医疗AI未来还有很长路要走
2017-09-19 掘金志 雷锋网
长期以来，大多数国家和地区，特别是进入老龄化社会之后，对医生的需求量有增无减。解决医生资源不足的问题，除了增加供给量，别无他法。但是医生培养需要周期，而且供给量也不能无限增加。
“深度学习就是‘端到端’的学习，不需要人类的逻辑和知识的干预，可以自己从经验中学习。以前我们医生用过CAD 计算机辅助诊断，但是那是比较初级的人工智能，很快就被我们抛弃了。”
“目前的人工智能产品的价值与优势，给我最直观的感受就是快。我们需要十几分钟的事，人工智能产品只需要5秒钟就可以解决，所以它是放射科医生好的帮手。人类疲劳以后诊断率、反应会差一些，而机器不会。”
谈到人工智能带给自己最直观的感受时，同济医院放射诊断教研室主任夏黎明作出了上述的表述。
长期以来，大多数国家和地区，特别是进入老龄化社会之后，对医生的需求量有增无减。解决医生资源不足的问题，除了增加供给量，别无他法。但是医生培养需要周期，而且供给量也不能无限增加。
于是，人们开始寄希望于机器。因为一旦能够实现机器看病，供给量将会无限增加。作为人工智能能否得到落地应用的检验者，医生是如何看待人工智能在医学影像中的临床应用？
2017 长江产业论坛（秋季）暨医疗健康大数据与人工智能大会近日在武汉举行。华中科技大学同学医学院附属同济医院放射诊断教研室主任夏黎明参会并发表了演讲。
我们为什么需要人工智能？
雷锋网AI掘金志了解到，早期肺癌多以肺小结节的形式出现，医生主要通过 CT 图像去检查是否存在肺结节，而每次检查都会有多达数百张断层扫描图像，医生仅用肉眼进行判断，费时费力。医生为什么需要人工智能？ 因为 CT 对肺结节的检查、诊断来说是一个金标准，病人对低剂量的 CT 检查的需求越来越大，放射科医生的工作量也随之走高。在这种超负荷的情况下，医生需要加快阅片的速度。
据夏黎明介绍，今年4、5、6月份，同济医院每个月的影像检查达到十万多人次， CT 检查最多，每个月都是四万多，其中三分之一是做胸部肺结节病变的检查。“没有 CT 之前，一个 X 片几秒钟就可以看到有没有病灶、结节，有了 CT 以后需要进行多层螺旋扫描。胸部 CT 扫描，有的病人甚至要扫 300 张图片，而熟练的医生阅读一张胸部 CT 片需要 10 多分钟。”
扫描出来之后医生需要查看，有一些影像的辨别比较困难，因为结节比较小不容易辨别，变化小的结节密度较低，而且结节还会存在变异的情况。在诊断过程中的其他阶段，病人需要进行复查，如果前后对比变化很小，医生通过肉眼也很难看出来，所以人工智能产品慢慢进入医生的工作当中。除此之外，依靠人工无法对一些指标进行定量分析，但是计算机就可以胜任这项工作，比如大小、密度、体积、病灶不同成分所占的比例等等。
夏黎明谈到，深度学习就是“端到端”的学习，不需要人类的逻辑和知识的干预，可以自己从经验中学习。
人工智能产品5秒钟可以得出诊断结果
2015年11月份同济医院和北京推想科技合作，将十几万张 X 光和数千张 CT 数据图像输入系统。推想科技其中有一款智能 CT 辅助筛查的产品，这个产品可以大大地提升肺结节筛查的效率，原先医生完成整套胸片检查要十几分钟，而现在计算机几秒钟就可以看完。原有的 TEX 系统有很多信息，医生诊断的时候要在结构化的模板中写报告，需要把病人的号码输入以后找到病人。
现在，同济医院在系统中增加了推想的入口，进入端口后对图像进行扫描，5秒钟以后得出这个病灶的哪几个地方有结节的诊断结果。保留传统历史报告的同时，将计算机诊断结果与之对比，给出结节的体积、直径，这样便于医生的诊断。医生一时间难以判断 X 片中是否有病灶，但是如果用 CT 扫描就可以发现。夏黎明表示，人工智能的识别能力有时候比人眼更强，极大提高了医生的工作效率，医生在超负荷运转的状态下，极需要这样的设备。
临床应用情况如何？
诊断的效能和效率怎么样？同济医院联合几家医院做了几百例结节检测，有0-3毫米的结节、钙化结节、磨玻璃结节。对于5毫米以下的结节，夏黎明表示，目前计算机识别还是有一些困难，还需要算法更精确，更好地发现小的磨玻璃病灶。同济医院现在还要求人工智能有定量的指标（密度、直径、体积），尤其是复查的病人，这样诊断就更容易一些。据雷锋网AI掘金志了解，同济医院胸部组的30台电脑现在都装了人工智能产品，让人工智能产品先给出诊断结果，然后再由医生核实检测结果有没有假阳性和假阴性。
“目前的人工智能产品的价值与优势，给我最直观的感受就是快。我们需要十几分钟的事，人工智能产品只需要5秒钟就可以解决，所以它是放射科医生好的帮手。第二它没有疲劳，医生早上8点钟上班精神好，10点就疲劳了，12点就更累了。人类疲劳以后诊断率、反应会差一些，而机器不会。”
人工智能产品利用深度学习的技术将几十万病例不断地积累成为经验。对于5毫米以上的结节几乎没有假阳性。部分定量参数有利于病变诊断，病灶细微改变的观察优于人的视觉。
人工智能还需要迈过那些坎？
人工智能在辅助医学领域的应用不断深入，但是这并不代表它在临床应用的路上畅行无阻。夏黎明总结了目前人工智能医学影像设备遇到的一些问题。
第一、现在的人工智能还是单一的检查设备。疾病的筛查比较复杂，单纯根据影像进行诊断比较困难，很多结节相似，但却是不同的疾病，一种疾病也可能有多种影像。“所以诊断必须要结合临床的资料，比如化验检查、肿瘤标志物、病理、基因等等，还有 CT 核磁共振等一系列的检查，所以疾病的诊断是综合影像的分析，还有诊断思维的应用。所以目前的人工智能还是比较单一的。”
第二、诊断正确率的问题。每个生命个体都有独特性，不可能有两个人的肺长的一模一样，存在假阳性就是这个原因，“我们给人工智能产品看了几十万张不同的肺部 CT 片，但是它没有看过的就会诊断为假阳性，这样就会被影响到诊断正确率的问题，当然十年二十年以后误诊就会少。”
第三、多器官的诊断。人工智能产品目前的研究重点放在肺结节上，除了肺以外还有纵膈、胸壁、软组织等等。“医生在诊断过程中不可能只看肺结节，病人在肺部之外的其他部位也可能存在问题。此外，深度学习的算法有很多，不同的算法框架下结论肯定是不同的。”
第四、病人的隐私问题、伦理法律问题。夏黎明表示，现在大家只是研究效能、临床价值，一旦广泛使用人工智能诊断的时候就会带来隐私、伦理的问题，这是我们现在想的比较少的。
展望
夏黎明在最后还提出，人工智能现在还是万里长城的第一步，只能做一些初步的诊断。“我们希望通过检测不断地找到病灶，还可以提取更多的影像特征，然后结合临床达到更好的诊断水平。”
第二，要有结构化的报告。所有的报告要有统一的格式、填写的内容要一致，这样可以帮助分析、写资料。
第三，要将多种影像，包括CT、核磁共振、超声等融合在一起辅助诊断。除了影像和检验以外还有病理、基因、临床等等因素综合指导、预测疗效。
第四，现在的人工智能产品大部分是聚焦在肺部，因为肺容易对比，但我们希望它应用到全身，因为病人看病不可能只有肺这个部分。
“人工智能深度学习能否取代放射科医生？我认为至少十年、八年内医生不会淘汰，只能说人工智能深度学习是医生的好帮手，可以提高我们的效率，我们希望它诊断的能力越来越强，诊断的准确率越来越高。”夏黎明在演讲的最后如是说。
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
#医疗AI#
55