醫(yī)院拍片子，讓AI看看吧！

引入：

在日常生活中，人們難免要去醫(yī)院做檢查。但你知道嗎？AI已經(jīng)悄然進入了醫(yī)療診斷的環(huán)節(jié)，參與到了人類健康的守衛(wèi)戰(zhàn)中。

而在這場守衛(wèi)戰(zhàn)里，AI在醫(yī)學影像識別上表現(xiàn)得尤為突出。下面我們就從AI影像識別入手，看一看AI+醫(yī)療是如何讓科技落地服務社會的。

醫(yī)學圖像識別中的困難：

去醫(yī)院看病或者體檢時候，我們可能會拿到一張大大的X光片或者CT、核磁光片，但想要既高效又準確地解讀這些醫(yī)療影像，并不容易。

在拍攝CT影像和核磁共振影像的時候，其實并不是只拍一張圖片，而是同時掃描出幾十、幾百張圖片。再由影像科醫(yī)生從這么多的圖片中篩選出最有可能是病灶的，給到其他醫(yī)生參考，這是極其耗費精力的。

根據(jù)《2018年醫(yī)療AI技術與應用白皮書》，我國醫(yī)學影像數(shù)據(jù)每年增長30%，而醫(yī)學影像科醫(yī)生每年僅增長4.1%。一家三甲醫(yī)院的影像科醫(yī)生每天看上萬張醫(yī)療影像，并不罕見。

在這樣高負荷的工作下，即便是訓練有素的醫(yī)生也難免會有差錯。

而且即便有了醫(yī)療影像，有些疾病在早期階段也很難被診斷出來。我們以肺癌為例，根據(jù)國際癌癥研究機構（IARC）2022年的數(shù)據(jù)，肺癌是中國發(fā)病率最高和死亡率最高的癌癥。

根據(jù)《早期肺癌診斷中國專家共識（2023年版）》，如果能夠在肺癌發(fā)病早期（I期）診斷出來并積極治療，五年生存率可以達到77%-92%，但如果是在III~IV期才被診斷出來，五年生存率僅為10%~36%。

但I期肺癌無明顯的臨床癥狀，從X光片上也很難識別，需要使用低劑量螺旋CT檢測，這就需要影像科醫(yī)生在大量的CT影像中仔細分辨。而在肺癌早期，有些病灶會跟良性結節(jié)混在一起，很難區(qū)分。

AI能做更好：

在卷積神經(jīng)網(wǎng)絡（CNN）出現(xiàn)后，AI在圖像識別領域取得了飛速發(fā)展。同時，借助深度學習算法，AI可以利用已經(jīng)標注過的醫(yī)學影像進行學習，從而輔助人類醫(yī)生做出診斷。在某些疾病的診斷上，它們的表現(xiàn)甚至能和人類的頂尖專家媲美。

比如2019年一項研究就展示出了AI在肺癌早期診斷的優(yōu)勢。

研究者利用45000多次經(jīng)過標注的胸部CT的數(shù)據(jù)來訓練算法。完成訓練后，科學家讓AI模型對新的CT影像進行分析，并且和6位專業(yè)的放射科醫(yī)生給出的結果進行了對比。

結果發(fā)現(xiàn)，AI漏診的比例比人類醫(yī)師低5%。而AI的假陽性率也比人類醫(yī)師低11%。假陽性可以理解為沒有肺癌，但是被誤診為肺癌的情況。這說明，這款AI模型的檢測準確率不亞于人類的專業(yè)醫(yī)師。

如果這樣的模型能普及開來，毫無疑問能大大緩解醫(yī)生的工作壓力，同時讓更多的人能盡早接受治療。

而這樣的技術普及已經(jīng)開始。

2021年，我們國家的一些三甲醫(yī)院已經(jīng)引入了肺小結節(jié)AI輔助診斷系統(tǒng)。這個系統(tǒng)能夠分辨出CT影像中的結節(jié)是否為肺癌的病灶，而且它能夠識別出肉眼無法分辨的細小結節(jié)，從而輔助醫(yī)生做出更加準確的判斷。

值得一提的是，在2024年1月，這個系統(tǒng)也首次在北京市通州區(qū)新華醫(yī)院和永樂店社區(qū)衛(wèi)生服務中心兩家基層醫(yī)院進行了試點應用。如果這樣的系統(tǒng)能在基層醫(yī)院普及開來，將大大緩解醫(yī)療資源不平衡的問題。

當然了，前面我們僅僅舉了肺癌早期診斷這一個例子。AI能做的遠不止于此，在對于乳腺癌的診斷、糖尿病引起的視網(wǎng)膜病變檢查、皮膚病的拍照識別、心腦血管疾病的診斷篩查等等方面，AI都能發(fā)揮重要作用。

AI輔助診斷的出現(xiàn)，可能會大大改變醫(yī)療衛(wèi)生行業(yè)，為人們的健康保駕護航。

AI影像識別依然有不足：

不可否認的是，AI識別的準確率依賴于高質(zhì)量經(jīng)過標注的數(shù)據(jù)。而醫(yī)學影像數(shù)據(jù)的標注跟一般數(shù)據(jù)標注很不一樣。

比如，普通人就可以給自動駕駛汽車的訓練數(shù)據(jù)集進行標注，因為普通人就足以輕松分辨出圖片里的道路、紅綠燈、行人、自行車等物體。

但醫(yī)學影像數(shù)據(jù)的標注依賴于經(jīng)驗豐富的醫(yī)生，這就給訓練數(shù)據(jù)的獲取增加了難度。

不過，醫(yī)學圖像識別和分析是一個比較新的研究領域，全世界大量的科學家正投身于這一領域的研究，諸如MICCAI協(xié)會也整合了大量的計算機科學、醫(yī)學、工程學和物理學方面的專家，每年產(chǎn)出上千篇學術論文。

相信在未來，AI技術將繼續(xù)促進醫(yī)療衛(wèi)生行業(yè)的發(fā)展，讓更多的人享受到更好的醫(yī)療保障。

參考資料：

Han B, Zheng R, Zeng H, et al. Cancer incidence and mortality in China, 2022[J]. Journal of the National Cancer Center, 2024, 4(1): 47-53.

中華醫(yī)學會呼吸病學分會. (2023). 早期肺癌診斷中國專家共識（2023年版）. 中華結核和呼吸雜志, 46(1), 1-18.

劉耘沁, 李升錦. 肺癌早期診斷的研究進展[J]. Advances in Clinical Medicine, 2024, 14: 2406.

Ardila D, Kiraly A P, Bharadwaj S, et al. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography[J]. Nature medicine, 2019, 25(6): 954-961.

《2018年醫(yī)療AI技術與應用白皮書》

作者：云紀御科普創(chuàng)作團隊

審核：秦曾昌 北京航空航天大學 自動化科學與電氣工程學院 副教授

文章由科普中國-創(chuàng)作培育計劃出品，轉(zhuǎn)載請注明來源。