人工智能阅片获得专家认可！ AI诊断肺结节即将进入临床
羊城晚报讯记者张华、通讯员王艳报道：人工智能对1万余例肺结节的诊断，准确性达到80%以上！26日，记者从第十一届广州肺癌论坛上获悉，在中山大学肿瘤医院牵头的人工智能与肺结节诊断鉴别的一项多中心临床试验显示，人工智能对1万余例肺结节的诊断结果显示，准确率达到82%、敏感度达到88%、在肿瘤的浸润分型中准确率达到了80%。由此，来自全国肺癌领域的21位专家在8个方面达成了共识，发布了国内首个《AI肺结节诊治专家共识》。同时，AI肺结节诊断系统也即将进入临床应用。肺结节筛查可使肺癌病死率下降20%据国家癌症中心统计，我国每年新诊断约78万肺癌患者，死亡约为63万。根据美国国家肺癌筛查试验结果，肺癌患者中有35%是10mm以下的肺结节，肺结节筛查可使肺癌病死率下降20%，因此对肺结节的早检测、早诊断及早治疗是降低肺癌死亡率的重要方法。然而，目前对于肺结节检测的临床实践中存在诸多困难。中山大学肿瘤医院肺癌首席专家龙浩教授接受记者采访时表示，由于目前低剂量螺旋CT广泛应用于体检中，这使得肺结节的检出率大幅度提高。但是，由于影像科的医师资源不足以及基层医院医生对于肺结节的认识不足，这使得筛查检测的准确率有进一步改进的空间。此时，人工智能利用其深度学习的能力，在疑似恶性肿瘤的肺结节诊断上可以协助临床医生快速、精准找到需要重点关注“目标”。万余例肺结节诊断“认可”AI判断能力为验证人工智能辅助临床医生、影像科医生增加肺结节的诊断能力，由中山大学肿瘤医院牵头的一项多中心临床试验于2021年5月开展。来自中山大学附属肿瘤医院等8家医院，纳入1万余例肺结节CT片，人工智能作出诊断，经检验其准确率达到82%、敏感度达到88%、在肿瘤的浸润分型中准确率达到了80%。可以说，医疗AI在影像读片方面，并不输影像科医生。在2022年1月份，由龙浩等11位专家为指导，10位专家执笔并达成了专家共识，最终完成撰写与评审。龙浩教授介绍，“在人工智能与肺结节诊断鉴别上，专家们达成了八点共识，比如人工智能在辅助医生进行肺结节识别方面，具有较大优势，在肺结节随访中判断良恶性具有重要价值；融合多模态信息的肺癌诊断技术能够得到更加精确的肺癌诊断效果；基于人工智能的三维重建技术对于提高手术的安全性和准确性具有重要的意义。”当然，龙浩教授还指出，人工智能对亚实性结节检测的假阴性率较高，仍需要人工阅片确认以减少漏诊；人工智能技术在肺结节良恶性鉴别中可为临床诊断提供辅助参考，但其准确性还无法取代人工。但是无论如何，这项大规模的研究将医疗AI进入临床应用推动了一大步。AI肺结节诊断系统即将进入临床应用正是由于人工智能在肺结节的识别诊断、病理预测、随访判断、手术规划上已具备良好的应用价值，因此，人工智能进入临床应用已经是必然趋势。“预计近期，肺结节检测的AI产品会拿到临床三类医疗器械使用证、许可证，进入临床。”龙浩教授告诉记者，“在中山大学肿瘤医院，人工智能肺结节诊治系统正在进行医学伦理审核，相信很快就会应用于临床。”总体来说，相较于影像科或放射科医生独立检测而言，有AI辅助的肺结节的检测准确度会有明显提升。同时有望在分级和预判磨玻璃结节早期肺腺癌浸润亚型上为外科医生的临床决策提供参考。编辑：白茶特别声明：以上文章内容仅代表作者本人观点，不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。AI辅助医生“阅片” 诊断准确率超95%
系全球首款CT、MRI神经影像人工智能辅助诊断产品；相当于高年资主任医师水平。
未来，在CT机旁坐诊的或许不再是白大褂医生，而是闪着电源光的人工智能。畅想一下，十年后，当你走进医院影像科，第一眼看到的会是医生还是人工智能呢？
上个月，全球首场围绕神经系统疾病影像诊断的“人机大赛”启动，国家神经系统疾病临床医学研究中心宣布备战，面向全球致力于攻克“脑病”的医生发出“英雄帖”。一个月来，参赛情况如何？
近日，记者从北京天坛医院了解到，目前已有来自全国385家医院及各类医疗机构的700余名医生报名参赛，其中6人顺利通过预赛入围决赛，本月底，他们将与AI展开巅峰对决。
参赛的AI选手，是由国家神经系统疾病临床医学研究中心和首都医科大学人脑保护高精尖创新中心等共同研发的全球首款CT、MRI神经影像人工智能辅助诊断产品——“BioMindTM”天医智。据介绍，“BioMindTM”天医智的诊断准确率已达到95％以上，相当于一个高年资主任医师级别的水平。
工作人员正在调试“BioMindTM”天医智。
机器诊断准确率达到什么水平？
“神经系统就是一个万向链接的网络，最适合开展人工智能研究，特别看好应用于脑病的临床决策支持。”王拥军是国家神经系统疾病临床医学研究中心副主任、北京天坛医院常务副院长，他介绍，“BioMindTM”通过对海量疾病信息的深度学习，诊断准确率可达到95％以上，相当于一个高年资主任医师级别的水平。
这次向全球招募神经科医生开展“人机大赛”，其目的也是要验证天医智诊断的准确性。王拥军认为，天医智应用在神经疾病预防、诊疗、预后和康复等阶段具有无可比拟的优越性，未来将在神经疾病医疗领域带来一场颠覆性的“技术革命”。
另一方面，通过大数据智慧，对人脑经验（临床顶级专家的技术和经验）的高效、深度学习，天医智有望解决“人脑”难以解决的疾病“死角”。
基层医院诊断能否与大医院同等水准？
如果“BioMindTM”天医智可靠，将来实际应用前景如何？
王拥军介绍，从全国范围来看，影像科人才资源地域性分配不均衡问题突出。以脑肿瘤为例，北京天坛医院每年手术量约为一万例，而在大部分基层医院，这个数字可能只停留在两位数。大多数患者即使在基层做了检查，还是会选择携带片子到三甲大医院来看，有的在“上流”的过程中反复多次拍片，造成资源浪费。如果基层医院能利用AI技术为诊断赋能，让基层医生在读片诊断上与大医院具备同等水准，提升诊疗效率，就能减少患者不必要的诊疗环节和经济损失，也能减轻大医院压力。
此外，在天坛医院，天医智有效挖掘信息与疾病的潜在联系的能力还可辅助医生对疾病做出更为精准的预测，如预测患者血肿后是否会大出血的准确度，可从人为判断的60％提升至90％，辅助医疗团队提前为患者可能遇到的危险提供解决方案。
人工智能看病能否取代医生？
随着人工智能应用逐渐渗透至社会更多行业，不少人是否因此失业一直备受关注。如果人工智能“阅片”准确率已达到95％以上，是否意味着放射科医生未来不再具备竞争力？
“觉得它轻易就能取代医生的人，把医生的工作看得太简单了。”北京天坛医院神经影像学中心主任高培毅认为，AI在大数据深度学习方面的确具备巨大的优势，不过在实际诊断中，放射科医生仍具有很强的不可替代性。
“除了影像检查，一个合格的放射科医生还需要看化验单、体检单，询问家族史、个人病史，了解患者曾经接受过的药物、治疗、反应。综合以上情况后，才能做出诊断。”他表示，AI也许可以取代看片匠的角色，但不可能成为一个真正的医生。王拥军也认为，人工智能应用可以将医生们从枯燥、重复的工作中解放出来，从而腾出更多时间进行开发性工作。
此外，目前AI在神经系统影像诊断方面，仍完全依赖于数据真实性和质量的支撑，在缺乏大数据支持的疑难病、罕见病诊断领域，AI和专业医生之间仍存在差距。
天医智AI也需要“考试”
记者了解到，在“出师”之前，天医智AI经过了半年多的“学习”时间。
上世纪90年代初，高培毅在美国犹他大学医学院求学时就学习了代码编程、数据库等技术，对计算机辅助诊断有所涉猎。去年，他了解到医院希望研发神经系统影像诊断的AI，还对AI进行了一次“考试”。他给出了神经鞘瘤表皮样囊肿、脑膜瘤等几百例常见肿瘤的影像病例让AI进行学习，不到一周时间，在之后的诊断测试中，AI正确率就几乎达到95％以上。
该AI研发团队相关负责人介绍，正式“培养”中，AI的学习教材直接来源于天坛医院近十年来接诊的数万余神经系统相关疾病病例，巨大的数据库成为其知识来源。在脑膜瘤、垂体瘤、胶质瘤等常见病领域，AI显示出了卓越的诊断水平。“学艺”半年后，AI在一些神经系统常见病的判断上已游刃有余，在部分脑瘤的磁共振影像诊断上，准确率已达到90％以上。
在近期“人机大战”决赛备战中，高培毅还为提升AI系统应战能力展开集训。300多个病例，陪练医生们需10小时以上时间才能完成，AI只需不到半小时。
“除了学习速度外，它的稳定性也明显超越人类。不知道累，也不受外界干扰因素的影响。不像医生会被情绪、状态、时间地点等外界因素打扰，从而影响描述准确性。它永远保持冷静，水平稳定。”高培毅表示。
人工智能阅片获得认可！国内首个AI肺结节诊治系统即将进入临床
文/羊城晚报全媒体记者张华通讯员王艳图/视觉中国
人工智能对1万余例肺结节的诊断，准确性达到80%以上！2月26日，记者从第十一届广州肺癌论坛上获悉，在中山大学肿瘤医院牵头的人工智能与肺结节诊断鉴别的一项多中心临床试验显示，人工智能对1万余例肺结节的诊断结果显示，准确率达到82%、敏感度达到88%、在肿瘤的浸润分型中准确率达到了80%。由此，来自全国21位肺癌领域的专家在8个方面达成了共识，发布了国内首个《AI肺结节诊治专家共识》。同时，据透露，AI肺结节诊治系统也即将进入临床应用。
中山大学肿瘤医院肺癌首席专家龙浩教授（图/受访者提供）肺结节筛查可使肺癌病死率下降20%
据国家癌症中心统计，我国每年新诊断约78万肺癌患者，死亡约为63万。根据美国国家肺癌筛查试验结果，肺癌患者中有35%是10mm以下的肺结节，肺结节筛查可使肺癌病死率下降20%，因此对肺结节的早检测、早诊断及早治疗是降低肺癌死亡率的重要方法。
然而，目前对于肺结节检测的临床实践中存在诸多困难。中山大学肿瘤医院肺癌首席专家龙浩教授接受记者采访时表示，由于目前低剂量螺旋CT广泛应用于体检中，这使得肺结节的检出率大幅度提高。但是，由于影像科的医师资源不足以及基层医院医生对于肺结节的认识不足，这使得筛查检测的准确率有进一步改进的空间。
此时，人工智能利用其深度学习的能力，在疑似恶性肿瘤的肺结节上的诊断上可以协助临床医生快速、精准找到需要重点关注“目标”。
1万余例肺结节诊断结果“认可”AI判断能力
为验证人工智能辅助临床医生、影像科医生增加肺结节的诊断能力。由中山大学肿瘤医院牵头的一项多中心临床试验于2021年5月开展。来自中山大学附属肿瘤医院、浙江大学附属第一医院、云南省肿瘤医院、河南中医药大学人民医院、上海市胸科医院、福建医科大学附属协和医院、浙江省台州医院、中山大学附属江门医院等8家医院，纳入1万余例肺结节CT片，人工智能作出诊断，经检验其准确率达到82%、敏感度达到88%、在肿瘤的浸润分型中准确率达到了80%。可以说，医疗AI在影像读片方面，并不输影像科医生。
在2022年1月份，由龙浩、周清华、陈克能、蔡开灿、赵松等11位专家为指导，10位专家执笔达成了专家共识完成撰写与评审。龙浩教授介绍，“在人工智能与肺结节诊断鉴别上，专家们达成了八点共识，比如人工智能在辅助医生进行肺结节识别方面，具有较大优势，在肺结节随访中判断良恶性具有重要价值；融合多模态信息的肺癌诊断技术能够得到更加精确的肺癌诊断效果；基于人工智能的三维重建技术对于提高手术的安全性和准确性具有重要的意义。”
当然，龙浩教授还指出，人工智能对亚实性结节检测的假阴性率较高，仍需要人工阅片确认以减少漏诊；人工智能技术在肺结节良恶性鉴别中可为临床诊断提供辅助参考，但其准确性还无法取代人工。但是无论如何，这项大规模的研究将医疗AI进入临床应用推动了一大步。
AI肺结节诊断系统即将进入临床应用
正是由于人工智能在肺结节的识别诊断、病理预测、随访判断、手术规划上已具备良好的应用价值。因此，人工智能进入临床应用已经是必然趋势。
“预计近期，肺结节检测的AI产品会拿到临床三类医疗器械使用证、许可证，进入临床。”龙浩教授告诉记者：“在中山大学肿瘤医院，人工智能肺结节诊治系统正在进行医学伦理审核，相信很快就会应用于临床。”
总体来说，相较于影像科或放射科医生独立检测而言，有 AI辅助的肺结节的检测准确度会有明显提升。同时，基于深度学习的AI肺结节的辅助诊断系统有望在分级和预判磨玻璃结节早期肺腺癌浸润亚型上为外科医生的临床决策提供参考。
编辑：薛仁政神奇！人工智能实现快速“阅片无数”的医学诊断
“医疗数据有90%以上来源于医学影像，但是这些数据大多需要人工分析，我国医学影像设备的年增长率为30%，而放射科医生数量的年增长率仅为4.1%。”厦门医学院附属第二医院郭岗教授说，这是医疗行业普遍面临的现状与挑战。
用人工智能来辅助诊断，其实并不是一件新鲜事。人工智能公司安德医智首席技术官吴振洲说，早在十几年前，就有将人工智能应用在胸部CT诊断的尝试，在当时，准确率就可以达到86%，而现在，这一数字已经超过90%。
“以后我们会看到大量人工智能技术在医院普及，成为不可或缺的工具，但也永远只是一个辅助工具。”吴振洲说，“对于医务工作者和人工智能技术来说，疾病是共同敌人。影像诊断更准确，意味着漏诊率会更低。”
“我们每天大概要撰写四五百份的重症报告，很多工作内容并没有很高的技术含量，反而是体力活，人工智能能不能来替代一部分这样的工作，这是我们的期待。”高培毅说。
此外，对老百姓而言，互联网、大数据，尤其是人工智能，能够推动优势医疗资源下沉、让看病更方便，帮助社会加速步入大众健康的时代。
“浙江省正在大力推动数字影像，意味着患者不用拎着几斤重的胶片到处看病，还能够实现远程诊疗。”浙江大学医学院附属第二医院放射科主任张敏鸣说。
“现在全国有10%的糖尿病病人，其中三分之一眼底有问题，我们要每年筛查一次，这是个巨大的工作量，所以我们需要人工智能来帮我们阅读，提高我们的工作效率。”魏文斌说。
人工智能辅助诊断，还要迈过几道坎？
中国信息通信研究院与高德纳咨询公司日前联合公开发布的《2018世界人工智能产业发展蓝皮书》显示，人工智能企业都主要集中在各个垂直领域，在我国，人工智能+医疗健康占比最大，达到22%。
根据前瞻产业研究院发布的《2018-2023年中国医疗人工智能行业市场前景预测与投资战略规划分析报告》显示，2011年到2017年，在医疗各细分领域中，辅助诊疗融资金额高居第一，达到20亿元。
相较于资本和市场对人工智能的美好想象，专家和业内人士有更多思考。
“人工智能辅助诊断很热，但很多都是‘拿来主义’的做法。”高培毅说，市面上出现一些迅速推出的产品，拿的是外国的架构、算法，用的是外国的数据库，但没有考虑安全、隐私以及是否试用于中国患者的问题。
“我们发现，医学图像质量不高的现象比较普遍，能够达到教科书级别的图像数据只有不到30%，这是令人吃惊的。”厦门医学院附属第二医院郭岗教授说，大量质量不高的“垃圾数据”的存在将阻碍人工智能的“学习步伐”。
张敏鸣等专家认为，人工智能技术如何更好实现“落地”，还存在一些现实困境。“比如我们在科学研究、购买设备等方面进行了大量的投入，但人工智能诊断还没有能够很好地纳入医疗服务的体系中，这需要更好的顶层设计。”
————————————————返回搜狐，查看更多