劉再毅　治病救人的幕后英雄

彭前

不久前，來自“陳拙老友記”微信公眾號的一篇文章火了。文章講述了檢驗科醫(yī)生的故事，他們是治病救人的幕后英雄，而患者卻對他們鮮有耳聞。其實，放射科醫(yī)生又何嘗不是如此？很多患者和家屬熟悉接診他們的內外科醫(yī)師，卻對為自身疾病做出正確診斷的放射科醫(yī)師一無所知。

你心目中的放射科醫(yī)生什么樣？多數(shù)患者會認為是“拍片子的”。隨著醫(yī)學技術的發(fā)展，放射科醫(yī)生的利器已經(jīng)越來越多，CT、MRI……幾乎每種疾病的最終診斷，都需要影像檢查的幫助。放射科也由原來醫(yī)院的“輔助科室”變?yōu)楝F(xiàn)在的“醫(yī)學技術科室”。放射科影像檢查診斷，可以說是臨床醫(yī)師的“眼睛”，是臨床治療和手術離不開的“路標”。

廣東省人民醫(yī)院放射科的劉再毅帶領他的團隊，在這方面走得更快。他們通過醫(yī)學與工科的技術交叉，通過大數(shù)據(jù)圖像定量化的影像組學分析，發(fā)掘出醫(yī)學影像中隱藏的信息密碼，其結果可以用于對患者情況的預測，包括療效預測、預后預測、腫瘤定性等。目前，這個團隊先后在肺癌、結直腸癌等患者中展開了對影像組學的探索，并發(fā)表了重磅文章。

盡管曾因缺乏工科知識和受當時的技術水平限制而遇到了不少困難，但劉再毅通過潛心研究，獲得的成果竟然與之后流行起來的大數(shù)據(jù)、精準醫(yī)學、人工智能等風口不謀而合。今年，劉再毅獲得了國家杰出青年科學基金資助，實現(xiàn)了廣東省人民醫(yī)院歷史上“杰出青年”零的突破。

從診斷到預測

幾乎每種疾病的最終診斷，都需要影像檢查的幫助。放射科影像檢查診斷，可以說是臨床醫(yī)師的“眼睛”，是臨床治療和手術離不開的“路標”。

劉再毅的選擇，沒有什么特別的幕后故事。他的一位高中好友，父母都是醫(yī)生，給他留下了良好的印象。而他高中時代的班主任也推薦學生們學一門技術傍身，于是他選擇了華西醫(yī)科大學臨床醫(yī)學專業(yè)作為高考志愿。大學時代，劉再毅有個偶然的機會到醫(yī)院放射科實習。當時是1998年，而放射科已經(jīng)有了CT和MRI等高科技設備，科室的“高大上”給他留下了深刻的印象。這也促成了他在學校保送時，最終選擇放射診斷專業(yè)進行進一步的學習。

其實在醫(yī)學眾多領域中，放射科醫(yī)生直接接觸患者的機會相對較少，且收入也較臨床醫(yī)生略低。但劉再毅卻在工作中一步一個腳印，慢慢發(fā)現(xiàn)了放射科醫(yī)生的職業(yè)閃光點。他在廣東省人民醫(yī)院做博士后研究工作期間，醫(yī)院平臺提供了很大的空間和支持，讓他有條件在分子影像等方向進行嘗試。2011年，他被派往哈佛大學醫(yī)學院進行交流學習。當時他的美國導師擅長做圖像處理和數(shù)據(jù)挖掘，這能讓醫(yī)生通過圖像處理和生物學工程的結合，將傳統(tǒng)影像的臨床應用進行擴展，獲取更多肉眼觀察不到的信息，并發(fā)現(xiàn)其中的規(guī)律?；貒蟮膭⒃僖惴浅Ｕ駣^。他認為，該學科在中國的應用前景非常廣泛。他決心創(chuàng)建適合中國醫(yī)療現(xiàn)狀的影像組學。

跟劉再毅交流，他會跟你介紹放射科醫(yī)生的職能，主要有三：首先是通過影像資料判斷患者是否有病灶，并進行病灶定性。其次是進行治療療效評估。最后是預測預后。“過去放射科醫(yī)生都是以主觀分析居多，以經(jīng)驗主義為導向，無法進行量化及個體化評價?！眲⒃僖阏f，影像組學的圖像處理和數(shù)據(jù)挖掘技術能幫助實現(xiàn)診斷“由粗到細，由主觀到客觀”的變化，促進“精準”研究。通過技術對患者治療前的醫(yī)學圖像進行大數(shù)據(jù)挖掘，從里面抽取有用的信息，然后建立預測模型，精準判斷患者情況，進行危險因素分層。這是他現(xiàn)在努力的方向。

劉再毅舉了個例子。有兩位同為IB期肺癌的男性老年患者，醫(yī)生觀察他們的影像資料，會發(fā)現(xiàn)他們的病灶都是同樣“不規(guī)則”的。但借助大數(shù)據(jù)分析，計算機能“看到”很多不同信息。例如通過數(shù)學語言描述其灰度、紋理和形態(tài)等特征，就能發(fā)現(xiàn)病灶中蘊含著大量肉眼觀察不到的信息，進而判斷出兩位患者具有完全不同的復發(fā)風險。其中，高復發(fā)風險患者根據(jù)臨床治療指南，手術后要給予輔助化療，而低復發(fā)風險患者則要慎重考慮，盡量避免化療副作用的傷害。

雖然這一技術離臨床應用還需要時間，但劉再毅深刻地意識到，這將為臨床醫(yī)學診斷模式帶來革新，為精準醫(yī)療提供更扎實的基礎。如今，劉再毅的研究已經(jīng)不止于放射影像，還擴展到了病理以及基因層面，可以稱得上是一名多領域全面開花的醫(yī)界高手。

更懂臨床，更能解決問題

劉再毅到美國學習前，研究是以動物試驗為主。他回國后便對自己選擇的方向以及原因進行了認真思考，再次明確了目標：一定要讓科學研究的結果最終落地，服務臨床一線。他將研究方向調整為惡性腫瘤的精準診療評估，并首先聚焦于肺癌和結直腸癌。

談及原因，他說，一方面是因為這兩個病種是廣東省人民醫(yī)院的大病種，數(shù)據(jù)相對容易獲取。另一方面，則是因為它們在國內不同性別、不同區(qū)域內都是致死率及發(fā)病率位居前列的病種。這種專項研究能夠幫助更多的病患，極具臨床價值。

研究起步非常艱難。國內并沒有先例，更沒有專門的團隊。他首先閱讀了海量中外文獻，進行研究設想，然后通過尋求工科好友的幫助啟動研究。但靠“友情贊助”的方式，沒有辦法全職工作，彼此間缺乏充分的溝通與交流，無法進行深度合作，且團隊內都以醫(yī)學生為主，缺乏對工科知識的了解，研究進展十分緩慢。終于，劉再毅等來了一個好機會——2014年9月，廣東省人民醫(yī)院與華南理工大學成功牽手，共建華南理工大學醫(yī)學院、華南理工大學第一臨床學院，開始招收工科研究生。具有工科專業(yè)知識背景的學生加入團隊，并且人數(shù)不斷壯大。同時，華南理工大學有工科背景的老師也加入團隊定期進行指導，使得研究技術水平得到大幅度提升。

劉再毅深知，自己的團隊與純工科團隊有著本質上的區(qū)別。他們是以臨床問題為導向，目的在于用有效的方法解決實際問題。在醫(yī)學與工科的交叉過程中，其核心是由醫(yī)生在臨床上把握方向和應用，找到切入點，再由工科把握技術點，從而將二者結合并用于解決臨床問題。因此，合作雙方必須了解對方的基本知識概念和需求。團隊中，要有人能夠在工科和醫(yī)學語言中進行翻譯和轉換，從而實現(xiàn)深度交叉。劉再毅剛好能夠發(fā)揮這道橋梁的作用。

跟目前成功落地應用的人臉識別模型訓練數(shù)據(jù)可達數(shù)百萬甚至千萬樣本規(guī)模相比，醫(yī)學數(shù)據(jù)具有其特殊性。在同質病例符合研究要求的基礎上，其數(shù)據(jù)還必須完整并經(jīng)過清洗。這種數(shù)據(jù)收集需要極大的人力、物力、財力的投入。在團隊開展第一項研究時，整整3年都沒有出任何相關成果，劉再毅壓力巨大。但他仍腳踏實地，專注于研究本身。在他眼里，做出實事，幫助病患，才是真的成功。

那個時候，醫(yī)學影像大數(shù)據(jù)研究才剛剛起步。而如今，圖像數(shù)據(jù)的挖掘技術日益進步，獲得技術的門檻和難度也在降低，它已經(jīng)成為許多醫(yī)院放射科的熱點工程。劉再毅現(xiàn)在也開始了其他方向的探索。“數(shù)據(jù)方面，影像只是很小一部分。換言之，影像雖然重要，但不是全部，要結合其他臨床信息。我們做信息挖掘時，要結合病人的基因、病理、血液實驗室檢查等信息。如果患者在ICU，還會考慮結合患者心電圖檢測信息、電解質、血氧飽和度等諸多動態(tài)信息?！眲⒃僖阏f。

目前，立足廣東省人民醫(yī)院，劉再毅嘗試多學科、各研究中心實驗室及跨院合作，收集更多信息，希望能做出更多有特色、有意義的研究。同時他還計劃搭建一個圖像計算的平臺，將放射影像、內鏡、病理、檢驗等各種圖像進行整合收集，讓診療和隨訪數(shù)據(jù)能夠實現(xiàn)共享。

影像雖然重要，但不是全部，要結合其他臨床信息。我們做信息挖掘時，要結合病人的基因、病理、血液實驗室檢查等信息。

新技術還帶來了新的挑戰(zhàn)。人工智能技術的發(fā)展，可能導致醫(yī)生過度依賴機器發(fā)現(xiàn)病灶，而忽略了臨床基本診斷技能的培訓，對影像失去了敏銳的判斷力，進而無法勝任更復雜的診斷。

越前沿，越要扎實

2016年，劉再毅課題組基于影像組學構建列線圖（nomogram）對結直腸癌淋巴結轉移術前預測的結果，發(fā)表在臨床腫瘤學領域頂級期刊《臨床腫瘤學雜志》上。來之不易的榮譽面前，劉再毅卻顯得冷靜，甚至略顯保守：“很多醫(yī)生都對人工智能感興趣，醫(yī)學需要AI。但是讓AI真正懂醫(yī)學，為醫(yī)學所用，這條路還很長。”

對于當下人工智能的運用，劉再毅有清醒的認識。在人工智能的積極作用方面，他認為它能夠替代人類的許多重復勞動，從而給醫(yī)生更多時間來做具有重要意義的臨床或研究工作，比如MDT，以及和患者進行解釋和溝通。比如，人工智能發(fā)現(xiàn)肺部有病灶，并給出診斷結果后，患者可能會出于對病情未知而不安。而在效率提高后，醫(yī)生能有更多時間和患者解釋接下來需要做多久的隨訪以及如何開展干預等。這能夠極大地促進醫(yī)患交流，“把醫(yī)生的時間還給患者”。

人工智能固然能夠提高效率，但它還需要進行多方面的綜合考慮。劉再毅說：“首先，它是否符合醫(yī)改的目標、能否真正減少老百姓的看病成本，還需要嚴格的衛(wèi)生經(jīng)濟學評價。其次是涉及國家相關配套政策的制定，比如人工智能設備和人的醫(yī)療責任的界定和劃分，這些都需要明確。最后，也是最重要的，就是它會涉及倫理問題，應該引起重視。”比如在肺結節(jié)這類疾病中，許多小的肺結節(jié)，如良性結節(jié)沒有顯著的臨床意義。如果AI在醫(yī)學上的應用還不成熟，機器可能會提示病人反復做一些不那么必要的檢查，從經(jīng)濟上和心理上，都會給病人造成消極的影響。

新技術還帶來了新的挑戰(zhàn)。人工智能技術的發(fā)展，可能導致醫(yī)生過度依賴機器發(fā)現(xiàn)病灶，而忽略了臨床基本診斷技能的培訓，對影像失去了敏銳的判斷力，進而無法勝任更復雜的診斷。當機器發(fā)生失誤時，醫(yī)生很可能因為平常缺乏訓練而經(jīng)驗不足，出現(xiàn)診斷失誤。缺乏基本影像診斷技能的醫(yī)生，該如何正確對待人工智能給出的建議？他又該如何進行臨床決策？這是一個非常棘手的問題。

經(jīng)常會有公司來找劉再毅談合作，他的態(tài)度十分謹慎。一方面他非常珍惜自己經(jīng)過用心收集和清洗得來的數(shù)據(jù)，“醫(yī)療數(shù)據(jù)非常的稀缺、珍貴”。更重要的是，他擔心商業(yè)公司為追求利益最大化，急于進行不成熟的“轉化”。他不斷強調，研究越前沿，就越要做得扎實?，F(xiàn)在的研究成果，在臨床應用前，需要進行前瞻性的驗證，要做多中心隨機對照研究。否則，盲目使用很可能會對人產(chǎn)生傷害。

劉再毅坦言自己“不想分散更多精力”“不是那塊料”?！拔抑幌敫约旱呐d趣，抱著為患者服務的目的，做更多的研究?！彼f。

迅猛發(fā)展的醫(yī)學科技面前，劉再毅前進的步伐顯得十分穩(wěn)健。他就像踏實前行的攀登者，不過分關注遠方縹緲的云煙，也不畏懼近處扎人的荊棘，而是目標明確，堅定地走好每一步。

劉再毅，近年來以第一或通訊（含共同）作者發(fā)表SCI論文30余篇，包括臨床腫瘤學頂級期刊《J Clin Oncol》1篇、《Clin Cancer Res》2篇和影像學頂級期刊《Radiology》3篇;申請發(fā)明專利6項（獲授權1項）、計算機軟件著作權登記3項。先后主持多項國家級課題，包括國家杰出青年科學基金、科技部重點研發(fā)計劃課題、國家自然科學基金面上和青年項目等。