受訪人
詹松華
我是一個放射科醫生，不是研究信息學的，每次我都會總結了一點我們在臨床上遇到的與信息化相關的問題，以推動信息化在臨床更好地落地和應用。AI很熱——課題申請很容易，融資也很容易——這是我們看到的表象。
2017年，AlphaZero打敗了AlphaGo，AI在金融、安防、自動駕駛、個人生活助理教育等領域，都取得了突飛猛進的進步。“AI即將主宰世界。”這種聲音越來越大。霍金說，AI技術將超越“人類基因科隆技術”，這我也相信。但是有觀點認為“以後可以不需要放射科醫生了”，這我不認同。放射科醫生這兩年一直處於短缺狀態，國家對高端影像設備的開放政策會促進醫學影像設備的大發展，所以放射科醫生的需求只會更大。
AI到底發展到什麼程度，醫院應用AI後對放射科工作實際產生了多大影響？就像隔著一扇玻璃門，看得到好，但是摸不到、感受不到，所以從臨床上梳理需求、提建議，是我這個放射科醫生可以對信息學發展做的一點工作。
1
我想談的第一件事是影像醫學的學科特點和中國現狀
影像與核醫學是二級學科，是“臨床醫學”下的二級學科，屬於臨床醫學範疇。在超聲科、病理科、放射科，人員是由醫師和技師兩部分組成的，但是我們國家到目前連醫學影像診斷費都沒有，而且很少有患者會意識到他們拿到的診斷報告是放射科醫生寫出來的，收入低、存在感弱，臨床醫學系畢業的醫學生大多不願意成為醫學影像科醫生。
影像診斷醫師是醫師中的醫師，影像醫師需要臨床知識，需要臨床的很多基礎，影像診斷的醫師的性質嚴重被曲解和價值低估，在中國這是客觀存在的。在美國，能成為影像診斷醫師的都是醫學院的尖子學生。放射科醫師的工作除了發現病變和定位、定性病變、看圖象做診斷，還要參與到治療方案的制定中去。所有正確的診斷都貴在當面交流，讓患者不斷補充病史，不斷解答患者提問，要綜合考慮病史的真實性、年齡段、個體發育差異、用藥史、圖像等等，不是看圖識病這麼簡單的流程。
2
我們要考慮的第二件事是“AI在影像醫學領域應用的定位問題”
AI對圖像的分析也許很到位，但是如果談到“同病異影、異病同影”，工程師們理解嗎？很多工程師設計的軟件的時候會考慮掃描，但是用什麼機器掃描、用什麼條件（參數）掃描呢？操作CT的技師並非操作按鈕就行，同一個病變用不同的條件掃描的時候，得到的CT值絕對是不一樣的——但是工程師不學影像，不瞭解這一點，所以這樣的AI能相信嗎？
我接待過一個患者投訴。患者在肺癌術後拍了胸片，診斷報告顯示“左肺癌術後改變”，但是患者拿到報告就來找放射科主任投訴，為什麼？從片子上看像是左側開刀，因為左邊的肋膈角變鈍了，仔細詢問後，患者聲明自己是在右肺開刀，調出病史也發現確實是右肺開刀，但是左邊以前生過胸膜炎，導致了肋膈角變鈍，不是手術形成的，所以診斷報告錯了，應該是右肺癌術後。可見病史對診斷非常重要，影像診斷是臨床綜合診斷，而不是“看圖識字”，沒有病史的AI是站不住腳的。
由此可見，AI有一個定位問題——AI要幹什麼？
輔助醫生髮現病變後給病變定性，工程師以為是偉大的進步，但這可能僅僅是AI應用在醫學影像領域的第一步，和臨床診斷還有很大的距離，對於疾病的綜合評價和治療策略確定，依舊要交給影像診斷醫生。發現肺結節是最容易的事情，因為肺的密度和結節的密度差幾百倍，但如果換一個部位呢？比如胰腺的病變很難發現，拍片子時要在薄層下面、要反覆調試，動脈早期、晚期的掃描的圖像都要細緻看，如果提供的圖像不理想的話，AI還是沒辦法發現病變。
AI需要明確的、客觀的、固定的素材，很多企業做的肺病變AI產品都拿數據庫1萬個病例去訓練，就像題庫似的，但是題庫裡面的都是現成的，而患者永遠是不一樣的，所以這樣的AI就難應用。
3
我想談的第三件事是“促進AI發展的務實建議”
影像診斷是一門充滿“可能性”的藝術，放射學就是研究疾病診斷可能性的學科，但是AI是絕對的，因為計算機一定是絕對的。以“絕對”博“可能”，會帶來很多的困難和問題。工科的學者們習慣說“沒有做不到，只有想不到”，但是在醫學領域不能這麼說。我很認可AI在發現病變方面的作用和意義，因為可以幫醫生節省大量重複勞動時間，但是代替醫生診斷和處理是很難的事情。所以我認為務實地考慮AI發展，有六點值得考慮。
1.避免做過於“花哨”的功能。
目前階段最重要的是傾聽臨床聲音，準確對接臨床需求，要真正應用於臨床，還有很長的路要走。
2.解決好產品的“假陰性”問題才是關鍵。
假如有100份片子，AI可以判斷出其中50分100%沒有問題，那麼人工複核時醫生就只需要看剩餘的50份片子。但是如果有1%的假陰性，就意味著複核時需要把100份片子重新看一遍，這樣一來好像並不能節約時間、減輕負擔。
3.耐心向臨床醫生說明你AI設計策略和基本原理。
醫生是用戶，需要對患者負責，對醫生來說不存在所謂的“黑科技”，讓醫生感到可靠，才是產品能走向臨床的重要一步。
4.要開拓新產品！
不要總是做“肺結節”，靠“題庫”學到的英語是“啞巴英語”，靠“題庫”訓練出來的AI沒法兒進入臨床，所以深入臨床嘗試去開拓一些新的產品，做得再專業一點。
5.醫學影像AI產品的推廣很有挑戰性。
除了市場無情外，也要考慮到放射科醫生的工作價值目前沒有從經濟層面體現出來，現在醫生寫一張報告2塊錢，那麼AI產品如何定價呢？這個問題很有挑戰性。
6.正視困難，不要急躁。
AI發展需要更多科研投入、更長科研時間，雖然放射科醫生在中國的地位很低，但解決臨床漏診的問題、減少勞動強度、提高工作效率——AI在醫學影像領域確實大有可為。
醫學不是數學，而是人文。AI產品的目標用戶應該始終都是醫生，讓醫生接觸機器以後為患者服務，這是一個正確的途徑。在科技時代，任何與人打交道的職業，都將越來越興旺，所以醫生不會被替代。
-END-
閱讀更多 e醫療 的文章
