智能影像辅助诊断在基层医疗机构的应用模式研究
人工智能（artiffcialintelligence，AI）作为当今最为热门的话题之一，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。近年来，随着AI的不断发展和创新，国家鼓励推进医疗健康AI应用评估，开展AI应用案例研究，促进AI技术与医疗健康领域深度融合。2018年国务院办公厅发布《促进“互联网+医疗健康”发展的意见》，鼓励医疗联合体内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程影像诊断等服务，提升基层医疗服务能力和效率。近几年，AI影像诊断作为研究热点已经有了许多成果。例如，Lakhani[1]使用深度学习技术实现了对肺结核患者的自动鉴别，Becker[2]采用深度学习技术在胸部X线检查中对结核病患者进行分类。王磊等[3]探讨了PACS与人工智能诊断系统通过接口方式进行数据传输，从而保障数据的完整性和一致性。
AI影像诊断虽具有良好的前景，但也面临一些问题，一方面，各医院的扫描参数不同，特征值的提取及模型的建立存在区域化，基于同一家或几家医院数据所建立的模型在其他医院不一定能取得令人满意的效果[4]；另一方面，AI诊断主要在大医院应用比较多，在基层医院应用得较少，但基层医院由于基础配套较弱，缺乏专业诊断医师，对人工智能辅助诊断的需求更迫切。本研究讨论了AI深度学习技术在影像智能辅助诊断方面的应用，并以胸片智能辅助诊断在区域远程影像系统中的应用为切入点，研究了AI辅助诊断在基层医疗机构的应用模式和效果。
1AI胸片辅助系统架构及模型
1.1AI胸片辅助系统架构
AI胸片辅助系统是以人工智能深入学习算法为基础建立的辅助诊断模型，将此模型部署于区域影像中心，基于某市区域影像中心积累的丰富胸片图像资源和三甲医院的优秀医疗资源，对该模型进行深度训练学习，统一为某市全市接入影像中心的基层医疗机构提供服务。见图1。
1.2AI胸片辅助系统模型
本研究构建从端到端的胸片智能辅助诊断算法，共整理了25个常见异常表现并进行分类，用于影像辅助诊断。对原始图像进行预处理，调整图像统一为0~255的灰度分布，根据直方图匹配，进行灰度归一化操作，并调整图像为512×512输入大小。采用5个端到端的多标签分类模型进行训练，使用DenseNet121深度学习分类任务骨架，激活函数为Sigmoid
函数，对于每种异常表现生成概率结果，二值交叉熵损失作为损失函数。每个模型训练24步，通过最大F1来寻找合理的阈值，通过5个模型的平均数得到最后的输出结果。评价指标：AUC是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率TPR（灵敏度）为纵坐标，假阳性率FPR（1-特异度）为横坐标绘制的曲线。其曲线下面积为AUC。
1.3运行结果
目前某市影像中心积累的远程影像诊断报告及相应的图像达29841例，均为大型医院出具的诊断报告，利用上述技术，基于这些数据资料进行相关模型训练。对常见25类疾病进行检测，准确率达90%以上，具体检测结果见表
1。
2应用模式
2.1主要业务流程及规范2.1.1主要业务流程
近年来，随着政府对基层医疗卫生机构投入的加大，基层医疗机构普遍配套了X线、B超、心电等设备，但基层医疗卫生机构仍然存在有拍片的技师但缺乏专业诊断医师的困境。为破解该困境，某副省级城市建立了全市统一的区域诊断中心信息平台，基层医疗机构通过该平台可以与上级医院开展远程诊断应用。具体业务流程为：①患者到基层医疗机构就诊，基层医疗卫生机构为患者开检查单并为患者拍片；②影像图像通过区域诊断中心信息平台共享至二、三级医院或第三方检查机构（诊断中心）；③二、三级医院及第三方检查机构通过本机构的PACS系统打开基层医院上传的影像图像，由专业的医师书写诊断报告和审核报告，并进行电子签名；④检查报告通过区域诊断中心信息平台推送至基层卫生信息系统，基层医生直接在本机构的系统查看并为患者打印报告，患者也可以通过微信公众号或小程序自助查询报告。
2.1.2相关政策及业务规范
区域诊断中心的实施要求政策先行，由各区结合本区实际制定“远程医学影像中心工作实施方案”，明确远程影像的业务流程、职责分工、费用分成等，上下级医院依据实施方案签订协议，进一步明确双方义务和职责。以该市某区为例，某区制定的实施方案中明确了影像检查费用按照社区医院标准收费，经基层医院与上级医院协商，统一按6:4比例进行费用分成，基层医院收取的6成费用含设备检查费和诊断初筛费，上级医院收取的4成费用含报告书写和报告审核费，上级医院的费用每季度结算一次，由区财政统一跟上级医院进行结算；该区的方案还制订了科学考评机制，根据报告书写及审核数量、报告修改率等，定期进行考核评价，同时规定医院报告的书写和审核人员需要电子签名，遵循“谁诊断、谁负责”的原则，明确了责任界定。
2.2主要应用效果
经过验证的AI胸片辅助系统模型嵌入了该市统一的区域诊断中心信息平台中，不但能自动识别并定位可疑病灶，还会提醒医生复审可疑影像图像，针对可疑给出相应辅助建议。基层医疗机构为患者拍片后，可以通过辅助诊断系统进行初步诊断，然后有针对性地为患者申请上级医院的医生进行阅片，提高医疗效率和质量；该功能也可以辅助上级医院的医生进行阅片，提高诊断效率，同时上级医院给出的最终诊断也能及时反馈给AI胸片辅助系统模型，不断完善模型，提升AI胸片诊断的准确率。通过该应用，患者在基层医院拍片后，30~60min之内就能拿到上级医院出具的诊断报告，以社区医院的价格就能获得三级医院的优质诊断服务。而AI胸片辅助系统作为区域影像中心信息平台的重要应用，目前已在该市7个区推广实施，并取得良好效果。截至2021年9月，全市7个区的智能胸片辅助系统的业务量已达84153次。从长远看，AI影像辅助诊断可以为该市的基层医疗卫生机构培养专业的诊断医师，可为提升基层医生的诊断水平提供很好的技术支撑。软件界面见图2。
2.3主要亮点2.3.1区域统筹建设与提升基层诊断能力
目前AI影像辅助诊断主要在大医院应用较广泛，并且一般由医院自行建设。而基层医院由于基础薄弱，对AI影像辅助诊断的需求更加迫切。上述AI胸片诊断系统由该市卫生行政部门统筹建设，嵌入该市的区域影像诊断中心信息平台，为各级医疗卫生机构，包括基层医院，二、三级医院提供统一的、同质化的AI辅助诊断服务。通过AI辅助诊断和上级医院提供的远程诊断服务，让患者在基层医院就诊就能享受到大医院的功能诊断服务，让基层医生在业务过程中，不断学习和提升自身的诊断水平，从而提升基层的服务能力。
2.3.2技术与业务紧密结合与提升跨机构业务协同应用效果
该市以需求为导向，技术与业务紧密结合，配套了区域诊断相关政策和业务规范，促进了跨机构远程诊断业务的可持续发展。首先，从全市的层面，印发了《某市关于推进区域诊断中心平台建设的通知》（以下简称《通知》），明确了市级统筹建设信息平台，避免重复建设。同时考虑到基层医疗机构收支两条线管理及各区财政投入水平不一的现状，《通知》要求各区结合本区的实际情况，配套相关的政策和业务规范，在区层面统一业务规范、明确费用分成，为区域诊断业务的开展提供政策保障。
3展望
本研究运用AI深度学习技术，建立了影像辅助诊断模型，并应用于胸片辅助诊断。下一步将基于区域全民健康信息平台，通过平台跨系统集成食管癌、肺癌、乳腺癌、胃肠癌、糖尿病视网膜病变等高发病种的疾病诊断模型，建立全市统一的病种库，依托区域检查检验中心，搭建AI诊断决策支持系统，帮助医生提高阅片率，减轻二、三级医院医生的阅片工作量，进一步提升基层的阅片诊断能力。另一方面，将图像信息与语义信息相结合，研究从单一科室辅助诊断向多科室辅助诊断、治疗方案推荐及预后风险分析方向发展，进一步促进人工智能的创新服务。
参考文献
[1]LAKHANIP,SUNDARAMB.Deeplearningatchestradiography:Automatedclassificationofpulmonarytuberculosisbyusingconvolutionalneuralnetworks[J].Radiology,2017,284(2):574-582.
[2]BECKERAS,BLÜTHGENC,PHIVANVD,etal.DetectionoftuberculosispatternsindigitalphotographsofchestX-rayimagesusingdeeplearning:Feasibilitystudy[J].IntJTubercLungDis,2018,22(3):328-335.
[3]王磊,郑云硉,王培军.PACS与人工智能诊断系统的接口研究与实现[J].中国数字医学,2020,15(1):22-24.
[4].马依迪丽•尼加提,阿里木江•阿卜杜凯尤木,米日古丽•达毛拉,等.基于人工智能肺结核筛查技术在基层医院影像诊断中的应用价值[J].新发传染病电子杂志,2021,6(2):138-142.
如何认识人工智能对未来经济社会的影响
原标题：如何认识人工智能对未来经济社会的影响人工智能作为一种新兴颠覆性技术，正在释放科技革命和产业变革积蓄的巨大能量，深刻改变着人类生产生活方式和思维方式，对经济发展、社会进步等方面产生重大而深远的影响。世界主要国家都高度重视人工智能发展，我国亦把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。在此背景下，我们有必要更好认识和把握人工智能的发展进程，研究其未来趋势和走向。
人工智能不同于常规计算机技术依据既定程序执行计算或控制等任务，而是具有生物智能的自学习、自组织、自适应、自行动等特征。可以说，人工智能的实质是“赋予机器人类智能”。首先，人工智能是目标导向，而非指代特定技术。人工智能的目标是在某方面使机器具备相当于人类的智能，达到此目标即可称之为人工智能，具体技术路线则可能多种多样，多种技术类型和路线均被纳入人工智能范畴。例如，根据图灵测试方法，人类通过文字交流无法分辨智能机器与人类的区别，那么该机器就可以被认为拥有人类智能。其次，人工智能是对人类智能及生理构造的模拟。再次，人工智能发展涉及数学与统计学、软件、数据、硬件乃至外部环境等诸多因素。一方面，人工智能本身的发展，需要算法研究、训练数据集、人工智能芯片等横跨整个创新链的多个学科领域同步推进。另一方面，人工智能与经济的融合要求外部环境进行适应性变化，所涉的外部环境十分广泛，例如法律法规、伦理规范、基础设施、社会舆论等。随着人工智能进一步发展并与经济深度融合，其所涉外部环境范围还将进一步扩大，彼此互动和影响亦将日趋复杂。
总的来看，人工智能将波浪式发展。当前，人工智能正处于本轮发展浪潮的高峰。本轮人工智能浪潮的兴起，主要归功于数据、算力和算法的飞跃。一是移动互联网普及带来的大数据爆发，二是云计算技术应用带来的计算能力飞跃和计算成本持续下降，三是机器学习在互联网领域的应用推广。但人工智能技术成熟和大规模商业化应用可能仍将经历波折。人工智能的发展史表明，每一轮人工智能发展浪潮都遭遇了技术瓶颈制约，导致商业化应用难以落地，最终重新陷入低潮。本轮人工智能浪潮的技术上限和商业化潜力都大大高于以往，部分专用人工智能可能获得长足进步，但许多业内专家认为目前的人工智能从机理上还不存在向通用人工智能转化的可能性，人工智能大规模商业化应用仍将是一个长期而曲折的过程。人工智能的发展尚处于早期阶段，在可预见的未来仍将主要起到辅助人类工作而非替代人类的作用，同时，严重依赖数据输入和计算能力的人工智能距离真正的人类智能还有很大的差距。
作为继互联网后新一代“通用目的技术”，人工智能的影响可能遍及整个经济社会，创造出众多新兴业态。国内外普遍认为，人工智能将对未来经济发展产生重要影响。
一方面，人工智能将是未来经济增长的关键推动力。人工智能技术的应用将提升生产率，进而促进经济增长。许多商业研究机构对人工智能对经济的影响进行了预测，主要预测指标包括GDP增长率、市场规模、劳动生产率、行业增长率等。多数主要商业研究机构认为，总体上看，世界各国都将受益于人工智能，实现经济大幅增长。未来十年（至2030年），人工智能将助推全球生产总值增长12%左右。同时，人工智能将催生数个千亿美元甚至万亿美元规模的产业。人工智能对全球经济的推动和牵引，可能呈现出三种形态和方式。其一，它创造了一种新的虚拟劳动力，能够解决需要适应性和敏捷性的复杂任务，即“智能自动化”；其二，人工智能可以对现有劳动力和实物资产进行有力的补充和提升，提升员工能力，提高资本效率；其三，人工智能的普及将推动多行业的相关创新，提高全要素生产率，开辟崭新的经济增长空间。
另一方面，人工智能替代劳动的速度、广度和深度将前所未有。许多经济学家认为，人工智能使机器开始具备人类大脑的功能，将以全新的方式替代人类劳动，冲击许多从前受技术进步影响较小的职业，其替代劳动的速度、广度和深度将大大超越从前的技术进步。但他们同时指出，技术应用存在社会、法律、经济等多方面障碍，进展较为缓慢，技术对劳动的替代难以很快实现；劳动者可以转换技术禀赋；新技术的需求还将创造新的工作岗位。
当前，在人工智能对经济的影响这个领域，相关研究已经取得了一些成果，然而目前仍处于研究的早期探索阶段，还未形成成熟的理论和实证分析框架。不过，学界的一些基本共识已经达成：短期来看，人工智能发展将对我国经济产生显著促进作用；长期来看，人工智能的发展路径和速度难以预测。因此，我们需对人工智能加速发展可能导致的世界经济发展模式变化保持关注。
（作者单位：国务院发展研究中心创新发展研究部）
(责编：赵超、吕骞)分享让更多人看到