客觀看待人工智能在醫(yī)學(xué)影像中的作用

蕭毅， 劉士遠(yuǎn)

人工智能(artificial intelligence， AI)近年來發(fā)展迅猛，從IBM Watson在一個(gè)知識(shí)類的電視節(jié)目上擊敗人類冠軍，到Alpha Go擊敗圍棋世界冠軍，現(xiàn)在幾乎各行各業(yè)都快速進(jìn)入了一個(gè)AI為王的時(shí)代。人工智能在醫(yī)療的應(yīng)用更是涉及了醫(yī)學(xué)影像、疾病風(fēng)險(xiǎn)預(yù)測(cè)、藥物研發(fā)、健康管理、醫(yī)療機(jī)器人等等領(lǐng)域。

人工智能的概念和層次

1956年在著名的達(dá)特茅斯會(huì)議上首次提出“人工智能”這一概念，標(biāo)志著這門新興學(xué)科的正式誕生[1]。人工智能是研究計(jì)算機(jī)模擬人的某些思維過程和智能行為的學(xué)科，涉及計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等，已成為一門廣泛交叉的新興前沿學(xué)科[2-3]。經(jīng)過近70年的多次熱潮和寒冬，隨著算法、算力和大數(shù)據(jù)的發(fā)展，人工智能尤其是機(jī)器學(xué)習(xí)的算法迅速發(fā)展，其中深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)中的一個(gè)領(lǐng)域發(fā)展迅猛。卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)或循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural netword,RNN)，結(jié)合現(xiàn)在強(qiáng)大的計(jì)算能力和大數(shù)據(jù)訓(xùn)練出來的模型，在某些領(lǐng)域達(dá)到甚至超越了人類專家的水平，讓人驚嘆不已[4]。

人工智能按照實(shí)現(xiàn)的能力可以分為3個(gè)層次：①弱人工智能(artificial narrow intelligence，ANI)，擅長于單個(gè)方面或任務(wù)的人工智能；②強(qiáng)人工智能(artificial general intelligence，AGI)，是指在各方面都能模仿人類甚至和人類比肩的人工智能；③超人工智能(artificial superintelligence，ASI)是指牛津哲學(xué)家及知名人工智能思想家Nick Bostrom定義的“在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明很多的人工智能，包括科學(xué)創(chuàng)新、通識(shí)和社交技能”[5]。由此看來，目前AI技術(shù)比如下棋、人機(jī)對(duì)話、人臉識(shí)別、醫(yī)療影像識(shí)別，都屬于“弱”人工智能，即便有些AI程序或者機(jī)器人在某個(gè)方面超越人類非常多，比如下圍棋，它也只是執(zhí)行一個(gè)閉環(huán)的任務(wù)，本身并不能像人一樣全方位的思考，也沒有意識(shí)。

目前人工智能在醫(yī)療領(lǐng)域的進(jìn)展

深度學(xué)習(xí)、計(jì)算機(jī)視覺、自然語言理解及大數(shù)據(jù)存儲(chǔ)等關(guān)鍵技術(shù)的突破帶來了人工智能技術(shù)新一輪的發(fā)展，而這些技術(shù)的發(fā)展已經(jīng)推動(dòng)了以數(shù)據(jù)、知識(shí)、腦力勞動(dòng)密集為特征的醫(yī)療產(chǎn)業(yè)與人工智能的深度融合。隨著人們生活條件的改善，人們對(duì)于身體健康的意識(shí)也越發(fā)強(qiáng)烈；與此同時(shí)，人們面臨醫(yī)療資源分配不均，藥物研制周期長、費(fèi)用高，醫(yī)務(wù)人員培養(yǎng)成本高等問題，都給AI的發(fā)展帶來了社會(huì)需求和機(jī)遇。

AI可以快速且不間斷的讀取海量文獻(xiàn)，擁有最全面的基礎(chǔ)知識(shí)和最新進(jìn)展，結(jié)合“學(xué)習(xí)”專家醫(yī)生的醫(yī)療知識(shí)，模擬醫(yī)生的思維和診斷推理，從而可以給出可靠診斷和治療方案建議[6]。智能診療場(chǎng)景也給AI在智能健康管理上的應(yīng)用提供了可能，可以實(shí)現(xiàn)風(fēng)險(xiǎn)識(shí)別、虛擬護(hù)士、精神健康、在線問診、健康干預(yù)以及基于各種醫(yī)療數(shù)據(jù)的健康管理等[7]。

AI技術(shù)在計(jì)算機(jī)視覺上的發(fā)展，尤其是深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用，使AI在視覺領(lǐng)域達(dá)到了新的高度[8]。有的AI產(chǎn)品可以不需通過數(shù)據(jù)和邏輯得出結(jié)論，只需根據(jù)患者的面容、心率、呼吸等狀況迅速反應(yīng)出疾病的類型,這種能力已經(jīng)很接近人類醫(yī)生[9]。

計(jì)算機(jī)視覺基于圖像識(shí)別，可以將醫(yī)學(xué)影像進(jìn)行深入分析，獲取有意義的信息。通過數(shù)據(jù)量的日積月累，能力指數(shù)級(jí)提升，有望為精準(zhǔn)診斷提供極大的幫助[10]。

2016 年，《JAMA》雜志上發(fā)表了一篇美國加州大學(xué)的Gulshan團(tuán)隊(duì)的文章[11]，描述了人工智能在10萬多張視網(wǎng)膜眼底照片中進(jìn)行糖尿病視網(wǎng)膜病變的診斷，并將其診斷結(jié)果與54位持有醫(yī)生執(zhí)照的眼科醫(yī)師、資深住院醫(yī)師進(jìn)行比較，最終結(jié)果是AI的敏感性及特異性均高于人類的診斷成績單。

2017 年，荷蘭內(nèi)梅亨大學(xué)Bejnorid教授的團(tuán)隊(duì) 在《JAMA》雜志發(fā)表的相關(guān)研究表明[12]，在評(píng)估乳腺癌患者腋窩淋巴結(jié)有無少量癌細(xì)胞擴(kuò)散方面，人工智能的表現(xiàn)要優(yōu)于病理醫(yī)師用顯微鏡的常規(guī)做法，盡管其結(jié)果還不能完全代替病理學(xué)家，但已經(jīng)大大提高了診斷效果。

2018年，發(fā)表在《Lancet Oncology》上的一項(xiàng)研究首次證實(shí)，人工智能可以處理醫(yī)學(xué)圖像以提取生物學(xué)和臨床信息[13]，通過設(shè)計(jì)算法并將其開發(fā)用于分析CT掃描圖像，研究者們創(chuàng)建了一組放射學(xué)特征，該特征定義了腫瘤的淋巴細(xì)胞浸潤水平，并提供了患者免疫治療功效的預(yù)測(cè)評(píng)分。

國內(nèi)近兩年AI研究如火如荼，各個(gè)器官疾病診斷的模型都有研究和嘗試，基于深度學(xué)習(xí)的AI應(yīng)用目前已經(jīng)覆蓋病灶檢測(cè)、病理診斷、放療規(guī)劃和術(shù)后預(yù)測(cè)等各臨床階 段[14-16]。其中基于X線的肺部篩查、乳腺鉬靶篩查[17-18]；基于CT影像的肺結(jié)節(jié)檢測(cè)模型[14]顯示出較好的臨床使用潛力。冠心病的智能化診斷模型也已經(jīng)在一些醫(yī)院落地[19]。甚至部分已經(jīng)成為臨床工作中醫(yī)生不可分割的好幫手。以肺結(jié)節(jié)為例，AI算法模型能自動(dòng)分割胸腔區(qū)域，快速準(zhǔn)確定位疑似肺結(jié)節(jié)的病灶，從大數(shù)據(jù)集學(xué)習(xí)所得到的算法模型可以避免主觀偏差，雖然部分模型篩選的結(jié)果中包含了一些假陽性結(jié)節(jié)，但明顯降低了假陰性的發(fā)生，大大減輕了影像科醫(yī)師的工作量[10]。除此之外，AI算法模型不僅能提取肺結(jié)節(jié)的位置形態(tài)信息，還能進(jìn)一步提供肺結(jié)節(jié)分類(實(shí)性、亞實(shí)性及鈣化等)乃至腫瘤良惡性分級(jí)等一些決策意見供醫(yī)師參考。

醫(yī)療行業(yè)需要人工智能，但不能過度神話

2018年，美國食品藥品監(jiān)督管理局(food and drug administration，F(xiàn)DA)已經(jīng)批準(zhǔn)了世界人工智能醫(yī)療設(shè)備IDx-DR，該設(shè)備可以在沒有醫(yī)生幫助的情況下診斷疾病。IDx-DR自此成為了第一個(gè)獲得FDA批準(zhǔn)進(jìn)行獨(dú)立檢測(cè)而不需要醫(yī)生解釋結(jié)果的人工智能設(shè)備。IDx-DR類AI產(chǎn)品的批準(zhǔn)通過，意味著不僅僅是讓普通人可以更方便自主的完成常規(guī)診斷，同時(shí)還極大的節(jié)約了社會(huì)成本，因此很多業(yè)內(nèi)人士都認(rèn)為，AI診斷爆炸時(shí)代已然來臨。這同樣也是AI應(yīng)用的一個(gè)重要的里程碑。

2017年8月31日，國家食品藥品監(jiān)督管理總局(CFDA)發(fā)布了新版《醫(yī)療器械分類目錄》，新《分類目錄》對(duì)原來的43個(gè)子目錄做了大量精簡、優(yōu)化，調(diào)整為22個(gè)，其中尤為引人注目的就是新的分類目錄特別增加了與人工智能輔助診斷相對(duì)應(yīng)的類別[20]。相關(guān)法規(guī)、準(zhǔn)入制度的更改，表明在深度學(xué)習(xí)越來越風(fēng)靡的高科技行業(yè)中，AI在輔助醫(yī)生進(jìn)行診斷與擬定治療方案等方面的應(yīng)用日漸普及?？梢灶A(yù)見的是無論是國內(nèi)還是國外，未來的幾年內(nèi)將會(huì)有大量AI診斷系統(tǒng)通過審批，越來越多AI 醫(yī)療應(yīng)用在國內(nèi)外落地。

AI技術(shù)確實(shí)到了一個(gè)能夠在醫(yī)療上實(shí)現(xiàn)應(yīng)用的階段，而且表現(xiàn)可圈可點(diǎn)，但是也不能過度神話。目前，有些宣傳為了吸引眼球進(jìn)行夸大，貌似AI無所不能，很快可以替代人類醫(yī)生。但現(xiàn)在的AI技術(shù)在醫(yī)學(xué)的應(yīng)用還處于非常初級(jí)階段，遠(yuǎn)遠(yuǎn)沒有達(dá)到能自主學(xué)習(xí)分析的強(qiáng)人工智能水平?？浯蟮男麄髦粫?huì)誤導(dǎo)政府和公眾，透支行業(yè)發(fā)展?jié)摿?，不利于AI的有序健康發(fā)展。

現(xiàn)階段，人工智能更多是圍繞某單一影像任務(wù)研發(fā)解決方案，在單一任務(wù)方面人工智能有明顯優(yōu)勢(shì)。但診斷/分類也僅僅是人工智能醫(yī)學(xué)影像應(yīng)用場(chǎng)景中的一小部分，醫(yī)學(xué)影像臨床工作交織著多種不同任務(wù)。除了醫(yī)學(xué)影像的分類(診斷)上，研究者還需繼續(xù)探索人工智能技術(shù)在醫(yī)學(xué)影像檢測(cè)(發(fā)現(xiàn)異常)、分割(量化測(cè)量)、配準(zhǔn)(隨訪跟蹤)中的應(yīng)用。人工智能也不止應(yīng)用于影像分析，深度神經(jīng)網(wǎng)絡(luò)能就不同模態(tài)的信息(如文本、語音)產(chǎn)出有價(jià)值的應(yīng)用成果，應(yīng)該對(duì)醫(yī)院全數(shù)據(jù)鏈進(jìn)行完整分析，并嵌入到醫(yī)療流程中，這樣才能最終生產(chǎn)出更加有意義的人工智能模型。

現(xiàn)有模型的魯棒性和有效性也還有待于更加客觀的檢驗(yàn)。各個(gè)企業(yè)用于訓(xùn)練的數(shù)據(jù)集質(zhì)量參差不齊，導(dǎo)致產(chǎn)品性能不穩(wěn)定，大范圍的推廣受到一定的制約，需要進(jìn)一步提高產(chǎn)品普適性。各個(gè)企業(yè)的數(shù)據(jù)模型的診斷效果多為自我評(píng)價(jià)，具體的評(píng)估過程是未知的，評(píng)估指標(biāo)不統(tǒng)一，需要第三方公正平臺(tái)對(duì)各個(gè)數(shù)據(jù)模型進(jìn)行評(píng)價(jià)，保證產(chǎn)品質(zhì)量。

此外，值得大家深思的是人工智能是目的，實(shí)現(xiàn)這一目的的技術(shù)有很多種，深度學(xué)習(xí)只是其中一種技術(shù)?，F(xiàn)在深度學(xué)習(xí)或者深度神經(jīng)網(wǎng)絡(luò)的快速發(fā)展儼然成了人工智能的化身，能夠解決一切的問題。在醫(yī)學(xué)影像領(lǐng)域中有很多種類的問題和場(chǎng)景，并不是所有的場(chǎng)景需要用深度學(xué)習(xí)的技術(shù)去實(shí)現(xiàn)，也并不是所有的場(chǎng)景都適合用深度學(xué)習(xí)技術(shù)去實(shí)現(xiàn)，我們應(yīng)該注重的是目標(biāo)，為了目標(biāo)問題去使用技術(shù)，使用各種最適合的技術(shù)。切忌為了深度學(xué)習(xí)而深度學(xué)習(xí)，為了蹭熱度舍本逐末地消耗人力物力去做可以用簡單技術(shù)或者傳統(tǒng)技術(shù)解決的問題。

人工智能在醫(yī)療中應(yīng)該扮演的角色

AI技術(shù)可以幫助醫(yī)生做大量重復(fù)性的勞動(dòng)，提高工作效率，改變醫(yī)生的工作模式，提供更加精準(zhǔn)的預(yù)后判斷。哈佛大學(xué)醫(yī)學(xué)院病理系教授Golden博士說：“人工智能可能正是病理醫(yī)師所期待的。醫(yī)療衛(wèi)生行業(yè)出現(xiàn)人工智能、大數(shù)據(jù)的成本下降、可以獲得數(shù)字化圖像，這些都在助力數(shù)字病理的成功。就像人工智能之前的電鏡、免疫組化、分子診斷一樣，病理醫(yī)師被取代的風(fēng)險(xiǎn)極低。但其工作模式可能會(huì)改變，病理醫(yī)師對(duì)患者診療的貢獻(xiàn)仍將十分關(guān)鍵[21]”。

讓機(jī)器先實(shí)現(xiàn)人類醫(yī)生的專業(yè)水平，從而幫助醫(yī)生去做一些重復(fù)性工作，讓醫(yī)生有更多的精力解決更多疑難問題，積累更多經(jīng)驗(yàn)，而新的經(jīng)驗(yàn)和知識(shí)又會(huì)傳遞給AI，以此來形成一個(gè)良性的循環(huán)和生態(tài)。所以在當(dāng)下，AI的一個(gè)重要作用并不是解決疑難雜癥，解決高精尖問題，而是在臨床最需要的領(lǐng)域，用機(jī)器來把好的醫(yī)生經(jīng)驗(yàn)復(fù)制到醫(yī)療資源缺乏的地區(qū)去。AI技術(shù)可以為“基礎(chǔ)薄弱、人才缺失”的基層地區(qū)提高診斷率、進(jìn)而緩解三甲醫(yī)院的就診壓力。

人工智能技術(shù)還應(yīng)該能夠提供肉眼難以識(shí)別的疾病特征，使得醫(yī)生能夠使用AI成像來識(shí)別位于身體任何部位的腫瘤的生物現(xiàn)象，而無需進(jìn)行活組織檢查。還可以在疾病診斷、預(yù)后判斷、療效評(píng)估、用藥指南、疾病隨訪等方面發(fā)揮重要的作用，真正融入到醫(yī)療的每一個(gè)環(huán)節(jié)，人機(jī)協(xié)作，共同為人類的健康做出應(yīng)有的貢獻(xiàn)。

總之，人工智能已進(jìn)入一個(gè)快速發(fā)展期，給醫(yī)學(xué)影像帶來可見的變化，改變著我們的工作效率和流程。雖然目前仍處于弱人工智能階段，不能為醫(yī)生分擔(dān)大部分工作，但伴隨著技術(shù)的不斷進(jìn)步，弱人工智能過渡到強(qiáng)人工智能時(shí)代是值得期待的。