人工智能读片小能手上线 十几秒钟查出800多个肺结节
扬子晚报|2019-07-31
人工智能读片小能手上线十几秒钟查出800多个肺结节
惊不惊喜？你的CT片是人工智能计算机在看！
南京鼓楼医院医学影像科把时髦的AI技术应用到医学影像学领域。在鼓楼医院接受胸部CT检查的患者，CT片的第一“读片人”是经过特殊“培训”的人工智能机器人，此举大大提高了读片的准确率和速度。近日，柳叶刀子刊《EBiomedicine》详细介绍了南京鼓楼医院医学影像科张冰主任领衔的“人工智能+医学”的SCI论文的临床运用转化成果。
通讯员柳辉艳实习生卢文倩扬子晚报/扬眼记者蔡蕴琦
一场神奇的“比赛”
医生肉眼要看几百张图TA只需要1秒钟
张冰主任的办公桌上摆放着三台电脑，她现场向记者演示了一场肉眼PK人工智能读片比赛。张冰主任首先用传统的肉眼模式进行观测来查找CT片上的肺部结节。这个病人的CT一共有300多张图像，初步筛选后发现并没有什么大的占位。但是如果要观测小结节，还是需要把这300多张图像一层一层看过去。张主任在电脑上把300多张图一层一层地阅览过去，大概10秒的时间用肉眼初步检测了一个小结节。接着在另一边的电脑上，张冰主任从容地打开人工智能系统，只是在人工智能系统的图像上用鼠标轻轻一点，工作页面上瞬间弹出了诊断结果：9个疑似病灶。工作页面左侧的图像上，每一个疑似病灶都被用带颜色的方框圈出了位置，并标上序号。页面的右侧相应位置，每一个疑似病灶都被按照序号罗列，并判断了结节的良恶性。记者看到，人工智能检测出来的第一个结节和张冰主任肉眼观测的那个结节是重合的，从第二个开始就是非常小、颜色很淡、肉眼难以发现的结节。
说起人工智能的神奇，张主任想起来一个让她印象深刻的病例，一个病人的胸部CT经医生检查后发现了多发小结节，无法计数，但是人工智能精确报出800多个结节，而且明确地定位了其中的恶性结节。这让大家都十分震惊！
人工智能计算机正在学习辨认前列腺恶性肿瘤。
“读片高手”是这样炼成的
一流专家当老师，“喂”给TA几十万个患者的数据
人工智能计算机是如何掌握这一绝技的呢？张冰主任介绍，人工智能在真正投入临床应用前走了很长的一段路，整个系统筹备的时间要用3年以上，把结果转化为产品要用2年以上。整个团队对人工智能的训练就像是一群老师在教育培训一个要参加考试的孩子。为了让孩子在考试中不出错，整个团队给“孩子”投喂了大量的“习题”——数据。比如，在肺结节的诊断练习中，要集合领域内一流的专家，他们给人工智能输入了大量的关于肺结节诊断的数据，让TA在一次次的记忆中学会什么是结节。为了让学习效果更好，更加严谨，还要组成专业的批改团队，对人工智能的每次判断做出严谨的反馈。只有两名以上的专家给出相同的意见时，他们才会把这个答案反馈给人工智能，让人工智能在不断练习、不断反馈中进行深度学习，从而能够彻底掌握这项技能。
人工智能会犯错吗？张冰主任表示大家其实不用担心，相关数据显示，人工智能的诊断结果的准确率很高，高于初级职称医师，接近高级职称医师水平。而且人工智能只是读片的第一关，还有高级职称医师的二次读片和审核，最终报告由审核报告的医师负责。
图片由鼓楼医院医学影像科提供
医生2小时的工作量缩短到了100秒
张冰主任介绍，人工智能在医学影像中的运用给医生、患者和治疗过程带来的好处是全方位的。
传统的人工模式中，影像科作为一个平台支撑学科，医生们每天需要面对很大的工作量。以鼓楼医院的影像科为例，平均每天需要接待2500个病人，而一个正常人的CT至少需要看300张图像。以肺结节诊断为例，结节的大小、形状和血管断面十分相像，传统模式下的医生每天需要看过万的图像，长时间的工作必然会导致眼部的疲劳和精神无法高度集中，故而影像科的医生漏诊结节是不可避免的事情，也是影像科工作流程中的痛点之一。引入人工智能以后，数以万计的图像交给了人工智能，原本人工需2个小时，但是人工智能却只要轻轻点击就可以检测出十分准确的结果，大大提高了诊断效率。
一个正常成人的胸部CT大概有300多张，但是在实际的打印过程中却不可能把这300多张全都打印出来，一般是每4张里打印一张，这样大概80%的图像在打印中流失，而流失的图像中很有可能有十分关键的图像，这是工作流程中的另一个痛点。比如说，一个病人的报告显示，在第160层图像上有个很大的结节，但在选择打印图像时却恰好跳过了这一层的图像。而要解决这一问题就需要把第160层重新找出来，再次打印，这对于医生、患者而言都十分不便。人工智能自动识别采集了带有结节的关键图像，打印排版的时候自动把这些关键图像置于上层，便很好地克服了这一困难。
延伸阅读
AI会替代医生吗？答案是否定的
谈及未来人工智能（AI）是否会彻底替代影像科的医师的作用，张冰主任认为并不会。她笑称，人工智能AI目前还只是小学生的水平，只能替代部分简单重复劳动。
虽然人工智能大大减轻了医生的工作负担，帮助医生完成了大部分的工作，但这些工作都是比较初级且简单的，真正复杂的，需要综合思维去判断的工作，人工智能是没有办法替代的。
在未来的发展中，人工智能以辅助医生的功能为主，帮助医生解决很多简单重复的工作，让医生把更多的精力放在疑难杂症的诊治工作中。
未来更多应用：有望一眼筛出肿瘤
人工智能技术是近年来科技发展的趋势所在，人工智能和医学相结合也是医学发展的方向。如今人工智能的应用还仅仅局限于单一病种的判断，比较常见的是在肺结节的诊断中。张冰主任告诉记者，她的团队已经在和鼓楼医院泌尿科主任郭宏骞团队深度合作，寻求足够的数据支撑，致力于在影像观测的过程中发现前列腺癌，这样就可以避免过去检测的让病人十分痛苦的活体穿刺检测。
“希望未来的人工智能在足够的数据支撑下，充分的训练反馈中不断成长，有能力应对更多的复杂疾病，并且在影像科全流程工作中，发挥提高效率和减低差错的功能，更好地帮助医生救治病患，造福人类。”张冰主任说。
人工智能深度学习“读片”只要几十秒
读一张医学影像片子只需几十秒，而且还不会因为情绪、疲劳出错，这效率比一般医生高出很多倍。随着人工智能越来越发达，能够深度学习的机器会在未来威胁到医生的“饭碗”吗？
在日前举行的金桥产业技术创新论坛上，这个问题引起了诸多医生的关注。浙江大学医学院教授、上海产业技术研究院特聘教授钱大宏认为，临床问题十分复杂，目前人工智能还无法进入医生的工作流程，但随着深度学习的发展，医生也需要向机器学习“思路”。
“深度学习”过程就像培养一名医生
其实，早在上世纪80年代，人们就开始尝试用人工神经网络来解决现实问题。“当时，这种尝试还在模仿单个神经元或浅层神经网络上，与真正的智能相距还很远。”钱大宏说，由于这种“粗糙”，它很难在临床上真正发挥作用。
然而近一年来，人工智能，尤其是深度学习，在医学辅助诊断上的应用被炒得很火，因为现在的人工智能已经进入了更高级的阶段。“机器学习在本轮人工智能热潮中受到高度关注，在东亚的关注度尤其高。”上海交大生物医学工程学院特别研究员王乾介绍，根据医学图像计算和计算机辅助干预协会统计，2016年，有超过70%的医学图像研究工作使用了机器学习的方法。
病人手术后可以活多久？脑胶质瘤患者的生存期可以预测吗？深度学习已开始超越简单的人类经验重复，开始有自己的“见地”。钱大宏介绍，这个过程与培养一名医生的过程很接近。当机器在学习了一大堆医学影像资料之后，可能会从新的影像中发现一些人类医生难以发现的问题，“它们对于图像的记忆、精细对比，这种能力是人类医生难以企及的。”这时，我们就可能要向机器学习思维过程，去了解它们是如何得出结论的。
临床问题很复杂，需要不断研究新算法
如果有更高级的人工智能软件诞生，在很大程度上可以造福很多医疗水平不高的地区，在罕见病领域也会很有市场。因为医生对于疾病的诊断，很重要的一点是依靠经验。“医生是难以复制的，但如果医生的经验可以通过人工智能软件加以复制，而这种复制还可以产生新的判断，这将可能使更多人享受到更高水平的诊疗。”钱大宏说，直到目前为止，这还是一种理想状态。
目前，人工智能在医学辅助诊断的应用，真正用到临床的几乎没有。上海产业技术研究院生物医学转化中心主任黄薇认为，主要原因之一是人工智能系统在复杂的临床应用中，不能保持其测试数据集上的高准确率，其次则是临床医学数据的收集和预处理不够完善，并且没有考虑到医生的工作流程。
在这次复旦大学附属肿瘤医院和上海产业技术研究院合作召开的金桥产业技术创新会议上，不少专家就提到如何针对促进临床医学与人工智能的紧密结合，展开科研和产业的合作，选择几个合适采用人工智能的方向切入，目标是做成真正对临床有意义的人工智能系统。
就在上个月，上海交大和上海联影医疗科技有限公司签约共建了“医学影像先进技术研究院”。该院院长杜一平介绍，校企将一共投入2.5亿元，旨在建设国际领先的前沿技术原创地，引领我国医学影像技术的创新研究和技术转化。
“希望再过三五年，逐步建立起针对中国人群的自主标准的结构化医学图像大数据库。用新的方法学，使某种疾病的垂直智能诊断模块实用化。”钱大宏对人工智能的未来充满信心。
原标题：“读片”只需几十秒医生可能要向机器“学习”