近日，2018中國(guó)醫(yī)學(xué)人工智能大會(huì)暨第一屆人工智能雁棲高端論壇在中國(guó)科學(xué)院大學(xué)雁棲湖校區(qū)舉行。來自全球的20多位專家學(xué)者、醫(yī)生和產(chǎn)業(yè)界代表齊聚一堂，圍繞人工智能+醫(yī)療、醫(yī)學(xué)圖像分析、機(jī)器學(xué)習(xí)等熱點(diǎn)領(lǐng)域開展了歷時(shí)兩天的深入交流與探討。

在第一天的大會(huì)會(huì)議日程中，上午的演講嘉賓有：中國(guó)科學(xué)院院士、中國(guó)科學(xué)院大學(xué)副校長(zhǎng)徐濤，中科院計(jì)算所副所長(zhǎng)、IEEE Fellow、中國(guó)科學(xué)院大學(xué)副院長(zhǎng)陳煕霖，香港科技大學(xué)計(jì)算機(jī)系教授、AAAI Fellow楊強(qiáng)，中國(guó)科學(xué)院院士、北京大學(xué)教授程和平，上海長(zhǎng)征醫(yī)院影像醫(yī)學(xué)與核醫(yī)學(xué)科主任劉士遠(yuǎn)，華西醫(yī)院副院長(zhǎng)龔啟勇，清華大學(xué)終生教授廖宏恩。

上午會(huì)議由中國(guó)科學(xué)院計(jì)算所副研究員趙地主持。

其中，作為大會(huì)上午醫(yī)學(xué)人工智能前沿環(huán)節(jié)的重量級(jí)嘉賓，劉士遠(yuǎn)教授向與會(huì)觀眾分享了題為“中國(guó)醫(yī)學(xué)影像AI發(fā)展現(xiàn)狀與思考”的精彩專題報(bào)告。

劉士遠(yuǎn)教授現(xiàn)任上海長(zhǎng)征醫(yī)院影像醫(yī)學(xué)與核醫(yī)學(xué)科主任，中華醫(yī)學(xué)會(huì)放射學(xué)分會(huì)侯任主任委員，中國(guó)醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟理事長(zhǎng)，從事醫(yī)學(xué)影像臨床工作長(zhǎng)達(dá)32年，具有豐富的醫(yī)教研工作經(jīng)驗(yàn)。

劉士遠(yuǎn)教授

劉士遠(yuǎn)教授認(rèn)為，醫(yī)學(xué)影像將成為醫(yī)學(xué)領(lǐng)域落地較快的一個(gè)方向，但是醫(yī)療AI影像產(chǎn)品目前也存在諸多難題，因此需要醫(yī)生、學(xué)者專家、公司和政府通力合作，踏踏實(shí)實(shí)創(chuàng)新和實(shí)干，才能推動(dòng)醫(yī)療人工智能行業(yè)的健康成長(zhǎng)。

以下為劉士遠(yuǎn)教授的演講內(nèi)容，雷鋒網(wǎng)AI掘金志經(jīng)劉士遠(yuǎn)授權(quán)，作了不改變?cè)獾木庉嫞?nbsp;   

劉士遠(yuǎn)教授談到，醫(yī)療影像行業(yè)有望成為較快落地的醫(yī)學(xué)領(lǐng)域，有四個(gè)理由：首先，醫(yī)學(xué)是一門靠邏輯歸納、經(jīng)驗(yàn)學(xué)習(xí)和循證運(yùn)用的學(xué)科；其次，各家醫(yī)院都已經(jīng)積累了海量數(shù)據(jù)，而深度學(xué)習(xí)的核心就在于“算法+數(shù)據(jù)”；而放射科的工作模式就是看圖做診斷，便于深度學(xué)習(xí)AI技術(shù)的接入；在各類醫(yī)療數(shù)據(jù)里，放射類的醫(yī)療影像又是比較容易獲取的類型，可以從這類數(shù)據(jù)入手來做標(biāo)注并進(jìn)行深度學(xué)習(xí)模型的搭建；根據(jù)相關(guān)統(tǒng)計(jì)，相對(duì)于逐年遞增的巨大病人群，中國(guó)的影像醫(yī)生存在巨大的需求缺口，這大大促進(jìn)了影像AI產(chǎn)品的應(yīng)用和商業(yè)化落地。

具體來說，醫(yī)療影像AI在臨床環(huán)境中有很多的用途。比如疾病檢出，AI能幫助醫(yī)生提高早診率，減少誤診率。這在肺癌篩查、骨折、AD、視網(wǎng)膜病變和病理診斷等領(lǐng)域都有實(shí)際應(yīng)用的例子；還有醫(yī)學(xué)多維測(cè)量，多維定量是精準(zhǔn)醫(yī)學(xué)的前提，影像AI在這塊的應(yīng)用有病變特征提取、病灶自動(dòng)分割等；再者就是精準(zhǔn)診斷，包括疾病的良惡性判斷，精準(zhǔn)分級(jí)和分期；AI在術(shù)前設(shè)計(jì)和療效評(píng)估等領(lǐng)域也有巨大潛在應(yīng)用空間。

實(shí)際應(yīng)用層面，目前AI影像產(chǎn)品有很多，在胸部主要集中在肺結(jié)節(jié)檢測(cè)和良惡性鑒別上，在神經(jīng)系統(tǒng)上主要是腦出血檢測(cè)和定量以AD預(yù)測(cè)，骨關(guān)節(jié)方面包括骨折和骨齡的檢測(cè)，心血管方面則包括冠脈等相應(yīng)產(chǎn)品的雛形，還有在視網(wǎng)膜病變和皮膚癌診斷等領(lǐng)域AI都有所作為。

就長(zhǎng)海長(zhǎng)征醫(yī)院來說，醫(yī)院已經(jīng)實(shí)現(xiàn)了AI影像產(chǎn)品在肺結(jié)節(jié)篩查上的日常應(yīng)用，肺結(jié)節(jié)良惡性模型還在研究當(dāng)中，急診的話還有腦出血和骨折模型產(chǎn)品，骨腫瘤模型也正在研究當(dāng)中。

值得一提的是，在整個(gè)應(yīng)用環(huán)節(jié)當(dāng)中，上海長(zhǎng)征醫(yī)院對(duì)醫(yī)療數(shù)據(jù)是采取了很多的安全措施，實(shí)現(xiàn)了影像應(yīng)用不出醫(yī)院內(nèi)網(wǎng)，產(chǎn)品有選擇性的接收和發(fā)送數(shù)據(jù)，還會(huì)對(duì)數(shù)據(jù)進(jìn)行自動(dòng)脫敏和定時(shí)清理，很好的保護(hù)了病人的隱私信息。

上圖是其產(chǎn)品的測(cè)試結(jié)果?？梢悦黠@的看到，在鈣化結(jié)節(jié)，5mm以上磨玻璃結(jié)節(jié)，3-6mm的結(jié)節(jié)上，AI模型的表現(xiàn)超過了普通醫(yī)師，而且人機(jī)結(jié)合以后也比只有醫(yī)師的表現(xiàn)更好。

上圖是其結(jié)節(jié)AI檢測(cè)的實(shí)際應(yīng)用場(chǎng)景，它會(huì)分析醫(yī)療影像并給出診斷報(bào)告，還有一鍵排序結(jié)節(jié)和一鍵測(cè)量結(jié)節(jié)等功能。

另外，上海長(zhǎng)征醫(yī)院的醫(yī)療影像AI還具備一個(gè)進(jìn)階功能，那就是判斷結(jié)節(jié)的良惡性，不過還在研發(fā)當(dāng)中。

人工智能現(xiàn)在非?；馃幔P(guān)于醫(yī)生會(huì)不會(huì)被AI取代，劉士遠(yuǎn)教授也發(fā)表了自己的觀點(diǎn)。

在原理層面，AI的大數(shù)據(jù)、記憶和計(jì)算能力會(huì)超過人類，但是神經(jīng)網(wǎng)絡(luò)發(fā)展的水平?jīng)Q定了機(jī)器不可能替代人類。在職業(yè)層面，人類的倫理、資質(zhì)、表情和溝通等能力不會(huì)被機(jī)器取代。在技術(shù)層面，機(jī)器確實(shí)可以代替人類做重復(fù)性技術(shù)含量低的工作。

而且，現(xiàn)在的AI醫(yī)療產(chǎn)品也還存在很多問題。首先就是實(shí)用性差，比如，現(xiàn)在的影像AI產(chǎn)品大多是基于單病種圖像標(biāo)注形成的模型，尚沒有符合臨床實(shí)用場(chǎng)景的產(chǎn)品，而且大多數(shù)產(chǎn)品性能的自報(bào)數(shù)據(jù)與實(shí)際檢測(cè)數(shù)據(jù)不符，魯棒性有待提高。再加上AI產(chǎn)品往往只是集中在少數(shù)幾個(gè)病種，難以覆蓋全部醫(yī)學(xué)影像問題。

在AI模型的研發(fā)階段，數(shù)據(jù)也是一大難題。首先是現(xiàn)在普遍缺乏標(biāo)準(zhǔn)化高質(zhì)量的訓(xùn)練數(shù)據(jù)，國(guó)內(nèi)外雖然有很多公開的數(shù)據(jù)庫(kù)，但是存在同質(zhì)化和人種差異等問題。而且各家人工智能企業(yè)和機(jī)構(gòu)采用的訓(xùn)練數(shù)據(jù)集標(biāo)準(zhǔn)多樣，系統(tǒng)偏差較大，整個(gè)行業(yè)缺乏醫(yī)學(xué)圖像和疾病征像的統(tǒng)一認(rèn)識(shí)。最后，整個(gè)行業(yè)的醫(yī)療數(shù)據(jù)保護(hù)和監(jiān)管措施也是缺失的，數(shù)據(jù)不能被溯源，也就缺乏合法性和可分享性，還有就是倫理問題，業(yè)內(nèi)缺乏對(duì)數(shù)據(jù)使用標(biāo)準(zhǔn)的判斷依據(jù)，在現(xiàn)有的法律基礎(chǔ)上尋找合規(guī)使用和分享數(shù)據(jù)的渠道，也是迫在眉睫的一件事情。

他建議到，要構(gòu)建標(biāo)準(zhǔn)庫(kù)，離不開醫(yī)生的參與。要形成與AI研發(fā)相關(guān)的標(biāo)準(zhǔn)和數(shù)據(jù)，需要在圖象的采集環(huán)節(jié)，標(biāo)準(zhǔn)庫(kù)的構(gòu)建環(huán)節(jié)，病種的分布以及各種描述術(shù)語等等都要達(dá)成一定的共識(shí)。

好消息是，國(guó)家在近期頒布了《國(guó)家健康醫(yī)療大數(shù)據(jù)標(biāo)準(zhǔn)、安全和服務(wù)管理辦法（試行）》。

另外，在肺結(jié)節(jié)領(lǐng)域，中檢院肺結(jié)節(jié)AI檢驗(yàn)數(shù)據(jù)庫(kù)標(biāo)定專家組已經(jīng)完成肺結(jié)節(jié)標(biāo)準(zhǔn)數(shù)據(jù)集建設(shè)。

圖像標(biāo)注環(huán)節(jié)也存在很多問題。以肺結(jié)節(jié)標(biāo)注過程為例，主要存在以下問題，標(biāo)注者隊(duì)伍混亂，資質(zhì)不一；圖像征象認(rèn)識(shí)不統(tǒng)一；圖像標(biāo)注方法不統(tǒng)一；圖像分割方法不統(tǒng)一；圖像量化方法不統(tǒng)一。

中檢院在構(gòu)建肺結(jié)節(jié)標(biāo)準(zhǔn)庫(kù)的過程中，從全國(guó)招了250名5年以上經(jīng)驗(yàn)的影像科醫(yī)生志愿者，對(duì)他們進(jìn)行了簡(jiǎn)單的測(cè)試，使用了30例結(jié)節(jié)，結(jié)果準(zhǔn)確率只有30%，說明了如果沒有共識(shí)和基礎(chǔ)培訓(xùn)，醫(yī)生的標(biāo)注準(zhǔn)確率是很低的，非影像科醫(yī)生甚至不是醫(yī)生的準(zhǔn)確率就更難以想象了。還有就是標(biāo)注的方式，有的使用緊密包裹法，有的使用區(qū)域標(biāo)注法，有的使用其他方法等，不同的標(biāo)注方法輸出的結(jié)果也不盡相同。圖像分割如果沒有統(tǒng)一的標(biāo)準(zhǔn)，結(jié)論的差別也會(huì)非常巨大。還有量化的方法，到底是測(cè)直徑，還是測(cè)體積，還是測(cè)質(zhì)量，怎么測(cè)，都需要形成一致意見。

在醫(yī)學(xué)影像AI模型檢測(cè)階段，也會(huì)存在生產(chǎn)過程不規(guī)范，模型效果和安全性缺乏公正評(píng)價(jià)，缺乏產(chǎn)品檢測(cè)標(biāo)準(zhǔn)庫(kù)和評(píng)價(jià)體系，缺乏相關(guān)法律法規(guī)、質(zhì)控檢查和管理制度等問題。

在AI模型使用階段，受歡迎程度，對(duì)醫(yī)生的影響，過多的假陽性，倫理和法規(guī)，是否匹配醫(yī)院和醫(yī)生的需求等問題也尚待解決。如上圖，點(diǎn)擊率代表病人對(duì)產(chǎn)品質(zhì)量和準(zhǔn)確性的信賴程度，越受歡迎，點(diǎn)擊率越高；另外，產(chǎn)品該怎么和醫(yī)療流程整合也是一個(gè)問題，是游離于信息系統(tǒng)之外，還是融合于信息系統(tǒng)之內(nèi)，都需要考慮；還有人擔(dān)心年輕醫(yī)生對(duì)AI產(chǎn)品產(chǎn)生依賴之后，會(huì)導(dǎo)致業(yè)務(wù)能力下降，包括看結(jié)節(jié)的能力；現(xiàn)在AI產(chǎn)品檢出過多假陽性的結(jié)節(jié)還導(dǎo)致了焦慮和恐慌問題；還有倫理問題，包括數(shù)據(jù)的倫理和產(chǎn)品的倫理問題。數(shù)據(jù)的倫理就是數(shù)據(jù)的所有權(quán)、許可權(quán)和隱私權(quán)都需要制定規(guī)范，現(xiàn)在衛(wèi)計(jì)委已經(jīng)發(fā)布了相關(guān)標(biāo)準(zhǔn)和規(guī)范。第二個(gè)就是產(chǎn)品的倫理問題，隨著產(chǎn)品的逐漸落地，產(chǎn)品的責(zé)任和影響都需要倫理的相關(guān)準(zhǔn)則來考慮。

因此，醫(yī)學(xué)影像AI模型的發(fā)展需要滿足臨床需求，既需要符合醫(yī)療流程，也需要符合臨床場(chǎng)景，還要符合檢查部位要求，還要能與醫(yī)生、研究人員和企業(yè)進(jìn)行協(xié)作配合。

作為一名醫(yī)生，劉士遠(yuǎn)教授還強(qiáng)調(diào)，影像診斷是全鏈條、多維度的工作，工作內(nèi)容不僅僅是圖像識(shí)別，需要充分發(fā)揮醫(yī)生在醫(yī)學(xué)影像AI研發(fā)過程中的作用。

醫(yī)生是醫(yī)學(xué)影像AI產(chǎn)品研發(fā)的領(lǐng)導(dǎo)者，機(jī)器要做人類的助手，負(fù)責(zé)閱圖、分析和判斷等工作，而不是做競(jìng)爭(zhēng)者。

反過來，醫(yī)生也是醫(yī)學(xué)影像AI模型的培育者和導(dǎo)師。在數(shù)據(jù)上，醫(yī)生可以建立大樣本的單病種數(shù)據(jù)庫(kù)，提高訓(xùn)練數(shù)據(jù)質(zhì)量，并在此基礎(chǔ)上規(guī)范化標(biāo)注，形成高質(zhì)量訓(xùn)練集，還要學(xué)會(huì)在法律法規(guī)下分享和使用數(shù)據(jù)。

醫(yī)生還應(yīng)當(dāng)成為質(zhì)量控制和標(biāo)準(zhǔn)的制定者和執(zhí)行者。比如制定圖像采集和圖像質(zhì)量的標(biāo)準(zhǔn)，制定數(shù)據(jù)庫(kù)建設(shè)的構(gòu)成比例、病種分布、病灶類型等專家共識(shí)，并形成各單病種影像征象和描寫屬于以及單病種AI模型數(shù)據(jù)標(biāo)記專家共識(shí)。

在AI倫理上，醫(yī)生也是主角。醫(yī)生可以建立一套正確的基本倫理準(zhǔn)則來指導(dǎo)AI的設(shè)計(jì)、管理和實(shí)用。

最后，劉士遠(yuǎn)教授呼吁，AI現(xiàn)在還是一個(gè)尚不成熟的產(chǎn)品，需要醫(yī)生去擁抱它，呵護(hù)它，引導(dǎo)它。當(dāng)然也要避免另外一種情況，就是夸大宣傳，夸大宣傳容易誤導(dǎo)政府和民眾，不利于行業(yè)健康發(fā)展。

劉士遠(yuǎn)教授最后表示，雖然現(xiàn)在形勢(shì)一片大好，但是醫(yī)學(xué)問題其實(shí)是很復(fù)雜的，場(chǎng)景復(fù)雜，維度多，任務(wù)多，這需要我們醫(yī)工結(jié)合，沉下心來，踏踏實(shí)實(shí)的創(chuàng)新和積累才能解決問題。

想了解更多CMAI大會(huì)的嘉賓精彩報(bào)告，請(qǐng)關(guān)注微信公眾號(hào)“AI掘金志”的后續(xù)報(bào)道。

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。