同樣一張二維醫學圖像，比如病理切片，醫生可能需要花費幾分鍾或十幾分鍾進行推理，而經過深度學習的人工智能隻需幾十秒鍾就可“讀”出來。“未來，在提供快速準確的醫學圖像診斷方麵，人工智能至少可以將診斷速度提高10倍，或同樣性能下至少將成本減少10倍。”今天，浙江大學醫學院教授、上海產業技術研究院特聘教授錢大宏，在複旦大學附屬腫瘤醫院和上海產業技術研究院合作召開的金橋產業技術創新會議上透露。

    IBM的“沃森醫生”不僅能夠診斷罕見病，還能在診斷時提供不同的治療方案和信心指數。馬雲說的“三十年後讓醫生失業”會成為現實嗎？

人工智能對於“讀”片比較有優勢

    其實，醫學圖像輔助診斷的曆史比竞技宝JJB想象地要早。上個世紀80年代，人工神經網絡首次用於CADX（計算機輔助繪圖係統）。也就是說，人們在幾十年前就想模仿神經網絡係統解決現實問題。隻不過，那時候的嚐試大多集中在模仿單個神經元結構，或淺層神經網絡。

    近年來，人工智能的深度學習突破了計算機視覺和模式識別的局限性，也隨之出現了基於深度學習的CADX。對於人工智能而言，深度學習的特征由機器根據輸出自動產生，不同的特征隻是不同的參數而已。因此，那些有大量結構化的數據作為訓練，特征對於一般人來說不明顯，並且很難用生物統計學等方法提取的領域，最能發揮人工智能輔助診斷用武之地。

    “這和訓練一名醫生很像，需要學習大量醫學教材和病例，而計算機已經具備了記憶力和推理能力。目前，人工智能對於識別二維醫學圖像，比如視網膜、內窺鏡、病理切片和胸片比較有優勢，效果也比較好。”錢大宏介紹，他的團隊利用一些論文開放的公共數據，結合自主研發的一套係統，在實驗室對於糖尿病視網膜病變和皮膚癌診斷的準確率都高達94%左右。

人工智能，歸根結底是服務臨床和輔助治療

    IBM 的“沃森醫生”現在醫學界名氣頗響。據日本《東京新聞》去年報道，一名60歲的女性最初被診斷為患了急髓白血病，但經曆各種療法後，效果並不明顯。後來，“沃森醫生”通過比對2000萬份癌症研究論文，用10分鍾診斷其患了一種罕見的白血病，並提出了治療方案。

    人工智能越來越多地介入到醫療中。美國低劑量CT肺癌的早期篩查，開始使用美國食品藥品監督管理局認證的軟件；美國保險公司最近也開始要求，乳腺癌鉬靶檢查的讀片醫生一定要用CAD/CADX軟件。

    眼下，IBM的“沃森醫生”開始在國內推廣。在錢大宏看來，其“更像一個能快速檢索的智能數據庫，很可能被更民主化的深度學習係統挑戰。” 同時，他還有個疑問，“沃森醫生”收集的主要是白種人數據，而中國人是黃種人，是否需要重新收集數據？

    有了人工智能，未來醫生會下崗嗎？錢大宏認為，“人工智能歸根結底是服務臨床和輔助治療，醫生不可能失業！”盡管人工智能對二維醫學圖像的識別已經有了不錯的效果，“對於三維和四維的醫學圖像研究非常活躍但還沒有突破。”而且，目前人工智能隻給出一個結論，缺乏“推理過程”的展示，顯得有些“粗暴”，這也是臨床醫生不滿意的地方。“未來，人工智能要在醫療上有更大的作為，不僅要和醫生合作拿到數據，還要由醫生來進行標注，才能進行訓練。而訓練本身是一個漫長的過程。”

可能會在影像學上先有一個突破

    在當下的中國，各地病人攜帶醫學圖像片前往大城市的三甲醫院找專家“看一看”，已是一種常態。在這次會議上，諸多專家認為人工智能在醫療領域的廣泛應用，可能會在影像學上先有一個突破。

    上海交通大學生物醫學工程學院研究員王乾說，根據MICCAI數據，2016年超過70%的醫學圖像研究工作使用了機器學習智能方法。 “人不能一心兩用，但計算機可以。”他介紹了團隊正在做的一項工作，即把核磁共振和CT融合起來，以實現CT引導精準放療。此外，他們還通過術前影像資料，來預測腦膠質瘤病人的生存期。

    就在上個月，上海交通大學和上海聯影醫療科技有限公司簽約共建了“醫學影像先進技術研究院”。該院院長杜一平介紹，校企將一共投入2.5億元，誌在建設國際領先的前沿技術原創地，引領我國醫學影像技術的創新研究和技術轉化。

    “希望再過三五年，逐步建立起針對中國人群的自主標準的結構化醫學圖像大數據庫。用新的方法學，使某種疾病的垂直智能診斷模塊實用化。” 話語間，錢大宏對人工智能的未來充滿信心。

    “近一年來人工智能尤其是深度學習在醫學輔助診斷的應用概念很火，但真正用到臨床的幾乎沒有，主要原因之一是人工智能係統在複雜的臨床應用中不能保持其測試數據集上的高準確率，臨床醫學數據的收集和預處理不夠完善，且沒有考慮到醫生的工作流程。”上海產業技術研究院生物醫學轉化中心主任黃薇說，這次會議的人工智能議題，正是針對這些問題來探討促進臨床醫學和人工智能之間更緊密的合作。未來，雙方將選擇幾個合適采用人工智能的方向切入，目標是做成真正對臨床有意義的人工智能係統。