人工智能不能取代放射科医生的四个理由
原标题：人工智能不能取代放射科医生的四个理由哈佛医学院博士Dr.KeithDreyer和巴布森学院博士ThomasDavenport分析了放射科医生不会从职场中消失的几个理由：
1、放射科医生能做的不仅是图像解读。
他们也会与其他医生商讨诊断和治疗结果，干预疾病治疗，进行图像引导下的医疗介入手术，将影像发现与其他医疗数据和检测结果结合起来，与病人讨论治疗过程和疗效等其他许多事情。
根据Dreyer和Davenport的说法，即便有一天人工智能能接管图像分析和解读工作（可能性极小），大多数放射科的医生可将他们的注意力转向其他更重要的事情。
2、基于人工智能对图像解读做临床诊断，还任重道远。
各个影像设备的供应商和深度学习的算法只关注他们在处理案例的特殊问题，使得这些算法在临床普遍应用十分困难。美国放射学学院数据科学研究所正在致力于定义深度学习软件供应商的输入和输出数据标准，同时创建一个完整的案例库来规范临床检查过程、图像要求以及对输出图像的解读。作者认为，这个过程还需耗费许多年的时间，但将会进一步发挥放射科医生在人工智能领域中的作用。
3、用于图像识别的深度学习算法必需在有标记的图像数据—即在已得到确诊的病人图像上进行训练。
深度学习算法在其他类型的图像识别功能中已获得了很好的成就。因为它们已接受过成百万张有标记的图片训练，例如互联网上各种猫的照片。然而，这与放射影像学系统的图片库不同：医学影像图片数据属于影像设备供应商、医院、医生以及病人所有。作者认为，收集患者案例并做图像标记，积累海量可供人工智能训练的影像数据将是一项既具有挑战性又耗时的工作。
4、医疗和健康保险法规的改变是人工智能能否成功的先决条件。
人工智能中许多关键问题需要解决，例如：如果一台机器误诊了一个患者案例，由谁来负责？医疗费用付款人如何赔偿人工智能诊断错误？作者认为，基于人工智能的放射仪器可能需要比放射医生更好地去推动放射科的管理和赔偿机制。
Dreyer和Davenport说：“放射科的医生，如同律师、财务规划师、会计或以及其他专业人员，看见他们的一些工作正在被智能机器人取代，其实是他们的工作性质在改变，而非他们的工作被取代。”
这并不意味着放射医生不需要学习新的技能和适应新的工作方式。作者认为，那些拒绝与人工智能合作的人可能会首先感觉到他们的工作受到威胁。
作者还认为：“将人工智能与放射学实践相结合可以获得巨大的医疗和工作效益，医疗效益的提升可能意味着放射科的医生有更多的时间去做许多他们认为最有意义的事情：例如与其他医生商讨诊断和治疗方案。如果深度学习在图像分析的提升按预计实现，那么厂商、病人、和支付者都将会更加信任放射医生，而后者已经懂得如何与人工智能有效地合作。”
注：本文译自AuntMinnie.com专栏作家ErikL.Ridley的报道(2018.3.27)
>>>转载声明：版权申明【本微信所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，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】
>>>>来源：医学影像服务中心返回搜狐，查看更多
责任编辑：放射科缺少医生 人工智能辅助诊断医学影像
随着现在医学科技的发展，各种新技术逐步渗透进医疗领域，影像学包涵了多种影像检查、治疗手段，是现在医学检查的主要手段之一。
放射科虽然是医院的辅助检查科室，在现代医院建设中，放射科是一个集检查、诊断、治疗于一体的科室，临床各科许多疾病都须通过放射科设备检查达到明确诊断和辅助诊断，影像科室的数字化是医院数字化建设的一个重要部分。
放射科工作
放射科接触病人机会少，属于辅助科室，简单地说，放射科的工作由两部分完成。第一部分是患者在放射科拍摄影像片（X线片、CT、MRI等），这一过程是由放射科技师操作各类机器完成，包括参数设定、扫描、图像处理等，有点类似摄影师拍照，只不过操作的机器更巨大。第二部分是影像判读，诊断医生在医用竖屏显示器上调阅影像图片，逐幅观察图片，寻找发现问题；
但是对于放射科来说，责任却不可忽视，每一次医学影像的诊断后面都关乎一个人的健康，不容许一丝的放松，需要放射科医生长时间的保持精力集中。
此外，对于放射科医生要求同样十分的高，需要熟悉各器官的解剖结构，尤其断层解剖结构，熟练掌握X线透视、拍片，电子计算机体层摄影（CT）与磁共振成像（MRI）等医学影像操作技巧以及阅片技术；具有高度的责任心、良好的职业道德、严谨的工作态度、较强的综合分析能力、敏锐的洞察力。
短短几十年，放射诊断在我国医学领域发展相当快，几乎走遍大江南北。这导致了一些潜在的问题，比如放射科医生的增长速度远远没有跟上科室的增长速度，目前中国招收医学影像专业本科生的高校超过80所，但排名靠前的顶级医学院校却多不开设医学影像学专业。另一方面，部分医学影像学专业的学生（包括硕士生和博士生）毕业后并不进入医院工作，而是去医疗设备或医疗器械企业工作。
4月19日，广东省2017届高校毕业生医学类急需紧缺人才综合场供需见面会，在南方医科大学校本部举行，影像等科室用人缺口较大，只要来招聘会的学生，签约成功率不会少于80%。
人工智能解决放射科问题
医学影像的识别是放射科的主要工作之一，而随着放射科医学影像的增多，无疑已经成为了一种困扰，很多人都开始思考，能否通过机器来识别医学影像，从而缓解放射科的压力。
恰好图像识别一直是人工智能的主要研究领域，卷积神经网络更是现在深度学习兴起的主要原因之一，1998年基于卷积神经网络的LeNet诞生，然而之后CNN的锋芒开始被SVM等手工设计的特征盖过。随着ReLU和dropout的提出，以及GPU和大数据带来的历史机遇，CNN在2012年迎来了历史突破–AlexNet，AlexNet在当年的ImageNet图像分类竞赛中，top-5错误率比上一年的冠军下降了十个百分点，这也是人工智能即将起飞的必要条件。
斯坦福大学终身教授李飞飞曾经在接受采访时表示，人工智能已经可以识别医学影像，并且取得很好的成就。
以肺部疾病来看，支气管肺癌（简称肺癌）是世界上发病率及死亡率最高的恶性肿瘤，每年死亡人数达140万，占所有恶性肿瘤死亡人数的18%。预计中国到2025年每年新发肺癌患者将达到100万人。由于肺癌早期没有任何临床症状，如果有症状就是中晚期。目前约75%的肺癌患者在诊断时已属于晚期，5年生存率为15.6%。因此肺癌的早期诊断十分重要，国内医疗领域人工智能领先企业Airdoc很久之前就意识到肺癌的危害，希望通过人工智能在早期识别肺癌，Airdoc基于深度学习开发的算法，通过结节定位、结节大小判断、结节恶性指标计算快速检测肺结节。
未来5年过半美国医院拥抱人工智能
人工智能应用在医疗领域可以解决很多医疗上的问题，比如可以快速进行疾病的筛查，辅助医生对疾病进行诊断，从而提高医院的工作效率。
近期，医疗IT新闻（HealthcareITNews）联合HIMSS分析（HIMSSAnalytics）针对美国医院人工智能技术应用前景开展了一项调查，调查分析的85家医院中，目前已应用人工智能技术的仅占4.7%，不过人工智能在医院的普及前景光明。调查显示，计划在一年内应用人工智能的医院占10.6%，两年内应用人工智能的占23.5%，另有24.7%的医院计划在三年到五年内应用人工智能。以此推算，大约35%的医疗机构计划在两年内使用人工智能技术，而计划五年内应用人工智能的医院超过一半以上。
在国内，人工智能医疗的应用同样如火如荼，比如Airdoc糖尿病性视网膜病变辅助诊断模型已经开始在临床应用，因为可以跨科室使用，准确度和速度又很可靠，从而受到了广大患者和医生的肯定。
人工智能将会为医疗带来巨大的变革，很多医院和医生已经开始积极拥抱人工智能，这是变革的时代，我们将会共同见证人工智能对医疗完善。
放射科主任医师唐立钧：人工智能将取代影像科医生AI研究者们都不知道我们在干什么
“AI取代影像科医生”的言论甚嚣尘上，面对大趋势和来势汹汹的AI医学影像产品，各界专家都表达了自己的观点和看法。
但作为一个涉及多门学科的难题，任何一方都无法全面地剖析医学影像AI。
在日前结束的图像计算与数字医学国际研讨会（ISICDM2017）上，430多位来自信息科学（含计算机与电子工程等学科）、数学与医学等领域的专家学者与临床医生聚首成都，围绕人工智能+医疗、医学图像分析这类话题展开深入的交流与探讨。
纽约州立大学的计算机科学与应用数学家顾险峰教授首先深入浅出地介绍了几何方法在医学影像分析中的深刻应用，斯坦福大学医学物理中心主任邢磊教授高屋建瓴地综述了放疗技术的历史与现状、挑战与机遇。
随后，江苏省人民医院放射科唐立钧博士做了一期以“影像科医生的思维方式”为题目的精彩报告，意在让算法研究者们理解影像科医生做的事情。与此同时，唐立钧博士也分享了自己对当前医疗AI的看法，引发听众的强烈反响，报告之后许多理工科专业人员与唐立钧博士开展了长达近一个小时的交流，气氛十分热烈。
唐立钧博士认为，虽然目前市场上有这么多AI医学影像产品，但它们给放射科医生带来的帮助仍然十分有限，更别说代替影像科医生。
之所以会出现这样的反差，根本原因在于外界人士和AI医疗企业并不清楚影像科医生到底是如何思考和工作的。影像科医生要做的事情其实非常复杂，并非外界所想像的那样“光看片子就行了”。
以下是唐立钧博士的报告内容，雷锋网对其做了不改变原意的编辑：
最近很多人都在说，随着AI技术的发展，十年后影像科医生将不复存在。但事实上，他们并不知道影像科医生是干什么的。不仅医院外面的人不知道，很多医院里面的人也不清楚，他们连影像科有哪些组成部分、具体做哪些事情都不太了解。下面我就来简单介绍一下。
医学影像的诊断原则医学影像的诊断原则主要有四点：
首先是熟悉正常。
影像科医生需要熟悉各种不同的影像检查技术。影像技术分很多种，医院里常规使用的就有超声、CT、磁共振、PET和核医学等。影像科医生在做诊断之前，必须熟悉所有这些技术，以及各种检查方法的正常影像表现。
其次，影像科医生还要熟悉人体各个部位的解剖学变异。因为人跟人之间的差异是巨大的，双胞胎乃至同卵双胞胎之间都存在差异，这也正是我们为什么要用深度学习和各种数学模型对人体进行分析的原因。
此外，影像科医生还要熟悉不同性别和年龄组的器官和结构之间的差异。比如，一般情况下，男性比女性更加高大，但也有例外的情况，有些女性长得也很高大，反而有些男性长得很娇小。所以要熟悉不同性别之间的差异。
另外，人类的成长过程中，从孩子到青年、中年、老年，各个器官和系统也在不断发生变化。影像科医生要知道这是正常的影像表现。
最后，还要熟悉图像上的伪影。假如你是搞CT和磁共振的，就知道CT和磁共振是根据loaddata重建出来的影像。重建的过程中有可能产生各种各样的伪影，这是由机器物理特性造成的伪影。
再比如，早年做胸CT扫描和拍胸片的时候，医生会叫病人屏住呼吸，这是为了减少器官运动产生的伪影。作为一个影像科医生，你需要熟悉正常的扫描和拍片过程，并在此基础上解读伪影。否则就会把伪影当成真实的影像，把它看成病变。
其次，影像科医生还要能辨认异常，即能够发现受检器官和结构的形态变化。
比如，做CT扫描，你要知道器官和组织的密度有没有发生变化；做超声扫描，你要能发现回声有没有变化；做磁共振，要懂得观察细胞的强度有没有发生改变。发现异常后，你还需要判断这些异常是否代表了病变。要做到这些，就必须对疾病的病理和生理变化有足够的了解。
接下来还要分析归纳。
什么叫做分析呢？就是要观察病变的位置和分布等信息。为什么要观察这些？因为有些病变，其特征就是发生在特定的位置，具有特定的分布形态和病变数目。另外，不同病变的形状也不尽相同，有圆形的、片状的、不规则的等等。病变的边缘也有所差异，比如肿瘤。不同肿瘤的生长方式是不一样的，有些肿瘤长得慢，边缘就比较光滑；有些肿瘤长得快，边缘就会产生毛刺；这可以作为区分良性和恶性肿瘤的依据。
接下来还要看病变的密度。密度主要是针对CT和X线而言的，指它产生的density。与之对应的还有超声技术的超声回波和磁共振技术的信号强度。
最后还要分析器官的功能变化。比如分析心脏的厚度有没有变化，收缩和舒张功能分别是怎样的。心脏又分为四个腔室，右心房、右心室、左心房、左心室，它们的功能分别发生了哪些变化，也需要一一分析。
临近组织和器官的变化也值得注意。假如病人的肝脏上长了一颗肿瘤，那么医生就要看看他周围的胃和胰腺有没有发生变化。这些都会对医生的诊断起到提示作用。
那么，什么叫做归纳呢？就是把前面观察到的种种影像特征归纳到一起，进行对照、分析和评估，判断其背后的病理意义和病理基础，得出初步的诊断结果。
最后，影像科医生还要进行综合诊断。
有时候仅靠影像特征无法最终判断病人的病情，这时就需要结合他的临床资料进行综合诊断。比如，我们根据影像判断出某个病人可能患了肺癌或肺结核，同时临床资料显示，该病人有低烧、潮热、消瘦等症状，我们就能判断这个病人患的是肺结核而非肺癌。
影像学诊断有两大难点——异病同影和同病异影。异病同影是指不同的疾病在影像表现上是一致的，这时候就需要通过其他方法来鉴别。同病异影则是指，同一种疾病在不同阶段的影像表现是不同的。比如常见的肺结核可以分为四期：原发综合征时期，肺门部会出现一个哑铃状的淋巴结肿大；慢慢变成急性肺结核后，肺部可能会产生一个竖立状的急性扩散型结构；到了慢性阶段和经过治疗后，则又有可能出现一个空洞型的肺结核。
此外，并非所有的疾病都有异常的影像表现，有些疾病通过某一种检查手段是辨别不出来的，需要借助其他手段加以鉴别。
影像学表现主要还是大体的病理表现，如果疾病没有形成大体的病理表现，影像科医生是看不出来的。这就是影像学和病理学的差异。影像科看到的是森林和树木，病理科看到的则是树叶。两者可以是相关和相邻的，也可以是不相关和不相邻的。
医学影像的诊断步骤前面介绍了影像科医生的诊断原则，下面再讲讲医学影像诊断的步骤。医学影像诊断的步骤可以分为四个方面：
一．了解影像学检查的目的。
一个病人到影像科和放射科做检查肯定是有目的的，影像科的医生要知道，病人究竟是带着什么目的来做检查的。
假如病人是初诊，那么他的目的可能是诊断疾病或者排除疾病。假如病人是治疗后来做检查，那么他很可能是要观察治疗的效果，比如肿瘤经过治疗后究竟是假的增长，还是真的增长了。
还有一种情况，临床诊断已经明确后再来做影像学检查，那么它的目的是什么呢？观察疾病的分期情况，这对治疗起着决定性的作用。比如结肠癌的治疗，假如是早期治疗，可能在内镜下做一个套切就没事了；但如果病变已经侵害到了基层，治疗方法就不同了，需要开腹将肿瘤切除。甚至暂时不能手术切除，要先做化疗，等病灶缩小后再进行手术。
另外，临床诊断还不完全清楚的情况下也需要做影像检查，为诊断提供帮助。
二．选择合适的影像检查手段。
针对不同的检查目的，医生选择的影像检查手段是不一样的。医生必须明确每种影像检查手段的成像技术和检查方法。
有的病人会抱怨，我到医院看病，医生连看都不看我，就让我又做超声，又做CT。做CT已经这么贵了，为什么还要做磁共振？问这种问题的绝对是外行。如果CT能解决所有问题，还发明磁共振干嘛？如果发明了磁共振就能解决所有问题，还要发明PET干什么？
每一种检查设备或检查手段都有其优缺点。影像科医生必须了解各种检查手段的技术、原理和优缺点。
三．确定图像质量是否符合诊断要求。
前面提到过，病人来做检查一定是带有目的的，这个图像是否能达到病人的目的呢？如果达不到，就需要再做其他检查，或者结合临床资料。
四．全面观察，认真分析。
所谓全面观察，是指要观察所有体位的图像。医生给病人拍胸部、足部或者膝关节的X片，往往不会只拍一个位置，而是会拍正斜位、正侧位，甚至第三个位置。通过各个体位的图像来观察其解剖结构和解剖结构的变化。对于CT和磁共振技术，则需要对所有层面进行观察。
此外，还需要进行对比观察。比如，对比不同检查手段的图像，观察CT拍出来的图像是什么样的，磁共振拍出来的图像又是什么样的。再比如，对比影像的动态变化。有时候医生会告诉病人，过三个月来复查，为什么要复查呢？因为随着时间流逝，医生可以观察到疾病的变化。比如，在没有经过活检的情况下，如何诊断肺癌呢？方法之一就是动态观察，通过三个月或者半年的随访复查来对比它有没有增长或缩小。肺癌有特定的倍增时间，这里需要用图像分割技术来准确判断它的倍增时间，从而诊断它到底是不是肺癌。
全面观察异常的大小、数目和范围，并初步分析其是否属于同一种疾病的病理表现后，医生还需要结合临床资料做进一步判断。什么是临床资料呢？临床资料包含病人的年龄、性别、职业史、接触史、生长和居住地、家族史、症状、体征、检查结果等信息。
我们知道，不同年龄和性别的人群，其好发疾病类型是不一样的。比方说，医生在病人的肺门部分发现了肿块，首先要看病人的年龄，如果病人是个小孩，那么他患的可能是肺结核、白血病或者淋巴瘤；如果病人是老年人，医生就应该警惕这是不是肺癌。再比如，干细胞癌好发于男性，干细胞腺癌——尤其是胆管癌，则好发于女性。
职业史和接触史是如何影响诊断结果的呢？
职业史。假如一个矿工——尤其是矽矿的矿工，肺部出现了小结节，医生就需要考虑到这可能是职业病的表现。
接触史。假如一个病人从非洲的埃博拉病毒流行区域回来后发烧了，医生首先就要想到，病人可能感染了埃博拉病毒。
生长地和居住地。西北牧区是包虫病的多发地带。假如某个居住在牧区里的病人出现了肝脏肿块，医生就需要考虑他是不是可能患了包虫病。
家族史对疾病的诊断也非常重要。我们都知道，很多疾病是天生的，和基因有关。虽然并非你携带了某种基因就一定会发病，因为遗传病还涉及显性遗传和多个基因协同作用，但医生在做诊断时经常要考虑这方面的因素。比如某个患有多囊肾的家族，其后代的肾脏上出现了多个囊性的改变，医生就需要考虑他患有多囊肾的可能性。多囊肾很可怕，没法治，是天生的。
临床的症状体征和随时检查，是医生进行影像诊断的主要参考依据。这些资料可以支持也可以否定医生的影像学诊断。
比如医生给病人做CT或者胸部X线检查，发现了亚断或者肺亚断这样的渗出性病变，根据影像诊断，医生判断这个病人很可能得了肺炎。但他临床上并没有急性炎症的表现，体温和血象都没有升高，医生就不能做出“这个病人患了肺炎”的最终诊断。相反的，由于这个病人有突发的胸部病史和下肢的身体血栓，医生需要考虑，是不是病人下肢深静脉的血栓脱落跑到了肺动脉里，引起了肺栓塞。
肺炎和肺栓塞的治疗是完全不同的。肺部感染只需要抗感染就可以了，肺栓塞则凶险得多，急性肺栓塞严重时可能导致病人猝死。
医学影像究竟可以做哪些诊断？前面介绍了影像学诊断的步骤，接下来讲讲影像学究竟可以做哪些诊断。
大家千万不要以为，到影像科出一个报告，就能知道是什么病，这是不可能的。
影像学诊断分为三种，第一种是肯定性诊断。可以做肯定性诊断的疾病，往往在影像表现上具有特征性。根据临床资料、体征和实验室检查，影像检查不仅可以做出准确的定位诊断，也能做出定量和定性的诊断。
第二种是否定性诊断。比如某个病人有心绞痛，怀疑患了胆结石和胆囊炎。病人可以去做超声检查，如果胆囊里没有发现石头，胆囊壁没有增厚，那么就可以排除胆囊炎的诊断。排除之后，医生还要想到，这个病人是不是患有冠心病，因为冠心病也会产生心绞痛。
最后一种是可能性诊断。近二三十年，影像学发展得非常快，出现了不同种类的CT、磁共振，扫描速度越来越快，分辨率也越来越高。我们可以对疾病做定位或者定量的诊断，但是很可惜，我们往往无法做出定性诊断，只能推断出疾病有哪几种可能性。
当然，我希望随着技术的发展，未来我们可以做的更多。（雷锋网雷锋网）
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
CAS Authentication wanted!
CASAuthenticationwanted!YoushouldalreadyhavebeenredirectedtotheCASserver.Clickheretocontinue.
phpCAS1.3.1usingserverhttps://www.medlive.cn/auth/(CAS2.0)