原创：未来和健康二、从李咏抗癌说起，未来的疾病影像诊断模式会是怎么样？AI有助于人们提前预防和正确诊断吗？

该原创文章由谷晓林博士撰写。

近日，前央视著名节目主持人李咏突然离世的消息让人既震惊又惋惜。李咏罹患喉癌，历经与病魔17个月的抗争，最后医治无效，这令人痛心的事实再一次为我们敲响了警钟。2014年全国癌症新发病例数380万例，平均每天超过1万人被确诊为癌症，每分钟有7个人被确诊为癌症，其实癌症离我们并不遥远。

数十年来，医疗工作者们一直与癌症进行着艰苦卓绝的持久战。从外科手术、微创手术，到化疗、放疗，再到靶向治疗、免疫治疗，癌症治疗手段日新月异，不断突破创新。然而，大多数癌症都具有较强的隐匿性，在早期，甚至中晚期都没有症状显现。等到真正发现患有癌症，往往为时已晚，癌症已有转移的倾向，再先进的治疗手段也无济于事。

因此，现阶段应对癌症最有效的手段就是及早发现。目前癌症筛查的方式主要包括医学影像和体外诊断。体外诊断是通过提取并分析血液或尿液中的生物标志物（如蛋白质、基因等）来发现癌症的早期迹象。现有体外诊断方法在癌症筛查方面的特异性和有效性有待提升，基于基因检测的癌症筛查新方法正成为研究热点，未来有望取得突破。相对于体外诊断，医学影像用于癌症筛查更为成熟和有效。常用的医学影像设备包括超声、X光、计算机断层扫描（CT）和磁共振（MR）等，它们利用不同的物理机制与人体相互作用，生成反映人体内部组织、结构、功能的平面或立体图像。这些图像经由专业的影像科医生的判读，形成影像报告，为癌症筛查的临床决策提供重要的依据。

当前是数据大爆炸的时代，医学影像作为医疗数据的主要载体首当其冲，其数据量的年增长率达到50%以上。然而，影像科医生的培养却需要数年的医学教育与临床实践。一直以来，影像科医生数量的年增长率只有4%左右，即便国家大力加强影像科医生的培养，短期内也难以缩短医学影像数据与影像科医生之间的巨大差距。

其实，科学家和工程师们一直致力于研究如何利用计算机来实现医学影像的自动判读。只是受制于医学问题的复杂性和计算机算法的局限性，医学影像的自动判读进展缓慢。幸运的是，随着人工智能的崛起，医学影像的自动判读重燃希望。通过构建一种类似人类大脑结构的神经网络模型，可以训练机器向高水平的影像科医生学习如何判读医学影像。这一学习过程并不复杂：将原始图像输入给机器作为训练的素材（问题），同时将同一张经由影像科医生（老师）手动标注过的图像（如病变的位置、尺寸等）输入给机器作为训练的金标准（问题的答案）。随后，机器就会自动地调整神经网络模型的众多参数，学会如何分析问题并找到答案。输入给机器的数据（问题和答案）越多，质量越高，机器就学习得越好，甚至能达到普通影像科医生的水平。

基于人工智能的医学影像自动判读不仅有望填补影像科医生的缺口，还具有速度快（数秒内判读一幅图像）和不眠不休不疲劳（避免主观人为因素造成的错判）的优势。目前，医学影像自动判读还处于研究的初级阶段，主要针对疑似病变的定位和区域勾画，在鉴别病变的良恶性方面还不成熟。临床应用上，眼底筛查和肺结节筛查起步比较早，因为两者的数据较多，临床问题相对简单，医生缺口也较大。

人工智能作为新生事物，难免会带来泡沫、冲击、过誉和疑虑。其实，人工智能不过是赋能医生的工具，有望将部分医生从劳动密集型的工作中解放出来，更多地投入到新技术、新应用的探索中去。人工智能将给医疗行业带来变革，但是人工智能不会，也无法替代医生，只会造福更多的患者，造福社会。

4.原创:【

未来和健康】我们以后怎么看病？一、智能医疗来临了吗？

“神外热线”微信平台由Dr.Fine健康博士发起，由毕业、从医和任教于国内外知名大学、医院、机构的志同道合的专家组成。我们的宗旨是“Make People Around Healthier---使身边的人们更健康”：凭借专家资源，立足专业平台，提供个性化的医疗健康保健”---朋友你如果觉得不错，欢迎点击下方的“神外热线”关注公共号和转发分享。