人工智能辅助筛查肺癌：这家公司要帮医生减负，缓和医患矛盾

（作者：记者 王心馨 来源：澎湃新闻）

“在中国，有70%的诊疗需要根据医疗影像给出的信息做出诊断。而且这个系统还在不断地发展，影像图片量每年大概有40%左右的增长，但是相应的，每年影像医生数量却顶多只以3%的速度在增加，所以说现在中国非常缺乏影像科医生。”上海第二军医大学长征医院放射科主任、中华放射学会副主任委员刘士远告诉澎湃新闻（www.thepaper.cn）。

缺少影像科医生又引发了另外一个问题，即导致医生的超负荷工作。而当医生超负荷工作时，出错误的概率会增加，甚至会漏掉原本可以发现的一些早期病症。这样的恶性循环也成为医患关系紧张的推手之一。

目前看来，人工智能有可能成为解决这一问题的钥匙。2013年，自动识别疾病，提高医院诊断的深度学习方法就被《MIT科技评论》评为当年的十大技术突破之一。目前，人工智能在金融、医疗和制造等领域的应用正在迅速增长。麦肯锡估计，到 2025 年，AI 应用的总市场将达到 1270 亿美元。而另一个机构IDC预测，国内医疗信息化解决方案市场在 2012 年至 2016 年的年复合增长率达到14.3%，未来这一市场有望超 300 亿元。

在国内，利用深度学习技术训练模型，已经可以在临床诊断上帮助医生识别肺部病变和癌症。上海第二军医大学长征医院成为最早拥抱这一技术的医院之一，而与他们合作的公司是一家在2016年前无人关注的初创公司——推想科技。

“2014年我回国的时候，发现国内医疗领域的痛点，很多医生其实每天都在超负荷工作。当我决心要做这件事的时候，才发现原来其实自己身边真的有很多人因为医院的漏诊或误诊错过了最佳治疗的时间。”陈宽在接受澎湃新闻（www.thepaper.cn）专访时说。

用靠谱的数据教机器识别病变

不过说说容易，做起来难。

“我们与陈宽的合作开始于2016年的10月份，说实话一开始合作的时候结果并不乐观。虽然机器能发现肺部病变，但是许多是假阳性。”刘士远主任说。

之所以先在肺部进行医疗影像识别诊断的应用，其实有一定的科学依据。因为肺本身是一个含空气的脏器，拥有最好的天然对比。如果病人的肺里面有病灶，相当于在黑纸上面有个白点，一目了然，对于机器来说，比较容易识别。而其他器官，比如肝脏、大脑等部位的医疗影像，如果有病灶就像在灰色的纸上，点了个白点，对比并不强烈。

那何为机器检查出来的假阳性，刘士远做了一个比喻，机器检测出的假阳性，相当于一个警察在人群中找出十个坏人，最后发现只有两个是坏人，八个是好人，这8个就是假阳性。另外一个问题是机器还存在漏诊的可能性。也就是说警察能识别出杀人犯等重罪犯人，却无法识别出小偷小摸的轻度罪犯。对于肺部的病变来说，许多肺里结节一开始是小且淡的，需要时间才能变大，但对于许多病人来说，这时候其实是就诊的最佳时机。

要改变上述情况，高精准的医疗数据集成了关键。Facebook人工智能实验室主任杨乐昆曾对机器学习的图像识别技术进行过解释。对于机器来说，要识别图中有什么，首先需要人类通过大量标记好的图片告诉它图片里是什么。刘士远和推想科技进行了合作，利用医院自己清晰标注的数据集对模型进行了训练，提高机器识别的准确率。

“这相当于请老师教一个无知的孩子识字辨是非。如果你请了不靠谱的老师，交给他错误的信息，这个孩子会越学越坏；相反，如果你请了靠谱的老师，他才能越学越聪明。”刘主任说。

借助长征医院一整套完善的肺部标准化重建和评价体系，经过6个月左右的训练和实验，目前推想科技的产品在肺部病变的识别率上已经有所提高。在识别的10个“犯人”中，机器的错误率已经降至1个或者半个。同时，与医院里年轻的医生相比，机器发现小结节的敏感度比人的肉眼要高出20%左右。人类可能肉眼会错过的小结节，目前机器已不会漏掉。

超高识别率背后的艰辛

推想科技在长征医院取得的成果令人振奋，但在国内愿意拥抱新技术的医院却还是少数，大部分的医院目前还在观望阶段。

“用人工智能来解决医疗领域的一些问题，其实现在还是一个相对早期的阶段，或者说才刚刚开始。大家已经感觉到人工智能是第四次工业革命，是一个巨大的机遇。有很多公司在从事这个工作。而对于医院或者医生来说，只有部分人看到前景，觉得是个值得关注的领域。可惜进行工作和探索的医生目前还是少数，大多数还在观望阶段。”刘士远说。

陈宽在回国创业的初期也遇到了同样的问题，他告诉澎湃新闻（www.thepaper.cn）：“其实创业路上遇到很多挑战非常正常，最开始给我最大压力的，反而不是技术上的问题。更多的是当时去医院谈合作，遇到的医生并不接受。这让我无事可做。”

除了传统观念对新技术尚不认可外，另一个拦路虎来自数据。对于推想科技来说，为了让自己的模型变得更精准需要和国内一流的医院合作；另一方面，如何保证数据安全也需要考虑。在与医院合作上，推想科技利用智能X线辅助筛查产品（AI-DR）、智能CT辅助筛查产品（AI-CT）和智能深度学习科研平台（AI-Scholar），与北京协和医院、上海长征医院、武汉同济医院进行了合作。

据刘士远介绍，目前由他本人牵头的上海市多中心肺癌筛查研究，正在对上海40岁以上上海居民进行肺癌数据统计和筛查。该研究中的6千多例的低剂量肺部结节的数据经过脱敏后，“喂”给了机器。所谓脱敏指的是将病人的个人信息抹去，只留下机器需要的内容。借助这样的研究和精准的数据，机器在后期的肺癌识别准确率上才有了较大的提升。

对于机器来说，能拥有科研用研究数据进行训练其实相当幸运。因为更多时候，来自于医院临床诊疗的数据更多、更复杂，却不是很有用。这样一来，就需要医生进行输入机器前的精准标记。这对于医院医生来说是一件非常艰苦的过程。因为每个病人的图像按照正常保存的话，都有二百张以上，甚至有的可能有四五百张的图像。

“这些图像需要有人认真的一张张去看、去过滤，看完了以后里面有病灶、有异常再去标记出来，还要确保标记正确，过程非常辛苦。我们有经验的主治医生看一个病人，可能最起码要半个小时以上，你再想想如果要标记6000例病人，我们得花多长时间。有些医生需要坐电脑前面非常长的时间，看得眼花头晕的，还得保障正确率。”刘士远说。他还以小孩子的教育做比喻，解释了数据标记阶段的辛苦。“这其实就像年轻妈妈带孩子，最后孩子考上了耶鲁、剑桥，外人看到了最终结果，却不知道过程艰辛。这个产品在医院上线的时候，大概一秒钟就能看出病人的病症，但是实际前期需要做大量的细致工作。”

AI让医生看片不累，还能平衡医疗资源

俗话说磨刀不误砍柴工。尽管前期数据的标记和输入需要花费大量的时间和精力，但训练好的模型却能给医院的诊疗效果带来巨大的提升。首先是解放了许多医生的劳动力。用机器替代医生对医疗影像进行识别，可以减少医生看片的时间，从而解放了更多医疗资源。让医生能有更多地精力放在与病人沟通上。

“人不是机器，他会疲劳，还要上厕所、吃饭。太疲劳的时候做事情的效率就会下降，然后就有可能会漏诊甚至误诊。如果出现误诊、漏诊，还有可能会有医疗纠纷。另外，其实医学影像科的工作就是看图像、写报告、描写病症，这是一个非常枯燥无聊重复的过程。”刘士远说。

其次，人工智能与医疗的结合，未来还能解决落后地区的医疗资源不足问题。推想科技与长征医院的合作还在继续，但双发共同打造的诊疗系统最终会形成产品和经验，从而给偏远地区的医院使用。

“现在国家提倡分级诊疗，提倡优质医疗资源下沉。北上广的优质医疗资源不可能到青海，西藏，因为让医生放弃北上海的生活去这些地方去工作不现实。但是如果说因为我们的经验，以及和推想的合作形成了好的人工智能产品，能用在边远地区的某些医院，可能得出来的结果是一样的。这就相当于边远小医院也能够达到长征医院这样的诊断水平，这对于全国的老百姓来说无疑是一个巨大的福音。” 刘士远说。

第三，人工智能还能提高医院管理效率。据陈宽介绍，人工智能除了能在医学影像识别上有用武之地外，未来还可以整合疾病的各方面信息。此外，从医院的管理角度出发，对病人的病种数据、财务管理、床位使用率、周转率等进行挖掘，对于医院的管理提升非常有效。

最后，随着人工智能在医疗领域里发挥的作用越来越大，也引发了讨论：未来，它会不会代替医生？

“在海量数据的学习、记忆和超强的计算能力方面，机器超过人类是没有问题的。但人类的大脑是靠复杂的化学递质连接的，现在人类对大脑的工作原理的理解还只是冰山一角。而机器仅仅是在模仿人脑的部分机理，从这个角度上来说，人工智能要想取代人类，目前是不可能的，甚至永远都是不可能的。但人工智能完全可以取代影像科医师机械性重复性的劳动，成为医师的不知疲倦的助手。最后还有一点很重要，医生是个职业。它需要拿到执业医师证，有伦理的一些限制，有个准入门槛，有执业资质的医师签字报告方能生效，这些都是机器无法取代的。”刘士远告诉澎湃新闻（www.thepaper.cn）。

Please contact us at drugtimes@qq.com