并不太在乎谁输谁赢，更想听到的是“人机大战”背后医学研究与诊疗模式向前迈进的脚步声。
默契搭档需要基础
“首先，AI的反应速度肯定比人快。其次，它学习的片子来自首都医科大学附属北京天坛医院近十年来接诊的数万余神经系统相关疾病病例影像，质量也高。赢，这是肯定的。”国家卫生健康委员会卫生发展研究中心研究员游茂说。
一目千行、过目不忘是AI的先天优势，“拜师”顶尖专家则让AI拥有了后天实力。此次参赛AI-“BioMind天医智”的师傅正是北京天坛医院神经影像学中心主任高培毅，在他看来，“BioMind天医智”在脑膜瘤、胶质瘤等常见病领域的磁共振影像诊断能力相当于一个高级职称医师的水平，每种肿瘤都学习了1000个病例，目前基本上已经掌握了50种颅脑肿瘤，这是任何一名医生都难以实现的。
各司其职又相互配合，可以催生医疗的高效率。在整个医疗链条中，围绕将医生从简单劳动中解放出来的路径，AI是各方比较公认的方式。但是，面对新技术，人类接受需要时间。北京天坛医院常务副院长王拥军表示，人机大赛并非意在挑起医生和AI之间的战火，反而希望通过专业技术的切磋，让医生和AI对彼此有更深层次的理解，为未来临床医学诊断中成为默契搭档打下基础。他希望，通过比赛让医生都能体验到人工智能的魅力，特别是让部分对人工智能抱有怀疑态度的医生，进一步了解人工智能。
北京大学人民医院放射科霍天龙副主任医师表示，上级医生肯定会喜欢一个头脑聪明而且诊断清晰的下级医生的，AI是个不错的助手。空军军医大学西京医院放射科席一斌医生指出，我国影像科目前整体人员缺少，工作负荷都很重，AI应用到临床可以减轻一线医生的工作压力，改善工作环境和条件；特别是帮助基层医院提高诊断效能和准确性，与上级医院实现联动。
而推动诊疗模式变化是人工智能带来的另一个期待。王拥军特别指出，如果在脑出血的神经影像上AI能够做到85%准确率的话，那在未来很可能会改变脑出血的急诊临床决策。比如，如果通过AI能够快速判断患者明天血肿扩大的几率在85%以上的，那么今天的治疗模式就会改变。
医学没有标准答案
理解医学而非追求标准答案，这是医生和患者都需要认真揣摩的一句话。确实，医学是科学，更是艺术。病是活的，配合复杂的患者情况，远不能光看形态来决定。
美国文学家和数学物理学家弗里曼·戴森在其著作《想象中的世界》中写道：新的科学方向常常源于新的工具，而不是新的概念。概念驱动的科学革命只是用新方法解释旧事物，而工具驱动的科学革命是去发现需要阐明的新事物。人工智能之于医学的意义也正是如此。
王拥军表示，AI是一个不断学习的过程，永远不会完美。他以“BioMind天医智”为例指出，它在帮助医生完成初筛和评定后，最终还是由医生进行印证判断。中国医师协会神经内科医师分会会长谢鹏表示：“对已有知识的诊断来说，从大数据深度学习的概率上看，AI获胜的几率要大得多，它应该是了然于胸的。但在一些新的、特定的、目前医学界也还没有太多共识的疾病领域，AI可能还“搞”不过人类。即使是AI全胜的围棋比赛中，一场下来几十手的交战中，我从不认为人类的每一步棋都是输给计算机的，有些地方，人类比计算机的思路更精妙。更何况在复杂的医学领域，每一次疾病的诊断都是非常大的概率事件，每一名患者都可能存在非常特殊的情况，也许患者的症状一点都不典型，但最终结果就是指向某一个疾病，这更为依赖人的精准判断。”
即便是寄希望用技术“颠覆医疗”的资本方，对AI的局限认识也是比较清晰的。安华亿能医疗影像科技有限公司董事长汪洋表示，智慧医疗要发展到智能化，是发现、总结、归纳微小的、特殊性东西，发现其中的逻辑，然后帮助医生进行一定的判断。跟医生的经验相比，更精确一些，更能追踪监测，但是设备不可以替代医生，设备检查的范围很小，医生可以检查更大的范围。
警惕AI输在起跑线
数据是研究的灵魂，也是正确结论的起点。这对极度依赖数据的人工智能来讲，更是如此。如果原始数据有问题，再好的数据处理也不会有好的结果，再好的人工智能设备也无法发挥预期作用。王拥军表示，医疗人工智能，可能拼的不是算法，是大数据，但是这一定是高质量数据。
当下医疗领域，数据量并不是问题。因为随着技术的发展，数据的获得变得越来越容易，而且中国的诊疗患者数量本身就很庞大。但是，面对海量的数据，如何甄别有效数据与垃圾数据，这是个问题。“AI不会自我判断哪些是有效数据，哪些是无效数据。一些错误的数据，机器学习后，就会认为是对的。如果应用起来，后果可想而知。”游茂说。
针对无效数据的产生原因，王拥军表示，数据质量不可靠的原因首先在于疾病诊断不准确。以北京市中风患者的诊断为例，该市能够收治中风患者的医院有130家，大约每年住院患者14万人，但诊断正确率只有72%，另外28%的诊断是错误的。其次，医院数据采用最直接的来源是病案首页，但由于部分医疗机构存在病案首页内容填写不全、疾病诊断或手术名称不准确等问题，造成病案首页数据不规范、不准确，也进一步造成了数据的不可靠。
游茂建议，人工智能的第一步应该是完成数据审计，保证数据的真实有效。同时，要对人工智能的学习模型进行评估，看看模型是否合规，有没有歧视、伦理等问题。另外，人工智能的应用是有适应范围的，要对其进行适用性评估，而且评估后不应任意放大、乱用。
王拥军表示，医疗大数据产品落地使用的先决条件之一是政策法规的支持，各类审批管理办法要跟上市场的发展，这也需要企业及医疗机构积极与政府部门沟通，争取早日商讨制定出适合行业发展的法规准则。
据悉，将于今年8月1日起实施的新版《医疗器械分类目录》中，增加了与人工智能辅助诊断相对应的类别，若诊断软件通过算法，提供诊断建议，仅有辅助诊断功能，不直接给出诊断结论，则申报二类医疗器械，如果对病变部位进行自动识别，并提供明确诊断提示，则按照第三类医疗器械管理。（文/ 本报记者 姚常房）
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#神经影像#
57