中国医学影像AI应用实践与思考

萧毅

第二军医大学长征医院影像医学与核医学科副主任

中华放射学会大数据工作委员会副主任委员

中国医学影像AI产学研用创新联盟副理事长

医学影像有望成为AI落地较快的医学领域?

“

前一段时间人工智能在影像医学中的应用炒得非常火爆，以至于很多人觉得在2017年就可以不需要影像医生了，无数小型人工智能影像创业公司如雨后春笋一般冒出来。但是到了2018年，随着人工智能技术和医学实践更进一步接触后，这股火逐渐趋向于冷静和理智。究竟医学影像是否能够成为AI落地较快的领域呢？

我们先来看看人工智能有哪些优势。

首先，人工智能学习效率高，可以快速学习大量文献，吸收大量经验。

第二，人工智能计算力强大，比人脑厉害得多。

第三，现在图像识别技术已经非常发达,而影像诊断恰好是读图作诊断的医学领域。

第四，影像医生资源非常缺乏，而对影像诊断治疗的需求却在日益增加，人工智能可以很好的解决医生资源短缺的问题。这些优势都使得医学影像有可能成为AI落地较快的医学领域。

我们接下来再了解一下医学影像的作用。有些病人咳嗽或者胸痛，如果不做影像检查，总会担心医生是否漏诊了什么，医学影像的作用之一就是提高早诊率，减少漏诊率。

当发现病灶以后，病灶大小是多少，究竟是良性还是恶性，应该怎么处理，自动检测、对比，良恶性判断是医学影像起到的作用之二。

如果发现肿瘤则要精准判断，所以精准分级、分期是医学影像的第三个作用。

如果要做手术，哪种手术方式更好，哪种药物更合适？疗效如何？这是医学影像未来想要达成的目标——预后预测、术前设计、疗效评估。这些工作目前主要还是依靠医生在做判断，未来人工智能深入医学影像后，有可能会代替医生去做判断。

以上这些优势是否可以直接转化为影像类AI产品的优势？产品真正落地并不会一帆风顺，需要克服一系列的技术门槛和医疗挑战才能有望实现。

目前AI影像产品概况

“

以上问题的答案要从实际产品中去寻找，我先向大家介绍一下目前的AI影像产品概况。现在的AI影像产品主要集中于少数几个病种，我按照不同研发阶段把他们分为五类进行举例。

第一类，接近成熟的产品，肺结节检测、良恶性鉴别方面。肺结节检测方面的产品最多，几乎每个影像公司都生产，这是因为肺结节在低密度肺组织上是一个维度较低的相对简单的图像识别AI领域，而且有公开数据库可供模型训练，这使得肺结节检测门槛比较低，每个公司都拿它试水。

第二类, 初露落地端倪的相关产品，如视网膜病变、病理读片、皮肤癌诊断等。视网膜病变类的AI影像产品目前市场上已经比较成熟，很多企业已经把产品推向了医院基层，正在造福广大民众。病理读片、皮肤癌诊断方面现在也已经有比较不错的产品问世。

第三类，正在探索的产品，如脑卒中、冠脉及大血管、骨折、骨龄、骨肿瘤、前列腺等方面等产品。目前AI影像市场已经开始在这方面有所探索。

第四类，准备开始研发的产品，如阿尔茨海默病，脑缺血疾病、肝脏疾病、胰腺疾病、肾脏疾病、直肠癌等，关于磁共振和PET-CT类的产品研发也不断有公司布局。

第五类，未来发展趋势，如疾病预测、以部位多任务学习为核心的模型、以患者为中心的全数据模型，以疾病为中心的全链条解决方案等代表着未来的AI方向。在这些方面，计算机需要解决如何模仿人脑逻辑性判断和整体、系统地考虑问题的能力，虽然愿景美好，但前途漫长而坎坷。

影像医生会不会被AI取代？

上面提到的肺结节检测AI影像产品，在检测肺结节及计算结节大小方面可以说已经超过人类了，因为胸部CT上，肺是低密度，结节是高密度，相当于在黑纸上找白点，这对人工智能来说相对比较容易做到。但如果AI影像产品要想代替胸科医生，除了检测出肺结节，还需要准确检出良性还是恶性，才能有点像个医生的样子，而且肺部问题不仅仅包括结节，病人还可能有肺气肿、乳腺、纵膈肿瘤、大血管等其他疾病，现阶段的肺结节检测AI影像产品对肺结节以外的问题是视而不见的。

作为医生，我很希望通过人工智能可以自动处理图像，一次检测十几种，甚至上百种疾病，然后直接生成一个全面的报告结果给我。但目前来说这还只是一个美好的愿望，还无法用于实际，这些工作还是需要由医生来完成。总的来说，从原理层面上看，AI在大数据、记忆、计算能力方面会超过人类；但人类智力发展的水平决定了机器目前不可能代替人类。

从职业层面的伦理、资质、表情、沟通、抚慰等方面来看，医生也不能被AI取代。有的说AI必须百分之百不出错才能推向临床，这是伦理问题，我觉得这种想法对AI影像的要求和期盼有点太苛刻了，他只是我们的助手；目前也没有办法对AI影像产品进行能力评估，资质鉴定；医生的职业是治愈疾病，但也常常通过表情、语言对病人进行沟通、抚慰和疏导，这些是AI做不到的。

现有的产品敏感性有待提高，可以做到帮助医生不漏诊，我觉得AI就已经非常有意义了。我认为人机不一定非要PK，非要谁取代谁，两者并非对立的关系。AI的记忆力和计算力非常强大，可以代替医生做重复性技术含量低的工作，但是最终做判断还需要医生来完成。

所以人工智能在医学影像领域可能比较容易发展起来，但影像医生会不会被取代——最终取决于技术发展的水平，最起码目前不会。

AI影像产品面临的挑战

AI影像产品的发展面临着一些挑战。

首先就是行业标准未形成。例如AI是需要结合医生的经验不断进行学习的，但是由于每个医生的习惯不一样，比如对“小结节”的定义标准不同，有的医生认为是实性结节，在有的医生看来却可能是磨玻璃密度结节。再比如，AI影像需要以量化方式进行图像分析，那么在面对一个不规则结节时，机器如何判断哪一个是最大径，工程师应该输入什么判断依据给机器？目前行业对很多数据没有统一标准，甚至术语也没有完全统一，我们又如何使机器通过学习现有数据得出准确的分析报告？缺少行业标准，使AI影像产品没有评价体系，这也导致了很多企业产品性能自报与实际检测数据不符，产品的鲁棒性有待提高。

其次是目前问世的影像产品基本都是基于单病种图像标注形成的模型，尚没有符合临床使用场景的产品。庆幸的是，现在中国医学影像AI产学研用创新联盟给产品研发工程师和医生提供了深入交流的平台，通过交流，在产品设计上大家逐渐达成了很多共识，一些技术人员已经跳出了一厢情愿设计单病种AI模型的圈。目前，该联盟正在为AI影像发展组建标准广泛的数据库，努力为AI影像产品制定质量控制标准。

另外，在AI产品的不断地自我学习、自我更新的能力遇到瓶颈的当下，产品的鲁棒性、可拓展性、可解释性等都面临着巨大的挑战。

展望

不得不说目前AI影像为胸部检查已经做了不小的贡献，他很快可以得出一位病人的肺部里有多少结节，各有多大。通过这些数据，我可以很快的判断出哪些结节有临床价值需要被显示，对于一些小的结节可以直接忽略，还可以方便我对危险结节进行排序、测量，最终更快更准确的生成诊断报告。

相比较医生的肉眼来说，AI在这方面准确率更高，因为医生会疲劳。而且在AI的帮助下，可以快速出具非常详细的报告，而医生时间有限，一天处理200份报告已经非常有压力，但是机器不会有压力，他能够帮助病人更加详细的了解自己的情况。同时，AI还可以帮助跟踪观察，帮助医生进行记录。

AI不仅是一双智慧的眼睛，让医疗更加精准，还让医生有更多的时间可以与患者进行沟通。未来，医生应该更多的参与到AI产品的设计中，做需求的提出者，让产品模型回到临床中，解决医院的痛点，而不是AI产品设计师闭门造车、凭空想象。只有医生参与其中了，产品才会拥有生命力。同时，医生也应该为AI发展建立标准广泛的数据库，让AI产品的质量可控，模型设计有理论可依。

编辑│李佳琪

（文章根据萧毅“对话资本：医疗科技创新高峰论坛”发言整理，有删节）

END

本文刊登于《科技与金融》杂志2018年11月刊。

欢迎微信分享，如需转载请与编辑部联系。