一个不常用的功能键：AI应用于医学影像窘境

  “电脑上有AI的功能键，正常情况下不会用，偶尔也只是按一下跑一跑数据。”北京肿瘤医院影像科副主任医师陈麦林讲述他所了解到的情况，虽然该院影像科未安装类似系统，但致力于胸部肿瘤影像研究的陈麦林表示，人工智能影像识别系统已经在不少医院安装，但真正应用于临床的还很少见。

  近年，投身医疗AI领域的企业慢慢的变多。然而，不少医院专家、业内的人表示，AI在医学影像上的应用远还未达到可以直接采用结果的程度，甚至大批医疗AI企业的产品还处于研发阶段。AI在医学影像领域还面临缺乏标准、没有评价体系、敏感度低等诸多问题。

  “患者虽然最后只拿到几张胶片，但影像科医生通常要阅读二三百张片子。”陈麦林表示，每位医生每天的阅片量达到数千张。

  据媒体报道，我国影像科医生每年的增长率是4.1%，而影像的上涨的速度达到30%。

  除了初创公司以外，诸如BAT等互联网巨头、GPS这样的医学影像设备厂商近年也纷纷布局医疗AI。2017年8月，腾讯正式对外发布首款将医疗AI产品——腾讯觅影。腾讯觅影可利用AI医学影像分析辅助医生筛查食管癌、肺结节、结直肠肿瘤、乳腺癌、宫颈癌等疾病。据称，目前腾讯觅影已与国内一百多家三甲医院达成合作，通过共建人工智能联合医学实验室的形式，推进AI在医疗领域的研究和应用。

  不少企业通过投资形式从医院获取数据进行研发，之后借助在医院安装系统来验证、试用产品。他表示，AI产品在医院大多用于科研或帮企业验证系统的诊断结果，而在临床上，医生可选择使用或不使用。类似产品确实能帮助医生减轻工作，但人工依然是不可或缺的。

  有专家表示，目前类似的人工智能项目都处于研发和临床认证的阶段。大部分企业都还没产品研发出来，在医院临床上安装试用的产品为数不多。

  “总体来讲水平还不够高，离目标值还有一定的距离，这就是现状。”谈起AI在医学影像上的应用时，同济大学附属同济医院副院长王培军这样说到。

  王培军认为现存的一个问题是影像样本不够。他表示，10万左右的样本是比较好的。目前很少有企业的样本能达到这一个数字。而样本背后，则是标准化的问题。要突破影像组学方面的瓶颈，仍然需要依靠深度学习，但深度学习样本不够大，结果就不稳定，那么接下来要做的是标准化，继而提升样本量，逐步从影像组学过渡到深度学习。

  对于如何推动人工智能落地，阿里健康人工智能实验室主任范绎认为需要做三件事情。一是让用户接受AI，不断与医生探索如何辅助医生而非取代医生，二是在政策上予以明确，如果误诊，由医生还是企业负责，三是技术赋能，看病方式几千年来由望闻问切发展到现在的医学影像大范围的应用，下一步应当是人工智能的升级。王培军认为，人工智能的升级应该做到规则清楚、诊疗原则清楚、诊断结果清楚准确，医生实际能做的机器也得能做到。

  对此，有专家这样认为，人工智能落地仍需诊断先行，最好的工具应当应用到基层，使医学诊断领域实现同质化，让患者留到基层。其次要通过市场化的机制促进，最后数据壁垒也需打通，中国巨大的资源优势应当发挥更大作用。他认为能够最终靠医联体机制共享大数据，通过数据平台建设促进人工智能的发展与落地。

  目前，人工智能影像识别技术在肺癌、乳腺癌、食管癌等领域发展较快。人工智能技术想当然的放在社区这样的基层医疗机构是欠妥的，时机尚未成熟。在基层医生普遍缺乏癌症早筛能力和经验时，利用人工智能进行初筛，再由资深医生做复核的应用场景可能还需要更加多的规范化及流程质控。

  人工智能在现阶段的广泛应用暂持有保守态度，尤其是在癌症早筛领域，Watson近期遭遇的一系列争议也加深了她对AI快速推向市场的顾虑，她所担忧的仍然是在这一领域缺乏标准，以及市场、资本的热衷常常带有的夸大和误导。

  中国医学科学院肿瘤医院内科副主任马飞向表示，人工智能有可能解决医疗资源缺乏的问题，但首先其准确度和敏感度应该足够高，做到不漏诊。此外，如果要实际应用，这类产品还应经过评价，进行准确性评估。

  点击“阅读原文”，立即加入我们，一起开启个人健康医疗数据的归还运动吧！返回搜狐，查看更加多