AI醫(yī)生成才記

近日，全球首場神經(jīng)影像領(lǐng)域“人機(jī)大戰(zhàn)”的結(jié)局超出了人們的預(yù)想。其中人類戰(zhàn)隊(duì)由神經(jīng)影像領(lǐng)域的頂尖專家、學(xué)者以及優(yōu)秀的臨床醫(yī)生共25名人員組成，與他們對戰(zhàn)的是北京天壇醫(yī)院“神經(jīng)疾病人工智能研究中心”和首都醫(yī)科大學(xué)人腦保護(hù)高精尖創(chuàng)新中心共同研發(fā)的AI輔助診斷系統(tǒng)“BioMind天醫(yī)智”。

總決賽現(xiàn)場，AI選手以高出20%的準(zhǔn)確率戰(zhàn)勝了神經(jīng)系統(tǒng)疾病診斷的“最強(qiáng)大腦”。這顆醫(yī)學(xué)界的新星究竟有多大本事？

戰(zhàn)勝25位人類醫(yī)生

當(dāng)天的比賽被分成了兩個組別，A組進(jìn)行的是顱內(nèi)腫瘤磁共振檢查（MRI）影像判讀；B組進(jìn)行的是腦血管疾病CT影像判讀及血腫預(yù)測。前者要對腦腫瘤作出定性，后者需驗(yàn)證腦出血第一次血腫擴(kuò)大的風(fēng)險。

在首輪比賽中，15位參賽醫(yī)生每人對15例影像進(jìn)行判讀，共225例。同時，AI選手耗時15分鐘判讀相同數(shù)量的病例，準(zhǔn)確率最先顯示為87%。又過了15分鐘，計時結(jié)束，人類戰(zhàn)隊(duì)的成績定格在66%。

這一結(jié)果并沒有打擊醫(yī)生們的自信心。事實(shí)上，在第二輪比賽中，10位醫(yī)生不僅率先完成判讀，還就其中不確定的答案進(jìn)行了二次矯正。不過AI選手最終還是以83%對63%的準(zhǔn)確率再次獲勝。

與AlphaGo戰(zhàn)勝圍棋九段選手一樣，以上結(jié)果并不意味著AI的智力超越了人類，只是它們更勤奮，學(xué)習(xí)速度和穩(wěn)定性都可以達(dá)到極致。

練就“火眼金睛”

人工智能與醫(yī)療的結(jié)合是解決醫(yī)療“痛點(diǎn)”的新機(jī)遇，將AI應(yīng)用在醫(yī)學(xué)影像的輔助診斷上意義重大。

一方面，醫(yī)療數(shù)據(jù)中有大量數(shù)據(jù)來自醫(yī)學(xué)影像，但這些數(shù)據(jù)幾乎全部需要人工分析，而相應(yīng)的醫(yī)療從業(yè)人員卻非常短缺。AI能把醫(yī)生從一部分低附加值、重復(fù)性的工作中解放出來，比如“BioMind天醫(yī)智”系統(tǒng)正式被應(yīng)用后，至少可以替代醫(yī)生20%的工作時間。

“AI+神經(jīng)影像”的模式需要加強(qiáng)的是對醫(yī)學(xué)影像數(shù)據(jù)的內(nèi)容解讀，以幫助醫(yī)生進(jìn)一步提高影像診斷的精準(zhǔn)度。經(jīng)過上千病例的訓(xùn)練，“BioMind天醫(yī)智”能在影像中看到醫(yī)生肉眼看不到的疾病發(fā)展征象，給出更精準(zhǔn)的判斷提示。

跟上醫(yī)生的思路

AI學(xué)習(xí)醫(yī)學(xué)影像的具體方法是通過深度學(xué)習(xí)結(jié)合先驗(yàn)知識對模型進(jìn)行訓(xùn)練，過程中需要有經(jīng)驗(yàn)的醫(yī)生將醫(yī)學(xué)圖像進(jìn)行標(biāo)注，程序員將圖像的數(shù)據(jù)注入深度學(xué)習(xí)，再留下樣本進(jìn)行測試。

不同部位的算法的基本框架大同小異，有所不同的是數(shù)據(jù)需要預(yù)處理，比如分割、配準(zhǔn)、標(biāo)注。設(shè)置好預(yù)處理方式有利于提高深度學(xué)習(xí)的效率。

為了讓AI跟上醫(yī)生的思路，一般以醫(yī)生的經(jīng)驗(yàn)為主，程序員做出工具，幫助醫(yī)生做分割和標(biāo)注的工作。目前“BioMind天醫(yī)智”在部分腦瘤的磁共振影像診斷上，準(zhǔn)確率已達(dá)到90%以上。根據(jù)計劃，“BioMind天醫(yī)智”系統(tǒng)還將覆蓋更多頭部疾病的輔助診斷，包括腦腫瘤、小血管病變、大血管病變、腦卒中等，因此，AI還需拓展學(xué)習(xí)領(lǐng)域。

AI醫(yī)生仍需突破創(chuàng)新

事實(shí)上，AI目前正在學(xué)習(xí)使用多模態(tài)數(shù)據(jù)監(jiān)測。所謂多模態(tài)數(shù)據(jù)監(jiān)測就是讓AI能像醫(yī)生一樣，利用各種影像和臨床數(shù)據(jù)，比如生化指標(biāo)、遺傳基因，甚至是疾病史、生活習(xí)慣、生活環(huán)境等信息作出綜合判斷，輔助更多的醫(yī)療決策。但即便AI醫(yī)生讀片又準(zhǔn)又快，也依然無法令人滿意。

AI醫(yī)生的強(qiáng)大和準(zhǔn)確是建立在對已知的病例、特征、表象等的學(xué)習(xí)之上，如果接診的病例稍不同于既有的腫瘤特征和表象，AI醫(yī)生就會不知所措。離開了人們教給它的已知內(nèi)容和運(yùn)行程序，AI醫(yī)生就會出現(xiàn)無法診斷或者錯誤診斷的情況。

另一方面，AI醫(yī)生所擁有的技術(shù)上的優(yōu)勢并不能解決醫(yī)學(xué)所面臨的人與人關(guān)系中的情感和人文關(guān)懷問題——AI醫(yī)生目前無法察言觀色，也無法安慰、鼓勵人。（據(jù)中國科學(xué)報、光明網(wǎng)）