北京天壇醫院神經影像學中心主任高培毅教授
做“AI”的老師？一開始，高培毅教授是拒絕的。
作為國內著名的神經放射學專家，北京天壇醫院神經影像學中心主任高培毅教授做了一輩子影像學診斷。他深知，人腦是人體內最複雜的結構之一，擁有數以千億計的神經元，神經影像學經歷了漫長的發展和探索，仍然有數不清的謎團等待揭開。這樣嚴謹細緻的工作容不得一絲一毫的判斷失誤。AI，值得信賴嗎？
不管怎樣，在剛剛過去的“CHAIN”杯全球首場神經影像人工智能人機大賽全球總決賽中，由全球首家神經疾病AI研究中心、首都醫科大學人腦保護高精尖創新中心共同研發完成的神經影像AI輔助診斷系統——“BioMind天醫智”，首次於公眾正式亮相，十分搶眼！
對於這個在去年年底正式“拜師”高培毅教授的神經影像診斷AI系統，高培毅教授又是如何看待這個“特殊學生”的呢？
1
AI學習速度驚人 不受情緒狀態影響
其實，提起電腦編程輔助醫學診斷，高培毅並不陌生。
上世紀90年代初，高培毅前往美國猶他大學醫學院求學。在那裡，他陸續接觸並學習到代碼編程、數據庫等技術，並以“肺部球形病灶的計算機輔助診斷”為主題完成了計算機課的結業論文。
回國後，工作之餘學有所用，一臺386電腦，一套DOS系統，高培毅不僅為科室設計出醫用功能軟件，甚至還為合作的醫學雜誌社編輯了一整套收稿系統。
“這方面我感興趣，也相對比較瞭解和關注。所以，當領導第一次把我們幾個叫到辦公室，提起AI神經影像診斷是未來的發展趨勢，我內心是認同的。不過，你問它能不能替代我，目前還是門兒都沒有！”高培毅笑稱。
面對領導遞過來的email地址，高培毅教授決定先給希望踏足神經系統影像診斷領域的AI出一道考題，試試它的實力。
通過給出神經鞘瘤表皮樣囊腫、腦膜瘤等幾百例常見腫瘤的影像病例，不到一週的時間內，AI在診斷測試中，正確率就幾乎達到95%以上，這一結果，讓院方和技術團隊都非常興奮。
隨即，AI團隊與院方達成正式合作協議，開始大規模系統學習北京天壇醫院近十年來接診的數萬餘神經系統相關疾病病歷，特別是在腦膜瘤、垂體瘤、膠質瘤等常見病領域的圖像識別，AI系統顯示出卓越的“學霸”氣質。
“拜師“學藝半年左右的時間，它在一些神經系統常見病的判斷上已遊刃有餘，在部分腦瘤的磁共振影像診斷上，準確率已達到90%以上，相當於一個高級職稱醫師級別的水平。
在前期的“人機大戰”決賽備戰中，高培毅教授為提升AI系統的應戰能力展開了“集訓”，“陪練”的醫生們要完成300多個病例大概需要10小時以上的時間，耗費的時間和腦力讓醫生們直呼“崩潰”，而AI則只需要不超過半個小時就能完成。
“除了學習速度外，它的穩定性也是明顯超越人類的。不知道累，也不受外界干擾因素的影響。不像醫生會被情緒、狀態、時間地點等外界因素打擾，從而影響描述的準確性。它永遠保持冷靜，水平穩定。“高培毅表示。
2
影像科醫生並非“看片匠” 人類的優勢AI永遠無法取代
儘管高培毅教授承認AI在大數據深度學習方面是個“學霸“，也瞭解人工智能正在“取代”醫生的說法，給不少青年醫生帶來的恐慌，但他仍然堅定地認為，放射科醫生在實際工作中有很強的不可替代性。
“覺得它輕易就能取代醫生的人，把醫生的工作看得太簡單了。“雖然每週只出2個半天的門診，但慕名而來的患者總是抱著片子踏破了高培毅教授的門檻。在患者中口口相傳的”神醫慧眼“背後，是他幾十年從醫之路中對各類基礎學科臨床知識和經驗的積累。
“除了影像檢查，一個合格的放射科醫生還需要看化驗單、要看體檢單、要問家族史，問個人的病史、做過什麼治療，用過什麼藥物，有什麼反應……都瞭解後，才能做出一個醫生的診斷。AI也許可以取代看片匠的角色，但它永遠不可能成為一個真正的醫生，這是完全不同的兩個概念。”
大數據深度學習既是AI發展中的機遇，也是受限條件和缺陷，目前AI在神經系統影像診斷方面 ，仍完全依賴於數據真實性和質量的支撐。在北京天壇醫院，AI正在學習的腦血管病研究大數據完全按照科研方法收集，是目前中國最有價值的醫學數據之一，但在缺乏大數據支持的疑難病、罕見病診斷領域，AI和高培毅教授中間，隔著幾十年從醫之路的經驗和判斷，這一點上，AI顯然無從複製和超越。
“我對AI的希望，首先是希望他能做一些醫生覺得‘煩’的、低附加值的、重複性的工作、可以把醫生的一部分精力解放出來。在這個學習的過程中，我也會把我的經驗加入AI的學習系統，比如說某種病只有男性會得、某種病90%都發病於兒童等等，來進一步提升它的學習效果。”高培毅表示。
在這點上，高培毅的想法與北京天壇醫院常務副院長王擁軍的理念不謀而合。在今年4月份召開2018•GMIC全球移動互聯網大會上，王擁軍在與北京大學光華管理學院教授張煒的對話中提及，人工智能對醫院和醫院管理的改變，首當其衝的就是AI將取代很多醫生在做的枯燥的重複性的工作，AI的應用，將節約出醫生閱片的時間，可以讓醫生騰出時間攻下更多的開發性的工作。
3
人工智能賦能讀片診斷 彌補影像人才巨大缺口
有統計數據表明，國內醫療影像數據每年增長超過30%，但放射科醫生的增長僅為4.3%，人員的增長趨勢遠遠跟不上實際需要，矛盾愈演愈烈。多數患者一定有這樣的經驗，去醫院初診，最常聽到的一句話一定是“拍張片子看看”，而隨著各級醫院影像設備的大規模引入，能為患者“拍片子”和“看片子”的醫生缺口逐年增大。
在北京天壇醫院，近年來伴隨著門診量和外地患者數量的提升，高培毅教授帶領的影像科醫師隊伍不到三十人，每天分兩班，工作16個小時以上，仍然無法完全滿足患者的需要，存在嚴重人力不足，特別是從事操作工作的一線技師，工作壓力更是成倍驟增。
此外，從全國範圍來看，影像科人才資源地域性分配不均衡的問題也十分突出。以腦腫瘤為例，北京天壇醫院每年手術量約為1萬餘例，而在大部分基層醫院，這個數字可能只停留在兩位數。大多數患者即使在基層做了檢查，還是會選擇攜帶片子到三甲大醫院來看。
“實際上，患者從基層到大醫院，經歷了層層渠道，片子也往往是拍了又拍。”高培毅說，這樣的過程，不僅給基層帶來了患者的流失。對患者而言，也造成了經濟上的巨大浪費和損失。
今年1月，由國家神經系統疾病臨床醫學研究中心、首都醫科大學附屬北京天壇醫院聯合發起成立的天壇神經系統疾病專科聯盟(以下簡稱專科聯盟)，囊括了全國近300傢俱有神經學科優勢的三級醫院加盟。未來，包括神經系統AI影像判別技術在內，聯盟內部將實現專家、臨床、科研、教學等資源共享。
在基層醫院，利用AI技術為診斷賦能，讓基層醫生在讀片診斷上與大醫院具備同等水準，提升診療效率，減少患者不必要的診療環節和經濟損失。
在北京天壇醫院，藉助AI有效挖掘信息與疾病的潛在聯繫的能力，還可輔助醫生對疾病做出更為精準的預測，如預測患者腦出血後是否會血腫的準確度，可從人為判斷的60%提升至90%，輔助醫療團隊提前為患者可能遇到的危險提供解決方案。
“理想狀態下，這套系統正式應用後，至少可以替代醫生20%的工作時間，讓醫生有更多的精力專注於科研和人文，給病人更多溫度。“高培毅教授表示。
——大家都在看——
縣域衛生領域最大規模年度盛會即將召開
八月西安千家縣域醫療機構精彩集結
↓↓↓
閱讀更多 縣域衛生 的文章
