由围棋转战到肺癌筛查,人工智能真的无往不利?

简单举例来说,假如一个普通人被告知他有12.5%的几率患某种肿瘤,这12.5%也应该被解释为他同样有87.5%的几率不患这类疾病,这就是医学的严谨性,也是医学之所以“复杂”的专业性。

2017年11月1日“国际肿瘤防控学术大会”ICCPC在北京中卫大酒店召开,随着“健康中国2030”宏伟战略的逐步落实,“一带一路”全球合作战略的出台,为进一步深入开展国际合作,有效解决我国肿瘤防控领域的关键技术问题,来自全球癌症防控机构的专家、国内知名专家、肿瘤防控工作者共五百余人参加了此次盛会,全方位介绍了肿瘤发病趋势和防控新方法,共同探讨全球,尤其是中国肿瘤防控工作的具体策略和有效措施。会议中指出恶性肿瘤已成为全球人类最主要的致死性疾病,多位学者的报告提到了“肿瘤预防”的重要性,早期筛查和随访成为目前主要的癌症预防手段。在各位专家的报告中普遍也提到了目前中国医疗面临的困难,一是癌症疾病影像检查量每年以40%速度增长,但医生资源则仅有5%增长量,难以满足当前的需求。其二,癌症筛查难度,现场多位专家提及由于肺癌假阳性率较高带来的筛查困难,如何利用人工智能技术提高诊断准确度,提升效率同时节约有限医疗资源也成为本次讨论热点。
(ICCPC会议现场)ICCPC会议期间,
11月2日下午,由一家创新型的人工智能公司,深睿医疗举办了一场别开生面的“人工智能与医学影像
”专场会议,这是一家专注于医学领域人工智能应用的高科技公司,公司拥有医学影像人工智能核心技术,在行业中处于领先地位,和多家顶级医院开展关于医学人工智能方面的科研合作。研发团队由国内外著名大学博士组成,而管理层来自于国际知名高科技企业的高管,有着强大的技术背景和丰富的医疗行业管理经验。(深睿医疗
CEO
乔昕)深睿医疗专场专题会议由深睿医疗的CEO乔昕先生主持,向与会嘉宾汇报了两年来深睿的科研成果。大会副主席中国医学科学院肿瘤医院吴宁教授为本次研讨会做了精彩致辞。吴宁教授获得2017年度国家重点研发计划重大慢性非传染性疾病防控研究重点专项“肺癌筛查和干预技术及方案研究”项目,吴宁教授在致辞中谈到了在医学影像领域中应用人工智能技术的挑战和展望,并对本次专题会议给予了充分的肯定与支持。(中国医学科学院肿瘤医院
吴宁)来自中国医学科学院肿瘤医院的王建卫教授做了“深度学习算法在低剂量CT肺癌筛查中初步应用”报告,王教授团队利用深睿医疗研发的Dr.
Wise
CAD软件,在基于低剂量螺旋CT的肺癌早期筛查项目中,取得了令人振奋的效果,Dr.
Wise
CAD无论在敏感性还是在特异性指标上都有非常突出的表现,可以临床上辅助医生更加高效的工作,他的研究成果已经被2017年的北美放射学年会收录并邀请做大会(中国医学科学院肿瘤医院
王建卫
)著名的南京军区总医院影像科的周长圣医生带领他的团队对人工智能应用于肺癌的特征分析和良恶性分类做了大量的工作,本次专题会周医生的演讲题目是“肺部毛玻璃病变自动检出率及其临床意义”。磨玻璃结节GGO一直是肺癌筛查检查的难点,费时且容易遗漏,对医生造成较大困扰,能否解决磨玻璃结节的漏检问题决定了人工智能肺癌筛查产品的价值,周医生的团队从2017年7月开始对深睿医疗的Dr.
Wise
CAD软件进行了大数据量的临床效果验证,周医生团队对2584例患者进行了CT胸部平扫检查,其中有5.7%的患者存在有磨玻璃结节病变,而深睿Dr.
Wise
CAD软件的准确率达到98.8%,没有发现误报,周医生指出深睿医疗的独特的深度学习算法已经让毛玻璃病变已无处遁形。(南京军区总医院医学影像中心
周长圣
)会议最后一位演讲的是深睿医疗的CTO李一鸣先生,在“深度学习技术发展及医学影像领域的应用”报告中,李先生深入浅出的介绍了深度学习技术的趋势和特点,并回答了Dr.
Wise
CAD软件在临床应用中的产品优势,并且强调,对于产品,细节决定成败,对于医疗领域的人工智能产品,能否满足临床需求,是否符合医生使用习惯,这些都决定了产品的应用效果,同时也表示深睿医疗的肺癌筛查产品仅是开端,更多的产品如乳腺、泌尿、神经、骨科等相关的AI产品将很快面市。(深睿医疗
CTO
李一鸣)未来的医疗,如果可以充分的利用人工智能技术,那无疑将大大的提高效率与诊断的准确度,解决目前行业供需问题。深睿欢迎对人工智能技术感兴趣的专家联系我们,共同推进人工智能在医学领域的应用。

更值得说的,在各大重资产雄心勃勃的大力投入“高精尖”人工智能的当下,不要忽略了中国医疗的真正痛点是医务人员相对缺乏、医疗服务体系布局不完善、基层医疗机构医疗资源相对缺乏。如果能够将对人工智能的投入布局到对医疗教育的支持,尤其是基层医疗的标准化培训中来,再辅以中国特色的医学人工智能的开发应用,这样的硬件软件都欣欣向荣的医疗市场,一定是大有可为的。

澳门新葡3522最新网站 1

所谓“人心无算处,国手有输时”。人工智能面对各大围棋精英的完美战绩,毫无疑问验证了当今人工智能超强的计算处理能力,长远而言,笔者也相信人工智能在医学领域一定会有所作为。然而,医学的特殊性和严谨性,要求我们在做出任何对患者有导向性意见或建议时,兼听慎思。

简单来说,肺结节对比强烈,乳腺x光片中需要寻找的钙化灶同背景乳腺组织尤其是筛查年龄段中逐渐增多的乳腺脂肪组织也有显着密度差别,这一差别使得CAD有了用武之地,打个不恰当的比方,就好比棋盘之上让“阿尔法狗”从一堆黑白棋子中选出白棋,当然,实际情况会复杂很多。

谈到人工智能的学习效率,也就要提及人工智能“过度学习”的问题。中国有句成语“过犹不及”,实际上美国FDA在2008年就明确提到过CAD“过度学习”的潜在问题,即当人工智能装置被有意无意的选择性的供给学习数据以后,在所提供的数据框架内CAD可以表现得相当“完美”,但一旦运行中面对的场景发生变化,则其效能立刻出现很大下滑。而千变万化的临床情况正是CAD必须直面的挑战。正如腾讯“云+未来”峰会上,加州大学伯克利分校教授、人工智能专家Michael
Jordan所说的:“当放到对人类做出一些医疗决策的环境中时,一个单独的机器仅根据周围信息做决策是很危险的,因为有时候机器了解的信息也是不全面的,这会影响决策方向。”

一时间,业内更见所谓肺癌检查领域“看片n秒可比主治医师”、“筛查准确度超过平均医生水平”的“给力”报道。几番读罢不免
“闲敲棋子落灯花”, 想以一个医生的视角,聊一聊医学中的人工智能。

因此,对“人工智能产品查出肺癌的准确率达63%,排除肺癌的准确率达78%”而言,我们同样应该告知患者的是:这一人工智能产品查出肺癌的失误率有37%,排除肺癌的失误率有22%。当然,按照AI的学习效率,原数据也提到
“再给三个月时间,可提高准确度”。但不论数据如何变化,这其中的差异及专业性的评估,尤其对于推广“人工智能肺癌普查”这个已经属于医学范畴的项目来说,是不能回避。

澳门新葡3522最新网站,举个例子,早期肺癌在影像学上除了表现为结节以外,还有毛玻璃样及毛玻璃伴部分实性结节的表现。近几年,后两者在国内早期肺癌中越来越突出。而按照医学标准诊断一份肺部影像,除了检查以上病变,还有肺间质、气管、血管、胸膜、淋巴结、纵隔、食道、骨骼等一系列的结构需要观察和诊断。医学的复杂在于“异病同相,同病异相”,打开任何一部医学书籍,一个肺部结节的鉴别诊断之多一定会让普通大众大开眼界。同样不能忽略的,还有是否存在过度诊断的问题,比如检出所谓3mm以内的“病灶”是否有临床意义?

现代西方医学的一个重要基础是循证医学。而循证医学最核心的方法学是流行病学、临床流行病学、统计学、卫生经济学、计算机科学等的集合。循证医学是现代医学的一个里程碑,标志着临床医学实践从经验走向理性,其核心是要告诉临床研究者和实践者如何做才更科学。而CAD在临床的应用,同样也要遵循这一基础。

这样的保障,是建立在人工智能系统和医生的有效互动及互信、互助的基础上。在当前国内人工智能的医学应用相当网红的起步阶段,更要强调一下人工智能医学应用中合理开发的重要性,避免“闭门益智”:即一定要深入临床,设身处地的了解医生的真正想法和需求,调整纯技术开发的思路,将医患需求和技术提升有机结合,开发真正“接地气”的功能,不必都千军万马的挤那么些“独木桥”。

CAD之所以特别着力于乳腺和肺部结节,并非因为二者高居女性恶性肿瘤排行榜前两位(男性为肺癌和前列腺癌,后者的CAD也在开发中),而是由于两者的病变影像学特点和目前的人工智能技术能够有效对接。

▵图片来源:dribbble.com

Post Author: admin

发表评论

电子邮件地址不会被公开。 必填项已用*标注